KLASIFIKASI PERUBAHAN GARIS PANTAI MENGGUNAKAN RANDOM FOREST DAN THRESHOLD-BASED WATER MASKING PADA CITRA SENTINEL-2 (STUDI KASUS: PESISIR KABUPATEN BANTUL)

Royan Aditya, . (2026) KLASIFIKASI PERUBAHAN GARIS PANTAI MENGGUNAKAN RANDOM FOREST DAN THRESHOLD-BASED WATER MASKING PADA CITRA SENTINEL-2 (STUDI KASUS: PESISIR KABUPATEN BANTUL). Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

[thumbnail of COVER.pdf] Text
COVER.pdf
Download (151kB)
[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf
Download (161kB)
[thumbnail of LEMBAR PENGESAHAN.pdf] Text
LEMBAR PENGESAHAN.pdf
Download (315kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf
Download (293kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf
Download (153kB)
[thumbnail of FULLTEXT_ROYAN ADITYA_123220174.pdf] Text
FULLTEXT_ROYAN ADITYA_123220174.pdf
Restricted to Repository staff only
Download (4MB)
Official URL: https://upnyk.ac.id

Abstract

Wilayah pesisir merupakan kawasan yang memiliki dinamika tinggi akibat interaksi antara proses oseanografi, geomorfologi, dan aktivitas manusia. Kabupaten Bantul sebagai wilayah pesisir selatan Daerah Istimewa Yogyakarta berbatasan langsung dengan Samudra Hindia sehingga rentan terhadap perubahan garis pantai berupa abrasi, akresi, dan kondisi stabil. Perubahan garis pantai yang tidak terpantau secara akurat dapat menimbulkan dampak lingkungan dan sosial ekonomi, sehingga diperlukan metode yang efektif untuk mengklasifikasikannya secara multitemporal.
Penelitian ini menganalisis kinerja algoritma Random Forest dalam mengklasifikasikan perubahan garis pantai menggunakan pendekatan terintegrasi Threshold-based water masking dan Random Forest pada citra Sentinel-2 Level-2A periode 2020-2025 yang diperoleh melalui Google Earth Engine. Tahapan penelitian meliputi preprocessing citra berupa cloud masking dan pembentukan komposit tahunan, perhitungan indeks air NDWI, MNDWI, dan AWEIsh pada 392 segmen pesisir, serta penerapan Threshold-based water masking berbasis ambang NDWI > 0 untuk mengekstraksi batas air-daratan dan menghitung perubahan luas area air. Dataset training menghasilkan 2.312 observasi berlabel valid yang terdiri atas 2.071 segmen stabil, 157 segmen akresi, dan 84 segmen abrasi. Ketidakseimbangan kelas diatasi menggunakan SMOTE, dan pembagian data dilakukan secara temporal dengan tahun 2020-2023 sebagai data training dan tahun 2024-2025 sebagai data uji, menggunakan 15 fitur spektral, temporal, dan statistik spasial sebagai input model.
Hasil pengujian menunjukkan bahwa model mencapai akurasi 94,83%, weighted F1-score 0,9514, dan macro F1-score 0,8213. Validasi silang GroupKFold menghasilkan rata-rata akurasi 0,940 ± 0,009, yang menunjukkan kemampuan generalisasi model yang baik tanpa overfitting signifikan. Fitur paling berpengaruh adalah dNDWI, NDWI_seg_mean, dan dMNDWI. Dari 2.352 segmen, model memprediksi 90 segmen abrasi, 175 segmen akresi, dan 2.087 segmen stabil. Hasil ini membuktikan bahwa integrasi Threshold-based water masking dan Random Forest efektif dalam mengklasifikasikan perubahan garis pantai pada wilayah pesisir dengan kondisi spektral yang kompleks berbasis citra satelit multitemporal.
Kata Kunci: Perubahan Garis Pantai, Sentinel-2, Random Forest, Threshold-based water masking, NDWI, Evaluasi Model.

Item Type: Tugas Akhir (Skripsi)
Additional Information: ROYAN ADITYA (Penulis - 123220174); BUDI SANTOSA (Pembimbing)
Uncontrolled Keywords: Kata Kunci: Perubahan Garis Pantai, Sentinel-2, Random Forest, Threshold-based water masking, NDWI, Evaluasi Model.
Subjek: T Technology > T Technology (General)
Divisions: Fakultas Teknik Industri > (S1) Informatika
Depositing User: Indah Lestari
Date Deposited: 13 Mar 2026 06:13
Last Modified: 13 Mar 2026 06:13
URI: http://eprints.upnyk.ac.id/id/eprint/47372

Actions (login required)

View Item View Item