Analisis Perbandingan Hasil Klasifikasi Tutupan Lahan dengan Algoritma RF, SVM, dan CART Tahun 2025 (Studi Kasus: Kota Bandar Lampung)
Tutupan lahan berperan penting dalam pengelolaan lingkungan dan perencanaan tata ruang. Oleh karena itu, pemetaan tutupan lahan yang akurat diperlukan sebagai dasar dalam perencanaan berkelanjutan. Penelitian ini bertujuan untuk membandingkan algoritma Random Forest (RF), Suppport Vector Machine (SVM), dan Classification and Regression Trees (CART) dalam klasifikasi tutupan lahan di Kota Bandar Lampung tahun 2025 dengan menggunakan citra Sentinel-2. Kelas tutupan lahan yang digunakan terdiri dari empat kelas yaitu vegetasi, badan air, lahan terbangun, dan lahan terbuka. Klasifikasi ini berjumlah 8 skema untuk tiap algoritma, dengan parameter yang digunakan berdasarkan uji korelasi antar parameter yaitu band spektral (band 3, 7, 8, 11) dan indeks spektral Enhanced Vegetation Index (EVI), Normalized Difference Built-up Index (NDBI), dan Modified Normalized Difference Water Index (MNDWI). Parameter dalam penentuan perbandingan algoritma ini adalah nilai uji akurasi klasifikasi seperti Overall Accuracy (OA), Koefisien Kappa dan evaluasi performa algoritma dengan melihat dari nilai Area Under Curve (AUC). Hasil dari penelitian ini menunjukkan bahwa algoritma RF lebih konsisten dibandingkan dengan SVM dan CART. RF menghasilkan nilai uji akurasi klasifikasi tertinggi sebanyak 4 dari 8 skema, untuk nilai AUC RF memperoleh nilai tertinggi dalam evaluasi performa sebanyak 6 dari 8 skema. Hasil tersebut membuktikan bahwa RF lebih konsisten dibanding kedua algoritma lainnya, baik dalam klasifikasi maupun performanya. Selain itu, penelitian ini menunjukkan bahwa parameter yang digunakan pada setiap skema dapat mempengaruhi algoritma dalam mengklasifikasikan tutupan lahan.
URI
https://repo.itera.ac.id/depan/submission/SB2606120058
Keyword
Tutupan lahan Sentinel-2 Random Forest Support Vector Machine Classification and Regression Trees