Deteksi Dan Prediksi Perubahan Tutupan Lahan Gambut Kabupaten Rokan Hilir Provinsi Riau Menggunakan Support Vector Machine Dan Model Rantai Markov.
View/ Open
Date
2015Author
Khaira, Ulfa
Sitanggang, Imas Sukaesih
Syaufina, Lailan
Metadata
Show full item recordAbstract
Tutupan hutan sebagai salah satu tolok ukur kondisi hutan terus berkurang sejalan dengan intervensi dan eksploitasi yang dilakukan oleh manusia. Lahan gambut merupakan salah satu kawasan yang harus dilindungi terutama lahan gambut dengan kedalaman lebih dari 4 m karena memiliki fungsi hidrologis dan penunjang kehidupan yang sangat penting bagi manusia. Remote sensing (penginderaan jauh) merupakan salah satu alat yang efektif untuk memantau fenomena perubahan yang terjadi secara terus menerus dan dalam area yang luas. Tujuan dari penelitian ini adalah menentukan dan menganalisis perubahan tutupan lahan gambut di Kabupaten Rokan Hilir dengan menggunakan citra satelit, serta membangun model prediksi perubahan tutupan lahan gambut. Penelitian ini menggunakan Support Vector Machine (SVM) untuk mengklasifikasi jenis tutupan lahan dan model rantai Markov untuk memprediksi perubahan tutupan lahan gambut berdasarkan peluang perubahan lahan, model prediksi dibangun dengan kombinasi interval waktu tiga tahun yaitu tahun 2006-2009, interval enam tahun yaitu tahun 2000-2006, dan interval sembilan tahun yaitu tahun 2000-2009 yang kemudian diuji untuk memprediksi tutupan lahan tahun 2013. Penelitian ini menggunakan citra Landsat 5 TM dan Landsat 7 ETM+ yang diakuisisi tahun 2000, 2004, 2006, 2009, dan 2013, jumlah kelas yang digunakan sebanyak tiga kelas yaitu kelas vegetasi rapat, vegetasi jarang, dan non vegetasi. Penelitian ini terdiri dari empat pekerjaan utama yaitu praproses citra satelit, proses klasifikasi citra dengan teknik klasifikasi SVM, analisis hasil klasifikasi, dan membuat model prediksi perubahan tutupan lahan. Proses klasifikasi SVM menggunakan fungsi kernel Radial Basis Function (RBF) dengan parameter C = 10 dan γ = 0.1. Hasil penelitian menunjukan teknik klasifikasi SVM menghasilkan akurasi rata-rata 98.2% dan koefisien Kappa rata-rata 0.97. Hasil klasifikasi dianalisis dengan menggunakan cross-tabulation untuk mengukur perubahan tutupan lahan. Antara tahun 2000 dan tahun 2013 area non vegetasi meningkat 307% ini berarti bahwa area non vegetasi meningkat tiga kali lipat, area vegetasi jarang meningkat sebesar 22%, sementara itu area vegetasi rapat menurun 61%. Prediksi perubahan tutupan lahan gambut menggunakan model rantai Markov menunjukan bahwa penggunaan citra satelit multi temporal interval 3 tahun memberikan hasil prediksi yang baik dengan indeks kesesuaian prediksi dan aktual (D) sebesar 0.95. Dari hasil penelitian ini juga menunjukan bahwa trend area non vegetasi semakin bertambah, sedangkan area dengan vegetasi rapat semakin berkurang.