Dinamika Perubahan Land Use dan Land Cover Kota Solok Berbasis Cloud Computing
DOI:
https://doi.org/10.58812/jgws.v4i01.3030Kata Kunci:
Kota Solok, Penggunaan Lahan, Tutupan Lahan, Dinamika Perubahan, Computasi Awan, PrediksiAbstrak
Pertumbuhan jumlah penduduk yang terus meningkat setiap tahunnya di Kota Solok sehingga mempengaruhi perubahan LULC Kota Solok. Tujuan dari penelitian ini adalah melakukan klasifikasi LULC dan melihat dinamika perubahan dari tahun 2017 -2025 di Kota Solok dan memprediksi LULC Kota Solok tahun 2030. Klasifikasi LULC dijalankan dengan memanfaatkan teknologi Cloud Computing yaitu Google Earth Engine menggunakan Citra Satelit Sentinel-2A, lalu dianalisis menggunakan metode Supervised Classification dengan algoritma Random Forest tahun 2017 hingga 2025. Prediksi LULC dilakukan dengan metode (CA–ANN) Cellular Automata–Artificial Neural Network yang dijalankan menggunakan plugin Mollusce pada aplikasi QGIS. Hasil analisis menunjukan jika Land Use dan Land Cover selama periode 2017 hingga 2025 mengalami kenaikan penurunan sehingga model prediksi sedikit kesulitan dalam membaca pola perubahan klasifikasi juga menujukan jika kelas vegetasi memiliki luas tertinggi baik dari tahun 2017 sampai prediksi 2030, yang menandakan jika kondisi vegetasi Kota Solok cukup baik. Penelitian ini menggunakan Kombinasi perubahan Land Use dan Land Cover dan pemodelan prediksi Land Use dan Land Cover tahun 2017 dan tahun terbaru yaitu 2025 yang belum pernah diterapkan penelitian sebelumya.
Referensi
A, S. R. (2007). Remote Sensing: Models and Methods for Image Processing (3rd ed.). Academic Press.
Amani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A., Mirmazloumi, S. M., Moghaddam, S. H. A., Mahdavi, S., Ghahremanloo, M., Parsian, S., Wu, Q., & Brisco, B. (2020). Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13(September), 5326–5350. https://doi.org/10.1109/JSTARS.2020.3021052
Astiti, S. P. C., & Arsana, I. G. N. K. (2023). Pemanfaatan Citra Satelit Sentinel Dalam Analisis Land Use dan Land Cover. Jurnal Sains Riset, 13(2), 318–323. https://doi.org/10.47647/jsr.v13i2.1406
Awal, E. E., Sukaesih Sitanggang, I., & Syaufina, L. (2023). Model Prediksi Perubahan Tutupan Lahan Pada Area Kebakaran Lahan Gambut Menggunakan Model Cellular Automata Markov. Jurnal Informatika Dan Teknologi Informasi, 1(3), 142–153. https://doi.org/10.56854/jt.v1i3.141
Baroroh, N., & Pangi. (2018). Perubahan_Penutup_Lahan_Dan_Kerapatan_Vegetasi_Ter (1). Seminar Nasional Geomatika 2018: Penggunaan Dan Pengembangan Produk Informasi Geospasial Mendukung Daya Saing Nasional, 641–652.
Campbell, J. B. W. R. (2011). Introduction to Remote Sensing (edisi 5). Guilford Press.
Dwi, F., Pratiwi, D., Putri, D., & Humam, H. (2020). Analisis Perubahan Vegetasi dengan Data Sentinel-2 menggunakan Google Earth Engine ( Studi Kasus Provinsi Daerah Istimewa Yogyakarta ). 02(02).
Erl, T. (2013). Cloud computing: Concepts, technology & architecture. Prentice Hall.
Febriani, N., & Ahyuni, A. (2023). Analisis Perubahan Penggunaan Lahan Tahun 2010-2020 Terhadap Debit Banjir di Daerah Aliran Sungai (DAS) Sikilang Kabupaten Pasaman Barat. El-Jughrafiyah, 3(1), 46. https://doi.org/10.24014/jej.v3i1.19514
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18–27. https://doi.org/10.1016/j.rse.2017.06.031
Handayani, D., & Setiyadi, A. (2003). Remote Sensing penginderaan Jauh. Edisi Mei, 7(2), 113–120.
Hapsary, M. S. A., Subiyanto, S., & Firdaus, H. S. (2021). Analisis Prediksi Perubahan Penggunaan Lahan Dengan Pendekatan Artificial Neural Network Dan Regresi Logistik Di Kota Balikpapan. Jurnal Geodesi Undip, 10(April), 88–97.
Latue, P. C., Rakuasa, H., & Sihasale, D. A. (2023). Analisis Land Use dan Land Cover Kota Ambon Menggunakan Data Citra Satelit Sentinel-2 dengan Metode MSARVI Berbasis Machine Learning pada Google Earth Engine. Sudo Jurnal Teknik Informatika, 2(2), 68–77. https://doi.org/10.56211/sudo.v2i2.270
Potin, P., Gascon, F., Stromme, A., Zehner, C., Wilson, H., Figa, J., Obligis, E., & Lindstrot, R. (2021). Sentinel High Level Operations Plan ( HLOP ). 3, 1–91.
Rijal, S., Barkey, R. A., Nursaputra, M., Ardiansah, T., Tahir, M. A. S., & Radeng, A. K. (2019). Penginderaan Jauh Dalam Bidang Kehutanan. In Penginderaan Jauh Dalam Bidang Kehutanan. Fakultas Kehutanan Universitas Hasanuddin.
Walad, F., & Purwaningsih, E. (2019). DINAMIKA LAHAN TERBANGUN DAN VEGETASI PERKOTAAN TERHADAP FENOMENA IKLIM MIKRO UHI (URBAN HEAT ISLAND) (Studi Kasus Kota Solok Tahun 1997-2018). Jurnal Buana, 3(4), 778. http://geografi.ppj.unp.ac.id/index.php/student/article/view/481
Unduhan
Dimensions
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Indah Febriyenti, Hendry Frananda
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Facebook 
Instagram 
Twitter 
Youtube 
westscience.journals@gmail.com