Analisis Ketelitian Klasifikasi Penutupan Lahan Menggunakan Metode Digitize On Screen dan Deep Learning Series Convolutional Neural Network (CNN) Berdasarkan Citra Landsat-8 OLI (Studi Kasus: Provinsi Kalimantan Timur)

Penutupan lahan bersifat dinamis karena kebutuhan manusia atau peristiwa alam yang dapat terjadi secara terencana maupun tidak terencana. Dit. IPSDH-KLHK menggunakan data citra satelit penginderaan jauh untuk menghasilkan data penutupan lahan dengan metode interpretasi visual (interpretasi manual). Identifikasi objek dilakukan dengan digitasi on screen. Seiring perkembangan zaman dan teknologi saat ini, muncul beberapa penelitian mengenai klasifikasi penutupan lahan beserta uji ketelitiannya menggunakan teknologi terbaru, salah satunya menggunakan deep learning. Dalam penelitian ini dilakukan analisis ketelitian hasil klasifikasi digitize on screen dan klasifikasi penutupan lahan menggunakan deep learning beserta uji ketelitiannya. Uji ketelitian klasifikasi penutupan lahan hasil digitize on screen dilakukan menggunakan metode centroid. Validasi dilakukan menggunakan citra satelit resolusi tinggi yaitu Google Earth Pro sesuai dengan temporal perekaman citra Landsat 8 yang digunakan yaitu Juli 2019-Juni 2020 dengan menyebarkan 360 sampel secara acak. Hasil menunjukkan Provinsi Kalimantan Timur memiliki 21 kelas penutupan lahan dengan nilai overall accuracy sebesar 87,22% dalam kategori sangat baik dan dalam kategori toleransi. Klasifikasi penutupan lahan menggunakan deep learning dilakukan menggunakan citra Landsat-8 OLI yang telah disegmentasi. Pengambilan sampel dilakukan dengan segment picker untuk 20 kelas penutupan lahan tanpa kelas Pertanian Lahan Kering Campur. Hasil klasifikasi menunjukkan tumpang tindih karena satu kelas penutupan lahan juga terklasifikasi ke kelas lain dan tidak semua area citra terklasifikasi. Uji ketelitian dilakukan dengan lokasi titik sampel yang sama dengan sampel uji metode digitize on screen. Nilai ketelitian metode deep learning menggunakan 188 sampel di area terklasifikasi menghasilkan ketelitian sebesar 70,21% untuk 21 kelas penutupan lahan. Hal ini disebabkan banyaknya kelas penutupan lahan dengan kunci interpretasi yang hampir mirip. Kunci interpretasi 21 kelas penutupan lahan lebih cocok untuk metode digitize on screen.