Pembuatan Model Prediksi Lahan Terbangun di Kabupaten Kulon Progo dengan Citra Satelit Penginderaan Jauh
Notice bibliographique
Résumé
Perubahan tutupan lahan terbangun pada kota atau kabupaten menjadi suatu hal umum yang sering terjadi dan terus berkembang di kawasan yang cepat tumbuh. Perkembangan lahan terbangun tersebut dapat diprediksi dengan melakukan pembuatan model prediksi dengan menggunakan teknologi penginderaan jauh dan sistem informasi geografis. Pada kajian ini, dilakukan pemodelan prediksi tutupan lahan di wilayah Kabupaten Kulon Progo pada tahun 2023 dengan menggunakan metode Cellular Automata (CA). Model prediksi tersebut disusun dengan hasil klasifikasi tutupan lahan pada tahun 2017 dan 2020 dengan menggunakan algoritma Support Vector Machine (SVM) dan variabel spasial berupa jangkauan jalan terhadap lahan terbangun. Model prediksi lahan terbangun yang berhasil dimodelkan memiliki pola persebaran dimana kelas daerah bervegetasi banyak mendominasi di Kapanewon Kokap, Girimulyo, Samigaluh, dan Kalibawang. Untuk Kapanewon lain lebih didominasi oleh tutupan lahan pertanian dan lahan terbangun. Berkaitan dengan itu, luasan tutupan lahan untuk masing-masing kelas meliputi lahan terbangun dengan 7.353,84 ha, badan air dengan 440,59 ha, daerah bervegetasi dengan 29.273,71 Ha, lahan pertanian dengan 17.665,76 ha, dan lahan terbuka dengan 2.920,24 ha. Di samping itu, untuk nilai akurasi tutupan lahan terbangun pada model prediksi memiliki nilai producer’s accuracy dan user’s accuracy secara berturut-turut sebesar 89% dan 76%. Adapun secara keseluruhan model prediksi ini mendapatkan nilai overall accuracy dan Indeks Kappa berturut-turut sebesar 81% dan 0,75. Berdasarkan nilai tersebut, model prediksi memiliki nilai akurasi yang cukup baik dan dapat digunakan sebagai salah satu alternatif untuk menjadi acuan dalam melihat potensi perubahan yang terjadi di masa yang akan datang.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».