PENERAPAN ALGORITMA RANDOM FOREST DENGAN INTEGRASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) TERHADAP CITRA SATELIT LANDSAT-8 SEBAGAI DETEKSI TUTUPAN LAHAN DI KECAMATAN TERAS, KABUPATEN BOYOLALI

RIZKIANTO, FARIS DANI (2025) PENERAPAN ALGORITMA RANDOM FOREST DENGAN INTEGRASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) TERHADAP CITRA SATELIT LANDSAT-8 SEBAGAI DETEKSI TUTUPAN LAHAN DI KECAMATAN TERAS, KABUPATEN BOYOLALI. Skripsi thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text 2 - Halaman Pengesahan Pembimbing.pdf Download (1MB)
	Text 1 - Naskah_Skripsi_123210021_Faris Dani Rizkianto.pdf Restricted to Repository staff only Download (7MB)
	Text 3 - Halaman Pengesahan Penguji.pdf Download (891kB)
	Text 4 - Abstrak.pdf Download (143kB)
	Text 5 - Cover.pdf Download (195kB)
	Text 6 - Daftar Isi.pdf Download (179kB)
	Text 7 - Daftar Pustaka.pdf Download (215kB)
	Text 8 - Lampiran.pdf Download (1MB)

Abstract

Perubahan penggunaan lahan yang cepat akibat aktivitas manusia, seperti urbanisasi
dan perluasan lahan pertanian, menimbulkan tantangan dalam pengelolaan tata ruang yang
berkelanjutan. Di Kecamatan Teras, Kabupaten Boyolali, pemantauan tutupan lahan secara
periodik sangat penting untuk mengetahui dinamika perubahan yang terjadi. Penelitian ini
bertujuan untuk mengidentifikasi perubahan tutupan lahan dari tahun 2017, 2021, hingga
2024, serta mengevaluasi kinerja algoritma Random Forest dalam melakukan klasifikasi
citra satelit multispektral.
Metodologi yang digunakan melibatkan pengolahan citra Landsat-8 dengan
menghitung indeks vegetasi (NDVI), air (MNDWI), pembangunan (NDBI), dan indeks
kecerahan tanah (BSI) sebagai fitur input klasifikasi. Data titik sampel diperoleh melalui
interpretasi visual dan digitasi manual, yang kemudian digunakan untuk pelatihan dan
pengujian model. Proses klasifikasi dilakukan dengan algoritma Random Forest yang diuji
dalam beberapa variasi jumlah pohon (estimators). Validasi dilakukan menggunakan
confusion matrix dan perbandingan dengan data referensi hasil digitasi Dinas Pekerjaan
Umum dan Penataan Ruang (DPUPR), serta ditampilkan dalam bentuk grafik perubahan
persentase tiap kelas tutupan lahan.
Hasil penelitian menunjukkan bahwa model klasifikasi dengan 600 pohon
memberikan akurasi tertinggi, yaitu 85,72% untuk tahun 2017 dengan nilai Kappa sebesar
76,1%. Analisis perubahan tutupan lahan menunjukkan tren penurunan kelas vegetasi dari
21,48% pada tahun 2017 menjadi 16,93% pada 2024, serta peningkatan signifikan kelas
lahan terbangun dari 33,44% menjadi 38,14% dalam periode yang sama. Temuan ini
menunjukkan bahwa model klasifikasi yang dikembangkan mampu memetakan perubahan
tutupan lahan secara representatif dan dapat dijadikan sebagai alat bantu dalam pengambilan
keputusan terkait perencanaan dan pengelolaan wilayah.
Kata kunci: Klasifikasi Tutupan Lahan, Random Forest, NDVI, Landsat-8, Perubahan Lahan.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Klasifikasi Tutupan Lahan, Random Forest, NDVI, Landsat-8, Perubahan Lahan.
Subjek:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Depositing User:	Eny Suparny
Date Deposited:	20 Jan 2026 04:23
Last Modified:	20 Jan 2026 04:23
URI:	http://eprints.upnyk.ac.id/id/eprint/46572

Actions (login required)

View Item