ANALISIS POLA DISTRIBUSI SPASIAL PERUBAHAN PENGGUNAAN LAHAN DAN URBAN HEAT ISLAND MENGGUNAKAN GOOGLE EARTH ENGINE (STUDI KASUS DI KOTA BOGOR TAHUN 2000, 2009, & 2021)
Abstract Views : 539 / Downloads Count: 605DOI:
https://doi.org/10.31949/infotech.v9i1.5507Keywords:
random forest, temperature, land, surfaceAbstract
Bogor merupakan salah satu kota tertua di Indonesia dan salah satu kota terbesar di Jabodetabek (Jakarta, Bogor, Depok, Tanggerang, dan Bekasi). Kota Bogor juga merupakan pusat ekonomi dan salah satu kota yang memiliki jumlah populasi yang cukup tinggi, hal ini berpengaruh pada peningkatan pertumbuhan perkotaan. Akan tetapi urbanisasi dapat memberikan dampak negatif terhadap lingkungan dan kesehatan manusia terutama pada produksi polusi gas CO2, modifikasi sifat fisik dan kimia atmosfer, yang dapat menyebabkan perubahan cuaca lokal dan iklim hal itu dapat menyebabkan peningkatan suhu di Kawasan perkotaan yang dikenal dengan fenomena Urban Heat Island (UHI). Berdasarkan hal tersebut, maka perlu dimonitoring melalui pengindraan jauh, pengindraan jauh adalah salah satu sarana yang efektif dalam pemantauwan penggunaan lahan karna dapat menyediakan informasi mengenai permukaan bumi, Salah satu teknologi pengindraan jauh yakni Google Earth Engine, adalah sebuah platform berbasis cloud yang menawarkan analisis data lingkungan berskala dunia dimana User hanya perlu mengakses data dari repository di google untuk mendapatkan citra data pengindraan jauh dan data geospasial lain .Pendekatan penelitian ini menggunakan metode Random Forest sebagai pembelajaran ansamble untuk memecahkan masalah klasifikasi dan regresi. metode ini memiliki akurasi yang cukup tinggi serta bisa menentukan variabel-variabel penting dan meminimalisasi kesalahan penilaian akan membuat analisis menjadi lebih praktis dan lebih mudah. Hasil dari penelitian ini didapatkan bahwa urbanisasi perkotaan selalu meningkat dan suhu rata-rata Kota Bogor dari tahun 2000 hingga tahun 2021 mengalami peningkat pada setiap tahunnya. adapun hasil klasifikasi tutupan lahan dari penelitian ini menggunakan metode Random Forest (RF) menunjukkan nilai akurasi keseluruhan (Overall Accuracy) sebesar 95,57% dan nilai kappa sebesar 94,56%.
Downloads
References
S. Hermanto, A. Makalew, and B. Sulistyantara, “Hubungan Antara Perubahan Tutupan Lahan Terhadap Total Penduduk Yang Dipengaruhi Oleh Fenomena Urbanisasi Di Bogor, Jawa Barat,” J. Lanskap Indones., vol. 10, no. 1, pp. 7–11, 2018, doi: 10.29244/jli.v10i1.17397.
N. Fawzi, “Mengukur Urban Heat Island Menggunakan Penginderaan Jauh, Kasus Di Kota Yogyakarta,” Maj. Ilm. Globe, vol. 19, no. 2, pp. 195–206, 2017.
A. Utomo, A. Suprayogi, and B. Sasmito “Analisis Hubungan Variasi Land Surface Temperature Dengan Kelas Tutupan Lahan Menggunakan Data Citra Satelit Landsat (Studi Kasus : Kabupaten Pati),” J. Geod. UndipJurnal Geod. Undip, vol. 6, no. April, pp. 71–80, 2017.
D. Sadewa, E. Hermawan, and I. Yanuarsyah, “Identifikasi Pola Perubahan Urban Sprawl Menggunakan Cloud Computing Google Earth Engine Berbasis Web Gis (Studi Kasus : Kecamatan Jonggol, Jawa Barat),” INFOTECH J., pp. 41–48, 2021, doi: 10.31949/infotech.v7i2.1365.
B. Frasetya, Y. Setiati, R. Septianugraha, and G. Muhammad, “Pemanfaatan Citra Landsat 8 dan Google Earth untuk Identifikasi Lahan Sawah di Kecamatan Cibiru Kota Bandung,” Agroteknologi Trop., vol. 7, no. 3, pp. 428–436, 2018.
M. Sheykhmousa, M. Mahdianpari, H. Ghanbari, F. Mohammadimanesh, P. Ghamisi, and S. Homayouni, “Support Vector Machine Versus Random Forest For Remote Sensing Image Classification: A Meta-Analysis And Systematic Review,” IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., vol. 13, pp. 6308–6325, 2020, doi: 10.1109/JSTARS.2020.3026724.
S. Mukmin, A. Wijaya, and A. Sukmono “Analisis Pengaruh Perubahan Tutupan Lahan Terhadap Distribusi Suhu Permukaan Dan Keterkaitannya Dengan Fenomena Urban Heat Island,” J. Geod. Undip, vol. 5, no. 1, pp. 224–233, 2016.
K. Wibowo, I. Kanedi, and J. Jumadi “Sistem Informasi Geografis (Sig) Menentukan Lokasi Pertambangan Batu Bara Di Provinsi Bengkulu Berbasis Website,” J. Media Infotama, vol. 11, no. 1, pp. 223–260, 2021.
D. Seprila, S. Bandi, and Y. Bambang, “Analisis Fenomena Urban Heat Island Serta Mitigasinya (Studi Kasus : Kota Semarang),” J. Geod. Undip, vol. 7, no. 3, pp. 77–87, 2018.
S. Nugroho, A. Wijaya, and A. Sukmono, “Analisis Pengaruh Perubahan Vegetasi Terhadap Suhu Permukaan di Wilayah Kabupaten Semarang Menggunakan Metode Penginderaan Jauh,” Skripsi Univ. Diponegoro, vol. 4, p. 42, 2015.
N. Wachid and W. Tyas, “Analisis Transformasi NDVI dan kaitannya dengan LST Menggunakan Platform Berbasis Cloud: Google Earth Engine ,” J. Planalogi, vol. 19, no. 1, pp. 60–74, 2022, [Online]. Available: http://jurnal.unissula.ac.id/index.php/psa/article/view/20199/6864
R. Sampurno and A. Thoriq, “Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (Oli) Di Kabupaten Sumedang,” J. Teknotan, vol. 10, no. 2, pp. 61–70, 2016, doi: 10.24198/jt.vol10n2.9.
R. Nuraeni, S. Sitorus, and D. Panuju, “Analisis Perubahan Penggunaan Lahan Dan Arahan Penggunaan Lahan Wilayah Di Kabupaten Bandung,” Bul. Tanah dan Lahan, vol. 1, no. 1, pp. 79–85, 2017.
L. Ratnawati and D. R. Sulistyaningrum, “Penerapan Random Forest untuk Mengukur Tingkat Keparahan Penyakit pada Daun Apel,” J. Sains dan Seni ITS, vol. 8, no. 2, 2020, doi: 10.12962/j23373520.v8i2.48517.
N. Sidhu, E. Pebesma, and G. Câmara, “Using Google Earth Engine to detect land cover change: Singapore as a use case,” Eur. J. Remote Sens., vol. 51, no. 1, pp. 486–500, 2018, doi: 10.1080/22797254.2018.1451782.
N. Winda, A. Nugraha, and A. Suprayogi “Pemetaan Multi Hazards Berbasis Sistem Informasi Geografis Di Kabupaten Demak Jawa Tengah,” J. Geod. Undip, vol. 4, no. 4, pp. 181–190, 2015.
O. Mutanga and L. Kumar, “Google earth engine applications,” Remote Sens., vol. 11, no. 5, pp. 11–14, 2019, doi: 10.3390/rs11050591.
A. Marwati, Y. Prastyo, and A. Suprayogi “Analisis Perbandingan Klasifikasi Tutupan Lahan Kombinasi Data Point Cloud Lidar Dan Foto Udara Berbasis Metode Segmentasi Dan Supervised (Studi Kasus : Tanggamus, Lampung),” J. Geod. Undip, vol. 7, no. 1, pp. 36–45, 2018.
I. Maulana, D. Syafruddin, and Sodikin “Analisis Faktor Perubahan Penggunaan Lahan di Kabupaten Bekasi pada Tahun 2015 dengan Aplikasi Sistem Informasi Geografis dan Penginderaan Jauh,” Skripsi, no. Jakarta: Jurusan Pendidikan Ilmu Pengetahuan Sosial UIN Syarif Hidayatullah, 2018.
J. Widiastuti, “KLASIFIKASI PEMBIAYAAN WARUNG MIKRO MENGGUNAKAN METODE RANDOM FOREST DENGAN TEKNIK SAMPLING KELAS IMBALANCED,” Biomass Chem Eng, vol. 3, no. 2, p. 2018.
K. Hamilton, and R. Miles Learning UML 2.2.0-1. 2016.
R. Baxter, Software engineering is software engineering. 2006. doi: 10.1049/ic:20040411.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 INFOTECH journal
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
