Electronic Theses and Dissertation

Kecamatan abepura merupakan salah satu wilayah prioritas pembangunan industri serta menjadi salah satu kawasan kota di jayapura papua. dari adanya rencana pengembangan di kawasan pesisir dan perkotaan kecamatan abepura, maka akan mempengaruhi penggunaan lahan dari tahun ke tahun seiring berkembangnya industri serta pembangunan lainnya di wilayah tersebut. oleh sebab itu pentingya dilakukannya penelitian mengenai evaluasi tutupan lahan yang ada di wilayah kecamatan abepura guna untuk mengetahui dampak dari rencana tata ruang wilayah kecamatan abepura. salah satu metode untuk pemantauan data perubahan tutupan lahan yaitu menggunakan metode penginderaan jauh. metode yang digunakan dalam penelitian ini menggunakan motode klasifikasi terbimbing dengan algoritma support vector machine (svm) yang dijalankan melalui google earth engine. tujuan dari penlitian ini adalah untuk menyediakan peta tutupan lahan yang akurat dan terkini. hasil klasifikasi tutupan lahan pada citra sentinel-2a dengan algoritma svm berhasil mengklasifikasikan nilai poligon citra dalam 4 kelas. yakni vegetasi dengen luas sebesar 14.69 (ha) atau sekitar 94.33% dari total luas hasil klasifikasi, lahan terbangun memiliki luas sebesar 0.52 ha (3.31%), lahan terbuka dengan luas 0.33 ha atau 2.13%, dan badan air dengan luas terkecil yaitu 0.04 ha atau 0.23%. berdasarkan evaluasi terhadap hasil klasifikasi, diperoleh nilai overall accuracy sebesar 96,979% atau 97%, yang menunjukkan bahwa metode klasifikasi yang diterapkan memiliki tingkat ketepatan yang sangat tinggi dalam mengklasifikasikan tutupan lahan sesuai kelas referensi. selain itu, nilai kappa accuracy sebesar 92,857% atau 93% juga menunjukkan tingkat kesesuaian yang sangat baik antara hasil klasifikasi dengan kondisi aktual di lapangan. kata kunci: kecamatan abepura, tutupan lahan, klasifikasi, gee, svm

Abepura District is one of the priority areas for industrial development and is one of the urban areas in Jayapura, Papua. The development plans for the coastal and urban areas of Abepura District will affect land use from year to year as industry and other developments in the region grow. Therefore, it is important to conduct research on the evaluation of land cover in the Abepura District to determine the impact of the spatial planning of the Abepura District. One method for monitoring changes in land cover is to use remote sensing. The method used in this study is guided classification using the Support Vector Machine (SVM) algorithm, which is run through Google Earth Engine. The purpose of this study is to provide an accurate and up-to-date land cover map. The results of land cover classification on Sentinel-2A imagery using the SVM algorithm successfully classified the image polygon values into four classes, namely, vegetation with an area of 14.69 (ha) or about 94.33% of the total area of the classification results, built-up land has an area of 0.52 ha (3.31%), open land with an area of 0.33 ha or 2.13%, and water bodies with the smallest area of 0.04 ha or 0.23%. Based on the evaluation of the classification results, an overall accuracy value of 96.979% or 97% was obtained, indicating that the classification method applied has a very high level of accuracy in classifying land cover according to the reference classes. In addition, the kappa accuracy value of 92.857% or 93% also shows a very good level of conformity between the classification results and the actual conditions in the field. Keywords: Abepura District, Land Cover, Classification, GEE, SVM