OPEN ACCESS
Indonesian Journal of Spatial Planning P-ISSN:
and E-ISSN: 2723-0619 http://journals.
id/index.
php/ijsp Vol 6.
No 2.
Tahun 2025, 43 Ae 49
IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN KABUPATEN KENDAL
MENGGUNAKAN GOOGLE EARTH ENGINE
Rendy Akbar Universitas Pradita.
Scientia Business Park.
Jl.
Gading Serpong Boulevard No 1 Tangerang.
akbar@pradita.
Info Artikel:
a Artikel Masuk: 2025-09-03
a Artikel diterima: 2025-10-20
a Tersedia Online: 2025-10-31
ABSTRAK
Sistem computer berbasis cloud sudah sangat berkembang pesat dan sangat memudahkan untuk melakukan berbagai analisis spasial dalam bidang perencanaan wilayah dan kota.
Google Earth Engine (GEE) merupakan sebuah sistem berbasis cloud yang sangat sesuai digunakan untuk melakukan analisis yang pendekatan ruang dan waktu.
Salah satu contoh dalam bidang perencanaan wilayah dan kota yang dapat dimudahkan dalam melakukan analisis spasial dan temporal dengan menggunakan Google earth Engine adalah melihat dampak dari urbanisasi dan industrialisasi yang terjadi di Kab.
Kendal terhadap tutupan lahan.
Tujuan Penelitian ini adalah untuk mengidentifikasi perubahan tutupan lahan yang ada di Kabupaten Kendal dengan menggunakan GEE (Google Earth Engin.
dengan pendakatan secara spatial dan temporal.
Metode penelitian yang digunakan dalam penelitian ini adalah Diskriptif Kuantitatif, dengan membandingkan hasil citra landsat 7 dan 8 pada tahun 2009, 2014, 2019 dan 2024.
Identifikasi tutupan lahan dalam penelitian ini menemukan 7 klasifikasi tutupan lahan yaitu badan air, kawasan terbangun, tambak.
Rumput, tanah terbuka, vegetasi dan sawah.
Urbanisasi dan industrialisasi yang terjadi di Kab.
Kendal mempengaruhi perubahan tutupan lahan di Kab.
Kendal.
Untuk jenis tutupan lahan yang selalu bertambah dalam kurun waktu 15 tahun .
9 Ae 2.
adalah Kawasan terbangun, tanah terbuka dan sawah.
Sementara untuk jenis tutupan lahan yang selalu berkurang dalam kurun waktu 15 tahun .
9 Ae 2.
adalah Badan air, tambak.
Sawah dan vegetasi.
Penggunaan sistem computer berbasis cloud seperti Google Earth Engine dengan menggunakan metode Random Forest sangat bermanfaat dan efisien digunakan dalam kaitannya analisis secara spasial dan temporal.
Terlihat dari nilai uji akurasi yang berada diatas > 85 %.
Kata Kunci : Tutupan Lahan.
Industrialisasi.
Kendal.
Google Earth Engine
ABSTRACT
Cloud-based computing systems have developed rapidly, significantly facilitating various spatial analyses in the field of urban and regional planning.
Google Earth Engine (GEE) is a cloud-based platform particularly well-suited for conducting analyses with a spatio-temporal approach.
One application in urban and regional planning that can be streamlined using GEE is the examination of the impacts of urbanization and industrialization on land cover, as demonstrated in Kendal Regency.
This study aims to identify land cover changes in Kendal Regency using GEE with a spatial and temporal approach.
A quantitative descriptive method was employed, comparing Landsat 7 and 8 imageries from 2009, 2014, 2019, and 2024.
The land cover classification in this study identified seven classes: water bodies, built-up areas, fishponds, grasslands, open land, vegetation, and paddy fields.
The findings indicate that urbanization and industrialization have influenced land cover transformations in Kendal Regency.
Over the 15-year period .
9Ae2.
, built-up areas and open land consistently increased.
Conversely, water bodies, fishponds, grasslands, and vegetation cover consistently decreased during the same period.
The application of a cloud-based computing system like Google Earth Engine, utilizing the Random Forest method, proves to be highly beneficial and efficient for spatio-temporal analysis, as evidenced by accuracy assessment scores exceeding 85%.
Keyword: Land Cover.
Industrialization.
Kendal.
Google Earth Engine
PENDAHULUAN
Ketersediaan lahan yang terbatas dan jumlah penduduk yang dinamis menjadi permasalahan umum yang sering ditemukan dalam konteks perkotaan.
Proses pertumbuhan kota bisa menjadi sangat cepat dan tidak terkendali dengan adanya urbanisasi.
Proses pertumbuhan kota sangat erat kaitannya dengan tingkat urbanisasi yang terjadi (Akbar et al.
Proses urbanisasi biasanya juga menyebabkan adanya muncul aktivitas yang bersifat komersil seperti kegiatan industri.
Pesatnya urbanisasi dan industrialisasi telah mengubah tutupan lahan secara signifikan (Lu et al.
, 2.
Indonesia sebagai negara berkembang yang memiliki jumlah penduduk Akbar Indonesian Journal of Spatial Planning.
Vol 6.
No 2.
Tahun 2025, 43 Ae 49 yang sangat besar pastinya dan hampir setengahnya masih tinggal di pedesaan akan Kabupaten Kendal merupakan salah satu kabupaten yang mengalami dampak dengan adanya fenomen urbanisasi dan industrialisai karena berada pada lokasi yang cukup strategis dan memiliki Kawasan Industri yang merupakan bagian dari kawasan strategi nasional menyebabkan trend perubahan lahan secara signifikan akan terjadi.
Dengan adanya keberadaan Kawasan Industri Kendal tersebut akan menimbulkan dampak positif dan negatif terhadap tutupan Salah satu dampak negatif adanya keberadaan industri adalah perubahan tutupan lahan yang tidak terkendali.
Dengan adanya keberadaan Kawasan industri Kendal akan menjadi faktor pemicu perubahan tutupan lahan.
Perubahan langsung terhadap pertumbuhan ekonomi dan perubahan lingkungan (Villamor et al.
, 2.
Perubahan diinterpretasikan sebagai kerusakan, degradasi atau sebuah peningkatan tergantung dari sudut pandang manusia memproleh atau kehilangan dari proses transisi tersebut.
Perubahan tutupan lahan yang besar menyebabkan terjadinya degradasi lahan yang besar.
Identifikasi perubahan tutupan lahan sangat penting digunakan untuk mengevaluasi perubahan lingkungan yang terjadi pada tingkat global, regional dan bahkan lokal serta menjadi hal yang penting dilakukan untuk penelitian yang berkaitan dengan penelitian yang berkelanjutan (Seyam et al.
, 2.
Identifikasi perubahan tutupan di Kab.
Kendal menjadi hal yang penting keberadaan industri terhadap perubahan tutupan lahan.
Dengan teridentifikasi perubahan tutupan lahan dapat digunakan untuk sebagai acuan dalam menyusun kebijakan.
Dengan perubahan tutupan lahan harus dilakukan secara berkala untuk memudahkan dalam melihat dampak yang terjadi dengan adanya fenomena urbanisasi dan indutrialisasi dan dapat mengambil tindakan yang bersifat proaktif dalam permasalahan degradasi dan kerusakan Penggunaan Google Earth Engine sangat membantu dalam mengidentifikasi perubahan tutupan lahan (Becker et al.
, 2.
Kelebihan dari penggunaan Google Earth Engine (GEE) adalah instrument komputer dengan jutaan servernya yang tersebar di seluruh dunia dan kemampuan komputasi awan terkini yang dapat digunakan untuk melakukan analisis penginderaan jauh (Wachid & Prananing Tyas, 2.
Penelitian mengidentifikasi tutupan lahan secara temporal di Kab.
Kendal dengan memanfaatkan Google Earth Engine.
Citra yang digunkan adalah Landsat 8 dengan periode waktu tahun 2009, 2014, 2019 dan 2024.
Penelitian ini diharapkan dapat memberikan kontribusi bagi pengambil keputusan dalam membuat kebijakan yang proaktif dan memperhatikan pengembangan lahan yang berkelanjutan serta memtigasi tantangan pesatnya fenomena urbanisasi dan DATA DAN METODE Lokasi Penelitian Penelitian ini dilaksanakan di Kabpuaten Kendal.
Provinsi Jawa Tengah pada tahun 2024.
Secara geografis Kabupaten Kendal 109 o 40Ao Ae 110o18Ao Bujur Timur dan 6 o32Ao Ae 7o24Ao Lintang Selatan.
Kabupaten Kendal disebelah utara berbatasan langsung dengan laut jawa, sebelah timur berbatasan langsung dengan Kota Semarang dan Kabupaten Semarang, sebelah Selatan Kabupaten Semarang Kabupaten Temanggung dan sebelah barat berbatasan langsung dengan Kabupten Batang.
Kabupaten Kendal berada pada Kawasan yang strategis karena merupakan salah satu wilayah yang terdampak dengan adanya Kawasan industri dan dilewati Tol Trans Jawa.
Kab.
Kendal secara administrasi terdiri dari 20 kecamatan, 266 desa dan 20 kelurahan.
Kab Kendal memiliki luas 1.
002,23 Km2 dan jumlah penduduk pada tahun 2024 sekitar 400 Jiwa (BPS Kab.
Kendal, 2.
Untuk lebih jelasnya dapat dilihat pada peta administrasi Kab.
Kendal berikut ini.
Akbar Indonesian Journal of Spatial Planning.
Vol 6.
No 2.
Tahun 2025, 43 Ae 49 Gambar 1.
Peta Administrasi Kab.
Kendal .
asil analisis, 2.
Metode Analisis Data Tujuan penelitian ini adalah untuk mengidentifikasi tutupan lahan secara temporal di Kab.
Kendal dengan memanfaatkan Google Earth Engine.
Dengan demikian, tahapan analisis dalam penelitian ini adalah sebagai berikut: menentukan batas administrasi lokasi penelitian, memotong citra landsat yang digunakan dengan polygon batas administrasi, membuat sampling tutupan lahan, melakukan interpretasi klasifikasi terbimbing menggunakan random forest, melakukan uji akurasi dengan menghitung nilai Overall Accuracy (OA) dan Kappa Accuracy, menghitung perubahan tutupan dan menginterpretasinya.
Untuk lebih jelasnya dapat dilihat pada diagram gambar 2 berikut ini.
Tools yang digunakan dalam proses analysis penelitian ini menggunakan Google Earth Engine .
ttps://code.
ArcGis Pro.
Data yang digunakan dalam penelitian ini menggunakan citra satelit Landsat 7 dan 8 pada tahun 2009, 2014, 2019 dan 2024 menampilkannya dengan menggunakan Google Earth engine.
Script yang digunakan pada Google Earth Engine dalam penelitian ini adalah sebagai berikut Metode identifikasi tutupan lahan dalam penelitian ini menggunakan Random Forest (RF) dengan cara menjalankan script pada Google Earth Engine.
Random Forest merupakan salah satu algoritma klasifikasi ensemble yang memiliki kenirja terbaik.
Model random forest adalah algoritma pembelajaran berbasis ensemble yang berarti algoritma tersebut rata-rata prediksi dari banyak pohon Pohon individu dibangun pada sampel bootstrap daripada pada sampel asli.
Ini disebut bootstrap aggregating atau bagging dan ini mengurangi overfitting (Schonlau & Zou, 2.
Gambar 2.
Diagram Analisis Akbar Indonesian Journal of Spatial Planning.
Vol 6.
No 2.
Tahun 2025, 43 Ae 49 Tabel 1.
Script Goggle Earth Engine //Filter citra Var maskL8 = function.
{ var qa = image.
select('BQA').
var mask = qa.
bitwiseAnd.
<< eq.
return image.
updateMask.
var composite = ImageCollection('LANDSAT/LC 08/C01/T1_TOA') filterDate('2020-01-01', '2020-12-31') map.
clip(Tol_Mera.
//visualisasi citra RGBTrue select(['B4', 'B3', 'B2']).
var RGBparam = { min: 0, max:
3,}.
Map.
addLayer(RGBTrue.
RGBparam, 'TRUE').
var aoi = Vegetasi.
merge(Badan_Ai.
(Lahan_Terbangu.
merge(Lahan_Koson.
merge(Lah an_Terbuk.
var bands = ['B1','B2','B3','B4','B5','B6','B7'].
var training = select.
collection: aoi, properties: ['lc'], scale: 30 }).
//Uji Akurasi var uji_aoi = Uji_Akurasi_Vegetasi.
(Uji_BadanAi.
merge(Uji_Terbangu.
e(Uji_Tamba.
merge(Uji_Rumpu.
Uji_Tanahterbuk.
merge(Uji_Sawa.
var validasi = sampleRegions({ collection: uji_aoi, properties: ['lc'], scale: 30, }).
var akurasi = errorMatrix('lc', 'classification').
print('Confusion matrix', print('Overall accuracy: ', accuracy()).
var class_areas = Image.
pixelArea().
1000*1.
addBands.
reduceRegion({ Reducer.
sum().
groupField: 1, groupName: 'code', }), geometry: Tol_Merak, maxPixels : 500000000, scale: 30, }).
get('groups').
Metode Penentuan sampel diambil secara acak.
Dalam proses penentuan sampel menggunakan bantuan Google Earth yang tersedia pada Google Earth engine.
Sampel tutupan lahan menggunakan Google Earth engine dibagi menjadi dua yaitu sampel sebagai training data untuk klasifikasi tutupan sebanyak 70 % dan sampel sebagai testing data untuk uji akurasi sebanyak 30 % (Shaharum et al.
, 2.
Uji akurasi dihitung menggunakan confusion matrix dengan mengitung nilai Overall Accuracy dan Kappa Accuracy berdasarkan matriks kesalahan yang didapatkan menggunakan script pada Google Earth Engine.
Tabel matriks kesalahan dapat dilihat pada Tabel 2 dan rumus Overall Accuracy dan Kappa Accuracy adalah sebagai berikut.
Overall Accuracy = Kappa Accuracy = var classified = select.
l //Eksport Export.
toDrive({ image: classified, scale: 30, description: 'lc_ Tol_Merak region: Tol_Merak }).
Map.
addLayer.
lassified, .
in: 0, max: 6, palette:['darkgreen','blue','yellow','d arkblue','red','orange', 'green']},'TutupanLahan').
Sumber : hasil analisis, 2024 Sampel yang digunakan dalam proses pembuatan tutupan lahan di Google Earth Engine sebanyak 125 buah menggunakan ycNycuycycayco ycAycycoycayceyc ycuyce ycIyceyceyceycyceycuycayce ycEycnycuyceycoyc .
cNycIyycNyaycI)OeOc.
aycuycoycycoycu ycNycuycycayco yycIycuyc ycNycuycycayc.
ycNycI 2 OeOc.
aycuycoycycoycu ycNycuycycaycoOeycIycuyc ycNycuycycayc.
y 100 Keterangan :
: Jumlah sampel TCS : Jumlah sampel yang benar Tabel 2.
Matriks Kesalahan Tutupan Lahan Hasil
Interpretasi
P 1
Tutupan Lahan Referensi
P1 P1
lass_area.
var classifier = Classifier.
smileRandomForest( 25,.
features: training, classProperty: 'lc', inputProperties: bands }).
ycNycuycycayco ycAycycoycayceyc ycuyce yaycuycycyceycaycycoyc yaycoycaycycycnyceycnyceycc ycEycnycuyceycoyc P r Jumlah X1 Jumlah X1 Keterangan :
: Jenis tutupan lahan hasil validasi
: Jenis tutupan lahan hasil interpretasi
HASIL DAN PEMBAHASAN
Pada identifikasi perubahan tutupan lahan Kab.
Kendal menggunakan Google Earth Engine meliputi klasifikasi tutupan lahan tahun 2009, 2014, 2019 dan 2024.
Langkah perubahan tutupan lahan dan melakukan uji Klasifikasi Tutupan Lahan Akbar Indonesian Journal of Spatial Planning.
Vol 6.
No 2.
Tahun 2025, 43 Ae 49 Dalam penelitian ini membagi tutupan lahan menjadi badan air, tambak, tanah terbuka, vegetasi.
Kawasan terbangun, rumput dan Penentuan berdasarkan SNI 7645-1:2014 yang disesuaikan dengan kebutuhan penelitian.
Peta tutupan yang dihasilkan melalui proses analisis menggunakan Google Earth Engine menggunakan metode Random Forest (RF) dengan cara menjalankan script di Google Earth engine.
Tutupan lahan pada tahun 2009 di Kabupaten Kendal didominasi oleh vegetasi yang tersebar secara merata dibagian Tengah hingga Selatan Kab.
Kendal.
Sementara untuk sawah tersebar dibagian Tengah hingga utara bersama dengan tutupan lahan lainnya seperti Kawasan terbangun, badan air, tambak dan tanah terbuka.
Untuk tutupan lahan lahan seperti rumput tersebar secara merata di seluruh Kawasan yang ada di Kab.
Kendal.
Pada tutupan lahan Kabupaten Kendal tahun 2014 belum terdapat perubahan pola dan sebaran tutupan lahannya.
Namun tutupan lahan Kab.
Kendal pada periode tahun 2019 dan 2024 sudah mulai perubahan pola dan sebaran Pembangunan Tol Trans Jawa (Ruas Pejagan Ae Semaran.
dan Kendal Industri Park.
Salah satu kesulitan dalam penelitian ini adalah dalam interpretasi tutupan lahan vegetasi dan rumput hal ini dikarenakan tutupan lahan untuk lahan vegetasi dan rumput memiliki kesamaan dalam tekstur dalam tahapan Untuk kesalahan interpretasi, dilakukan beberapa kali percobaan klasifikasi, yang hasilnya kemudian dikoreksi dengan Citra Satelit Resolusi Tinggi (CSRT) Google Earth.
Peningkatan akurasi klasifikasi tutupan lahan vegetasi dan rumput juga dapat dilakukan dengan penambahan sampel data training.
Untuk lebih jelasnya dapat dilihat pada peta gambar 3.
yang ada dibawah Gambar 3.
Peta Tutupan Lahan Kab.
Kendal Tahun 2009, 2014, 2019 dan 2024 .
asil analisis, 2.
Analisis Perubahan Tutupan Lahan Luas tutupan lahan mengalami perubahan yang cukup signifikan dalam rentang 20 tahun.
Trend perubahan tutupan lahan di Kab.
Kendal terbagi menjadi dua yaitu bertambah dan Untuk jenis tutupan lahan yang selalu bertambah dalam kurun waktu 15 tahun .
9 Ae 2.
adalah Kawasan terbangun, tanah terbuka dan sawah.
Sementara untuk jenis tutupan lahan yang selalu berkurang dalam kurun waktu 15 tahun .
9 Ae 2.
adalah Badan air, tambak.
Sawah dan vegetasi.
Pada jenis tutupan lahan Badan air yang menyusut cukup signifikan dalam rentang waktu 15 tahun .
9 Ae 2.
dari 2397,24 Ha .
,37 %) menjadi 478, 91 Ha .
,47 %).
Tambak mengalami penurunan dalam rentang waktu 15 tahun .
9 Ae 2.
804,38 Ha .
,75%) 183, 49 Ha .
,13%).
Sawah mengalami penurunan dalam rentang waktu 15 tahun .
9 Ae 2.
126,30 Ha .
,79%) menjadi 27.
243,90 Ha .
,93%).
Vegetasi mengalami penurunan dalam rentang waktu 15 tahun .
9 Ae 2.
208,20
Ha .
,52%) menjadi 57.
098,00 Ha .
,43%).
Jenis tutupan lahan Kawasan terbangun mengalami kenaikan yang cukup signifikan dalam rentang waktu 15 tahun .
9 Ae 2.
Akbar Indonesian Journal of Spatial Planning.
Vol 6.
No 2.
Tahun 2025, 43 Ae 49 777,02 Ha .
,74 %) menjadi 7.
192,51 Ha .
,11 %).
Tanah terbuka mengalami kenaikan yang cukup signifikan dalam rentang waktu 15 tahun .
9 Ae 2.
dari 183,64 Ha .
,18 %) 226,35 Ha .
,21 %).
Rumput mengalami kenaikan yang cukup signifikan dalam rentang waktu 15 tahun .
9 Ae 2.
679,15 Ha .
,65 %) menjadi 3.
755,25 Ha .
,71 %).
Tabel 3.
Analisis Perubahan Tutupan Lahan Kab.
Kendal Periode Tahun 2009 - 2024 Perubaha n Tutupan Lahan Luas Tutupan Lahan (H.
Tutupan Lahan
2397,24
1757,80
1118,36
478,91
Berkurang Kawasan Terbangu
Tambak
2777,02
4248,85
5720,68
7192,51
Bertumbu 4804,38 4597,42 4390,45 4183,49 Berkurang Sawah
183,64
878,78
1226,35
Berkurang 2679,15 3037,85 3396,55 3755,25 Berkurang Badan Air Tanah Terbuka Vegetasi Rumput Bertamba Bertamba Sumber : hasil analisis, 2024 Uji Akurasi Uji akurasi yang menggunakan Confusion Matrix pada Google Earth menghasilkan akurasi tutupan lahan tahun 2007 dengan nilai OA 0.
dan kappa 0.
tahun 2012 dengan nilai OA 88 dan Kappa 0.
tahun 2017 memiliki nilai OA 0.
90 dan Kappa 0.
88 dan tahun 2022 memiliki nilai OA 0.
91 dan Kappa 0.
Tingkat menggunakan nilai OA dan Kappa.
Tingkat keakuratan interpretasi citra yang dapat diterima adalah apabila lebih dari 85% (Lillesand & Keifer, 2.
Dengan nilai tersebut maka hasil klasifikasi tutupan lahan menggunakan Random Forest pada google Earth Engine menghasilkan peta dengan akurasi tinggi dan dapat digunakan untuk analisis lebih lanjut.
Hasil penelitian ini sejalan dengan penelitian Siska et al.
, .
yang menyatakan bahwa penggunaan Random Forest pada Google earth engine dalam identifikasi tutupan lahan dapat menghasilkan peta dengan akurasi tinggi dengan OA mencapai lebih dari 85%.
SIMPULAN
Terdapat perubahan tutupan lahan di Kab.
Kendal akibat adanya proses urbanisasi dan industrialisasi.
Analisis identifikasi tutupan lahan yang dilakukan pada tahun 2007, 2012, 2017 dan 2022 ditemukan bahwa terdapat perubahan pada jenis tutupan lahan sebagai berikut badan air, kawasan terbangun, tambak.
Rumput, tanah terbuka, vegetasi dan sawah.
Luas Perubahan tutupan lahan terbanyak terjadi pada jenis tutupan lahan seperti Kawasan terbangun dan Vegetasi.
Kawasan terbangun mengakibatkan alih fungsi lahan dari Kawasan non terbangun.
Sementara itu jenis tutupan lahan vegetasi paling banyak berkurang atau Kawasan Penggunaan sistem computer berbasis cloud Google Earth Engine menggunakan metode Random Forest sangat bermanfaat dan efisien digunakan dalam kaitannya analisis secara spasial dan temporal.
Terlihat dari nilai uji akurasi yang berada diatas > 85 %.
REFERENSI