Identifikasi Tanaman Kopi di Provinsi Jawa Timur Berbasis Metode Machine Learning CART dengan Citra Satelit Sentinel-2 dan Landsat-8

Abstract

Indonesia merupakan negara agraris dimana sektor pertanian dan perkebunan berperan besar dalam kontribusi perekonomian nasional, salah satunya adalah kopi. Berdasarkan data Badan Pusat Statistik (BPS) nasional, provinsi dalam angka, maupun kabupaten/kota dalam angka, ketiganya memiliki jumlah luasan tanaman kopi yang berbeda. Hal tersebut dapat terjadi dikarenakan pendataan yang masih dilakukan secara subjektif. Penelitian ini dilakukan untuk mengidentifikasi tanaman kopi secara objektif, cepat, dan murah dengan menggunakan penginderaan jauh. Proses identifikasi yang dilakukan berbasis metode machine learning Classification and Regression Tree (CART) dengan citra satelit Sentinel-2 dan Landsat-8 dengan menganalisis predictors yang dapat digunakan dan memetakan persebaran perkebunan kopi menggunakan Google Earth Engine (GEE). Hasil penelitian menunjukkan predictors penting dalam proses identifikasi tanaman kopi adalah Normalized Difference Vegetation Index (NDVI), Forest Canopy Dencity (FCD), dan elevasi. Total luasan tanaman kopi yang didapat dengan menggunakan citra satelit Sentinel-2 menunjukkan overestimated 148%, sedangkan dengan menggunakan citra satelit Landsat-8 menunjukkan overestimated 1%. Akurasi yang didapat sebesar 60% untuk Sentinel-2 dan 40% untuk Landsat-8. Hasil akurasi masih rendah dikarenakan data sampling kurang mewakili data keseluruhan.