Claim Missing Document
Check
Articles

Found 1 Documents
Search

KOMPARASI MODEL CELLULAR AUTOMATA DALAM MEMPREDIKSI PERUBAHAN LAHAN SAWAH DI KABUPATEN PURWOREJO Trida Ridho Fariz; Ely Nurhidayati; Hidhayah Nur Damayanti; Elvita Safitri
Jukung (Jurnal Teknik Lingkungan) Vol 6, No 2 (2020): SEPTEMBER 2020
Publisher : Program Studi Teknik Lingkungan Fakultas Teknik Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/jukung.v6i2.9259

Abstract

Penelitian ini bertujuan untuk mengkomparasikan akurasi metode ANN dan LR dalam memprediksi perubahan lahan sawah di Kabupaten Purworejo. Adapun data masukan yang dibutuhkan adalah peta lahan sawah tahun 2008, 2015 dan 2019 hasil interpretasi visual citra satelit resolusi tinggi dan faktor pendorong perubahan lahan sawah. Hasil penelitian menunjukkan bahwa model prediksi lahan sawah yang dibangun dari ANN dan LR secara umum memiliki akurasi yang sama-sama baik. Tetapi jika dilihat dari total nilai false alarm dan misses, model CA yang dibangun dari ANN lebih baik dari LR. Hasil penelitian ini juga menunjukkan bahwa dalam rentang tahun 2008 sampai 2019, luasan lahan sawah di Kabupaten Purworejo berkurang sekitar 194.01 Ha.  Kata kunci: artificial neural network; cellular automata; logistic regression; perubahan penggunaan lahan; sawah.  This research aims to compare the accuracy of the ANN and LR methods in predicting changes in paddy fields in Purworejo Regency. The input data required is a map of paddy fields in 2008, 2015 and 2019 as a result of visual interpretation of high-resolution satellite imagery and the driving factors for changes in paddy fields. The results showed that the paddy field prediction model built from ANN and LR generally has the same accuracy. But if it is seen from the total value of false alarms and misses, the CA model from ANN is better than LR. This study shows that from 2008 to 2019, the area of paddy fields in Purworejo Regency decreased around 194.01 Ha. Keywords: artificial neural network; cellular automata; land-use changes; logistic regression; paddy field.