Electronic Theses and Dissertation

Pada tanggal 2 Desember 2010, Google meluncurkan sebuah teknologi kecerdasan buatan yang dinamakan Google Earth Engine (GEE). Platform Google Earth Engine merupakan salah satu teknologi terobosan baru di bidang penginderaan jauh yang memanfaatkan big data berbasis cloud computing. Salah satu metode dalam penginderaan jauh yang dapat digunakan untuk mendapatkan informasi terkait tutupan lahan yaitu dengan menggunakan metode klasifikasi. Klasifikasi ini penting dilakukan untuk memahami distribusi dan karakteristik berbagai jenis tutupan lahan, yang mencakup wilayah perkotaan, pertanian, hutan, air, dan lainnya dan dihasilkan dalam bentuk infromasi peta. Penelitian ini perlu dilakukan sebagai salah satu acuan dalam penyediaan informasi geospasial berbasis cloud computing menggunakan teknologi yang tersedia pada platform Google Earth Engine.
Penelitian ini bertujuan untuk mengetahui kajian proses penggunaan platform Google Earth Engine untuk klasifikasi tutupan lahan serta bagaimana penggunaan algoritma random forest yang terdapat pada platform Google Earth Engine dalam melakukan klasifikasi penggunaan dan tutupan lahan. Penelitian ini menggunakan metode klasifikasi terbimbing (supervised classification) yaitu random forest. Tahapan pengolahan data meliputi tahap pra-prosesing, prosesing, validasi lapangan, dan uji akurasi.
Hasil penelitian menghasilkan 7 kelas tutupan lahan yang didapat dari hasil klasifikasi meliputi formasi hutan, tumbuhan non-hutan, sawah, sawit, pertanian lainnya, non-vegetasi lainnya, sungai, danau/laut, dan citra tertutup awan. Hasil perhitungan user accuracy nilai presentase tertinggi didapatkan pada kelas tumbuhan non-hutan, sawah, pertanian lainnya, dan citra tertutup awan sebesar 100%. dan perhitungan user accuracy terendah didapatkan pada kelas sungai, danau/laut sebesar 98.6%. Hasil perhitungan producer accuracy terbesar didapatkan pada kelas pertanian lainnya, diikuti dengan non-vegetasi lainnya, sungai, danau/laut, dan citra tertutup awan yang mencapai 100% dan yang terendah didapatkan pada kelas formasi hutan mencapa 99,12%. Hasil perhitungan overall accuracy mencapai 99.60% dan kappa accuracy mencapai 99.54%. Platform Google Earth Engine mampu melakukan klasifikasi tutupan dan penggunan lahan dengan baik menggunakan algoritma random forest. Hal ini ditunjukkan dengan hasil uji akurasi yang memiliki nilai yang tinggi, yaitu diatas 80%. Uji akurasi yang dilakukan pada penelitian ini masuk ke kategori Almost Perfect Agreement sesuai dengan kategori kesesuaian akurasi. Salah satu kelas yang memiliki luas tertinggi didapatkan pada kelas formasi hutan yaitu sebesar 369.97 km2 atau 63% bagian dari total keseluruhan. Sedangkan luas terkecil didapatkan pada kelas sawah yaitu sebesar 11.33 km2 atau 2% bagian dari total keseluruhan.




Kata Kunci : Google Earth Engine, klasifikasi, tutupan lahan, penggunaan lahan, random forest, sentinel-2 Mapbiomas Indonesia Koleksi 2.0.

On December 2, 2010, Google launched an artificial intelligence technology called Google Earth Engine (GEE). The Google Earth Engine platform is one of the new breakthrough technologies in the field of remote sensing that utilizes big data based on cloud computing. One of the methods in remote sensing that can be used to obtain information related to land cover is by using the classification method. This classification is important to understand the distribution and characteristics of various types of land cover, which include urban, agricultural, forest, water, and other areas and are generated in the form of map information. This research needs to be carried out as a reference in the provision of geospatial information based on cloud computing using technology available on the Google Earth Engine platform. This study aims to find out the study of the process of using the Google Earth Engine platform for land cover classification and how to use the random forest algorithm found in the Google Earth Engine platform in classifying land use and cover. This study uses a supervised classification method, namely random forest. The stages of data processing include the pre-processing stage, processing, field validation, and accuracy test. The results of the study produced 7 classes of land cover obtained from the classification results including forest formations, non-forest plants, rice fields, oil palm, other agriculture, other non-vegetation, rivers, lakes/seas, and cloud-covered images. The results of the user accuracy calculation of the highest percentage value were obtained in non-forest plant classes, rice fields, other agriculture, and cloud-covered imagery of 100%. And the lowest user accuracy calculation was obtained in the river, lake/sea class of 98.6%. The results of the calculation of the largest producer accuracy were obtained in other agricultural classes, followed by other non-vegetation, rivers, lakes/seas, and cloud-covered images which reached 100% and the lowest was obtained in the forest formation class reaching 99.12%. The results of the calculation of overall accuracy reached 99.60% and kappa accuracy reached 99.54%. The Google Earth Engine platform is able to classify cover and land use well using a random forest algorithm. This is shown by the results of the accuracy test which has a high value, which is above 80%. The accuracy test conducted in this study is in the category of Almost Perfect Agreement in accordance with the category of accuracy suitability. One of the classes that has the highest area is obtained in the forest formation class, which is 369.97 km2 or 63% of the total. Meanwhile, the smallest area was obtained in the rice field class, which was 11.33 km2 or 2% of the total. Keywords: Google Earth Engine, classification, land cover, land use, random forest, sentinel-2 Mapbiomas Indonesia Collection 2.0.