Identifikasi Aktivitas Pertambangan menggunakan Teknologi Cloud Computing Google Earth Engine di Taman Nasional Lore Lindu = Identification of Mining Activities Using Google Earth Engine Cloud Computing Technology in Lore Lindu National Park

Taman Nasional Lore Lindu (TN Lore Lindu) merupakan taman nasional di Indonesia yang terletak di Provinsi Sulawesi Tengah dan menjadi salah satu lokasi perlindungan hayati di Pulau Sulawesi dengan luas 214.984 Ha. Pada tahun 2016 perambahan hutan yang terjadi di TN Lore Lindu dengan mengambil hasil hutan dan pembukaan lahan hutan untuk perkebunan berkembang menjadi pembukaan hutan untuk pertambangan emas ilegal (PETI). Hal tersebut menjadi bahan pertimbangan bahwa tidak menutup kemungkinan adanya beberapa titik potensi bahkan aktivitas PETI yang lain di dalam Kawasan TN Lore Lindu yang belum diketahui karena terbatasnya biaya dan tenaga untuk melakukan identifikasi secara menyeluruh. Kehadiran teknologi penginderaan menggunakan platform Google Earth Engine (GEE) yang berbasis cloud computing yang menyediakan data penginderaan jauh dalam jumlah yang besar diharapkan bisa lebih efektif dan efisien untuk mengidentifikasi sebaran lokasi PETI dalam kawasan TN Lore Lindu. Analisis dilakukan dengan mengintegrasikan data citra Sentinel-1 dan Sentinel-2 melalui penghitungan beberapa indeks spektral dan radar, yaitu NDVI, Mean NDVI, BSI, NDBI, SWIR11, SWIR12, dan perubahan nilai backscatter (VV Change). Model klasifikasi dibangun menggunakan algoritma Random Forest dan menunjukkan performa yang tinggi, dengan akurasi keseluruhan sebesar 91,89%. Untuk menghindari bias dari distribusi kelas yang tidak seimbang, evaluasi juga dilakukan dengan koefisien Kappa dengan hasil sebesar 0,68 yang termasuk dalam kategori “baik” (substantial agreement). Hal ini menunjukkan bahwa model tidak hanya akurat, tetapi juga andal dalam membedakan area tambang dan non-tambang, serta mampu meminimalkan kesesuaian prediksi yang bersifat kebetulan. Secara spasial, wilayah tambang ditandai dengan nilai NDVI dan Mean NDVI yang rendah; nilai NDBI, BSI, dan SWIR yang tinggi; serta perubahan signifikan pada nilai VV radar. Hal ini mencerminkan berkurangnya tutupan vegetasi dan perubahan struktur permukaan akibat aktivitas tambang. Penelitian ini memberikan kontribusi metodologis dalam pemetaan spasial berbasis penginderaan jauh, serta relevan untuk diterapkan pada kawasan konservasi lainnya yang memiliki keterbatasan akses lapangan.