ANALISIS PERUBAHAN TUTUPAN LAHAN KOTA JAMBI BERBASIS KLASIFIKASI NDVI DAN EKSTRAKSI POLA SPEKTRAL MENGGUNAKAN DECISION TREE PADA CITRA LANDSAT 8
DOI:
https://doi.org/10.31294/icej.v6i2.12969Keywords:
Land Cover, Landsat 8, NDVI, Decision TreeAbstract
-Kota Jambi sebagai wilayah dengan pertumbuhan penduduk dan pembangunan yang pesat mengalami tekanan terhadap tutupan lahan. Penelitian ini menganalisis perubahan tutupan lahan di Kota Jambi selama periode 2016–2025 menggunakan citra satelit Landsat 8 OLI/TIRS, indeks vegetasi Normalized Difference Vegetation Index (NDVI), dan algoritma Decision Tree. Data citra diperoleh melalui platform Google Earth Engine (GEE) dengan tahapan pra-pemrosesan meliputi cloud masking menggunakan band QA_PIXEL, koreksi reflektansi, dan penyusunan komposit tahunan menggunakan metode median composite. Nilai NDVI dihitung di QGIS menggunakan formula (Band 5 − Band 4) / (Band 5 + Band 4), kemudian diklasifikasikan berdasarkan threshold NDVI menjadi enam kelas tutupan lahan, yaitu badan air, lahan terbuka, rumput, pertanian/taman, semak belukar, dan hutan lebat. Hasil klasifikasi NDVI tersebut digunakan sebagai label target untuk melatih model Decision Tree, sedangkan tujuh band spektral Landsat 8 digunakan sebagai fitur input dengan pembagian data temporal split 70:30. Model Decision Tree selanjutnya digunakan untuk mengekstraksi feature importance dan decision rules sebagai representasi karakteristik spektral setiap kelas tutupan lahan. Hasil evaluasi menunjukkan Overall Accuracy sebesar 89,61%, Kappa Coefficient sebesar 0,85457, dan weighted F1-Score sebesar 0,89. Hasil ekstraksi feature importance menunjukkan bahwa Band 4 (Red) dan Band 5 (Near Infrared), sebagai band penyusun NDVI, merupakan fitur spektral yang paling relevan dalam membedakan kelas tutupan lahan. Analisis perubahan menunjukkan bahwa luas hutan lebat menurun sebesar 1.393,92 ha (−16,1%), sedangkan pertanian/taman meningkat sebesar 721,53 ha (+19,2%). Hasil penelitian mengindikasikan adanya tekanan terhadap vegetasi Kota Jambi akibat perkembangan wilayah
References
Arrafi, M., Firyal Salma, N., Studi Magister Penginderaan Jauh, P., Geografi UGM, F., & Perencanaan Wilayah dan Kota, I. (2025). Geomedia Majalah Ilmiah dan Informasi Kegeografian Monitoring fenomena urban sprawl dan prediksi perubahan tutupan lahan menggunakan citra landsat 8 di Kota Jambi (Vol. 23, Number 2). https://journal.uny.ac.id/index.php/geomedia/index
Aulia, Y. D., Maryani, A. T., & Syarifuddin, H. (2023). Estimasi Ruang Terbuka Hijau di Kota Jambi Tahun 2013 dan 2021 Menggunakan Transformasi NDVI (Normalized Difference Vegetation Index). Jurnal Ilmiah Universitas Batanghari Jambi, 23(2), 1298. https://doi.org/10.33087/jiubj.v23i2.4198
BPS. (2025). Luas Daerah dan Jumlah Pulau Menurut Kabupaten/Kota di Provinsi Jambi, 2025. Badan Pusat Statistik Provinsi Jambi. https://jambi.bps.go.id/id/statistics-table/3/VUZwV01tSlpPVlpsWlRKbmMxcFhhSGhEVjFoUFFUMDkjMw==/luas-daerah-dan-jumlah-pulau-menurut-kabupaten-kota-di-provinsi-jambi--2023.html
Dwi, S., Mau, I., Ndapamury, A. M., Aprila, V., Dima, K., Prasetyo, Y. J., Fibriani, C., Program, ), Magister, S., Informasi, S., Teknologi, F., Universitas, I., & Wacana, K. S. (2020). Analisis Ruang Terbuka Hijau pada Kota Surabaya Menggunakan Citra Landsat 8 dan Metode Maximum Likelihood. Indonesian Journal of Modeling and Computing, 3, 24–29. https://ejournal.uksw.edu/icm/article/view/3900/1492
Husni, M. F., Wahyudiono, S., & Suhartati, T. (2025). Analisis Perubahan Kerapatan Vegetasi Penutup Lahan dengan Metode Indeks Vegetasi NDVI (Studi Kasus di Kawasan Hutan Rakyat Kabupaten Gunung Kidul). Jurnal Wana Tropika, 14(2), 44–52. https://doi.org/10.55180/jwt.v14i2.1651
Marcoulides, G. a. (2005). Discovering Knowledge in Data: an Introduction to Data Mining:Discovering Knowledge in Data: An Introduction to Data Mining. In Journal of the American Statistical Association (Vol. 100, Number 472). https://doi.org/10.1198/jasa.2005.s61
NASA. (2025a). Remote Sensing. NASA Earth Observatory. https://science.nasa.gov/earth/earth-observatory/remote-sensing/
NASA. (2025b, November 14). Measuring Vegetation (NDVI & EVI). NASA Science. https://science.nasa.gov/earth/earth-observatory/measuring-vegetation-ndvi-evi/
Pekerjaan Umum dan Penataan Ruang. (2024). Pekerjaan Umum dan Penataan Ruang. Ruang Data Kota Jambi. https://ruangdata.jambikota.go.id/data-pembangunan/pekerjaan-umum-dan-penataan-ruang
Pietersz, J. H., Pribadi, R., Pentury, R., & Ario, R. (2024). Estimasi Tutupan Kanopi Berdasarkan NDVI dan Kondisi Tutupan Tajuk Pada Ekosistem Mangrove Negeri Passo, Teluk Ambon Dalam. Jurnal Kelautan Tropis, 27(2), 197–208. https://doi.org/10.14710/jkt.v27i2.22090
Rakhmat Awaliyan, M., & Yohanes Budi Sulistioadi. (2018). Klasifikasi Penutupan Lahan pada Citra Satelit Sentinel-2A dengan Metode Tree Algorithm (Vol. 2, Number 2).
Ramanda Putri, D., Sukmono, A., & Sudarsono, B. (2018). Analisis Kombinasi Citra Sentinel-1A dan Citra Sentinel-2A untuk Klasifikasi Tutupan Lahan (Studi Kasus: Kabupaten Demak, Jawa Tengah) (Vol. 7, Number 2).
Safitri, D., Cahyani, A., Bespalova, L., Saves, F., Author, C., & Ayu Safitri, D. (2025). Journal of Innovative and Creativity Analisis Perubahan Indeks Kerapatan Vegetasi Menggunakan Metode Normalized Difference Vegetation Index (NDVI) Berbasis Sistem Informasi Geografis (SIG) dan Penginderaan Jauh di Kota Surabaya-on-Don, Russia. In Journal of Innovative and Creativity (Vol. 5, Number 2).
Singgalen, Y. A. (2023). Penerapan Metode Spatio-Temporal Analysis dalam Analisis Dinamika Tutupan dan Penggunaan Lahan Berbasis NDVI dan NDWI. https://doi.org/10.30865/klik.v4i2.1313
Suni, A. M., & Baharuddin, F. R. (2023). Analisis Perubahan Tutupan Lahan di Hutan Produksi Terbatas Kecamatan Kulawi Kabupaten Sigi. https://journal.mediapublikasi.id/index.php/bullet
USGS. (2018, November 27). NDVI, the Foundation for Remote Sensing Phenology. USGS Remote Sensing Phenology. https://www.usgs.gov/special-topics/remote-sensing-phenology/science/ndvi-foundation-remote-sensing-phenology#:~:text=Sparse%20vegetation%20such%20as%20shrubs,changes%20in%20plants’%20phenological%20stage
USGS. (2024). Landsat Satellite Missions. Landsat Missions USGS. https://www.usgs.gov/landsat-missions/landsat-satellite-missions
Waladi, A. (2025). Peningkatan Akurasi Klasifikasi Tutupan Lahan Menggunakan Random Forest pada Data Sentinel-2 di Jambi. JURNAL FASILKOM, 15, 17–24.
Walalayo, M., Vitianingsih, A. V., Maukar, A. L., Puspitarini, E. W., & Marissa, F. (2021). Web-GIS Kesesuaian Lahan untuk Pengembangan Hutan Kota Menggunakan Metode Multi-Criteria Decision Making. Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, 6(2), 100–115. https://doi.org/10.36341/rabit.v6i2.1739
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Ayu Friska Purba, Daniel Arsa, Nindy Raisa Hanum
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
