KLASIFIKASI PERUBAHAN TUTUPAN LAHAN PADA CITRA SATELIT SENTINEL-2 MENGGUNAKAN GOOGLE EARTH ENGINE DAN CONVOLUTIONAL NEURAL NETWORK

Alvadeano, M. Afiq (2024) KLASIFIKASI PERUBAHAN TUTUPAN LAHAN PADA CITRA SATELIT SENTINEL-2 MENGGUNAKAN GOOGLE EARTH ENGINE DAN CONVOLUTIONAL NEURAL NETWORK. Other thesis, UPN Veteran Yogyakarta.

	Text Abstrak.pdf Download (135kB)
	Text Cover.pdf Download (184kB)
	Text Daftar Isi.pdf Download (194kB)
	Text Daftar Pustaka.pdf Download (152kB)
	Text Pengesahan Pembimbing.pdf Download (122kB)
	Text SKRIPSI FULL_MUHAMMAD AFIQ ALVADEANO_123180115.pdf Restricted to Repository staff only Download (3MB)

Abstract

vi
ABSTRAK
Yogyakarta merupakan salah satu daerah di Indonesia yang mengalami perubahan dan
penutupan lahan. Kawasan Kotabaru berfungsi sebagai Kawasan pemukiman dan
Pendidikan dengan memiliki selisih luas yang lebih sedikit dengan fungsi Pendidikan. Selain
itu, pertumbuhan penduduk juga menjadi salah satu faktor utama dalam perubahan lahan.
Berdasarkan data yang diperoleh dari Badan Pusat Statistik (BPS), pada tahun 2022 jumlah
penduduk di Daerah Istimewa Yogykarta (DIY) mencapai angka 4.021.816, sementara pada
tahun 2023 mencapai angka 4.073.907. Pertumbuhan penduduk yang tinggi menyebabkan
semakin terbatasnya keberadaan lahan sehingga mendasari perubahan fungsi lahan. Namun,
untuk mengidentifikasi/mengklasifikasi tutupan dan perubahan lahan, beberapa pihak masih
menerapkan teknologi observasi lapangan yang bersifat konvensional sehingga untuk
observasi daerah yang luas memerlukan waktu yang lama. Sehingga pada penelitian ini
dilakukan klasifikasi perubahan tutupan lahan di provinsi Daerah Istimewa Yogyakarta
menggunakan Google Earth Engine (GEE) dan Convolutional Neural Network (CNN). Pada
penelitian ini menggunakan dataset yang digunakan yaitu Citra Satelit Sentinel-2. Dalam
mengembangkan sistem bahasa pemrograman yang digunakan yaitu python dengan
menggunakan framework flask. Pada penelitian ini menggunakan tiga class badan air, lahan
terbangun, dan vegetasi. Dataset yang telah dikumpulkan kemudian diolah dengan tahapan
perhitungan NDVI, preprocessing dengan melakukan proses label encoder, split data,
pembuatan model menggunakan CNN, klasifikasi data test, evaluasi. Data yang dihasilkan
terlihat bahwa pada luas lahan air dan lahan terbangun menghasilkan penurunan luas,
sementara untuk vegetasi menghasilkan peningkatan luas dari periode 2015 hingga 2016.
Kemudian dari 2016 hingga 2021 luas dari ketiga class tersebut stabil. Dan pada 2021 hingga
2022, luas vegetasi mengalami penurunan yang signifikan, sementara lahan terbangun
mengalami kenaikan dan air tetap stabil. Hasil confusion matrix yang didapatkan yaitu
dengan nilai accuracy 98.24%, precision 98.24%, recall 98.24%, dan f-score 98.23%.
Kata Kunci: Perubahan Tutupan Lahan, Sentinel-2, CNN
vii
ABSTRACT
Yogyakarta is one of the areas in Indonesia that has experienced land change and closure.
Kotabaru area functions as a residential area and education area with less difference in area
with the function of education. In addition, population growth is also one of the main factors
in land change. Based on data obtained from the Central Bureau of Statistics (BPS), in 2022
the population in the Special Region of Yogyakarta (DIY) reached 4,021,816, while in 2023
it reached 4,073,907. The high population growth has led to more limited land availability,
thus underlying land use change. However, to identify/classify land cover and land use
change, some parties still apply conventional field observation technology so that
observation of large areas takes a long time. Therefore, in this research, a classification of
land cover change in the province of Yogyakarta Special Region using Google Earth Engine
(GEE) and Convolutional Neural Network (CNN) is conducted. In this research, the dataset
used is Sentinel-2 Satellite Imagery. In developing the system, the programming language
used is python using the flask framework. This research uses three classes of water bodies,
built-up land, and vegetation. The dataset that has been collected is then processed with the
stages of NDVI calculation, preprocessing by performing the encoder label process, split
data, modeling using CNN, test data classification, evaluation. The resulting data shows that
the area of water land and built-up land resulted in a decrease in area, while vegetation
resulted in an increase in area from 2015 to 2016. Then from 2016 to 2021, the area of the
three classes is stable. And in 2021 to 2022, the area of vegetation experienced a significant
decrease, while built-up land increased and water remained stable. The confusion matrix
results obtained are with an accuracy value of 98.24%, precision 98.24%, recall 98.24%, and
f-score 98.23%.
Keywords: Land Cover Change, Sentinel-2, CNN

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Land Cover Change, Sentinel-2, CNN
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	19 Jul 2024 01:33
Last Modified:	19 Jul 2024 01:33
URI:	http://eprints.upnyk.ac.id/id/eprint/40290

Actions (login required)

View Item