Pengembangan Algoritma Pembelajaran Mesin untuk Deteksi Kopi Robusta Agroforestri dan Monokultur Berbasis Citra Resolusi Tinggi Studi Kasus: Kabupaten Tanggamus

Abstract

Makalah ini membahas pengembangan algoritma mesin pembelajar untuk mendeteksi agroforestri dan monokultur kopi robusta dengan menggunakan citra beresolusi tinggi. Tujuan utama dari penelitian ini adalah untuk membangun algoritma pendeteksian wanatani dan monokultur kopi robusta berdasarkan citra SPOT-7 dengan menggunakan machine learning. Penelitian ini dilakukan di Kabupaten Tanggamus yang merupakan daerah yang sebagian besar menanam kopi robusta dengan produksi pada tahun 2021 sebesar 775,0 ton dan pada tahun 2022 sebesar 14,7% di Lampung. Sumber data utama yang digunakan adalah citra satelit SPOT-7, titik-titik plot sampel, layer batas kabupaten, batas kecamatan, aliran sungai, jaringan jalan, pusat pemukiman, ketinggian, dan tutupan lahan. Hasil penelitian menunjukkan bahwa algoritma pohon keputusan dapat mendeteksi agroforestri kopi dan kopi monokultur dengan akurasi keseluruhan 97,0% dan akurasi kappa 96,7%.

This paper examines the development of a machine learning algorithm for detecting robusta coffee agroforestry and monoculture using high-resolution images. The main objective of this research was to build a detection algorithm of robusta coffee agroforestry and monoculture based on SPOT-7 images using machine learning. The main data sources used were SPOT-7 satellite images, sample plot points, layers of district boundaries, sub-district boundaries, river flows, road networks, residential centers, elevation, and land cover. The research was conducted in Tanggamus Regency, where the robusta coffee was predominantly planted, having production in 2021 at 775,0 tons and in 2022 at 14.7% in Lampung. The results of the research found that the decision tree algorithm could detect coffee agroforestry and monoculture coffee with overall accuracy of 97,0% and kappa accuracy of 96,7%