Analisis Spasio-temporal Perubahan Tutupan Lahan Tahun 1990-2025 Menggunakan Metode GIS di Kota Cimahi
Notice bibliographique
Résumé
Abstract. This study aims to analyze the spatio-temporal changes in land cover in Cimahi City for the years 1990, 2000, 2010, 2020, and 2025. Landsat satellite imagery was used as the primary data source and processed using the Google Earth Engine platform with the Maximum Likelihood Classifier algorithm and stratified random sampling technique. The classification results indicate a significant increase in built-up land area, particularly in the central and southern parts of the city, accompanied by a consistent decline in upright vegetation and water bodies. The classification validation produced a kappa value of 0.9143, indicating a very high level of accuracy. These findings illustrate a clear trend of increasing urban development, highlighting the need for spatial planning and sustainable land use control. Abstrak. Penelitian ini bertujuan untuk menganalisis perubahan spasio-temporal tutupan lahan di Kota Cimahi pada tahun 1990, 2000, 2010, 2020, dan 2025. Data citra satelit Landsat digunakan sebagai sumber utama dan diolah melalui platform Google Earth Engine dengan algoritma Maximum Likelihood Classifier dan teknik stratified random sampling. Hasil klasifikasi menunjukkan tren peningkatan luas lahan terbangun secara signifikan, terutama di wilayah tengah dan selatan kota, serta penurunan vegetasi tegak dan badan air. Validasi klasifikasi menghasilkan nilai kappa sebesar 0,9143 yang menandakan akurasi sangat baik. Temuan ini menggambarkan arah perubahan tutupan lahan yang semakin didominasi oleh pembangunan, sehingga menjadi dasar penting dalam perencanaan ruang dan pengendalian alih fungsi lahan yang berkelanjutan.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».