ANALISIS INDIRECT LAND USE CHANGE (ILUC) DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) PADA REMOTE SENSING DATA

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