Electronic Theses and Dissertation

Informasi penggunaan lahan merupakan data yang sangat diperlukan untuk menentukan arah kebijakan pembangunan pengembangan wilayah dan pengelolaan sumber daya alam. agar penggunaan lahan dapat optimal dalam memenuhi kebutuhan hidup manusia, diperlukan tata kelola yang baik didukung dengan kemampuan teknis dan teknologi dalam pengambilan keputusannya. salah satu cara untuk memperoleh informasi penggunaan lahan dalam suatu wilayah yang cepat, akurat, dan efisien adalah dengan memanfaatkan teknologi penginderaan jauh berupa data citra satelit dan dikelola melalui sistem informasi geografis. proses ekstraksi informasi penggunaan lahan melalui data penginderaan jauh umumnya melibatkan metode klasifikasi citra secara digital. penelitian ini bertujuan untuk mengetahui hasil klasifikasi penggunaan lahan di kota sabang menggunakan algoritma random forest dan mengetahui tingkat ketelitian akurasi dari hasil klasifikasi penggunaan lahan tersebut. lokasi penelitian ini dilaksanakan di kota sabang yang berada di pulau weh. penelitian ini menggunakan metode analisis deskriptif kuantitatif. penelitian ini terdiri dari beberapa tahapan yaitu pengumpulan data, pra-pengolahan citra, analisis data menggunakan algoritma random forest dengan proporsi 75% untuk data training (pelatihan) dan 25% untuk data testing (validasi), pengamatan lapangan (ground check) dan uji akurasi menggunakan metode confusion matrix. hasil interpretasi citra landsat 8 oli didapatkan tujuh (7) kelas penggunaan lahan yaitu badan air, lahan terbangun, hutan, perkebunan, lahan terbuka, rawa dan semak belukar. hasil klasifikasi penggunaan lahan di kota sabang menggunakan algoritma random forest pada citra landsat-8 oli menunjukkan bahwa luas penggunaan badan air sebesar 164,98 ha (1,35%), lahan terbangun 759,64 ha (6,22%), hutan mendominasi di daerah ini dengan luas sebesar 7.130,53 ha (58,33%), perkebunan mencapai luasan sebesar 2.943,09 ha (24,10%), lahan terbuka sebesar 241,24 ha (1,98%), rawa dengan luas sebesar 10,44 ha (0,09%), dan semak belukar sebesar 963,89 ha (7,89%). kemudian uji akurasi dari hasil klasifikasi yang dilakukan menggunakan metode confusion matrix nilai overall accuracy sebesar 89,29% dengan indeks kappa accuracy sebesar 87.41%. hasil uji akurasi ini menunjukkan bahwa algoritma random forest termasuk metode klasifikasi sangat baik dan akurat dalam mengidentikasi penggunaan lahan.

Land use information is essential data for determining policy directions in regional development planning and natural resource management. For land use to be optimized in meeting human needs, proper management is required, supported by technical expertise and technology in the decision-making process. One of the ways to obtain land use information in a region quickly, accurately, and efficiently is by utilizing remote sensing technology in the form of satellite imagery data, which is processed through a geographic information system. The process of extracting land use information through remote sensing data generally involves digital image classification methods. This study aims to determine the results of land use classification in Sabang City using the Random Forest algorithm and to assess the accuracy level of the land use classification results. The location of this research is in Sabang City, which is situated on Weh Island. This study employs a quantitative descriptive analysis method. This research consists of several stages, including data collection, image pre-processing, data analysis using the Random Forest algorithm with a 75% proportion for training data and 25% for testing data, field observations (ground checks), and accuracy testing using the confusion matrix method. The interpretation of Landsat 8 OLI imagery revealed seven (7) land use classes: water bodies, built-up areas, forests, plantations, open land, wetlands, and shrubland. The results of land use classification in Sabang City using the Random Forest algorithm on Landsat-8 OLI imagery indicate that the area of water bodies is 164.98 ha (1.35%), built-up areas cover 759.64 ha (6.22%), forests dominate the area with an extent of 7,130.53 ha (58.33%), plantations cover 2,943.09 ha (24.10%), open land measures 241.24 ha (1.98%), wetlands occupy an area of 10.44 ha (0.09%), and shrubland extends to 963.89 ha (7.89%). Subsequently, the accuracy test of the classification results conducted using the confusion matrix method yielded an overall accuracy of 89.29% with a kappa accuracy index of 87.41%. The results of this accuracy test indicate that the Random Forest algorithm is an excellent and accurate classification method for identifying land use.