Pemetssn Perubahan Lahan Sawah dan Evaluasi Terhadap Lahan Sawah Dilindungi (LSD) di Kabupaten Sragen, Provinsi Jawa Tengah Tahun 2021 dan 2026 Menggunakan Klasifikasi Random Forest pada Citra Sentinel-2
Asmarina Nurjanah, Dr. Sudaryatno., M.Si. (NIP. 197410272014092001)
2026 | Tugas Akhir | D4 SISTEM INFORMASI GEOGRAFIS
PEMETAAN PERUBAHAN
LAHAN SAWAH DAN EVALUASI TERHADAP LAHAN SAWAH DILINDUNGI (LSD) DI KABUPATEN
SRAGEN, PROVINSI JAWA TENGAH TAHUN 2021 DAN 2026 MENGGUNAKAN
KLASIFIKASI RANDOM FOREST PADA CITRA SENTINEL-2
Disusun oleh:
Asmarina Nurjanah 22/494711/SV/20896
INTI SARI
Kabupaten
Sragen merupakan salah satu wilayah agraris di Provinsi Jawa Tengah yang
memiliki peranan dalam mendukung ketahanan pangan melalui sektor pertanian
sawah. Namun, perkembangan permukiman, infrastruktur, dan aktivitas
nonpertanian telah menyebabkan terjadinya alih fungsi lahan sawah menjadi lahan
nonsawah. Kondisi tersebut berpotensi mengurangi luas lahan pertanian produktif
dan memengaruhi keberlanjutan Lahan Sawah Dilindungi (LSD). Oleh karena itu,
pemanfaatan teknologi penginderaan jauh dan analisis geospasial diperlukan
untuk mendeteksi dan memantau perubahan lahan sawah secara efektif. Penelitian
ini bertujuan untuk memetakan penggunaan lahan sawah dan nonsawah di Kabupaten
Sragen tahun 2021 dan 2026 menggunakan algoritma Random
Forest berbasis citra Sentinel-2, menganalisis perubahan lahan sawah
secara multitemporal, serta mengevaluasi kesesuaiannya terhadap kawasan LSD. Data yang digunakan terdiri atas citra
Sentinel-2 Level-2A, data batas administrasi Kabupaten Sragen, data LSD, data
produktivitas lahan sawah, dan data statistik Kabupaten Sragen dalam Angka 2021
dan 2026. Pengolahan data dilakukan menggunakan Google Earth Engine melalui
tahapan pra-pemrosesan citra, perhitungan indeks spektral NDVI, NDWI, dan SAVI,
klasifikasi tutupan lahan dengan Random Forest, uji Confusion Matrix,
reklasifikasi menjadi penggunaan lahan, serta analisis perubahan lahan sawah.
Validasi lapangan dengan ground truth dilakukan untuk memperkuat
hasil klasifikasi. Hasil penelitian menunjukkan bahwa algoritma Random
Forest menghasilkan nilai Overall Accuracy (OA) sebesar 88% pada
tahun 2021 dan 87% pada tahun 2026 dengan nilai Kappa masing-masing tahu
sebesar 0,84 dan 0,83. Analisis perubahan menunjukkan bahwa luas lahan sawah
Kabupaten Sragen mengalami penurunan dari 41,188.74 ha (2021) menjadi 41,112.87
ha (2026), sehingga terjadi pengurangan sebesar 75,87 ha atau 0,18%.
Hasil overlay dengan LSD menunjukkan bahwa sebagian besar lahan sawah
masih berada dalam kawasan yang dilindungi, meskipun beberapa lokasi ditemukan
indikasi alih fungsi lahan menjadi lahan terbangun.
Kata Kunci: Sentinel-2, Random Forest, Google Earth Engine, LSD
MAPPING OF PADDY
FIELD CHANGES AND EVALUATION OF PROTECTED PADDY FIELDS (LSD) IN SRAGEN REGENCY,
CENTRAL JAVA PROVINCE, FROM 2021 AND 2026 USING RANDOM FOREST ON SENTINEL-2
IMAGERY
Arranged by:
Asmarina Nurjanah 22/494711/SV/20896
ABSTRACT
Sragen Regency is
one of the agrarian regions in Central Java Province that plays an important
role in supporting food security through the paddy agricultural sector.
However, the development of settlements, infrastructure, and non agricultural
activities has caused the conversion of paddy fields into non-paddy land. This
condition potentially reduces the extent of productive agricultural land and
affects the sustainability of Protected Paddy Fields (Lahan Sawah
Dilindungi/LSD). Therefore, the utilization of remote sensing technology and
geospatial analysis is required to detect and monitor paddy field changes
effectively. This study was conducted to map paddy and non-paddy land cover in
Sragen Regency in 2021 and 2026 using the Random Forest algorithm based on
Sentinel-2 imagery, to analyze multitemporal paddy field changes, and to
evaluate their suitability within LSD areas. The data used in this study
consisted of Sentinel-2 Level-2A imagery, the administrative boundary data of
Sragen Regency, Protected Paddy Field (LSD) data, paddy field productivity
data, and statistical data from Sragen Regency in Figures for 2021 and 2026.
Data processing was conducted using Google Earth Engine through several stages,
including image preprocessing, calculation of spectral indices (NDVI, NDWI,
SAVI), land cover classification using the Random Forest algorithm,
reclassification into land use categories, and paddy field change analysis.
Field validation using ground truth data was carried out to strengthen the
classification result. The results showed that the Random Forest algorithm
achieved an Overall Accuracy (OA) of 88% in 2021 and 87% in 2026, with Kappa
coefisients of 0,84 and 0,83 respectively. The change analysis indicated that
the paddy field area in Sragen Regency decreased from 41,188.74 ha in 2021 to
41,112.87 ha in 2026, representing a reduction of 75,87 ha or approximately
0,18%. The overlay analysis with the LSD map revealed that most paddy fields
remained within protected areas, although indications of land conversion to
built-up areas were identified at several locations.
Keywords:
Sentinel-2, Random Forest, Google Earth Engine, LSD
Kata Kunci : Sentinel-2, Random Forest, Google Earth Engine, LSD