YUSUF, Mutiara Sakinah (2025) Algoritma Convolutional Neural Network (CNN) sebagai Pendugaan Crop Characteristic menggunakan Sentinel-1 dan Sentinel-2. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Download (204kB)
	PDF (Legalitas) LEGALITAS-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Download (273kB)
	PDF (BabI) BAB-I-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Restricted to Repository staff only until 21 August 2026. Download (427kB)
	PDF (BabII) BAB-II-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Restricted to Repository staff only until 21 August 2026. Download (629kB)
	PDF (BabIII) BAB-III-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Restricted to Repository staff only until 21 August 2026. Download (576kB)
	PDF (BabIV) BAB-IV-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Restricted to Repository staff only Download (3MB)
	PDF (BabV) BAB-V-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Download (286kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Download (260kB)
	PDF (Lampiran) LAMPIRAN-Mutiara Sakinah Yusuf-A1C021078-Skripsi-2025.pdf Restricted to Repository staff only Download (13MB)

Abstract

Pemantauan karakteristik tanaman melalui remote sensing dilakukan untuk meningkatkan produktivitas pertanian dengan memanfaatkan citra satelit. Citra satelit Sentinel-2 menyediakan band yang cukup sensitif terhadap perubahan tanaman, sedangkan citra Sentinel-1 SAR band C merepresentasikan struktur kanopi tanaman. Tujuan penelitian yaitu (i) mengidentifikasi jenis dan fase pertumbuhan tanaman (padi dan palawija) dari citra sentinel-1 dengan sentinel-2; (ii) mendapatkan akurasi prediksi penggunaan algoritma CNN; dan (iii) mengetahui performa algoritma CNN berbasis Sistem Informasi Geografis pada beberapa daerah irigasi. Penelitian menggunakan algoritma Convolutional Neural Network (CNN) dalam mengidentifikasi jenis dan fase pertumbuhan tanaman. Area kajian meliputi 3 Daerah Irigasi (DI) yaitu Karangnangka, Banjaran dan Serayu. Penelitian memanfaatkan platform Google Colab dan GEE dalam mengolah indeks spektral dan membangun model CNN. Variabel yang digunakan meliputi NDVI, GNDVI, TNDVI, SAVI, IRECI, S2REP, dan PSSRa dari citra Sentinel-2. Sedangkan dari citra Sentinel-1 menggunakan 3 feature radar yakni RVI, Diff, dan Ratio. Indeks spektral dari Sentinel-1 merupakan turunan dari polarisasi tunggal VV dan VH dengan orbit descending. Uji akurasi model berupa Usser Accuracy (UA), Producer Accuracy (PA), Overall Accuracy (OA), dan Kappa Coefficient (KC) dari confusion matrix. Hasil penelitian menunjukkan bahwa model CNN berhasil mengidentifikasi jenis tanaman pada citra Sentinel-1, Sentinel-2 dan citra kombinasi kedua satelit. Selain itu, hasil confusion matrix menunjukkan bahwa kombinasi citra Sentinel-1 dan Sentinel-2 memberikan performa prediksi yang lebih unggul dibandingkan penggunaan citra tunggal. Akurasi model CNN dengan citra kombinasi mendapatkan Overall Accuracy tertinggi yakni 66,2%. Angka tersebut lebih baik dari penggunaan Sentinel-2 (OA 59,1%) dan Sentinel-1 (OA 44,9%). Visual hasil identifikasi algoritma menunjukkan luasan tanaman padi 49,81 Ha lebih besar dari luasan tanaman palawija 86,15 Ha pada citra kombinasi DI Karangnangka. Sementara itu, tanaman palawija yang teridentifikasi pada DI Banjaran seluas 74,94 Ha dari Sentinel-1, 84,74 Ha dari Sentinel-2, dan 86,15 Ha dari citra kombinasi. Fase pertumbuhan tanaman teridentifikasi melalui nilai indeks spektral yang diperoleh dari citra Sentinel-1 dan Sentinel-2. Dengan demikian, harapannya penelitian dapat memberikan kontribusi nyata dalam mengembangkan strategi menjaga ketahanan pangan nasional melalui identifikasi jenis dan fase pertumbuhan tanaman pangan. Selain itu, memungkinkan model untuk dikembangkan lebih lanjut dalam memprediksi hasil panen, kebutuhan air tanaman dan pola pertumbuhan abnormal tanaman terutama di daerah irigasi.

Actions (login required)

View Item