ANALISIS PERBANDINGAN HASIL KLASIFIKASI TUTUPAN LAHAN DENGAN ALGORITMA CART DAN RANDOM FOREST DI KABUPATEN TANGERANG

Abstract

Kabupaten Tangerang, yang mengalami peningkatan jumlah penduduk signifikan, menghadapi tantangan perubahan tutupan lahan akibat urbanisasi dan alih fungsi lahan. Penelitian ini bertujuan untuk membandingkan hasil klasifikasi tutupan lahan menggunakan algoritma Classification and Regression Trees (CART) dan Random Forest (RF) dengan memanfaatkan citra satelit Sentinel-2A pada tahun 2023 melalui platform Google Earth Engine. Klasifikasi dilakukan terhadap empat kelas tutupan lahan, yaitu vegetasi, badan air, lahan terbangun, dan lahan terbuka, dengan mengaplikasikan pendekatan supervised learning. penelitian melibatkan pengolahan data citra Sentinel-2A yang telah melalui tahap pre-processing, pembuatan area pelatihan dan data uji, serta evaluasi hasil klasifikasi menggunakan matriks konfusi, algoritma RF menunjukkan keunggulan dengan akurasi keseluruhan sebesar 89,79% dan koefisien kappa 85,78%. Sementara itu, algoritma CART memperoleh akurasi keseluruhan sebesar 86,41% dengan koefisien kappa 81,21%. Performa RF yang lebih tinggi disebabkan oleh mekanisme penggabungan beberapa pohon keputusan, yang mampu mengurangi risiko overfitting dan meningkatkan akurasi klasifikasi. Penelitian ini juga menemukan bahwa kualitas citra satelit, jumlah sampel pelatihan, dan teknik pengolahan data sangat memengaruhi keakuratan hasil klasifikasi. Hasil penelitian ini diharapkan memberikan kontribusi signifikan bagi pengembangan metodologi pemetaan tutupan lahan yang lebih efektif. informasi yang dihasilkan dapat digunakan sebagai acuan dalam perencanaan tata ruang wilayah dan pengelolaan sumber daya alam di Kabupaten Tangerang.