<![CDATA[Suhu Permukaan Daratan (LST) merupakan parameter biofisik esensial yang krusial untuk berbagai aplikasi dalam ilmu bumi, termasuk studi iklim mikro, hidrologi, dan ekologi perkotaan. Di Kota Surakarta, sebagai salah satu pusat perkotaan yang berkembang di Jawa Tengah, pemahaman tentang distribusi LST resolusi tinggi sangat vital untuk mitigasi efek pulau panas perkotaan (UHI) dan perencanaan kota yang berkelanjutan. Meskipun data LST dari satelit seperti Landsat TIRS telah tersedia, resolusi spasial 30 meter atau 100 meter seringkali tidak memadai untuk analisis detail pada skala lokal yang heterogen seperti lingkungan perkotaan Surakarta. Penelitian ini mengembangkan metode downscaling LST menjadi resolusi spasial 10 meter menggunakan pendekatan berbasis pembelajaran mesin dengan algoritma Random Forest, diimplementasikan dalam platform komputasi awan Google Earth Engine(GEE). Data Landsat LST digunakan sebagai variabel dependen (label), sementara fitur-fitur prediktor diekstraksi dari citra multispektral Sentinel-2 (band spektral dan indeks turunan) dan data ketinggian Digital Elevation Model (DEM) dari SRTM. Proses pemilihan fitur dilakukan secara cermat berdasarkan koefisien determinasi (R^2) individual terhadap LST dan analisis matriks korelasi antar fitur untuk meminimalkan redundansi. Model dilatih menggunakan tiga fitur terpilih: B8 (Near-Infrared) dari Sentinel-2, serta variabel dryness dan greenness yang diturunkan, yang terbukti memiliki kepentingan relatif yang seimbang dalam menghasilkan metrik kinerja model. Hasil validasi model internal menunjukkan kinerja yang kuat dengan koefisien determinasi (R^2) sebesar 0.6187 dan Mean Absolute Error (MAE) sebesar 0.8312 Celcius. Untuk validasi eksternal, pengukuran suhu permukaan lapangan dilakukan di 60 titik sampel di Kota Surakarta pada periode yang sama. Perbandingan data LST prediksi model dengan data lapangan menunjukkan Root Mean Square Error (RMSE) sebesar 1.05 Celcius, MAE 0.88 Celcius, dan R^20.75, yang mengkonfirmasi akurasi dan presisi model. Peta LST 10 meter yang dihasilkan berhasil menggambarkan variasi spasial suhu permukaan dengan detail signifikan di Kota Surakarta, memungkinkan identifikasi fenomena termal mikro seperti pulau panas perkotaan pada skala yang sebelumnya sulit dicapai. Penelitian ini berkontribusi substansial pada penyediaan data LST beresolusi tinggi yang akurat untuk mendukung analisis lingkungan yang lebih mendalam dan pengambilan keputusan yang lebih tepat di Kota Surakarta.]]>
