PEMANFAATAN CITRA SENTINEL-2 UNTUK DETEKSI AWAL PERMUKIMAN KUMUH DI SEBAGIAN KOTA DENPASAR MENGGUNAKAN OBJECT-BASED IMAGE ANALYSIS DAN ALGORITMA MACHINE LEARNING

  • Akbar Cahyadhi Pratama Putra BWS Bali- Penida
  • Wahyudi Arimbawa
  • Tantri Utami Widhaningtyas
  • Trida Ridho Fariz
Keywords: Penginderaan Jauh, Sentinel-2, machine learning, object-based image analysis, permukiman kumuh

Abstract

Pemetaan dan identikasi adalah tahap awal program peningkatan kualitas kawasan kumuh. Permukiman kumuh adalah permukiman yang tidak layak huni karena ketidakteraturan bangunan, tingkat kepadatan bangunan yang tinggi, dan kualitas bangunan serta sarana dan prasarana yang tidak memenuhi syarat. Kota Denpasar merupakan salah satu kota terbesar di Indonesia yang tidak terhindar dari permasalahan permukiman kumuh. Penelitian ini bertujuan untuk mendeteksi keberadaan permukiman kumuh di Kota Denpasar dengan menggunakan pendekatan penginderaan jauh. Citra yang digunakan pada penelitian ini adalah Sentinel 2. Metode yang dipakai adalah object-based image analysis dan algoritma machine learning. Algoritma yang dipakai menggunakan SVM (Support Vector Machine) dan random forest. Hasil deteksi permukiman kumuh algoritma SVM (Support Vector Machine) dan random forest apabila disandingkan data Dinas Perumahan, Kawasan Permukiman dan Pertanahan Pemerintah Kota Denpasar memiliki akurasi rendah yaitu 20% untuk algoritma SVM (Support Vector Machine) dan 15% untuk algoritma random forest. Setelah dilakukan cek lapangan data kawasan kumuh algoritma SVM (Support Vector Machine) memiliki akurasi 58,33% untuk kelas permukiman kumuh, dan akurasi keseluruhan kelas klasifikasi sebesar 77,14%. Algoritma random forest memiliki akurasi 83,44% untuk kelas permukiman kumuh, dan akurasi keseluruhan kelas klasifikasi sebesar 85,71%. Hasil deteksi permukiman kumuh ini adalah deteksi awal untuk mempermudah pendataan permukiman kumuh di sebagian Kota Denpasar.

Published
2023-12-30