ALGORITMA MACHINE LEARNING DETEKSI DEFORESTASI HUTAN HUJAN TROPIS DI KABUPATEN KOTAWARINGIN BARAT

MACHINE LEARNING ALGORITHM DETECTION OF TROPICAL RAIN FOREST DEFORESTATION IN KOTAWINGIN BARAT REGENCY

Abstract

Deforestasi hutan hujan tropis sangat ekstensif dan permanen menyebabkan degradasi hilangnya keanekaragaman hayati, penuruan kualitas dan kuantitas air, polusi udara dan emisi CO². Beberapa dekade terakhir telah berkembang signifikan penerapan ektraksi penutupan lahan pada citra secara otomatis dengan teknik Mechine Learning (ML). Penelitian ini bertujuan menguji kehandalan ML algoritma RF, CART dan SVM untuk deteksi perubahan penutupan lahan dan mengukur deforestasi hutan hujan tropis di Kabupaten Kotawaringin Barat. Penelitian ini menggunakan citra Landsat-7 perekaman tahun 2000 dan citra Senintel-2A perekaman tahun 2021, saluran parameter spektral klasifikasi yang digunakan yaitu biru, merah, hijau, infra merah dekat dan gelombang pendek infra merah 1 dan 2, klasifikasi penutupan lahan menggunakan tiga ML algoritma yaitu RF, CART dan SVM. Hasil penelitian ini menunjukan bahwa  penutupan hutan alam mengalami penurunan seluas 180.073 ha dan laju deforestasi 24.975 ha/th atau 1.9 %/th  yang terjadi antara tahun 2000 hingga 2021. Algoritma RF menunjukan hasil yang terbaik dengan rerata akurasi OA 95% dan Kappa 94%.

Keywords: Deforestasi Hutan Hujan Tropis, Penutupan Lahan, Machine Learning, Random Forest, Classification And Regression Trees, Support Vector Machine