Perpustakaan Digital ITB

Perubahan penggunaan lahan merupakan faktor kunci dalam dinamika stok karbon, terutama pada wilayah yang mengalami pembangunan masif seperti kawasan Ibu Kota Nusantara (IKN) di Indonesia. Penelitian ini bertujuan untuk mengembangkan model klasifikasi tutupan lahan berbasis indeks vegetasi dan fitur tekstur dari citra Sentinel-2 guna mendukung estimasi stok karbon. Berbagai algoritma machine learning digunakan dan dibandingkan, dengan Support Vector Machine (SVM) menunjukkan performa terbaik (G-mean = 0,76). Model ini mampu mengidentifikasi tutupan lahan secara spasial dengan menggabungkan informasi spektral dan tekstural, lalu digunakan untuk memprediksi kondisi tutupan lahan pada tahun 2025. Hasil klasifikasi menunjukkan konversi signifikan dari lahan berhutan menjadi Tanah Terbuka dan Perkebunan, terutama di wilayah IKN. Estimasi stok karbon berdasarkan hasil klasifikasi mengindikasikan penurunan tajam dari 13,86 juta ton karbon (2019) menjadi 1,93 juta ton (2025) di seluruh wilayah studi. Penurunan ini dipicu oleh deforestasi seluas 93.515,87 ha dan degradasi hutan seluas 19,23 ha yang terjadi selama periode tersebut. Di dalam kawasan IKN sendiri, terjadi penurunan stok karbon sebesar 85%, yang mencakup sekitar 26% dari total kehilangan stok karbon di seluruh wilayah studi. Hasil ini menegaskan bahwa integrasi indeks vegetasi dan fitur tekstur dalam model machine learning dapat meningkatkan performa klasifikasi tutupan lahan serta mendukung analisis dampak perubahan penggunaan lahan terhadap stok karbon. Penelitian ini berkontribusi untuk merancang strategi pembangunan kota yang berkelanjutan dengan mempertimbangkan aspek penggunaan lahan dan stok karbon.