KLASIFIKASI TUTUPAN LAHAN TAHUN 2021 DENGAN METODE RANDOM FOREST (RF) DAN SUPPORT VECTOR MACHINE (SVM) (STUDI KASUS: KOTA MATARAM)

Tutupan lahan adalah semua jenis fitur yang ada di permukaan bumi pada lahan tertentu, baik yang bersifat buatan maupun alami. Informasi terkait pemantauan dan pengolahan data citra satelit untuk memperoleh klasifikasi tutupan lahan dapat dilakukan dengan berbagai cara, salah satunya adalah metode machine learning. Penelitian ini bertujuan untuk menerapkan metode machine learning dalam pemantauan tutupan lahan menggunakan citra Landsat-8, untuk mendapatkan teknik yang memiliki akurasi tinggi dan sesuai untuk pemantauan tutupan lahan. Penelitian ini menggunakan metode machine learning, yaitu Support Vector Machine (SVM) dan Random Forest (RF). Klasifikasi tutupan lahan dalam penelitian ini terdiri dari lima kelas, yaitu area terbangun, badan air, lahan kosong, pertanian, dan vegetasi. Penentuan kelas tutupan lahan ini didasarkan pada jenis tutupan lahan yang terdapat pada Peta RTRW Kota Mataram Tahun 2011-2031 yang sesuai dengan citra yang digunakan. Penelitian ini menunjukkan bahwa metode dengan akurasi terbaik adalah metode Support Vector Machine (SVM) dengan nilai akurasi keseluruhan dan akurasi kappa sebesar 0.9101 dan 0.8748. Namun, terdapat misklasifikasi yang disebabkan oleh beberapa faktor seperti nilai reflektansi setiap piksel yang hampir sama, periode panen, dan faktor lainnya. Faktor-faktor ini perlu diperhatikan karena memengaruhi hasil klasifikasi tutupan lahan.