Analisis Perbandingan Metode Klasifikasi Pada Pemetaan Tutupan Lahan di Provinsi DI Yogyakarta Tahun 2023

Abstract

Penelitian ini membandingkan tiga metode klasifikasi tutupan lahan di Provinsi DI Yogyakarta menggunakan citra satelit Sentinel-2A pada tahun 2023. Metode yang digunakan meliputi Classification and Regression Trees (CART), Random Forest (RF), dan Support Vector Machine (SVM). Penelitian ini bertujuan untuk mengidentifikasi metode klasifikasi yang paling efektif dalam mengestimasi luas tutupan lahan dengan membandingkan akurasi, efisiensi, dan adaptabilitas dari masing-masing metode. Hasil menunjukkan bahwa metode Random Forest memiliki akurasi tertinggi dengan overall accuracy sebesar 83,02 persen dan kappa coefficient sebesar 76,28 persen. Oleh karena itu, metode Random Forest merupakan metode klasifikasi terbaik dibandingkan CART dan SVM dalam pemetaan tutupan lahan di Provinsi DI Yogyakarta tahun 2023. Metode ini berhasil mengidentifikasi vegetasi sebagai tutupan lahan dominan di wilayah tersebut. Temuan ini berkontribusi pada perencanaan tata ruang yang berkelanjutan dan pengelolaan sumber daya alam di Provinsi DI Yogyakarta, mendukung pencapaian tujuan pembangunan berkelanjutan (SDGs) terkait kehidupan di darat dan kota yang berkelanjutan.