ANALISIS KORELASI KERAPATAN VEGETASI DAN KEKERINGAN MENGGUNAKAN NDVI, EVI, NDWI, DAN LST DENGAN RANDOM FOREST PADA GOOGLE EARTH ENGINE

(Studi Kasus : Kota Kupang dan Kabupaten Kupang)

Abstract

Kerapatan vegetasi yang tinggi berperan penting dalam mengurangi kerentanan suatu wilayah terhadap kekeringan sehingga analisis kerapatan vegetasi diperlukan sebagai dasar pengelolaan lingkungan berkelanjutan. Analisis spasial untuk mengetahui korelasi antara kerapatan vegetasi dan kekeringan dapat dilakukan dengan memanfaatkan teknologi penginderaan jauh dan machine learning. Penelitian ini menganalisis hubungan tersebut menggunakan data citra satelit Sentinel-2A untuk menghitung parameter NDVI, EVI, dan NDWI, data citra satelit MODIS untuk menghitung parameter Land Surface Temperature
(LST), serta data CHIRPS untuk menentukan indeks kekeringan. Pengolahan data dilakukan pada platform Google Earth Engine (GEE) dengan menerapkan algoritma Random Forest Regression untuk prediksi kekeringan, sedangkan analisis korelasi dilakukan menggunakan regresi linear. Hasil penelitian di Kota Kupang dan Kabupaten Kupang pada tahun 2020 dan 2024 menunjukkan bahwa seluruh parameter tidak memiliki korelasi yang signifikan terhadap kekeringan. Nilai korelasi NDVI, EVI, NDWI, dan LST pada tahun
2020 masing-masing sebesar 0,103; 0,150; 0,098; dan 0,057, sedangkan pada tahun 2024 sebesar 0,005; 0,001; 0,004; dan 0,187.