Analisis Lahan Kritis Dengan Penerapan Deep Learning Menggunakan Data Sentinel-2A (Studi Kasus: Kabupaten Lahat)

Izzaty, Atika (2021) Analisis Lahan Kritis Dengan Penerapan Deep Learning Menggunakan Data Sentinel-2A (Studi Kasus: Kabupaten Lahat). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
03311740000005-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (2MB) | Request a copy

Abstract

Lahan merupakan suatu faktor penting dalam kehidupan manusia. Ditambah dengan penggunaan lahan yang terus bertambah setiap tahunnya. Pemanfaatan lahan yang menjadi unsur pemenuhan kebutuhan. Keadaan ini sering membuat kondisi lahan yang ada di sekitar dipertanyakan kandungan dan tingkat produktivitas lahan. Lahan yang tingkat produktivitasnya hilang dapat menyebabkan terjadinya lahan kritis. Ditambah dengan terjadinya pembangunan yang tidak terkendali membuat lahan menjadi menurun tingkat produktivitasnya. Dengan menggunakan penerapan penginderaan jauh mampu memantau kondisi lahan, salah satunya dengan menggunakan data Sentinel-2A. Data citra Sentinel-2A dipilih untuk mengidentifikasi kondisi atau persebaran lahan kritis dan parameter lahan kritis yang paling mempengaruhi tingkat kekritisan lahan dengan citra Sentinel-2A dengan resolusi spasial 10 meter untuk kanal Red, Green, Blue, dan Near-Infrared untuk melakukan pemrosesan klasifikasi NDVI yang sangat erat kaitannya dengan vegetasi. Berdasarkaan Peraturan Direktur Jenderal Bina Pengelolaan Daerah Aliran Sungai dan Perhutan Sosial Nomor: P.4/V-SET/2013 tentang Tata Petunjuk Teknis Penyusunan Data Spasial Lahan Kritis, terdapat 5 parameter penentuan kekritisan lahan yang diolah sebagai indikator, diantaranya tingkat persebaran erosi, produktivitas lahan, manajemen lahan, kemiringan lereng, dan kerapatan vegetasi. Berdasarkan hasil penelitian, peneliti mendapatkan bahwa persebaran lahan kritis di Kabupaten Lahat adalah sebesar 19 hektar atau 0,56%, kelas kritis adalah sebesar 36.090 hektar atau 10,1%, kelas potensial kritis adalah sebesar 142.140 hektar atau 42,1%, kelas mulai kritis adalah sebesar 156.860 hektar atau 46,5%, dan kelas tidak kritis adalah sebesar 3 hektar atau 0,074%.untuk kelas sangat kritis. Hasil tersebut dapat dilihat dengan parameter yang paling mempengaruhi kekritisan lahan adalah kerapatan vegetasi. =============================================================================================== Java is the most populous island in the world, Land is an important factor in human life. In addition of land use that continue to increase every year. Land use is an element of meeting needs. This situation often makes the condition of the land around it questionable the content and level of land productivity. Land whose productivity level is lost can cause critical land to occur. Coupled with the occurrence of uncontrolled development, land productivity has decreased. By using the application of remote sensing, it is able to monitor land conditions, one of which is by using Sentinel-2A data. Sentinel-2A image data was selected to identify the condition or distribution of critical land and critical land parameters that has the most influence on criticality level of the land with Sentinel-2A imagery with a spatial resolution of 10 meters for Red, Green, Blue, and Near-Infrared canals to perform NDVI classification processing. closely related to vegetation. Based on the Regulation of the Director General of Watershed Management and Social Forestry Number: P.4/V-SET/2013 concerning the Technical Guidelines for the Preparation of Spatial Data for Critical Lands, there are 5 parameters for determining the criticality of the processed land as indicators, including the level of erosion distribution, productivity land, land management, slope, and vegetation density. Based on the results of the study, the researchers found that the distribution of critical land in Lahat Regency was 19 hectares or 0.56%, the critical class was 36,090 hectares or 10.1%, the critical potential class was 142,140 hectares or 42.1%, the class which was slightly critical is 156,860 hectares or 46.5%, and non critical class is 3 hectares or 0.074%. for very critical class. These results can be seen with the parameter that most affects the criticality of the land is vegetation density.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Lahan Kritis, Sentinel-2A, NDVI, Overlay Analysis, Deep Learning, Critical Land, Sentinel-2A, NDVI, Overlay Analysis, Deep Learning
Subjects: G Geography. Anthropology. Recreation > GE Environmental Sciences
Divisions: Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29202-(S1) Undergraduate Thesis
Depositing User: Atika Izzaty
Date Deposited: 14 Aug 2021 12:57
Last Modified: 14 Aug 2021 12:57
URI: https://repository.its.ac.id/id/eprint/86590

Actions (login required)

View Item View Item