Land Cover and Land Surface Temperature Dynamics in West Kotawaringin (2005-2025) Based on Remote Sensing and Random Forest Classification
DOI:
https://doi.org/10.32734/jsi.v9i02.25534Keywords:
Climate Change, Land Cover, Land Surface Temperature, Remote Sensing, West KotawaringinAbstract
Land cover changes can influence surface temperatures and environmental conditions; therefore, spatial and temporal monitoring is crucial for regional management and climate-change mitigation. This study analyzes land-cover and Land Surface Temperature (LST) dynamics in West Kotawaringin Regency in 2005, 2015, and 2025 using Google Earth Engine, Landsat 7, Landsat 8, and Landsat 9 imagery, Random Forest classification, accuracy assessment, and LST extraction. Forest area decreased by 228,930 ha, from 598,649 ha (63.37%) in 2005 to 369,719 ha (39.14%) in 2025, while agricultural land increased by 172,131 ha, from 207,659 ha (21.98%) to 379,790 ha (40.20%). The classification yielded an Overall Accuracy of 0.93 and Kappa coefficients of 0.89-0.90. Mean LST increased from 19.50°C to 22.31°C in forest areas and from 24.58°C to 26.20°C in settlements. The spatial pattern consistently shows lower mean LST in forested areas than in built-up and other non-forest surfaces. Scientifically, the study integrates multi-temporal land-cover and LST analysis at the regency scale to support spatial planning, environmental management, and climate-change mitigation.
Downloads
References
[1] F. Setiawan, “Analisis Perubahan Tutupan Lahan Kabupaten Bangka Selatan Tahun 2015-2020,” vol. 5, hlm. 209–213, Des 2021.
[2] Y. Christian, C. Asdak, dan D. R. Kendarto, “Analisis Perubahan Penggunaan Lahan di Kabupaten Bandung Barat,” Jurnal Teknotan, vol. 15, no. 1, hlm. 15, Agu 2021, doi: 10.24198/jt.vol15n1.3.
[3] M. Ridwan dan J. Sarjito, “Studi Kajian Dampak Perubahan Tutupan Lahan terhadap Kejadian Banjir di Daerah Aliran Sungai,” ENVIRO: Journal of Tropical Environmental Research, vol. 26, no. 1, hlm. 38, Sep 2024, doi: 10.20961/enviro.v26i1.93145.
[4] P. C. Latue dan H. Rakuasa, “Analisis Spaisal Perubahan Tutupan Lahan di DAS Wae Batugantong, Kota Ambon,” Jurnal Tanah dan Sumberdaya Lahan, vol. 10, no. 1, hlm. 149–155, Jan 2023, doi: 10.21776/ub.jtsl.2023.010.1.17.
[5] I. K. Y. D. Putra, M. D. M. Manessa, dan A. Wibowo, “Analisis Spatio-Temporal Perubahan Tutupan Lahan dan Kaitannya Dengan Temperatur Permukaan Lahan Di Desa Ciputri Periode 2005-2035,” Jurnal Tanah dan Sumberdaya Lahan, vol. 12, no. 2, hlm. 379–393, Jul 2025, doi: 10.21776/ub.jtsl.2025.012.2.16.
[6] M. K. Felsiana, K. Subagiada, dan Supriyanto, “Analisis Pengaruh Perubahan Tutupan Lahan Terhadap Suhu Permukaan Tanah Di Kota Samarinda,” Jurnal Geosains Kutai Basin, vol. 6, no. 1, hlm. 2023, 2023.
[7] N. F. Mulyana, F. Usman, dan A. W. Hasyim, “Pengaruh perubahan tutupan lahan terhadap perubahan suhu permukaan di kawasan perkotaan karawang,” Planning for Urban Region and Environment Journal (PURE), vol. 12, no. 1, hlm. 77–84, 2023, doi: doi.org/10.31219/osf.io/8ex74_v1.
[8] B. Iskandar, N. Hanafi, dan R. Anshari, “Kajian Pemantauan Perubahan Penutupan Lahan Berbasis Penginderaan Jauh Di Kotawaringin Barat,” Jurnal Belantara, vol. 5, no. 2, Agu 2022, doi: 10.29303/jbl.v5i2.866.
[9] D. Waluya dkk., “Analisis kerapatan vegetasi dan suhu permukaan berbasis data penginderaan jauh,” Seminar Nasional Geomatika VII 2024, 2025, doi: https://doi.org/10.5281/zenodo.14551967.
[10] B. Iskandar dan N. Hanafi, “Algoritma machine learning deteksi deforestasi hutan hujan tropis di kabupaten kotawaringin barat,” Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA), vol. 4, no. 2, hlm. 194–201, 2022.
[11] E. I. Purnawan, H. Chotimah, H. R. Effendi, A. Delmi, dan R. Jemi, “Evaluasi Program Dalkarhutla Untuk Menekan Kebakaran Hutan dan Lahan di DI UPT KPHP Kotawaringin Barat,” Jurnal Hutan Tropis, vol. 13, no. 1, hlm. 63–73, 2025, doi: doi.org/10.20527/jht.v13i1.22180.
[12] R. Anshari, A. Jauhari, dan M. Mufidah, “Menganalisis Tutupan Lahan dan Urban Heat Index (UHI) Yang Ada di Kota Pangkalan Bun,” Jurnal Hutan Tropis, vol. 12, no. 3, hlm. 327–335, 2024, doi: http://dx.doi.org/10.20527/jht.v12i3.20550.
[13] G. A. Hanindito, “Pengolahan Citra Satelit dalam Deteksi Alih Fungsi Hutan Pada Daerah Aliran Sungai Arut Kabupaten Kotawaringin Barat Provinsi Kalimantan Tengah Berbasis Sistem Informasi Geografis,” Feb 2019.
[14] D. Marlina, “Klasifikasi Tutupan Lahan pada Citra Sentinel-2 Kabupaten Kuningan dengan NDVI dan Algoritme Random Forest,” STRING (Satuan Tulisan Riset Dan Inovasi Teknologi), vol. 7, no. 1, hlm. 41–49, 2022, doi: http://dx.doi.org/10.30998/string.v7i1.12948.
[15] N. Febriani, S. Yunidar, R. A. Hidayat, G. Amor, dan P. Indrayani, “Klasifikasi Citra Satelit dengan Metode Random Forest Untuk Observasi Dinamika Landskap Ekosistem Kabupaten Sijunjung,” EL-JUGHRAFIYAH, vol. 2, no. 2, hlm. 75–81, 2022.
[16] A. A. Purboyo, A. Kurniawan, dan L. Muta’ali, “Identifikasi Tutupan Lahan Menggunakan Support Vector Machine di Kawasan Perkotaan Cekungan Bandung,” Jurnal Komtika (Komputasi dan Informatika), vol. 8, no. 1, hlm. 54–64, Mei 2024, doi: 10.31603/komtika.v8i1.11140.
[17] M. D. A. As dkk., “Perbandingan Hasil Klasifikasi Tutupan Lahan dan Penggunaan Lahan Menggunakan Citra Satelit Landsat, Sentinel, dan Pleiades,” Jurnal Pendidikan Geografi Undiksha, vol. 13, no. 1, hlm. 60–67, Apr 2025, doi: 10.23887/jjpg.v13i1.83872.
[18] D. P. D. Putri, “Analisis Variasi Suhu Permukaan Tanah dan Gas Nitrogen Dioksida di Masa Pandemi Covid–19 (Studi Kasus: Kota Semarang),” Jurnal Ilmiah Geomatika, vol. 1, no. 1, 2021.
[19] N. Fahwari, I. Yanuarsyah, dan S. Hudjimartsu, “Hubungan Suhu Permukaan Tanah Dengan Zona Rawan Longsor Menggunakan Land Surface Temperature,” dalam Seminar Nasional Teknologi Informasi, 2019, hlm. 366–371.
[20] R. Limehuwey dkk., “Analisis Hubungan Suhu Permukaan Tanah, Tutupan Lahan Dan Indeks Kerapatan Vegetasi Menggunakan Data Citra Landsat 8 Di Kota Ambon,” Jurnal Penelitian Geografi (GeoJPG), vol. 4, hlm. 57–69, 2025, doi: 10.37905/geojpg.v3i2.31418.
[21] R. Amalia, A. H. Dharmawan, L. B. Prasetyo, dan P. Pacheco, “Perubahan Tutupan Lahan Akibat Ekspansi Perkebunan Kelapa Sawit: Dampak Sosial, Ekonomi dan Ekologi,” Jurnal Ilmu Lingkungan, vol. 17, no. 1, hlm. 130, Mei 2019, doi: 10.14710/jil.17.1.130-139.
[22] D. T. Wibawa, A. Fithria, dan K. Nisa, “Perubahan Penutupan Lahan di DAS Tabunio Kabupaten Tanah Laut, Kalimantan Selatan,” Jurnal Sylva Scienteae, vol. 04, Feb 2021.
[23] Diharyo dan A. imam Santoso, “Perubahan Lahan dan Erosi Tanah akibat Ekspansi Perkebunan Kelapa Sawit: kajian Lingkungan di Kalimantan Tengah,” 2024.
[24] P. C. Latue, J. S. I. Septory, dan H. Rakuasa, “Perubahan Tutupan Lahan Kota Ambon Tahun 2015, 2019 dan 2023,” JPG (Jurnal Pendidikan Geografi), vol. 10, no. 1, Mar 2023, doi: 10.20527/jpg.v10i1.15472.
[25] T. R. Fariz, F. Daeni, dan H. Sultan, “Pemetaan Perubahan Penutup Lahan Di Sub-DAS Kreo Menggunakan Machine Learning Pada Google Earth Engine,” Jurnal Sumberdaya Alam dan Lingkungan, vol. 8, no. 2, hlm. 85–92, Agu 2021, doi: 10.21776/ub.jsal.2021.008.02.4.
[26] S. Aldiansyah dan R. A. Saputra, “Comparisom of Machine Learning Algorithmsfor Land Use and Land Cover Analysis Using Google Earth Engine (Case Study: Wanggu Watershed),” 2022.
[27] H. Rakuasa dan S. Pertuack, “Pola Perubahan Suhu Permukaan Daratan di Kecamatan Ternate Tengah, Kota Ternate Tahun 2013 dan 2023 Menggunakan Google Earth Engine,” sudo Jurnal Teknik Informatika, vol. 2, no. 2, hlm. 78–85, Jun 2023, doi: 10.56211/sudo.v2i2.271.
[28] R. Safitri, M. Vonnisa, dan M. Marzuki, “Analisis Dampak Perubahan Tutupan Lahan di Kalimantan Terhadap Temperatur Permukaan,” Jurnal Fisika Unand, vol. 11, no. 2, hlm. 173–179, Apr 2022, doi: 10.25077/jfu.11.2.173-179.2022.
[29] X. Li, Y. Li, S. Di, Y. Niu, dan C. Zhang, “Evapotranspiration and land surface temperature of typical urban green spaces in a semi-humid region: Implications for green management,” Front. Environ. Sci., vol. 10, Agu 2022, doi: 10.3389/fenvs.2022.977084.
[30] Z. D. Calhoun, F. Willard, C. Ge, C. Rodriguez, M. Bergin, dan D. Carlson, “Estimating the effects of vegetation and increased albedo on the urban heat island effect with spatial causal inference,” Sci. Rep., vol. 14, no. 1, Des 2024, doi: 10.1038/s41598-023-50981-w.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Nazla Paradisa, Beni Iskandar, Sari Marlina, Ahmad Jauhari
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
