%0 Thesis
%9 S1
%A Aulia Fatima Azzahra, -
%A Shafira Himayah, -
%A Anisa Nabila Rizki Ramadhani, -
%B KODEPRODI35303#Survei Pemetaan dan Informasi Geografis_D4
%D 2025
%F repoupi:144764
%I Universitas Pendidikan Indonesia
%K Perubahan tutupan lahan, Sesar Lembang, Tata Ruang, Cellular Automata-Markov Chain, Prediksi Spasial, Land cover change, Lembang Fault, Spatial Planning, Cellular Automata-Markov Chain, Spatial Prediction.
%T PREDIKSI PERUBAHAN TUTUPAN LAHAN DI KAWASAN SESAR LEMBANG SEGMEN TENGAH (BUFFER 1 KM) DI TAHUN 2030 MENGGUNAKAN METODE CELLULAR AUTOMATA – MARKOV CHAIN
%U http://repository.upi.edu/144764/
%X Perubahan tutupan lahan di kawasan Sesar Lembang Segmen Tengah (buffer 1 km) berpotensi meningkatkan risiko geologi akibat perkembangan pembangunan dan dinamika lingkungan. Penelitian ini bertujuan untuk menganalisis perubahan tutupan lahan pada tahun 2018-2024 serta memprediksi kondisi tahun 2030 menggunakan metode Cellular Automata-Markov Chain untuk mendukung mitigasi bencana dan pengelolaan lingkungan berkelanjutan. Data yang digunakan berasal dari citra satelit Sentinel 2 mencakup tahun 2018-2024, yang kemudian diklasifikasikan menggunakan metode klasifikasi Random Forest. Penelitian ini menerapkan metode kuantitatif dengan melakukan uji akurasi menggunakan Confusion Matrix, yang mencakup perhitungan Overall Accuracy, Quantity Disagreement, dan Allocation Disagreement sebelum pemodelan. Selanjutnya, dilakukan pemodelan prediksi tutupan lahan tahun 2030 menggunakan Markov Chain dan Cellular Automata untuk mengidentifikasi perubahan yang terjadi secara signifikan, kemudian akan di uji akurasi kembali menggunakan perhitungan ROC dan AUC untuk menghasilkan nilai interpretasi AUC apakah pemodelan tersebut menghasilkan angka yang baik dan sesuai. Hasil penelitian menunjukkan bahwa dengan menggunakan citra Sentinel 2 dalam rentang waktu lima tahun 2018-2024, prediksi perubahan tutupan lahan untuk tahun 2030 dapat dilakukan dengan tingkat akurasi yang tinggi. Model prediksi menunjukkan adanya perubahan signifikan dari lahan vegetasi menjadi area permukiman dan pertanian, yang berpotensi meningkatkan risiko bencana, seperti tanah longsor. Metode Cellular Automata-Markov Chain terbukti memiliki tingkat akurasi yang tinggi dalam memprediksi perubahan lahan, sehingga dapat dijadikan dasar dalam perencanaan mitigasi bencana dan pengelolaan tata ruang yang berkelanjutan di masa mendatang. Land cover changes in the Central Lembang Fault (1 km buffer) have the potential to increase geological risk due to development and environmental dynamics. This study aims to analyze land cover changes from 2018 to 2024 and predict the conditions for 2030 using the Cellular Automata-Markov Chain method to support disaster mitigation and sustainable environmental management. The data used were sourced from Sentinel 2 satellite imagery from 2018-2024, which was then classified using the Random Forest classification method. This research applies a quantitative method by conducting an accuracy test using a Confusion Matrix, which includes calculations for Overall Accuracy, Quantity Disagreement, and Allocation Disagreement before modeling. Subsequently, a land cover prediction model for the year 2030 was created using Markov Chain and Cellular Automata to identify significant changes. The accuracy of this model was then re-tested using ROC and AUC calculations to determine whether the model's interpretation values were good and appropriate. The results of the study show that by using Sentinel 2 imagery over a five-year period from 2018-2024, the prediction of land cover changes for 2030 can be performed with a high level of accuracy. The prediction model indicates a significant change from vegetated land to residential and agricultural areas, which has the potential to increase the risk of disasters such as landslides. The Cellular Automata-Markov Chain method proved to have a high level of accuracy in predicting land changes, making it a viable basis for future disaster mitigation planning and sustainable spatial management.
%Z https://scholar.google.com/citations?view_op=new_profile&hl=en  ID Sinta Pembimbing:  Shafira Himayah: 6114986   Anisa Nabila Rizki Ramadhani: 6885244