Pemodelan Klasifikasi Tutupan Lahan Gambut Kabupaten Rokan Hilir Provinsi Riau Menggunakan Convolutional Neural Network

Abstract

Tutupan lahan gambut terus berkurang jumlahnya dengan adanya eksploitasi manusia sehingga menyebabkan adanya perubahan fungsi lahan. Penginderaan jauh merupakan salah satu alat yang efektif dalam memantau fenomena perubahan ini. Tujuan penelitian ini adalah membuat model klasifikasi tutupan lahan gambut Kabupaten Rokan Hilir dan menghitung perubahannya berdasarkan model klasifikasi menggunakan citra satelit. Penelitian ini menggunakan convolutional neural network (CNN) untuk mengklasifikasikan jenis tutupan lahan dengan kelas yang digunakan yaitu vegetasi rapat, vegetasi jarang, dan non vegetasi. Selain itu penelitian ini menggunakan citra Landsat 7 ETM+ yang diakuisisi tahun 2012 dan 2013 serta Landsat 8 OLI/TIRS yang diakuisisi tahun 2014, 2015, dan 2016. Penelitian ini terdiri atas 3 pekerjaan utama yaitu praproses citra satelit, proses klasifikasi citra, dan analisis hasil klasifikasi. Hasil penelitian ini menunjukkan teknik klasifikasi CNN pada data input 1 dimensi menghasilkan rata-rata akurasi 98.2% dan koefisien Kappa 0.974. Antara tahun 2012 dan 2016 area vegetasi rapat meningkat 104%, sedangkan vegetasi jarang dan non vegetasi menurun sebesar 37% dan 95%.