Pemetaan Ekosistem Mangrove Menggunakan Unsupervised Learning dengan Data Remote Sensing

Abstract

Ekosistem Mangrove adalah salah satu ekosistem pesisir yang mendapatkan begitu banyak gangguan ancaman dari berbagai kegiatan. Informasi tata guna lahan dan tutupan lahan terkini sangat diperlukan dalam perencanaan pembangunan daerah dan pemantauan lingkungan. Salah satu cara untuk memperoleh informasi tersebut adalah melalui pengolahan data citra satelit penginderaan jauh. Oleh karena itu, Penelitian ini bertujuan untuk mengidentifikasi perubahan hutan mangrove menggunakan algoritma Machine Learning yaitu K-Means dan Random Forest, serta mengetahui kemampuan algoritma K-Means dan Random Forest dalam mengidentifikasi perubahan lahan tersebut. Hasil perubahan tutupan lahan di ekosistem mangrove Desa Palaes tahun 2013 dan 2021 berdasarkan Unsupervised Learning menggunakan algoritma K-Means dan Random Forest diklasterisasi menjadi 4 dan 5 kelas tutupan lahan berdasarkan kelas warna yang berbeda yaitu mangrove, air laut, tumbuhan lain, pasir timbul dan tanah. Pemilihan jumlah klaster sangat penting untuk mendapatkan hasil yang akurat. Hasil klaster menunjukkan bahwa klasterisasi ekosistem mangrove Desa Palaes lebih terlihat akurat pada peta K-Means 5 klaster.     Kata Kunci: Landsat, Data Citra, K-Means, Random Forest