Implementasi Support Vector Machine (SVM) untuk Klasifikasi Spasial menggunakan Citra Landsat 8 di Kabupaten Majalengka (Studi Kasus: Vegetasi dan Non Vegetasi di Kabupaten Majalengka)

Abstract

Pertumbuhan populasi dan pembangunan infrastruktur berdampak signifikan pada perubahan tata guna lahan pada Kabupaten Majalengka. Majalengka menjadi salah satu Kabupaten yang berada di Provinsi Jawa Barat yang membangun penataan lahan dalam bidang infrastruktur dan transportasi berupa bandara yang tentunya pembangunan tersebut dapat mempengaruhi pembangunan terhadap wilayah sekitar bandara. Tujuan dari penelitian ini adalah untuk mengetahui hasil analisis kepadatan vegetasi dan non-vegetasi di Kabupaten Majalengka dengan menggunakan metode klasifikasi support vector machine dengan kernel linear, polynomial, RBF, dan sigmoid dengan mengambil data citra satelit landsat 8 dari google earth engine dengan menggunakan band red, green, blue, NIR, dan SWIR tahun 2013 sampai dengan 2023 di Kabupaten Majalengka. Sehingga didapatkan hasil dari penelitian ini ditemukan bahwa kernel terbaik dari proses analisis dengan menggunakan perbandingan proporsi data training dan testing 90:10, 85:25, 80:20, 75:25 dengan perulangan 40 kali dari kernel yang digunakan adalah kernel RBF. Untuk nilai proporsi terbaik dari proporsi yang digunakan adalah 75:25 karena memiliki nilai akurasi yang paling tinggi dari data training dan testingnya jika dibandingkan dengan proporsi lainnya, dengan nilai rata-rata akurasi, sensitivitas, spesifisitas, dan AUC untuk data training adalah 86.78%, 90.68%, 83.56%, 86.78% dan untuk data testing adalah 86.59%, 90.60%, 83.30%, 86.59%. Dengan menggunakan nilai proporsi terbaik dapat menunjukkan hasil prediksi vegetasi dan non vegetasi, sehingga dapat ditemukan bahwa terdapat perubahan vegetasi dan nonvegetasi dari tahun 2013 hingga tahun 2023 secara acak dalam kurun waktu tertentu.