Identifikasi Tanaman Kopi di Provinsi Sumatera Utara Berbasis Metode Machine Learning Naïve Bayes dan CART dengan Citra Satelit Landsat-8
Abstract
Kopi adalah salah satu komoditas perkebunan yang memegang peranan
cukup penting dalam perekonomian Indonesia yang berkontribusi pada kinerja
perdagangan dan peningkatan nilai tambah. Mengacu dengan data Badan Pusat
Statistika (BPS), data luas kopi masih terdapat perbedaan antara data BPS Provinsi
dengan Kabupaten. Sehingga dilakukan identifikasi dan pemetaan tanaman kopi
dengan menggunakan metode yang lebih objektif seperti remote sensing dengan
citra satelit yang tersedia di platform Google Earth Engine. Pada penelitian ini
proses identifikasi dilakukan dengan menggunakan machine learning dengan
algoritma naïve bayes dan Classification and Regression Tree (CART) ditambah
pengolahan dari citra satelit dan predictors yang mampu mengidentifikasi
karakteristik kopi. Analisis trial and error menunjukkan predictors utama yang
berkontribusi besar dalam membedakan karakteristik tanaman kopi adalah
Normalized Difference Vegetation Index (NDVI), Forest Canopy Density (FCD)
dan elevasi. Identifikasi tanaman kopi dengan machine learning naïve bayes dan
CART mendapatkan hasil underestimated dan overestimated, masing-masing
metode menghasilkan sebesar 28,9% dan 14% dari data BPS provinsi. Hasil akurasi
untuk tanaman kopi dengan metode naïve bayes untuk akurasi training sebesar 43%
dan validasi sebesar 0% sedangkan metode CART untuk akurasi training sebesar
68,75% dan validasi sebesar 75%.