Identifikasi Tanaman Kopi di Provinsi Sumatera Utara Berbasis Metode Machine Learning Naïve Bayes dan CART dengan Citra Satelit Landsat-8
2022
Syahbana, Ilham Ali | Liyantono
Kopi adalah salah satu komoditas perkebunan yang memegang peranan cukup penting dalam perekonomian Indonesia yang berkontribusi pada kinerja perdagangan dan peningkatan nilai tambah. Mengacu dengan data Badan Pusat Statistika (BPS), data luas kopi masih terdapat perbedaan antara data BPS Provinsi dengan Kabupaten. Sehingga dilakukan identifikasi dan pemetaan tanaman kopi dengan menggunakan metode yang lebih objektif seperti remote sensing dengan citra satelit yang tersedia di platform Google Earth Engine. Pada penelitian ini proses identifikasi dilakukan dengan menggunakan machine learning dengan algoritma naïve bayes dan Classification and Regression Tree (CART) ditambah pengolahan dari citra satelit dan predictors yang mampu mengidentifikasi karakteristik kopi. Analisis trial and error menunjukkan predictors utama yang berkontribusi besar dalam membedakan karakteristik tanaman kopi adalah Normalized Difference Vegetation Index (NDVI), Forest Canopy Density (FCD) dan elevasi. Identifikasi tanaman kopi dengan machine learning naïve bayes dan CART mendapatkan hasil underestimated dan overestimated, masing-masing metode menghasilkan sebesar 28,9% dan 14% dari data BPS provinsi. Hasil akurasi untuk tanaman kopi dengan metode naïve bayes untuk akurasi training sebesar 43% dan validasi sebesar 0% sedangkan metode CART untuk akurasi training sebesar 68,75% dan validasi sebesar 75%.
Afficher plus [+] Moins [-]Mots clés AGROVOC
Informations bibliographiques
Cette notice bibliographique a été fournie par IPB University in The City of Bogor (formerly Bogor Agricultural University)
Découvrez la collection de ce fournisseur de données dans AGRIS