Deteksi Perubahan Tutupan Lahan Berbasis Random Forest menggunakan Sentinel-2 di Pulau Batam menggunakan Google Earth Engine

Abstract

Pesatnya perkembangan infrastruktur dan aktivitas pembangunan di Pulau Batam berpotensi menyebabkan perubahan tutupan lahan yang signifikan sehingga diperlukan sistem pemantauan yang efisien. Penelitian ini bertujuan untuk mendeteksi perubahan tutupan lahan di Pulau Batam pada tahun 2020 dan 2025 menggunakan citra Sentinel-2 Level 2A. Metode yang digunakan adalah klasifikasi citra berbasis Google Earth Engine dengan Random Forest. Klasifikasi tutupan lahan ada lima kelas, yaitu vegetasi, lahan terbangun, lahan terbuka, badan air dan semak/tegalan. Uji akurasi menggunakan confusion matrix dengan membandingkan hasil klasifikasi terhadap data validasi lapangan melalui teknik stratified random sampling. Hasil uji akurasi menunjukkan nilai Kappa Coefficient sebesar 96,32%, yang menunjukkan tingkat akurasi yang sangat tinggi. Hasil penelitian menunjukkan bahwa vegetasi masih menjadi kelas tutupan lahan yang mendominasi Pulau Batam tahun 2020 dan 2025. Namun, lahan terbangun mengalami peningkatan dari 10.599,75 ha (25%) pada tahun 2020 menjadi 10.739,27 ha (25,43%) pada tahun 2025. Peningkatan luas lahan terbangun mengindikasikan semakin intensifnya pembangunan infrastruktur, permukiman, dan aktivitas ekonomi di Pulau Batam. Sebaliknya, penurunan luas beberapa kelas tutupan lahan lainnya menunjukkan adanya alih fungsi lahan sebagai konsekuensi dari perkembangan wilayah.