Indikasi Sebaran Kebun Kopi di Jawa Barat Menggunakan Pendekatan Klasifikasi Machine Learning

Abstract

Penggunaan big data dan machine learning adalah bagian dari apa yang dikenal dengan Agriculture 4.0 yang mana akan dicapai melalui pengumpulan, pemrosesan, dan analisis data spatio-temporal secara real-time pada semua aspek industri pertanian. Kontribusi perkebunan kopi terhadap perekonomian nasional semakin meningkat pesat. Salah satu cara untuk mendukung terciptanya lingkungan investasi yang kondusif adalah dengan penyediaan data dan informasi yang berkualitas sebagai acuan kebijakan dan pengambilan keputusan. Kopi adalah tanaman yang tumbuh di bawah naungan pohon lain. Tantangan besar dalam pemetaan kebun kopi adalah pemisahan kelas hutan dari kopi. Kesamaan spektral antara sistem kopi dan hutan bahwa pemrosesan citra alternatif dan teknik klasifikasi diperlukan untuk meningkatkan akurasi secara keseluruhan. Google Earth Engine digunakan sebagai platform untuk mendapatkan kumpulan data indeks vegetasi dan non-vegetasi berbasis Sentinel-2A dan dilanjutkan dengan model klasifikasi. Algoritma Random Forests, CART, dan SVM, serta teknik ensemble Max, Med, dan Min digunakan untuk klasifikasi kebun kopi. CART memiliki akurasi validasi tertinggi dengan overall accuracy 0,88; user’s accuracy 0,81; producer’s accuracy 0,84; koefisien Kappa 0,73; TSS 0,74; overprediction rate 0,19; dan underprediction 0,15. Total luas perkebunan kopi yang diklasifikasi menggunakan algoritma CART di Provinsi Jawa Barat adalah sebesar 53.284 ha. Lima kabupaten/kota teratas yang memiliki wilayah perkebunan kopi terluas di Jawa Barat adalah Garut (10.537 ha), Cianjur (10.015 ha), Sukabumi (7090 ha), Bandung (6576 ha), dan Tasikmalaya (4512 ha).

The use of big data and machine learning is part of Agriculture 4.0 which will be achieved through the collection, processing and analysis of real-time spatio-temporal data on all aspects of the agricultural industry. The contribution of coffee plantations to the national economy is increasing rapidly. One way to support a conducive investment environment is the provision of quality data and information as references for policy and decision-making. Coffee is planted in the shade of a tree. The big challenge in mapping coffee plantations is the separation of forest classes from coffee. Spectral similarities between coffee and forest systems suggest that alternative image processing and classification techniques might be needed to improve the overall classification. Google Earth Engine is used as a platform to obtain a Sentinel-2A-based vegetation and non-vegetation indices dataset and continue with the classification model. Random Forest, CART, SVM algorithms and Max, Med, and Min ensemble techniques are used to classify coffee plantations. CART has the highest validation accuracy with overall accuracy 0,88; user's accuracy 0,81; producer's accuracy 0,84; Kappa coefficient 0,73; TSS 0,74; overprediction rate 0,19; and underprediction 0,15. As result, the indication of the total coffee plantation area in West Java Province is 53.284 ha. The top 5 districts have the largest coffee plantation area as follows Garut (10.537 ha), Cianjur (10.015 ha), Sukabumi (7090 ha), Bandung (6576 ha), and Tasikmalaya (4512 ha).