Perpustakaan Digital ITB

Klasifikasi tutupan lahan memiliki peranan penting dalam pemantauan kondisi permukaan bumi. Metode survei lapangan konvensional tidak cukup cepat dan akurat dalam mengumpulkan informasi tutupan lahan, akan tetapi teknologi penginderaan jauh memungkinkan pemantauan tutupan lahan. Salah satu metode yang memiliki tingkat efektivitas dalam klasifikasi tutupan lahan dengan data penginderaan jauh adalah metode random forest, pendekatan metode random forest dapat menangani kompleksitas banyak fitur. Kombinasi penentuan model random forest dapat dipengaruhi oleh banyaknya fitur yang digunakan, jumlah pohon keputusan, dan rasio data latih dan uji. Kombinasi parameter yang optimal akan memberikan implementasi yang memiliki tingkat kepercayaan yang lebih baik. Dalam penelitian ini, citra penginderaan jauh yang digunakan citra sentinel 1 dan 2. Penelitian mendapatkan bahwa model dengan 11 parameter, 100 pohon keputusan dan 70:30 rasio latih uji mencapai tingkat akurasi uji sebesar 0,764 dalam waktu komputasi 0,3 detik. Model yang di impelementasikan pada wilayah penelitian yang menghasilkan kappa koefisien 0,45 dengan tingkat kepercayaan yang cukup (moderate).