Pemanfaatan Citra Sentinel 2 Untuk Pemetaan Lahan Tanaman Kakao Theobroma Cacao L. Berbasis Machine Learning di Wilayah Jember

Abstract

Penyediaan data sebaran lahan kakao merupakan faktor penting untuk monitoring penambahan maupun pengurangan lahan tanaman kakao. Hal yang mendasari penelitian ini ialah pengumpulan data yang dilakukan secara konvensional yaitu pendataan secara langsung ke administratur perkebunan bersangkutan. Sehingga membutuhkan waktu dan tenaga yang banyak. Oleh karena itu, dibutuhkan peran teknologi untuk dapat melakukan hal ini. Salah satu pendekatan teknologi yang dapat digunakan ialah pemanfaatan citra penginderaan jauh dan algoritma random forest yang berbasis machine learning. Pada beberapa dekade terakhir ini, penginderaan jauh dan machine learning telah banyak dimanfaatkan untuk melakukan klasifikasi berbagai jenis tanaman. Salah satu citra penginderaan jauh yang banyak digunakan ialah citra satelit Sentinel 2. Penggunaan citra Sentinel 2 ini memiliki banyak keuntungan yaitu terdapat 13 band spektral: 4 band beresolusi 10 m, 6 band beresolusi 20 m, dan 3 band beresolusi 60 m, cakupan area mencapai 290 km setiap scene, serta resolusi temporal 10 hari. Sedangkan, pada machine learning terdapat berbagai macam algoritma yang berhasil dikembangkan. Namun, algoritma machine learning yang banyak diterapkan pada pemetaan jenis tanaman dan menghasilkan akurasi yang tinggi ialah algoritma random forest. Proses pemetaan lahan kakao ini dilakukan dengan mengektrak fitur yang mirip dengan tanaman kakao. Dimulai dengan pemilihan bulan berdasarkan pertunasan, pembungaan, pembuahan, dan masa dorman kakao yaitu bulan januari, februari, april, juni, dan oktober, lalu mengekstraksi wilayah sesuai ketinggian, melakukan klasifikasi random forest (kelas vegetasi berkayu, vegetasi tidak berkayu, dan non vegetasi), mengekstrak vegetasi berkayu berdasarkan range NDVI, melakukan klasifikasi random forest (kelas tumbuhan kakao dan non kakao), dan melakukan overlay pada semua bulan yang telah diklasifikasikan untuk mendapatkan wilayah yang konsisten mendeteksi tumbuhan kakao dan non kakao, serta terakhir ialah perhitungan akurasi dengan confusion matrix. Hasil dari proses pemetaan ini ialah peta sebaran lahan tanaman kakao di wilayah Jember dengan akurasi yang didapat overall accuracy sebesar 85% dan kappa accuracy 65%. Hal-hal yang memengaruhi akurasi hasil pemetaan lahan tanaman kakao ialah vegetasi campuran yang terdeteksi sebagai tanaman kakao, naungan tanaman kakao berupa sengon terdeteksi sama dengan kebun sengon, naungan tanaman kopi yang berupa sengon terdeteksi sebagai tanaman kakao, terdapat vegetasi lain dalam satu piksel citra Sentinel 2 sehingga tanaman kakao terdeteksi sebagai non kakao, serta terdapat kemungkinan pada citra Sentinel 2 terdapat awan, bayangan, kondisi atmosfer dan pencahayaan yang berbeda berpengaruh pada hasil pemetaan lahan tanaman kakao.