Fusi Citra Optik dan Citra Radar Metode PCA untuk Crop Type Mapping di Wilayah Kabupaten Jember

Abstract

Pemetaan jenis tanaman (crop type mapping) merupakan informasi penting dalam mendukung perencanaan dan pengelolaan pertanian berbasis data. Citra optik Sentinel-2 banyak dimanfaatkan untuk tujuan tersebut karena memiliki informasi spektral yang baik, tetapi kualitasnya sering terganggu oleh tutupan awan. Sebaliknya, citra radar Sentinel-1 mampu merekam permukaan bumi pada berbagai kondisi cuaca, namun memiliki keterbatasan dalam membedakan beberapa jenis tanaman yang memiliki karakteristik struktur serupa. Tujuan dari penelituan membandingkan hasil klasifikasi menggunakan citra Sentinel-1, Sentinel-2, dan citra hasil fusi PCA, mengevaluasi keunggulan citra gabungan dibandingkan citra tunggal, serta menganalisis pengaruh perbedaan musim terhadap akurasi klasifikasi. Data yang digunakan berupa citra Sentinel-1 dan Sentinel-2 tahun 2024, serta 172 titik data lapangan sebagai data pelatihan dan validasi. Pengolahan dilakukan di Google Earth Engine melalui tahap pra pengolahan, pemisahan musim, fusi citra dengan PCA, klasifikasi menggunakan algoritma Random Forest, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa metode fusi PCA memberikan akurasi tertinggi dibandingkan citra tunggal. Integrasi informasi spektral dan radar melalui PCA mampu meningkatkan kemampuan model dalam membedakan kelas tanaman serta mengurangi kesalahan klasifikasi. Berdasarkan hasil penelitian dapat disimpulkan bahwa fusi citra Sentinel-1 dan Sentinel-2 menggunakan metode PCA lebih efektif dibandingkan penggunaan citra tunggal dalam pemetaan jenis tanaman. Metode ini menghasilkan akurasi yang lebih tinggi dan stabil pada musim hujan maupun musim kemarau, sehingga berpotensi mendukung penyediaan informasi spasial pertanian yang lebih akurat untuk perencanaan dan pengelolaan pertanian berkelanjutan.