Klasifikasi Spatio Temporal dari Citra Satelit Sentinel 2 dengan Pendekatan Machine Learning (Studi Kasus : Vegetasi dan Non-vegetasi di Sekitar Grand Batang City)

Abstract

Kabupaten Batang memiliki posisi strategis sebagai jalur transportasi antara Jakarta dan Surabaya. Kabupaten ini memiliki luas wilayah 788.6 km2

, dengan beragam karakteristik geografis seperti perbukitan, dataran rendah, dan garis pantai. Grand Batang City salah satu inisiatif terpenting untuk mendorong investasi dan pengembangan industri. Memanfaatkan potensi alam dan sumber daya manusia yang ada, Kabupaten Batang dapat terus berkembang dan berdampak positif bagi pembangunan Provinsi Jawa Tengah dan Indonesia secara keseluruhan. Penelitian ini bertujuan untuk mengetahui klasifikasi vegetasi dan non-vegetasi menggunakan metode Machine Learning, dengan menggunakan tiga tahun yaitu 2020, 2021, dan 2022. Batasan metode machine learning yang digunakan untuk klasifikasi pada penelitian ini adalah metode Decision Tree, Naive Bayes, dan Boosting. Metode terbaik yang didapatkan pada penelitian ini adalah Naive Bayes dengan nilai akurasi tahun 2019 data Training 71.75% dan data Testing 70.25%, tahun 2020 data Training 79.44% dan data Testing 83.50%, tahun 2022 data Training 83.94% dan data Testing 82.00%. Berdasarkan rasio kerapatan, secara umum dapat disimpulkan bahwa dari tahun ke tahun semakin dekat dengan Grand Batang City persentase non-vegetasi semakin besar. Sedangkan dari tahun ke tahun semakin jauh dengan Grand Batang City persentase non-vegetasi semakin kecil. Kenaikan dan penurunan vegetasi dan non-vegetasi dari tahun ke tahun kawasan Grand Batang City sebesar 14.33%.