Prediksi Suhu Permukaan Menggunakan Artificial Neural Network-Cellular Automata Di Wilayah Cirebon Dan Sekitarnya

Abstract

Ekspansi lahan terbangun melalui kehadiran pemukiman dan kawasan industri berimplikasi pada berkurang lahan bervegetasi di wilayah Cirebon dan sekitarnya. Kondisi menyebabkan peningkatan suhu yang berpotensi memunculkan urban heat island. Perubahan suhu dapat diprediksi menggunakan pemodelan spasial dinamis sebagai bagian dari proses perubahan lansekap. Penelitian ini bertujuan untuk memprediksi dinamika suhu permukaan di wilayah Cirebon dan sekitarnya menggunakan algoritma Artificial Neural Network-Cellular Automata (ANN-CA) dengan melibatkan variabel spasial seperti kepadatan bangunan, kerapatan vegetasi, dan kepadatan jaringan jalan. Sumber data yang digunakan dalam penelitian ini berasal dari citra Landsat-5 TM dan Landsat-8 OLI pada tahun 1999, 2009, serta 2019, sedangkan data jaringan jalan berasal dari OpenStreetMaps. Suhu permukaan diperoleh dari kanal termal yang diolah menggunakan Radiative Transfer Equation. Sementara variabel lainnya diperoleh dari Normalized Difference Built-up Index (NDBI), Normalized Difference Vegetation Index (NDVI) dan line density. Penelitian ini menunjukkan suhu permukaan hasil pemodelan ANN-CA pada tahun 2019 memiliki rerata sebesar 22,61 °C. Model ini memiliki overall accuracy 0,63 dan overall kappa sebesar 0,52. Bila dibandingkan dengan nilai aktual, model ini memiliki nilai r-square mencapai 0,80 dengan selisih sebesar 0,54 °C yang layak untuk prediksi suhu permukaan di masa mendatang. Model ANN-CA menunjukkan sebaran suhu permukaan yang lebih tinggi berpusat pada wilayah kota dan peri-urban. Kajian terkait prediksi suhu permukaan diharapkan dapat menjadi perhatian utama dalam mewujudan resiliensi perkotaan.

Dynamics of Land use and Land cover in the Belitung Island, Indonesia

“…Despite serving as a primary source of income for the island's residents, tin mining has significantly impacted the island's geography and ecosystem. The resultant land degradation has led to biodiversity loss, diminishing the functionality and services of the forest ecosystem [ 3 ]. Deforestation, encompassing the conversion of forests into cropland, grassland, mining complexes, or built-up areas [ 4 , 5 ], is driven by various factors such as logging, commercial agriculture, infrastructure development, urban expansion, and mining [ 6 , 7 ].…”