GEE LULC Aceh Besar

Project klasifikasi tutupan lahan (Land Use Land Cover / LULC) di wilayah Aceh Besar menggunakan Google Earth Engine, Landsat 8, dan metode Random Forest.

Project Overview

Project ini dibuat untuk mengolah citra satelit dan mengklasifikasikan tutupan lahan menjadi beberapa kelas utama di wilayah Aceh Besar. Workflow dilakukan pada platform Google Earth Engine dengan tahapan filtering citra, cloud masking, komposit citra, penyusunan training data, dan klasifikasi berbasis machine learning.

Tools & Methods

• Google Earth Engine
• JavaScript
• Landsat 8 Surface Reflectance
• Random Forest Classification
• Cloud Masking
• AOI-based Filtering

Study Area

Wilayah studi: Aceh Besar, Aceh, Indonesia

Workflow

1. Menentukan batas wilayah studi (AOI) Aceh Besar
2. Memfilter citra Landsat 8 berdasarkan area, tanggal, dan cloud cover
3. Melakukan cloud masking dan image composite
4. Menyusun data training untuk kelas tutupan lahan
5. Menjalankan klasifikasi Random Forest
6. Menampilkan hasil klasifikasi LULC

Land Cover Classes

• 0 = Vegetasi
• 1 = Badan Air
• 2 = Area Terbangun
• 3 = Lahan Terbuka

Script Description

• 01_AOI_Aceh_Besar.js
  Menentukan area of interest (AOI) Aceh Besar dan menyiapkannya sebagai asset.

• 03_Landsat8_Filtering.js
  Melakukan filtering citra Landsat 8 berdasarkan batas wilayah, tanggal, dan tutupan awan.

• 04_CloudMask_Composite_L8.js
  Melakukan cloud masking dan membuat komposit citra untuk analisis.

• 05_Kelas_LULC_TrainingData.js
  Menyiapkan data training untuk proses klasifikasi tutupan lahan.

• 06_07_08_LULC_RF_Aceh_Besar.js
  Menjalankan klasifikasi LULC menggunakan algoritma Random Forest.

Output

Output utama dari project ini:

• peta klasifikasi tutupan lahan Aceh Besar
• layer hasil klasifikasi pada Google Earth Engine
• workflow pengolahan citra yang dapat direplikasi

How to Use

1. Buka Google Earth Engine Code Editor
2. Salin script dari repository ini
3. Jalankan script secara berurutan
4. Pastikan asset AOI dan data training tersedia sebelum proses klasifikasi akhir

Project Value

Project ini menunjukkan kemampuan dalam:

• pengolahan citra satelit
• analisis spasial
• klasifikasi supervised
• penggunaan Google Earth Engine untuk remote sensing
• penyusunan workflow geospasial berbasis cloud

Author

M. Dedy Lesmana

GitHub: https://github.com/dedylesmana