View/Open

Author
CHOIRUN, NISA NABILA

Advisor
Dr. Nirmawana Simarmata, S.Pd., M.Sc.,
Muhammad Ario Eko Rahadianto, M.T.,

Koleksi
Teknik Geomatika

Publisher

Tebu (Saccharum Officinarum L.) merupakan tanaman tropis yang berperan penting dalam bidang pertanian serta industri, terutama sebagai bahan utama pembuatan gula. Pentingnya identifikasi dan pemantauan tanaman tebu dengan tepat sangat diperlukan untuk meningkatkan efisiensi dalam produksi dan pengelolaan lahan. Penelitian ini bertujuan untuk mengklasifikasikan perkebunan tebu dengan menggunakan algoritma Support Vector Machine (SVM) yang berbasis pada citra satelit Sentinel-2A di area perkebunan PT Gula Putih Mataram, Kabupaten Lampung Tengah. Data yang dipakai mencakup band spektral (band 2, 3, 4, 6, 7, 8) serta indeks vegetasi Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Normalized Difference Water Index (NDWI), Soil Adjusted Vegetation Index (SAVI), dan Chlorophyll Index Green (CIGreen). Sebanyak 11 model SVM diuji dengan berbagai kombinasi parameter untuk menilai performa klasifikasi berdasarkan metrik akurasi seperti Overall Accuracy (OA), User Accuracy (UA), Producer Accuracy (PA), F1-Score, Kappa Coefficient dan Area Under Curve (AUC). Hasil dari penelitian mengindikasikan bahwa model 8 adalah model yang paling unggul dengan nilai OA (94%), macro average UA (95%), micro average PA (93%), macro average F1-Score (94%), Kappa Coefficient 0,872. Selain itu, analisis hubungan antar parameter menunjukkan bahwa kombinasi dari band dan indeks vegetasi memberikan informasi yang saling melengkapi, sehingga dapat meningkatkan akurasi model. Pendekatan ini menunjukkan bahwa penggabungan penginderaan jauh dengan machine learning efektif untuk mengklasifikasikan tutupan lahan, terutama untuk tebu. Penelitian ini dapat dimanfaatkan untuk mendukung keputusan berbasis data dalam pengelolaan perkebunan tebu yang lebih tepat dan berkelanjutan.

URI
https://repository.itera.ac.id/depan/submission/SB2508070031

Keyword
Tebu Support Vector Machine EVI NDWI CIGreen