Estimasi Biomassa Hutan menggunakan Citra PlanetScope dengan Pendekatan Machine Learning di Kecamatan Kahayan Hilir dan Jabiren Raya Kalimantan Tengah

Abstract

Tulisan ini menerangkan tentang pembangunan algoritma pohon keputusan dari pembelajar mesin untuk menduga biomassa di atas permukaan tanah pada hutan lahan kering menggunakan citra PlanetScope di Kecamatan Kahayan Hilir dan Jabiren Raya, Kabupaten Pulang Pisau, Provinsi Kalimantan Tengah. Model pohon keputusan dibangun berdasarkan kombinasi peubah spektral dan sosio-geo-biofisik. Tulisan ini menemukan bahwa model pohon keputusan terbaik diperoleh dengan peubah NDVI, NRGI, VDVI, GARI, jalan, dan elevasi menghasilkan akurasi keseluruhan tertinggi sebesar 94.5% dengan akurasi Kappa sebesar 0.9. Model pohon keputusan yang dihasilkan dari penelitian ini juga menunjukkan jika adanya peningkatan pada NDVI selaras dengan peningkatan biomassa.

This paper describes a development of decision tree algorithm of machine learning to estimate above ground biomass in dryland forest using PlanetScope imagery in Kahayan Hilir and Jabiren Raya Districs, Pulang Pisau Regency, Central Kalimantan. The model of decision tree was developed by combined spectral and sosio-geo-biophysics variables. This paper found that the best model of decision tree was obtained by using NDVI, NRGI, VDVI, GARI, proximity of road, and elevation variables, provided the highest overall accuracy of 94.5% and Kappa accuracy of 0.9. The model of decision tree from this study also proven that an increase of NDVI indicates an increase in biomass.