Perancangan Deep Learning untuk Estimasi Biomassa Tanaman Karet Menggunakan Remote Sensing Image pada Citra Drone dan Citra Satelit Sentinel-2

Abstract

Tanaman Karet merupakan salah satu tanaman tropis yang dapat tumbuh baik di beberapa wilayah Indonesia. Estimasi biomassa pohon berguna untuk menilai struktur dan kondisi hutan, produktivitas hutan dan stok karbon serta penyerapan karbon dalam komponen biomassa termasuk kayu, daun, dan akar. Remote sensing atau penginderaan jauh menawarkan teknologi untuk memungkinkan penilaian cepat biomassa di area yang luas dengan relatif cepat dan biaya rendah. Teknologi yang digunakan dalam penelitian ini adalah teknologi deep learning untuk analisis image penginderaan jarak jauh terutama convolutional neural networks (CNN) dan machine learning random forest. Tujuan pada penelitian ini adalah mengetahui hasil estimasi biomassa tanaman karet pada citra drone dan satelit, dan mengetahui hasil akurasi klasifikasi tanaman karet dan non karet menggunakan metode machine learning dan deep learning. Metode penelitian menggunakan algoritma random forest dan CNN untuk klasifikasi tanaman karet dan non karet secara otomatis dengan menggunakan citra drone dan satelit. Sebelum dilakukan training, hasil citra diolah dengan proses koreksi atmosferik, penggabungan band, pemotongan band, pengolahan indeks vegetasi dan pembagian data. Kemudian dilakukan proses training model menggunakan data train dan validasi dengan algoritma CNN. Hasil evaluasi model CNN terbaik pada citra drone berindeks vegetasi VARI dengan nilai validasi accuracy dan loss sebesar 70% dan 0,1545. Pada citra satelit RGB dan VARI mengalami overfitting karena kurva training loss terus menurun dan validasi loss menurun ke suatu titik dan mulai meningkat lagi. Sedangkan pada citra drone RGB dan VARI mengalami kecocokan baik atau good fit karena kurva training loss menurun ke titik stabilitas dan validasi loss menurun ke titik stabilitas dan memiliki celah kecil dengan training loss. Estimasi biomassa pohon karet dengan indeks vegetasi VARI pada citra drone dan satelit berturut-turut memiliki nilai R2 sebesar 0,0001 dan 0,0046. Hasil uji akurasi menggunakan confusion matrix sehingga didapatkan nilai akurasi. Nilai akurasi terbaik pada model deep learning algoritma CNN pada citra drone berindeks vegetasi VARI dengan nilai akurasi sebesar 70% dengan luas lahan karet sebesar 638,6715 ha. Sedangkan pada model machine learning random forest terbaik pada citra drone berindeks vegetasi VARI dengan nilai akurasi sebesar 70,5% dengan luas tanaman karet sebesar 686,1215 ha.