Electronic Theses and Dissertation

Penelitian ini dilaksanakan memanfaatkan citra Landsat-8 dan Sentinel-2A periode
perekaman 1 Januari 2021 sampai 31 Desember 2021 dengan metode K-means Clustering di
laman web Google Earth Engine (GEE) dan aplikasi pendukung seperti ArcMap dan Google
Earth Pro. Adapun tujuan dari penelitian ini adalah menguji penerapan metode K-means
Clustering untuk identifikasi tutupan lahan Kota Banda Aceh dan untuk membandingkan
nilai akurasi yang dihasilkan proses klasterisasi pada citra Landsat-8 dan citra Sentinel-2A.
Tahapan awal penelitian adalah menginput citra sesuai periode perekaman, lalu melewati
proses cloud cover dan cloud masking. Setelah citra siap diolah maka langkah selanjutnya
adalah proses klasterisasi menggunakan algoritma K-means. Kelas yang ditentukan pada
penelitian ini adalah sebanyak tiga kluster, yaitu badan air, vegetasi, dan non vegetasi. Hasil
klasterisasi kemudian di-export ke dalam bentuk peta untuk dilakukan uji akurasi dan
pembuatan layout. Pada tahap uji akurasi, 100 titik akan digunakan pada kedua citra
Landsat-8 dan Sentinel-2A untuk menghitung nilai akurasi keseluruhan. Ini menunjukkan
bahwa metode K-means Clustering berhasil diterapkan dalam mengidentifikasi tutupan
lahan Kota Banda Aceh dan klasterisasi menggunakan citra Sentinel-2A menghasilkan nilai
akurasi lebih tinggi dengan 93% dibandingkan citra Landsat-8 dengan 86%.

Kata kunci: K-means Clustering, Tutupan Lahan, Google Earth Engine (GEE), Citra
Landsat-8 dan Citra Sentinel-2A

This research used Landsat-8 and Sentinel-2A imagery from January 1, 2021 to December 31, 2021 with K-means Clustering method on Google Earth Engine (GEE) web page and supporting applications such as ArcMap and Google Earth Pro. The purpose of this study is to examine K-means Clustering method to identify land cover in Banda Aceh City and to compare the accuracy values generated by the clustering process on Landsat8 and Sentinel-2A images. The first step of the research is to input the image according to the recording period, then go through the cloud cover and cloud masking process. The second step, the clustering process is carried out by using the K-means algorithm after the image is ready to be processed. In this study, the classes are devided into 3 (three) clusters, which are water body, vegetation, and non-vegetation. The clustering results are then exported into a map form for accuracy testing and layout making. In the accuracy test, 100 points will be used for both Landsat-8 and Sentinel-2A imagery to obtain an overall accuracy value. The result shows that the K-means Clustering method has been successfully applied in identifying land cover in Banda Aceh City and clustering using Sentinel-2A showing a higher accuracy with 93% than using Landsat-8 with 86%. Keywords: K-means Clustering, Land Cover, Google Earth Engine (GEE), Landsat-8 and Sentinel-2A