EJOURNALUNIGOROEJOURNALUNIGORO

Seminar Nasional Teknik SipilSeminar Nasional Teknik Sipil

Jenis tanaman menunjukkan intensitas penggunaan lahan untuk berbagai jenis tanaman pada suatu areal. Pemetaan jenis tanaman (crop type mapping) bertujuan untuk mengembangkan strategi di masa depan, sehingga system pertanian dapat berkelanjutan. Secara prinsip, berbagai jenis citra satelit dapat digunakan untuk memetakan vairiabitas jenis tanaman (crop type) yang ada pada suatu areal lahan. Pada penelitian ini data Sentinel-2 digunakan sebagai input utama untuk memetakan jenis tanaman. Penelitian dilakukan di wilayah kecamatan Pasrujambe dan Candipuro (± seluas 242,23 km2) di Kabupaten Lumajang. Penelitian ini menggunakan data Sentinel-2 dari tanggal 25 Juni hingga 6 Juli 2023 dengan tutupan awan minimal 10%. Selanjutnya, Data citra diproses menggunakan algoritma machine learning yang ada di platform GEE. Pada kasus ini, digunakan Algoritma random forest. Akurasi dihasilkan dengan menggunakan matriks konfusi dengan akurasi keseluruhan sebesar 85,82% dan nilai kappa sebesar 71,19%. Pemetaan menghasilkan 5 jenis penggunaan/tutupan lahan utama, berupa: paddy (17.31%), tebu (0.93%), vegetasi lain (69.74%), pasir (7.4%) dan lahan terbangun (4.59%). Secara umum, citra sentinel 2 dapat diguanakan untuk pemetaan jenis tanaman. Variabitas tutupan lahan yang sangat tinggi dan ukuran petak sawah yang kecil menjadi kendala dalam proses klasifikasi tanaman yang lebih detail.

Peta jenis tanaman di Kecamatan Pasrujambe dan Kecamatan Candipuro dihasilkan menggunakan pendekatan machine-learning yang disediakan oleh platform komputasi awan Google Earth Engine (GEE).Penelitian ini menggunakan data time series Sentinel-2 yang disediakan dalam jumlah besar dan gratis oleh GEE.Gambar tersebut diproses menggunakan pengklasifikasi hutan acak dan menunjukkan akurasi keseluruhan sekitar 85,82% dan nilai kappa sebesar 71,19%.Namun karena karakteristik klimatologi dan geografis wilayah kajian, identifikasi jenis tanaman di daerah penelitian sulit dilakukan.Daerah penelitian merupakan daerah perbukitan Gunung Semeru dengan curah hujan yang relatif tinggi sehingga citra memiliki tutupan awan.Di sisi lain, kondisi pertanian di daerah penelitian bervariasi dan banyak petani yang menanam tanaman dengan teknik tumpangsari.

Untuk meningkatkan akurasi klasifikasi, penelitian selanjutnya dapat mempertimbangkan penggunaan data training sampel jenis tanaman dari beberapa tahun. Selain itu, penggunaan citra Sentinel-1 dan kombinasi dengan Sentinel-2 dapat menjadi solusi untuk mengatasi tantangan ketersediaan data bebas awan dan bayangan awan. Penelitian ini juga dapat dikembangkan dengan menggunakan algoritma machine learning lainnya, seperti Support Vector Machines (SVM) atau Neural Network (NN), untuk membandingkan akurasi dan efisiensi dalam pemetaan jenis tanaman.

Read online
File size685.53 KB
Pages13
DMCAReport

Related /

ads-block-test