Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Putera, Gustama Anggiarta
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Perbandingan Hasil Klasifikasi Tutupan Lahan dengan Algoritma Random Forest dan Classification and Regression Trees (CART) pada Google Earth Engine (Studi Kasus: Kabupaten Morowali, Sulawesi Tengah) Putera, Gustama Anggiarta; Nur Rusydi, Alfi; Sapta Prakoso, Bondan
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 9 (2026): September 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ekspansi industri pertambangan nikel di Kabupaten Morowali telah mendorong perubahan kondisi tutupan lahan dan meningkatkan tekanan terhadap ekosistem alami. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma pembelajaran mesin Random Forest (RF) dan Classification and Regression Trees (CART) dalam klasifikasi tutupan lahan di Kabupaten Morowali menggunakan platform komputasi awan Google Earth Engine (GEE). Data yang digunakan berupa citra satelit Sentinel-2A serta Landsat 8 dan 9 periode 2018-2024. Klasifikasi dilakukan ke dalam empat kelas tutupan lahan: vegetasi, lahan terbuka, lahan terbangun, dan badan air. Hasil penelitian menunjukkan bahwa algoritma RF menghasilkan kinerja klasifikasi yang lebih tinggi dibandingkan CART pada kedua sensor. Model RF menggunakan citra Landsat 8 menghasilkan akurasi tertinggi dengan Overall Accuracy (OA) sebesar 83,74% dan Kappa Coefficient sebesar 78,00%, sedangkan CART menghasilkan nilai OA tertinggi sebesar 73,98%. Kelas lahan terbuka merupakan kelas yang paling sulit dibedakan karena kemiripan spektral dengan lahan terbangun. Hasil perhitungan menunjukkan perubahan estimasi luas vegetasi sebesar 17.008,95 hektar berdasarkan model terbaik. Variasi tersebut perlu diinterpretasikan dengan mempertimbangkan kondisi citra pada masing-masing periode.
Co-Authors Nur Rusydi, Alfi Sapta Prakoso, Bondan