Widyastiti, Astri and Vatresia, Arie and Ruvita, Faurina (2022) ANALISIS INDIRECT LAND USE CHANGE (ILUC) DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) PADA REMOTE SENSING DATA. Undergraduated thesis, Universitas Bengkulu.
Text
Skripsi Astri Widyastiti G1A017053.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (4MB) |
Abstract
ABSTRAK Semakin berkembangnya penduduk, memberikan dampak terhadap lingkungan sekitar termasuk sumber daya lahan. Perubahan penggunaan lahan dapat terjadi secara tidak langsung (indirect land use change/ILUC). Penginderaan jauh dapat dimanfaatkan untuk membuat model klasifikasi ILUC pada DAS Bengkulu. Data yang digunakan dalam penelitian ini merupakan data citra satelit Landsat 7 ETM dan citra Landsat 8 OLI yang dihimpun dari tahun 2000 – 2020. Total citra yang digunakan sebanyak 1000 citra dengan masing – masing jumlah citra per kelas sebanyak 200 citra. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) dengan menghasilkan 5 kelas jenis tutupan lahan yaitu hutan, lahan kosong, lahan terbangun, perkebunan dan sawah. Pemodelan yang dilakukan pada penelitian ini menggunakan perangkat lunak google collab. Tahapan yang dilakukan pada penelitian terdiri dari 3 tahapan utama yaitu pra-proses citra, klasifikasi citra dan analisis hasil klasifikasi. Hasil penelitian menunjukkan metode CNN dalam megnklasifikasi citra memperoleh hasil skor akurasi sebesar 0.995 dan koefisien kappa sebesar 0.994. Rata – rata perubahan penggunaan lahan kategori hutan menjadi kategori lain dari tahun 2000 – 2020 sebesar 168.24 ha lahan berubah menjadi lahan kosong, 39,35 ha menjadi lahan terbangun, 90,12 ha menjadi perkebunan, 160,45 ha menjadi sawah. Perubahan penggunaan lahan hutan menjadi lahan lain paling besar terjadi pada tahun 2009 – 2010 di mana tutupan lahan hutan pada tahun 2009 berubah menjadi tutupan lahan kategori lahan kosong pada tahun 2010 sebesar 320,76 ha. Kata Kunci : Klasifikasi, ILUC, Penginderaan Jauh, CNN, DAS
Item Type: | Thesis (Undergraduated) |
---|---|
Subjects: | L Education > L Education (General) |
Divisions: | Faculty of Engineering > Department of Informatics Engineering |
Depositing User: | 58 lili haryanti |
Date Deposited: | 01 Aug 2023 04:55 |
Last Modified: | 01 Aug 2023 04:55 |
URI: | http://repository.unib.ac.id/id/eprint/13351 |
Actions (login required)
View Item |