Model Klasifikasi Fase Pertumbuhan Tebu dari Citra Sentinel 1 Multi-temporal Menggunakan Algoritma Random Forest

Abstract

Daerah Istimewa Yogyakarta yang telah ditetapkan sebagai kawasan sentra tebu memerlukan perlakuan khusus dalam upaya ekstensifikasi yang memerlukan informasi spasial usaha tani tebu. Pemantauan lahan tebu dilakukan untuk mendapatkan informasi fase pertumbuhan tebu dan sebarannya untuk strategi ekstensifikasi pertanian. Oleh karena itu perlu dilakukan klasifikasi citra menggunakan algoritma random forest yang reliable untuk mengklasifikasikan fase pertumbuhan tebu pada citra Sentinel 1 multi-temporal. Peta kalender tanam tebu dibuat dari hasil klasifikasi citra yang telah dilakukan dan menguji tingkat akurasi untuk evaluasi. Klasifikasi dilakukan dengan setiap citra pada setiap bulan yang terekam sepanjang tahun 2020. Data citra yang digunakan sebanyak 9690 sampel piksel yang terdiri atas 6 kelas klasifikasi yaitu bangunan, vegetasi, badan air, sawah, tebu kelas fase 1, dan kelas fase tebu 2. Hasil uji model klasifikasi menunjukkan bahwa Citra Sentinel 1 yang terdiri atas 13 citra memiliki akurasi model rata-rata yaitu 65.38%. Hasil klasifikasi citra yang memiliki tingkat akurasi keseluruhan tertinggi senilai 73.33% dengan nilai RMSE 2.05 terjadi pada bulan Oktober.