Deteksi Perubahan Hutan dan Lahan berbasis Analisis Perubahan Vektor dengan Pendekatan Pembelajaran Mesin: Studi Kasus Kabupaten Tanggamus, Provinsi Lampung.

Abstract

Penelitian ini menjelaskan bagaimana mendeteksi perubahan tutupan lahan berdasarkan konsep change vector analysis/CVA dengan pohon keputusan pembelajaran mesin. CVA dibangun menggunakan dua indeks vegetasi, yaitu NDVI dan NDBI. Deteksi perubahan tutupan lahan oleh CVA dideskripsikan dengan 2 kategori, yaitu direction untuk mengidentifikasi jenis perubahan dan magnitude untuk mengukur besaran nilai perubahan. Pembangunan algoritma diuji coba dengan tiga kombinasi. Kombinasi I menggunakan semua peubah, yaitu indeks vegetasi (BSI, GARI, dan NDWI), biogeofisik (jalan, permukiman, sungai, slope, dan elevasi), dan CVA (direction dan magnitude), sedangkan Kombinasi II menggunakan indeks vegetasi dan CVA, sementara Kombinasi III menggunakan CVA saja. Kombinasi I cenderung overfitting dengan akurasi tertinggi sebesar 93,4%. Overfitting dapat dikurangi dengan meningkatkan jumlah minimal daun dari 3 menjadi 20 dan menghilangkan peubah dari kelompok biogeofisik yaitu permukiman dan jalan yang menghasilkan akurasi 86,6%. Penelitian ini menemukan bahwa penambahan peubah spektral lain dan biogeofisik pada peubah CVA mampu meningkatkan akurasi dari 78,6% menjadi 86,6%