Dalam upaya mewujudkan salah satu tujuan dari program Sustainable Development Goals (SDGs) tujuan 11 tentang Kota dan Pemukiman yang Berkelanjutan, pengendalian intensitas lahan terbangun perkotaan di Indonesia sangat perlu diperhatikan. Salah satu upaya pemantauan kondisi perubahan lahan terbangun yang mudah, cepat, murah dan efisien adalah menggunakan hasil pengolahan data penginderaan jauh. Perkembangan teknologi di bidang penginderaan jauh saat ini mengarah ke pengolahan berbasis Big Data dan cloud computing salah satunya adalah GEE (Google Earth Engine).Dalam penelitian ini, akan dilakukan model pemantauan lahan terbangun dari data Citra Satelit Sentinel 2A SR resolusi 10 meter multi temporal menggunakan Google Earth Engine. Identifikasi lahan terbangun dilakukan dengan metode klasifikasi terbimbing Machine Learning Random Forest serta kombinasi algoritma Indeks Spektral yang terdiri dari kombinasi algoritma Urban Index (UI), Normalized Difference Vegetation Index (NDVI), dan Modified Normalized Difference Water Index (MNDWI). Proses segmentasi objek pada hasil kombinasi indeks spektral dilakukan menggunakan metode Otsu thresholding. Hasil penelitian menunjukkan bahwa lahan terbangun dari hasil identifikasi menggunakan algoritma Random Forest dan algoritma kombinasi indeks spektral pada tahun 2019 ke 2023 mengalami peningkatan luasan lahan, yang mana ditunjukkan dalam peta lahan terbangun tahun 2019-2023. Uji akurasi menggunakan matriks konfusi menunjukkan bahwa hasil identifikasi menggunakan kombinasi indeks spektral mendapatkan nilai OA dan Kappa yang termasuk dalam kategori sedang hingga tinggi yaitu 98,69 % dan 0,969. Sehingga metode tersebut selanjutnya dapat terus digunakan untuk memantau pola perkembangan lahan terbangun di Kota Surakarta.