Implementasi Neural Networ Untuk Klasifikasi Spasial Citra Satelit Sentinel-2

Abstract

Pertambahan jumlah penduduk kota dalam perkembangan suatu kota akan mendorong peningkatan kebutuhan ruang. Karena lahan tidak dapat bertambah, maka terjadilah perubahan penggunaan lahan yang cenderung menurunkan proporsi lahan yang sebelumnya merupakan ruang terbuka hijau. Kawasan industri Kendal (KIK) dikembangkan dengan luas mencapai 2.200 Ha di utara Kecamatan Kaliwungu yang berpotensi mengakselerasi pertumbuhan perkotaan, yang ditandai dengan proses urbanisasi dan konsumsi lahan yang tinggi. Data yang akan digunakan pada penelitian ini adalah citra digital sentinel-2 dengan sampel wilayah sekitar KIK. Penelitian ini bertujuan untuk mengklasifikasikan lahan vegetasi dan non-vegetasi menggunakan metode Artificial Neural Network (ANN). Tujuan utama dari penelitian ini adalah untuk mengevaluasi performa model ANN dalam mengklasifikasikan data citra dan memprediksi tutupan lahan serta mengamati perubahan persentase antara vegetasi dan non-vegetasi dari tahun ke tahun di sekitar Kawasan Industri Kendal (KIK). Sebagai permodelan digunakan data citra satelit tahun 2023, dilakukan Multiple Hold-Out Method untuk evaluasi model, dengan perulangan proporsi dan simulasi proporsi. Perbandingan simulasi proporsi yang digunakan untuk data training dan testing adalah 70:30, 75:25, 80:20, 85:15, dan 90:10 diulang sebanyak 40 kali sehingga menjadi 200 simulasi. Dari simulasi tersebut diperoleh simulasi proporsi terbaik pada proporsi 75:25 dengan rata-rata nilai akurasi, sensitivitas, spesifisitas, dan AUC pada data Training sebesar 83.64%, 84.12%, 83.11%, 83.62% sedangkan pada data Testing sebesar 83.78%, 84.52%, 83.03%, 83.77%.