Deteksi Perubahan Hutan Mangrove Menggunakan Algoritma Decision Tree di Kabupaten Asahan Provinsi Sumatera Utara

Abstract

Penelitian ini menjelaskan tentang pengembangan algoritma pendeteksi perubahan hutan mangrove berbasis pendekatan pembelajar mesin. Algoritma pohon keputusan dibangun untuk mendeteksi dinamika perubahan hutan mangrove yang terjadi di Kabupaten Asahan periode tahun 2018 dan tahun 2024. Algoritma pohon keputusan dibangun menggunakan metode subtraksi citra yang dikombinasikan dengan peubah sosio-geo-biofisik. Hasil kajian ini menunjukkan bahwa model yang dibangun dengan kombinasi citra subtraksi dan peubah sosio- geo-biofisik menghasilkan overall accuracy sebesar 95,4%, dengan kappa accuracy sebesar 94,6%. Peubah yang paling berpengaruh dalam pembangunan algoritma pohon keputusan dalam deteksi dinamika perubahan hutan mangrove adalah ?NDVI, ?NDBI, ?NRGI, ?BSI, jarak dari sungai, elevasi, jarak dari garis pantai, kadar salinitas dan kandungan substrat. Deforestasi mangrove dan regrowth mangrove banyak terjadi di wilayah dengan karakteristik sosio-geo-biofisik tertentu, seperti aksesibilitas tinggi, elevasi rendah, kadar salinitas dan kandungan substrat yang mendukung, serta tekanan aktivitas manusia yang intensif, sehingga mendorong alih fungsi hutan mangrove menjadi tambak atau perkebunan.