Pemetaan Lamun dengan Teknologi Berbasis Machine Learning pada Kawasan Pantai Sanur

Seagrass mapping; Random Forest; SVM; Naïve Bayes

Abstrak

Pemetaan lamun penting dilakukan untuk mengetahui kondisi padang lamun di pesisir. Pemanfaatan penginderaan jauh dan machine learning berguna untuk meningkatkan kualitas pengamatan lamun. Tujuan penelitian ini adalah untuk mengetahui perubahan luasan lamun di kawasan Pantai Sanur dari tahun 2019 sampai tahun 2022 dengan menggunakan citra satelit Sentinel-2A dan menggunakan machine learning. Data yang digunakan adalah data lapangan dan data citra. Pengambilan data lapangan dilakukan dengan random sampling dan transek garis dari Pantai Mertasari sampai Pantai Segara Ayu. Metode penelitian menggunakan klasifikasi Random Forest, Support Vector Machine (SVM), Naïve Bayes dengan evaluasi  model menggunakan confusion matrix dan uji akurasi menggunakan cohen kappa. Hasil yang didapat berupa peta perubahan luasan lamun dengan menggunakan metode SVM yang merupakan metode terbaik setelah dilakukan uji akurasi, dimana SVM memiliki nilai rata – rata paling tinggi dibandingkan dengan dua metode lainnya sebesar 84.5%. Peta perubahan luasan lamun menunjukkan bahwa luasan lamun tertinggi diperoleh pada tahun 2021 (268.52 ha), tahun 2019 (249.06 ha), tahun 2020 (248.73 ha), dan tahun 2022 (240.49 ha). Untuk kedepannya diharapkan penelitian ini dapat melakukan klasifikasi terhadapat ekosistem pesisir sehingga kelas yang digunakan lebih bervariasi.