KLASIFIKASI TUTUPAN LAHAN MENGUNAKAN CITRA SATELIT RESOLUSI MENENGAH DI PULAU BATAM

Abstract

Pulau Batam merupakan salah satu kawasan strategis di Indonesia yang mengalami perkembangan wilayah dan pertumbuhan penduduk yang pesat. Perkembangan tersebut berdampak pada perubahan tutupan lahan yang perlu dipantau secara berkala untuk mendukung perencanaan tata ruang dan pengelolaan lingkungan. Penelitian ini bertujuan memetakan tutupan lahan Pulau Batam menggunakan citra Sentinel-2A dan algoritma Random Trees serta mengevaluasi tingkat akurasi hasil klasifikasi. Data yang digunakan berupa citra Sentinel-2A yang diolah melalui tahapan prapemrosesan, pengambilan sampel, klasifikasi, dan validasi. Klasifikasi dilakukan terhadap lima kelas tutupan lahan, yaitu badan air, lahan terbuka, pemukiman, vegetasi sedang, dan vegetasi lebat. Penentuan titik sampel dilakukan secara acak menggunakan pendekatan Slovin untuk memperoleh sampel yang representatif. Validasi hasil klasifikasi dilakukan menggunakan matriks kesalahan (confusion matrix) dan Koefisien Kappa. Hasil penelitian menunjukkan bahwa algoritma Random Trees mampu menghasilkan peta tutupan lahan dengan tingkat ketelitian yang tinggi. Nilai Overall Accuracy yang diperoleh sebesar 91,67%, sedangkan nilai Koefisien Kappa mencapai 89,38%. Hasil tersebut menunjukkan bahwa peta tutupan lahan yang dihasilkan memiliki tingkat keandalan yang sangat baik dan dapat digunakan sebagai dasar pengambilan keputusan dalam pengelolaan wilayah dan pemantauan perubahan tutupan lahan di Pulau Batam.