Klasifikasi Citra Sentinel-1A untuk Identifikasi Tanaman Bawang Putih Menggunakan Algoritme Pohon Keputusan di Sembalun Lombok Timur.

Abstract

Bawang putih (Allium sativum) merupakan salah satu komoditas penting dalam subsektor hortikultura di Indonesia yang memiliki banyak manfaat. Kebutuhan akan konsumsi bawang putih pun cenderung mengalami peningkatan tetapi, tidak diikuti dengan peningkatan jumlah produksi bawang putih dalam negeri. Saat ini, Kementrian Pertanian (Kementan) menargetkan swasembada bawang putih di tahun 2030 dengan meningkatkan lahan perkebunan di Kecamatan Sembalun, Lombok Timur yang merupakan kawasan sentra bawang putih. Oleh karena itu, pemetaan kawasan potensial untuk penanaman bawang putih perlu dilakukan, salah satunya dengan menerapkan teknologi penginderaan jauh. Penelitian ini bertujuan untuk mengidentifikasi lahan tanaman bawang putih dan yang bukan lahan tanaman bawang putih di Sembalun. Data yang digunakan adalah Citra Sentinel-1A. Algoritme Decision tree C5.0 digunakan untuk mengklasifikasikan citra Sentinel-1A. Model klasifikasi yang dihasilkan memiliki akurasi terbaik yang berkisar antara 76-78% dan nilai koefisien kappa 0.44 hingga 0.56. Atribut Sentinel-1A (SAR) yang berpengaruh terhadap klasifikasi citra ini adalah atribut dengan kombinasi band (VV+VH)/2 diikuti dengan atribut band VV.