Prediksi Perubahan Tutupan Lahan Menggunakan Pemodelan Tutupan Lahan Tahun 2015-2021 Dengan Simulasi Celuller Automata (Studi Kasus : Kota Surabaya)

Ayu, Clarisa Novanti (2023) Prediksi Perubahan Tutupan Lahan Menggunakan Pemodelan Tutupan Lahan Tahun 2015-2021 Dengan Simulasi Celuller Automata (Studi Kasus : Kota Surabaya). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 03311940000012-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (6MB) | Request a copy

Abstract

Kota Surabaya yang merupakan Ibu kota Provinsi Jawa Timur mengalami pertumbuhan dan perkembangan yang menyebabkan perubahan tutupan lahan. Penelitian ini dilakukan untuk mengetahui perubahan tutupan lahan Kota Surabaya dan prediksi perubahan lahan Kota Surabaya menggunakan simulasi Cellular Automata dengan menggunakan parameter pendorong perubahan tutupan lahan berupa jaringan jalan, sungai, dan Central Business District. Data yang digunakan dalam penelitian ini adalah citra Sentinel - 2 yang diklasifikasi menggunakan algoritma Random Forest (RF) secara secara cloud computing menggunakan Google Earth Engine (GEE). Hasil dari penelitian ini menunjukkan perubahan penggunaan lahan Kota Surabaya tahun 2015-2021 mengalami penurunan luas pada kelas sawah dengan pengurangan sebesar 4361,57 Ha, dan pertumbuhan kelas bangunan sebesar bangunan sebesar 2804,37 Ha. Pemodelan perubahan penggunaan lahan dengan ANN pada Cellular Automata menunjukan hasil model yang cukup, dibuktikan dengan validasi model menghasilkan nilai kappa 0,49031 atau sebesar 63,036 % mengalami kecocokan antara kedua peta tersebut. Kelas tutupan lahan yang memiliki peluang perubahan tinggi adalah berupa kelas badan air (0,369). Dan berdasarkan prediksi tutupan lahan Kota Surabaya tahun 2030, kelas tutupan lahan yang mendominasi adalah kelas bangunan dengan luas kelas sebesar 20647,71 Ha (61,57445 %). Selain itu jumlah keseluruhan penggunaan lahan hasil prediksi tahun 2030 yang sesuai dengan RDTR Kota Surabaya sebesar 46,10% (0,461) dan tidak sesuai sebesar 53,89% (0,5389).
======================================================================================================================================
The city of Surabaya, which is the capital city of East Java Province, has experienced growth and development which has led to changes in land cover. This research was conducted to determine land cover changes in the City of Surabaya and predictions of land cover changes in the City of Surabaya using Cellular Automata simulations using parameters driving land cover change in the form of road networks, rivers, and the Central Business District. The data used in this study is Sentinel-2 imagery, classified using the Random Forest (RF) algorithm in cloud computing using the Google Earth Engine (GEE). The results of this study show that land use change in the City of Surabaya in 2010-2018 has decreased in the area in the paddy field class with a reduction of 4361,57 Ha, and the growth of the building class is as large as the building by 2804,37 Ha. Modeling land use change with ANN on Cellular Automata shows sufficient model results, proven by model validation resulting in a kappa value of 0,49031 or 63,036% experiencing a match between the two maps. The land cover class that has a high chance of change is the water body class (0,369). And based on predictions of land cover for the City of Surabaya in 2030, the dominant land cover class is the building class with a class area of 20647,71 Ha (61,57445%). In addition, the total land use predicted in 2030 the Surabaya City RDTR of 46,10% (0.461) and 53,89% (0,5389) does not match

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Perubahan Tutupan Lahan, Prediksi, GEE, Cellular Automata, QGIS,Land Cover Changes, Prediction, Remote Sensing, GEE, QGIS
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.217 Geospatial data G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing G Geography. Anthropology. Recreation > GA Mathematical geography. Cartography > GA102.4.R44 Cartography--Remote sensing H Social Sciences > HT Communities. Classes. Races > HT133 City and Towns. Land use,urban
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29202-(S1) Undergraduate Thesis
Depositing User:	Ayu Clarisa Novanti
Date Deposited:	02 Aug 2023 02:08
Last Modified:	02 Aug 2023 02:08
URI:	http://repository.its.ac.id/id/eprint/100400

Actions (login required)

View Item