Model Klasifikasi Fase Pertumbuhan Tebu dari Citra Sentinel 1 Multi-temporal Menggunakan Algoritma Random Forest

Abstract

Program kerja dalam mencapai swasembada gula tahun 2023 yang telah ditetapkan oleh Kementerian Pertanian diperlukan strategi untuk mencapainya. Sedangkan diketahui lahan tebu di berbagai daerah di Indonesia berkurang. Daerah Istimewa Yogyakarta yang telah ditetapkan sebagai salah satu daerah sentra tebu memerlukan perlakuan khusus dalam upaya ekstensifikasi. Fase pertumbuhan tebu perlu diamati secara keseluruhan untuk memperoleh informasi waktu panen dan tanam yang nantinya bisa dilakukan estimasi produksi hasil panen dalam periode tertentu. Penelitian ini menggunakan teknologi pemantauan lahan pertanian yang bisa memberikan informasi multi-temporal seperti penggunaan teknologi penginderaan jauh. Penginderaan jauh bisa memberikan informasi mengenai lahan tebu seperti melalui citra Sentinel 1 yang merupakan citra SAR (Synthetic Aperture Radar) dalam dimensi spasial maupun waktu, selain itu menggunakan Citra Non Fotografi seperti citra radar memiliki kelebihan dalam menghilangkan tutupan awan dalam perekaman datanya sehingga pemantauan secara multi-temporal bisa dilakukan dengan lebih menyeluruh tanpa kendala cuaca. Tahap praproses diperlukan untuk klasifikasi citra karena citra yang direkam mengandung noise, masih adanya pengaruh atmosfer, perbedaan skala dan perbedaan posisi terhadap lokasi yang sebenarnya. Tahap ini untuk menyiapkan citra multi-temporal untuk menghilangkan pengaruh yang mengganggu perekaman citra tersebut dengan melakukan koreksi geometrik dan radiometrik, Penelitian ini bertujuan untuk memperoleh informasi fase pertumbuhan tebu beserta sebarannya dengan algoritma Random Forest. Penelitian ini menggunakan citra Sentinel 1 Interferometric Wide Swath Mode dan data shapefile lahan tebu di DI Yogyakarta. Data latih yang digunakan 9690 sampel piksel yang terdiri dari 6 kelas klasifikasi yaitu bangunan, vegetasi, badan air, sawah, tebu kelas fase 1 dan kelas fase tebu 2. Penelitian ini berfokus membangun model klasifikasi menggunakan algoritma Random Forest dan menguji hasil klasifikasi Citra Sentinel 1 yang terdiri dari 13 citra dengan akurasi model klasifikasi rata-rata 65,38%. Hasil klasifikasi citra pada bulan Oktober memiliki tingkat overall accuracy tertinggi senilai 73,33% dengan nilai RMSE 2,05. Hasil klasifikasi citra Sentinel 1 multi-temporal mampu memberikan informasi yang cukup untuk membuat peta kalender tanam yang mampu memberikan informasi waktu tanam, waktu panen, sebaran spasial lahannya dan informasi temporal mengenai fase pertumbuhan tanaman tebu. Berdasarkan hasil Peta kalender tanam diketahui waktu tanam tebu di DI Yogyakarta itu bulan Agustus dan Oktober dan waktu panen di bulan Juli dan September.