Disertasi Anang Dwi Purwanto di ITB (Juli 2024) membahas pemodelan perubahan lahan mangrove menggunakan pendekatan Geospatial Machine Learning (GML). Penelitian ini bertujuan untuk meningkatkan akurasi identifikasi perubahan lahan mangrove dengan memadukan teknologi dan analisis faktor lokal. Motivasinya adalah meningkatnya perubahan lahan mangrove yang tidak terkendali, sementara program rehabilitasi mangrove nasional membutuhkan upaya pencegahan yang lebih efektif. Pendekatan GML diharapkan mengurangi kesalahan klasifikasi dan memberikan akurasi yang lebih tinggi. Penelitian dilakukan di Segara Anakan, Cilacap, Jawa Tengah, dengan 325 titik sampel lapangan. Metode klasifikasi hibrid dioptimasi dengan menggabungkan algoritma Random Forest (RF) dan Decision Tree (DT), serta data spektral dan non-spektral. Pemilihan fitur terbaik menggunakan Modified Recursive Feature Elimination (MRFE). Geographically Weighted Logistic Regression (GWLR) digunakan untuk menganalisis faktor lokal penyebab perubahan lahan, yang bervariasi secara spasial. Kebaruan penelitian ini terletak pada identifikasi fitur-fitur penting untuk membangun algoritma klasifikasi hibrid berbasis GML dengan akurasi tinggi. Selain itu, analisis faktor penyebab perubahan lahan mangrove yang berbeda di setiap lokasi mengimplikasikan perlunya formulasi kebijakan yang disesuaikan dengan karakteristik lokal. Hasil penelitian menunjukkan bahwa algoritma klasifikasi hibrid yang dibangun berdasarkan Digital Elevation Model (DEM), Near Infrared (NIR), Normalized Difference Moisture Index (NDMI), Normalized Difference Water Index (NDWI), dan Distance from Brackish Water River (DBWR) mampu meningkatkan akurasi pemetaan mangrove dan non-mangrove secara signifikan. Faktor lokal yang mempengaruhi perubahan lahan mangrove adalah kepadatan penduduk, salinitas (bagian barat), jarak dari tambak (bagian tengah), dan jarak dari permukiman (bagian timur). Penelitian ini berkontribusi pada pemahaman klasifikasi mangrove menggunakan GML, mengidentifikasi fitur-fitur penting terkait habitat mangrove, dan mendukung langkah-langkah mitigasi kerusakan mangrove yang tepat. Model yang dikembangkan berpotensi diterapkan di lokasi mangrove lain karena data citra satelit dan fitur-fitur penting mudah diperoleh, meskipun kualitas data citra (misalnya, minimnya tutupan awan) perlu diperhatikan. Tim pembimbing disertasi ini terdiri dari Prof. Ketut Wikantika (ketua), Dr. Soni Darmawan, dan Dr. Albertus Deliar.