Pemanfaatan Citra Sentinel-2 dalam Analisis Deforestasi Menggunakan Machine Learning (Studi Kasus: Kecamatan Sumbermanjing Wetan, Kabupaten Malang)

Maheswara, Surya Dharma Ali (2024) Pemanfaatan Citra Sentinel-2 dalam Analisis Deforestasi Menggunakan Machine Learning (Studi Kasus: Kecamatan Sumbermanjing Wetan, Kabupaten Malang). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5016201064-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB) | Request a copy

Abstract

Hutan merupakan salah satu unsur yang tidak dapat terpisahkan dari kehidupan manusia. Seiring berjalannya waktu, populasi manusia dan makhluk hidup lain akan terus meningkat. Peningkatan populasi tersebut membuat kebutuhan lahan juga terus meningkat sehingga alih fungsi lahan hutan akan sangat sering dilakukan. Kegiatan alih fungsi lahan ini menyebabkan terjadinya deforestasi. Pada tahun 2019, Kecamatan Sumbermanjing Wetan, Kabupaten Malang mengalami pengurangan lahan hutan lindung seluas kurang lebih 200 Ha. Oleh karena itu, penelitian ini dilakukan untuk menganalisis deforestasi berkaitan dengan laju pengurangan lahan hutan dan prediksi pengurangan lahan hutan dari 2024 – 2028. Analisis dilakukan dengan mengklasifikasi lahan hutan pada citra satelit Sentinel-2 dari tahun 2019 – 2023. Hasil klasifikasi tersebut, akan dilakukan plotting data luasan berdasarkan tahunnya dan dilakukan regresi polinomial untuk mendapatkan laju pengurangan dan prediksi luasan hutan selama 2024 – 2028. Untuk melakukan klasifikasi, teknik yang digunakan dalam penelitian ini adalah machine learning algoritma random forest, SVM, dan CNN dengan dataset berupa koordinat titik yang termasuk ke dalam kategori hutan dan nonhutan. Dataset tersebut dilakukan splitting training dan testing data dengan rasio 70:30. Hasil dari penelitian ini adalah algoritma terbaik dalam melakukan klasifikasi area hutan di Kecamatan Sumbermanjing Wetan adalah random forest dengan rata-rata akurasi 0,957. Luasan hutan berdasarkan hasil klasifikasi menggunakan random forest dalam periode waktu 2019 – 2023 berturut-turut adalah 14342,98 Ha; 12243,44 Ha; 13033,36 Ha; 14677;75 Ha; dan 15347,88 Ha. Hasil klasifikasi menunjukkan bahwa, hutan di Kecamatan Sumbermanjing Wetan cenderung tidak mengalami deforestasi, dengan laju penambahan hutan 438,084 Ha/tahun dan prediksi luasan hutan dalam periode waktu 2024 – 2028 berturut-turut adalah 15228,730 Ha; 15666,814 Ha; 16104,898 Ha; 16542,981 Ha; dan 16981,065 Ha.
=====================================================================================================================================
Forests are an inseparable element of human life. As time goes by, the population of humans and other living beings will continue to increase. This population increase also increases the need for land, so that the conversion of forest land will be very frequent. This land conversion activity causes deforestation. In 2019, protected forest land in Sumbermanjing Wetan District, Malang Regency was reduced by approximately 200 Ha. Therefore, this study was conducted to analyze deforestation related to the rate of reduction of forest land and the prediction of forest land reduction from 2024 – 2028. The analysis was carried out by classifying forest land in Sentinel-2 satellite imagery from 2019 to 2023. The results of this classification will be plotted data area based on the year and polynomial regression will be carried out to obtain the rate of reduction and prediction of forest area during 2024 – 2028. To perform classification, the technique used in this study is machine learning algorithms random forest, SVM, and CNN with a dataset of coordinate points that are included in the category of forest and non-forest. The dataset is split into training and testing data with a ratio of 70:30. The results of this study are the best algorithm for classifying forest areas in Sumbermanjing Wetan District is random forest with an average accuracy of 0,965. The forest area based on the classification results using random forest in the period of 2019 – 2023 is consecutively 14342,98 Ha; 12243,44 Ha; 13033,36 Ha; 14677,75 Ha; and 15347,88 Ha. The conclusion of this study is that the forest in Sumbermanjing Wetan District has no deforestation occurs with average rate of forest addition 438.084 Ha/year and the prediction of forest area in the period of 2024 – 2028 is consecutively 15228,730 Ha; 15666,814 Ha; 16104,898 Ha; 16542,981 Ha; and 16981,065 Ha.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Deforestation, Machine Learning, Regresion, Sentinel-2, Deforestasi, Machine Learning, Regresi, Sentinel-2
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.212 ArcGIS. Geographic information systems. G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29202-(S1) Undergraduate Thesis
Depositing User:	Surya Dharma Ali Maheswara
Date Deposited:	25 Jul 2024 04:19
Last Modified:	25 Jul 2024 04:19
URI:	http://repository.its.ac.id/id/eprint/108811

Actions (login required)

View Item