Perpustakaan Digital ITB

Kawasan Sentra Produksi Pangan (KSPP) Papua Selatan merupakan kawasan pangan strategis yang dikembangkan untuk mendukung ketahanan pangan nasional. Pengembangan kawasan pangan skala luas perlu diimbangi dengan pemantauan lingkungan karena perubahan tutupan lahan dapat memengaruhi cadangan karbon wilayah. Penelitian ini bertujuan untuk menerapkan pendekatan berbasis citra Sentinel-2, algoritma machine learning, dan CA-Markov untuk menganalisis perubahan tutupan lahan, memprediksi tutupan lahan tahun 2030, serta melakukan estimasi stok karbon di wilayah KSPP Papua Selatan. Data utama yang digunakan adalah citra Sentinel-2 tahun 2020 dan 2025 yang diakuisisi melalui Google Earth Engine (GEE). Penelitian ini membandingkan empat algoritma machine learning, yaitu Random Forest (RF), Support Vector Machine (SVM), Classification and Regression Tree (CART), dan XGBoost. Model terbaik digunakan untuk menghasilkan peta tutupan lahan tahun 2020 dan 2025. Kedua peta tersebut kemudian digunakan untuk menganalisis perubahan tutupan lahan dan membentuk matriks transisi sebagai dasar prediksi tutupan lahan tahun 2030 menggunakan CA-Markov. Estimasi stok karbon dilakukan berdasarkan luas setiap kelas tutupan lahan dan nilai biomassa referensi FREL/FRL. Hasil penelitian menunjukkan bahwa RF memberikan performa terbaik dengan overall accuracy sebesar 0,85 dan kappa coefficient sebesar 0,84. Perubahan tutupan lahan tahun 2020–2025 menunjukkan peningkatan pada kelas perkebunan, pertanian kering, rawa terbuka, dan pertanian kering campuran. Hasil prediksi CA-Markov menunjukkan bahwa perubahan tutupan lahan tahun 2030 cenderung melanjutkan pola perubahan periode sebelumnya. Total stok karbon menurun dari sekitar 78,56 juta tC pada tahun 2020 menjadi 75,23 juta tC pada tahun 2025, dan diprediksi berkurang menjadi 71,93 juta tC pada tahun 2030. Hasil ini menunjukkan bahwa perubahan tutupan lahan, terutama berkurangnya kelas dengan biomassa tinggi, berpengaruh terhadap cadangan karbon. Integrasi Sentinel-2, machine learning, dan CA-Markov dapat menjadi pendekatan spasial untuk mendukung pemantauan lingkungan dan pengelolaan KSPP Papua Selatan secara berkelanjutan.