Pembaharuan basis data untuk penggalian potensi penerimaan PBB sudah rutin dilaksanakan, tetapi karena metode yang dipakai masih konvensional, maka potensi yang cukup besar ini belum tergali secara maksimal. Tujuan penelitian ini ialah untuk mengetahui perluasan daratan hasil sedimentasi dan perubahan penutup lahan di Segara Anakan menggunakan citra Landsat TM dan Landsat 7 ETM+ multi temporal. Hasil dari penelitian ini diharapkan dapat digunakan untuk pemeliharaan basis data PBB daerah sekitar Segara Anakan. Metode penelitian yang digunakan ialah klasifikasi terkontrol terhadap data digital citra satelit Landsat TM dan Landsat 7 ETM+. Metode klasifikasi terkontrol yang dipilih ialah klasifikasi dengan Jaringan Syaraf Tiruan (JST) dengan prosedur pembelajaran rambat balik yang diterapkan pada data citra 3 saluran multispektral (band 4, 5 dan 7) dengan resolusi 30m x 30m. Data citra digital digolongkan menjadi empat kelas, yaitu kelas sawah, kelas rawa, kelas air dan kelas hutan tropik. Akurasi klasifikasi dinilai dengan menggunakan matriks kesalahan dan analisis nilai Kappa. Deteksi perubahan dilaksanakan dengan differencing, yang menyilangkan hubungan antara kedua citra dalam bentuk tabel untuk mendapatkan gambaran piksel dalam klasifikasi citra ke dalam suatu matriks. Hasil penelitian secara umum membuktikan bahwa metode klasifikasi terkontrol JST mampu mengidentifikasi berbagai kelas penutup lahan di daerah penelitian. Akurasi metode ini cukup tinggi, yang ditandai dengan nilai Kappa sebesar 0,933 dan akurasi keseluruhan sebesar 95,11% untuk klasifikasi penutup lahan epoch pertama dan nilai Kappa sebesar 0,893 dengan akurasi keseluruhan sebesar 92,09% untuk epoch kedua. Dengan menggunakan algoritma deteksi perubahan, perubahan jenis penutup lahan dari satu epoch ke epoch berikutnya dapat diperkirakan. Ketelitian deteksi perubahan sebesar 91,67% untuk perubahan kelas sawah; 87,5% untuk perubahan kelas air; 95,45% untuk perubahan kelas rawa dan 79,16% untuk perubahan kelas hutan tropik. Hal ini bermanfaat untuk memperkirakan perubahan potensi penerimaan PBB di sekitar Segara Anakan.

Land and Building Tax (LBT) database updating related with land cover change is the important activity ought to be routine to increase the LBT revenue target. Even though efforts to realize the potential have been conducted, the results have not been maximal because they are still using conventional methods. The objective of this research is to understand the spreading of mainland caused by sedimentation and land cover change using multi-date Landsat TM and Landsat 7 ETM+ images. The result of this research to be good for Segara Anakan’s LBT database updating. Research method used is supervised classification of digital data Landsat TM and Landsat 7 ETM+, apply back propagation algorithm for Artificial Neural Network (ANN). Change detection realized by differencing, with crossing both of images in a table to get pixel appearance in the image classification to the matrix. The image data used are 3 channels of multi spectral data (band 4, 5 and band 7) with 30m x 30m resolution and divided into 4 classes, consist of wet rice-field, marsh, water and tropical rain forest. The classification accuracy was assessed by using confusion matrix and Kappa analysis. Land cover change analyzed by using change detection algorithm applicated to the land cover classes from classification product. The result of the research indicate that the supervised classification method by using ANN is able to identify the land cover type in the research area. The accuracy of this method is completely high, indicated by Kappa value scored 0,933 and overall accuracy value is 95,11% for the first epoch. On the second epoch, Kappa value scored 0,893 and overall accuracy value is 92,09%. By using change detection algorithm, the change of land cover from the first epoch to the second epoch can be predicted. The value of change detection accuracy is 91,67% for wet-rice field class change, 87,5% for water class change, 95,45% for marsh class change and 79,16% for tropical rain forest class change. It is useful to predict the LBT potential change around Segara Anakan.

Kata Kunci : Citra Landsat TM dan Landsat 7 ETM+ Multi temporal,Basis Data PBB