Pemetaan LULC Spatio-Temporal Berbasis Deep Learning dan Analisis Pertumbuhan Perkotaan di Gading Serpong, Tangerang (2017–2026)

Perubahan penggunaan lahan/tutupan lahan (LULC) di kota-kota satelit baru seperti Gading Serpong, Tangerang, Indonesia, merupakan kekuatan pendorong utama transformasi spasial dan fragmentasi lanskap di pinggiran metropolitan. Pembangunan perkotaan yang cepat telah mengubah lahan pertanian, ruang terbuka, dan badan air setempat menjadi kawasan terbangun perumahan dan komersial yang masif. Tujuan dari penelitian ini adalah untuk menganalisis dinamika LULC spatio-temporal selama 10 tahun (2017–2026) menggunakan citra satelit multispektral Sentinel-2. Untuk klasifikasi, kinerja pengklasifikasi Random Forest (RF) berbasis piksel tradisional dibandingkan dengan dua model segmentasi semantik Deep Learning yang mutakhir (U-Net dan DeepLabv3+). Model-model tersebut berhasil memetakan area studi menjadi empat kelas: Badan Air, Vegetasi, Kawasan Terbangun, dan Lahan Kosong. Hasil kuantitatif menunjukkan perluasan Kawasan Terbangun dari 212,0 Ha pada tahun 2017 menjadi 2583,4 Ha pada tahun 2026. Tutupan lahan yang paling banyak dikonversi adalah Vegetasi, yang menurun dari 1759,2 Ha menjadi 818,8 Ha, dan Lahan Kosong, yang menurun dari 1568,7 Ha menjadi 193,8 Ha. Kinerja tertinggi dicapai oleh algoritma DeepLabv3+, dengan akurasi keseluruhan (Overall Accuracy) sebesar 88,40% dan mean IoU sebesar 76,24%. Hasil ini secara signifikan mengungguli U-Net (mIoU 63,69%) dan baseline Random Forest (mIoU 44,52%) pada kondisi pencampuran spektral perkotaan yang kompleks.