ANALISIS PERUBAHAN TUTUPAN LAHAN TAHUN 2013-2022 DI KOTA SEMARANG MENGGUNAKAN GOOGLE EARTH ENGINE

Authors

  • TIka Christy Novianti Universitas Lampung
  • Armijon Universitas Lampung
  • Anggun Tridawati Universitas Lampung
  • Ahmad Sofyan Samri Universitas Lampung

DOI:

https://doi.org/10.36982/jtg.v13i01.4256

Abstract

ABSTRACT

Population growth, urbanization, policy changes, economic activities, agriculture, infrastructure development, and climate change are some of the factors that can lead to land cover changes. This necessitates serious monitoring to determine the extent of land changes occurring. Semarang City is one of the cities that has undergone significant land changes. This can be seen from the substantial areas that have undergone land-use conversion. This study aims to observe land cover changes in Semarang City using Landsat 8 TOA satellite imagery analyzed through the Google Earth Engine (GEE) platform. GEE is an alternative for image processing as it simplifies the process of image analysis compared to conventional desktop-based image processing methods. The classification is performed using a machine learning algorithm with the Classification and Regression Trees (CART) method tha available in GEE. The accuracy of the classification is tested using the confusion matrix calculation. The results obtained show the accuracy of land cover change testing for the years 2013, 2016, 2019, and 2022, with kappa accuracies reaching 96.7%, 93.78%, 94.54%, and 96.04%, respectively. The effectiveness of image processing on the GEE platform shows that GEE can be used as a fast and efficient alternative for image processing. Based on the research findings, it is shown that residential areas experience significant increases every year. Therefore, the increase in residential areas has a significant impact on the surrounding environment, such as increasing urban temperatures, which reduces the comfort level of residents, especially in Semarang City.

 Keywords : Land Cover, Landsat 8 Satellite Imagery, Google Earth Engine

 

ABSTRAK

Pertumbuhan populasi, urbanisasi, perubahan kebijakan, aktivitas ekonomi, pertanian, pengembangan infrastruktur, dan perubahan iklim adalah beberapa faktor yang dapat menyebabkan perubahan tutupan lahan. Hal ini memerlukan pemantauan yang serius untuk melihat seberapa besar perubahan lahan yang terjadi. Kota Semarang merupakan salah satu kota yang telah banyak mengalami perubahan lahan. Hal ini dapat dilihat dari banyaknya wilayah yang telah beralih fungsi lahan. Penelitian ini bertujuan untuk melihat perubahan tutupan lahan di Kota Semarang dengan menggunakan data citra satelit Landsat 8 TOA yang di analisis menggunakan platform Google Earth Engine (GEE). GEE menjadi alternatif pengolahan citra karena memudahkan pengguna dalam melakukan pengolahan dan analisis citra dibandingkan dengan metode konvensional pengolahan citra berbasis desktop. Klasifikasi dilakukan dengan algoritma machine learning menggunakan metode Classification and Regression Trees (CART) yang tersedia di GEE. Uji akurasi klasifikasi dilakukan dengan menggunakan perhitungan confusion matrix. Hasilnya diperoleh uji akurasi perubahan tutupan lahan pada tahun 2013, 2016, 2019 dan 2022, akurasi kappa masing-masing mencapai 96,7%, 93,78%, 94,54%, dan 96,04%. Efektifitas pengolahan citra di platform GEE menunjukkan bahwa GEE dapat digunakan sebagai alternatif dalam pengolahan citra yang cepat dan efisien. Berdasarkan hasil penelitian menunjukkan bahwa wilayah pemukiman mengalami kenaikan yang signifikan setiap tahun Oleh karena itu, peningkatan pemukiman memberi dampak yang signifikan terhadap lingkungan sekitar, seperti peningkatan suhu kota, yang menyebabkan tingkat kenyamanan penduduk semakin berkurang, terutama di Kota Semarang.

 Keywords : Tutupan Lahan, Citra Satelit Landsat 8, Google Earth Engine.

Downloads

Published

2024-07-31

How to Cite

Novianti, T. C., Armijon, Tridawati, A., & Samri, A. S. (2024). ANALISIS PERUBAHAN TUTUPAN LAHAN TAHUN 2013-2022 DI KOTA SEMARANG MENGGUNAKAN GOOGLE EARTH ENGINE. Jurnal Tekno Global, 13(01), 21–27. https://doi.org/10.36982/jtg.v13i01.4256

Issue

Section

Articles
external-statistic-user-interface-budi-arianto Abstract views: 631 / PDF downloads: 520