Teknologi penginderaan jauh saat ini telah menghasilkan berbagai pemanfaatan, salah satunya adalah
klasifikasi tutupan lahan. Teknik ini efektif dalam pemantauan tutupan lahan karena kemampuannya
dalam menyediakan informasi spasial di permukaan bumi dengan cepat, luas, tepat dan mudah. Indeks
vegetasi yang diperoleh berbasis penginderaan jauh merupakan metode yang cukup sederhana dan
efektif untuk evaluasi kuantitatif dan kualitatif tutupan, kekuatan, dan dinamika pertumbuhan vegetasi.
Indeks vegetasi menggunakan pantulan dari vegetasi yang umum digunakan untuk mengevaluasi
kualitas vegetasi adalah normalized difference vegetation index (NDVI). Analisis klasifikasi tutupan
lahan dilakukan dengan NDVI dan algoritme random forest. Algoritme random forest merupakan
salah satu algoritme machine learning supervised yang dapat digunakan dalam mengklasifikasikan
piksel pada kelas-kelas klasifikasi penutupan lahan. Penelitian ini bertujuan untuk mengklasifikasikan
penutupan lahan citra satelit sentinel-2A dengan menggunakan metode NDVI dan algoritme random
forest. Hasil dari penelitian ini bahwa nilai NDVI dihasikan adalah -03 – 0,91 dan akurasi algoritme
random forest 91,39%, dan kappa 0,88, dengan demikian dapat dikatakan bahwa algoritme random
forest efektif untuk melakukan klasifikasi tutupan lahan dengan menggunakan citra satelit Sentinel-2.