Page 46 - Pemodelan Spasial untuk Prediksi Pengunaan dan Pengendalian Alih Fungsi Lahan Pertanian

terbesar dalam berbagai ilmu pengetahuan dan praktisi seperti
penggunaan tanah, agronomi dan pertanian, kehutanan, sumber daya
air, ekologi, keanekaragaman hayati, dan lainnya (Wulder dkk., 2022).

Pemanfaatan penginderaan jauh dalam konteks keruangan
dilakukan melalui pemodelan spasial yang dapat mengklasifikasikan
setiap jenis penggunaan tanah. Pemodelan SVM merupakan salah satu
pemodelan machine learning yang paling banyak digunakan dalam
berbagai penelitian tentang klasifikasi spasial secara supervised,
statistik spasial, dan pemrograman R (Liu dkk., 2019; Nyamekye
dkk., 2021). Prinsip dasar pemodelan SVM terletak pada pembuatan
mekanisme hyperplane yang menjadi batas keputusan atau batas
optimal yang memaksimalkan indikator jarak antara sampel yang
berdekatan dan memisahkan distribusi kelas secara efektif (Verma
dkk., 2020). Pemodelan SVM juga membutuhkan fungsi kernel untuk
menciptakan hyperplane secara akurat dan meminimalisir kesalahan
klasifikasi (Talukdar dkk., 2020). Selain itu, fungsi kernel dapat
memproyeksikan sampel yang sulit diklasifikasikan secara linier ke
dalam ruang dimensi yang dianggap memiliki kesamaan kelas (Tariq
dkk., 2023). Kemampuan pemodelan SVM untuk memetakan data
multi band dalam skala besar dan tinggi dengan sampel yang relatif
sedikit menjadi pilihan terbaik perihal klasifikasi spasial dibandingkan
pemodelan lainnya (Dabija dkk., 2021; Rimal dkk., 2020).
Perubahan penggunaan tanah yang terjadi tidak semata-mata
pada masa lalu dan saat ini, tetapi juga perubahan yang terjadi di
masa mendatang. Salah satu plugin yang cocok yaitu molusce yang
dapat menganalisis dan mengevaluasi perubahan penggunaan tanah
secara spatio-temporal, potensi pemodelan, dan prediksi untuk
skenario di masa mendatang (Değermenci, 2023). Sistematika proses
molusce menggunakan berbagai komponen meliputi data variabel
independen dan dependen, tren perubahan klasifikasi, metode
pemodelan, dan validasi terhadap simulasi tersebut (Kafy dkk., 2021).
Molusce memiliki berbagai pemodelan, salah satunya yang terbaik
yaitu CA-ANN.

BAB I 15
Konseptualisasi Prediksi: Penggunaan dan Pengendalian