Klasifikasi Fase Tumbuh Padi dengan Object Based Image Analysis Menggunakan Citra Sentinel-2

Abstract

Pemantauan tanaman padi di Indonesia sebelumnya dilakukan dengan metode pengamatan eye estimate dimana tingkat subjektivitas pengamat sangat tinggi. Sejak tahun 2018 dilakukan penyempurnaan berdasarkan pengamatan objektif dengan metode Kerangka Sampel Area (KSA). Teknik pengambilan data pada KSA dilakukan dengan bantuan citra satelit. Citra satelit gratis Sentinel-2 dapat digunakan untuk memantau pertumbuhan padi secara spasio temporal dan pada wilayah yang lebih luas. Citra Sentinel-2 didesain mendukung pemantauan pertanian. Untuk memantau fase tumbuh padi bisa dilakukan dengan klasifikasi berbasis piksel, tetapi pendekatan ini memiliki keterbatasan munculnya salt and pepper yang mengganggu hasil klasifikasi. Pendekatan klasifikasi Object-Based Image Analysis dapat mengatasi fenomena ini dan lebih baik dalam meniru persepsi manusia terhadap objek. Penelitian ini bertujuan untuk mengidentifikasi fase tumbuh padi pada citra Sentinel-2 dengan pendekatan klasifikasi berbasis objek, membandingkan hasil klasifikasi Support Vector Machine (SVM) dan Random Forest (RF) dalam identifikasi fase tumbuh padi, dan mengetahui sebaran spasio temporal fase tumbuh padi. Citra Sentinel-2 dengan 12 akuisisi bulan Mei-Agustus 2021 dianalisis dengan pendekatan berbasis objek dan fase tumbuh padi diklasifikasi dengan SVM dan RF. Hasil analisis menunjukkan klasifikasi berbasis objek pada citra deret waktu Sentinel-2 dapat menghasilkan sebaran fase tumbuh padi secara konsisten dan berlanjut. Klasifikasi dengan pendekatan SVM menghasilkan akurasi yang lebih baik dibandingkan RF.