Analisis Perubahan Penutupan/Penggunaan Lahan dari Citra Landsat 8 dengan Machine Learning di Kabupaten Sumedang, Jawa Barat

Abstract

Kabupaten Sumedang merupakan salah satu kabupaten terpilih dalam pelaksanaan proyek strategis nasional, berupa pembangunan Waduk Jatigede dan Jalan Tol Cisumdawu. Pembangunan infrastruktur berdampak negatif bagi sektor pertanian karena menyebabkan alih fungsi lahan pertanian, sehingga dibutuhkan pemantauan perubahan penutupan/penggunaan lahan secara terukur. Penelitian ini bertujuan mengidentifikasi pola nilai reflektan setiap penutupan/penggunaan lahan, membandingkan pendekatan RF dan SVM dalam klasifikasi penutupan/penggunaan lahan, dan menganalisis tren perubahan penutupan/penggunaan lahan di Kabupaten Sumedang pada tahun 2015 dan 2023. Pola nilai reflektan setiap penutupan/penggunaan lahan bersifat khas, tetapi penggunaan lahan sawah dan ladang/tegalan memiliki pola yang mirip dan lebih rentan terhadap misklasifikasi. Pendekatan RF dan SVM menghasilkan akurasi klasifikasi yang tinggi, yaitu sebesar 92,2% dan 93,6% tahun 2015 dan 2023 untuk RF, serta 97,70% dan 98% tahun 2015 dan 2023 untuk SVM. Perbedaan hasil klasifikasi RF dan SVM tahun 2015 adalah sebesar 38,66%, sedangkan pada tahun 2023 adalah sebesar 34,64%. Perbedaan tersebut terjadi karena adanya perbedaan cara kerja klasifikasi. Tren perubahan penutupan/penggunaan lahan dianalisis menggunakan pendekatan SVM karena menghasilkan klasifikasi dengan akurasi terbaik dan di atas 80%. Penutupan/penggunaan lahan berupa hutan, perkebunan, sawah, dan tanah terbuka mengalami penurunan luas lahan, sedangkan penutupan/penggunaan lahan badan air, lahan terbangun, serta ladang/tegalan mengalami peningkatan luas lahan dari tahun 2015 sampai 2023. Kata kunci: Random Forest, Support Vector Machine, proyek strategis nasional

Sumedang Regency is one of the selected districts in implementing national strategic projects, in the form of the construction of the Jatigede Reservoir and the Cisumdawu Toll Road. Infrastructure development has a negative impact on the agricultural sector because it causes conversion of agricultural land, so it is necessary to monitor changes in land cover/use in a measurable manner. This research aims to identify patterns of reflectance values for each land cover/use, compare RF and SVM approaches in classifying land cover/use, and analyze trends in changes in land cover/use in Sumedang Regency in 2015 and 2023. Patterns of reflectance values for each land cover/use is typical, but the use of rice fields and fields/moors has similar patterns and is more susceptible to misclassification. The RF and SVM approaches produce high classification accuracy, namely 92,2% and 93,6% in 2015 and 2023 for RF, and 97,7% and 98% in 2015 and 2023 for SVM. The difference in RF and SVM classification results in 2015 was 38,66%, while in 2023 it was 34,64%. This difference occurs because of differences in the way classification works. Land cover/use change trends were analyzed using the SVM approach because it produces classification with the best accuracy and above 80%. Land cover/use in the form of forests, plantations, rice fields, and open land experienced a decrease in land area, while land cover/use of water bodies, built-up land, and fields/moorlands experienced an increase in land area from 2015 to 2023.