Nugroho, Agung Bayu and Dr. Ir. Abdul Wahid Hasyim,, MSP and Dr. Eng. Fadly Usman,, ST., MT (2018) Model Pertumbuhan Kota Malang Menggunakan Artificial Neural Network Berbasis Citra Satelit Multitemporal. Magister thesis, Universitas Brawijaya.
Abstract
Pada penelitian ini, prediksi pertumbuhan kota disimulasikan dengan menggunakan model Artificial Neural Network (ANN) menggunakan MOLUSCE yang merupakan plugin dari QGIS. Tujuan dari penelitian ini yaitu untuk mengetahui pertumbuhan di Kota Malang dalam rentang waktu 24 tahun dan juga memprediksi pertumbuhan kota dengan model ANN pada tahun 2027. Tutupan lahan didapatkan dari data penginderaan jauh yang didapat dari citra Landsat ETM+ dan OLI secara berturut-turut. Secara keseluruhan hasil klasifikasi dan koefisient dari keseluruhan peta hasil klasifikasi memiliki nilai lebih dari 85% dan kappa 0.76. Berdasarkan hasil simulasi, sebanyak 1049.58 ha dari kategori tutupan lahan vegetasi dan 241.29 dari lahan terbuka mengalami transisi menjadi lahan terbangun pada tahun 2027. Lahan terbangun mengalami peningkatan sebesar 11.79% dari 2015 hingga 2027. Pada tahun 2027. Lahan terbangun akan memenuhi wilayah kota hingga sebesar 73.21% dari keseluruhan wilayah kota. Keadaan ini menunjukkan adanya tren peningkatan lahan terbangun dari tahun 2003 hingga 2027 yang merupakan hasil simulasi. Secara keseluruhan, penelitian ini menunjukkan bahwa model pertumbuhan kota menggunakan ANN dapat dijadikan sebuah opsi pertimbangan untuk perubahan-perubahan di masa mendatang berdasarkan faktor-faktor terdahulu dan sekarang.
English Abstract
In this study, the prediction of urban growth was simulated by Artificial Neural Network (ANN) model using MOLUSCE, plugin of QGIS. Objectives of this study is to illustrate the urban growth in Malang City over time span of 24 years and also to predict the future of urban growth using ANN model for the year 2027. Land cover maps were extracted for 2003, 2009 and 2015 via remote sensing images from Landsat ETM+ and OLI, respectively. The overall classification accuracy and kappa coefficient for all classified maps were over 85% and 0.76, respectively. According to the simulation result, 1049.58 ha of vegetation and 241.29 ha of bare land in 2015 would experience a transition to built-up areas in 2027. Then, the built-up areas would experience an increase by 11.79% from 2015 to 2027. In 2027, the built up areas would covered the city by 73.21% of the city area. There was a trend in increasing of built-up areas during the period 2003 to 2027. Overall, the result shows that urban growth models by using ANN model can be a considerable option for future changes according to past and current factors.
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/621.367 8/2018/041900751 |
| Uncontrolled Keywords: | pertumbuhan kota, artificial neural network, tutupan lahan, lahan terbangun, MOLUSCE,urban growth, artificial neural network, land cover, built-up areas, MOLUSCE |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.36 Optical engineering > 621.367 Technological photography and photo-optics > 621.367 8 Remote sensing technology |
| Divisions: | S2/S3 > Magister Teknik Sipil, Fakultas Teknik |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 07 Oct 2022 02:51 |
| Last Modified: | 07 Oct 2022 02:51 |
| URI: | http://repository.ub.ac.id/id/eprint/195421 |
![[thumbnail of Agung Bayu Nugroho.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Agung Bayu Nugroho.pdf Download (8MB) |
Actions (login required)
 |
View Item |