Perbandingan Metode Random Forest dan Support Vector Machine dalam Klasifikasi Tutupan Lahan di Kecamatan Klapanunggal, Kabupaten Bogor

Abstract

Perubahan tutupan lahan merupakan fenomena yang terus terjadi untuk itu pemantauan perubahan ini perlu dilakukan secara berkala. Pemantauan tutupan lahan dapat menggunakan citra satelit Sentinel 2. Salah satu metode klasifikasi yang dapat digunakan adalah supervised machine learning. Metode pemantauan tutupan lahan menggunakan citra Sentinel 2 tahun 2018 dan 2024. Metode klasifikasi tutupan lahan yang di gunakan dengan membandingkan Random Forest (RF) dan Support Vector Machine (SVM). Klasifikasi tutupan lahan dilakukan dengan mengacu pada Standar Nasional Indonesia (SNI) 7645:2014. Hasil analisis menunjukkan bahwa RF memiliki tingkat akurasi lebih tinggi, yaitu 92,73%, dibandingkan SVM yang mencapai 90,91%. Analisis perubahan tutupan lahan menggunakan algoritma yang memiliki tingkat akurasi yang lebih tinggi yaitu algoritma RF. Perubahan ke arah negatif sebesar 272,42 ha (2,86%), yang didominasi oleh sawah menjadi permukiman 114,42 ha (1,2%) dan perubahan ke arah positif sebesar 85,6 ha (0,90%) yang di dominasi oleh semak belukar menjadi pertanian lahan kering 43,5 ha (0,46%).

Land cover change is an ongoing phenomenon, making regular monitoring essential. One effective method for land cover classification is supervised machine learning. This study utilizes Sentinel-2 imagery from 2018 and 2024 to monitor land cover changes. The classification is performed using two algorithms: Random Forest (RF) and Support Vector Machine (SVM), following the Indonesian National Standard (SNI) 7645:2014 for land cover classification. The results show that RF achieved a higher accuracy of 92.73% compared to SVM's 90.91%. Therefore, RF was used for further analysis of land cover changes. Negative changes totaled 272.42 ha (2.86%), predominantly rice fields converted into settlements (114.42 ha or 1.2%). Positive changes amounted to 85.6 ha (0.9%), with shrubs converted into dryland agriculture (43.5 ha or 0.46%) being the most common.