MU'AYADAH, Mar'atul (2026) Penggunaan Metode Random Forest untuk Pendugaan Crop Characteristic Melalui Synthetic Aperture Radar dan Optical-Multi Spectral. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf Download (301kB)
	PDF (Legalitas) LEGALITAS-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026-1.pdf Restricted to Repository staff only Download (2MB)
	PDF (Abstrak) ABSTRAK-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf.pdf Download (349kB)
	PDF (BabI) BAB-I-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf.pdf Restricted to Repository staff only until 20 February 2027. Download (579kB)
	PDF (BabII) BAB-II-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf.pdf Restricted to Repository staff only until 20 February 2027. Download (1MB)
	PDF (BabIII) BAB III-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf Restricted to Repository staff only until 20 February 2027. Download (2MB)
	PDF (BabIV) BAB IV-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf Restricted to Repository staff only Download (9MB)
	PDF (BabV) BAB-V-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf.pdf Download (464kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf Download (3MB)
	PDF (Lampiran) LAMPIRAN-Mar'atul Mu'ayadah-A1C021064-Skripsi-2026.pdf.pdf Restricted to Repository staff only Download (9MB)

Abstract

Pemantauan jenis dan fase tanaman yang akurat dan tepat waktu sangat krusial dalam manajemen irigasi dan ketahanan pangan. Metode konvensional seperti pengamatan langsung di lapangan tidak efektif secara waktu dan kapasitas. Sehingga penginderaan jarak jauh seperti Synthetic Apertur Radar (SAR) yang merupakan sensor dari Sentinel-1 dan Optical Multi-Spektral (MSI) sebagai sensor Sentinel-2, diperlukan untuk mengamati secara temporal dengan cangkupan wilayah lebih luas. Penelitian dilakukan dengan untuk menguji performansi algoritma Random Forest (RF) dalam melakukan klasifikasi dan pendugaan karakteristik tanaman menggunakan SAR dan MSI pada tiga Daerah Irigasi (DI) dengan luasan berbeda (Karangnangka, Banjaran, and Serayu). Klasifikasi dilakukan dengan membandingkan hasil tiga input data, yaitu Sentinel-1 dan Sentinel-2 sebagai citra tunggal, serta kombinasi kedua citra (integrasi) dari masing-masing DI. Menggunakan RF sebagai algoritma untuk melakukan identifikasi jenis dan fase pertumbuhan padi dan palawija. Penelitian memanfaatkan platform Google Colab, Google Earth Engine (GEE), dan Copernicus untuk mendapatkan serta mengolah data citra, mendapatkan indeks spektral, serta membangun model RF. Variabel yang digunakan meliputi citra polarisasi SAR, citra optik MSI, dan Indeks Vegetasi (VI) yang meliputi, NDVI, GNDVI, TNDVI, SAVI, IRECI, PSSRa, dan S2REP. Uji akurasi untuk model RF menggunakan confusion matrix untuk menghitung User Accuracy (UA), Producer Accuracy (PA), Overall Accuracy (OA), dan Kappa Coefficient (KC). Hasil penelitian menunjukkan bahwa integrasi data Sentinel-1 dan Sentinel-2 memberikan performa terbaik, mencapai Overall Accucary (OA) sebesar 71,5% dan nilai Kappa Coefissien (KC) 0,68. Akurasi ini lebih unggul dibandingan dengan data tunggal Sentinel-1 (OA 50,4%) dan Sentinel-2 (OA 66,2%). Dalam feature importance yang digunakan pada klasifikasi data integrasi, terlihat data SAR dan MSI saling berkorelasi dengan urutan, citra band tunggal MSI (SWIR), polarisasi SAR yaitu VV dan VH, kemudian diikuti dengan indeks vegetasi GNDVI dan S2REP. Fase pertumbuhan kemudian dapat dilihat dari hasil nilai indeks klasifikasi jenis tanaman untuk mengetahui waktu tanam, vegetatif, generatif, pemasakan, dan panen. Dari hasil yang didapatkan, disimpulkan bahwa metode RF dengan memanfaatkan integrasi Sentinel-1 dan Sentinel-2 merupakan pendekatan baru yang memanfaatkan data citra untuk pemantauan jenis dan fase pertumbuhan tanaman pada area penelitian. Hasil penelitian dapat dijadikan sebagai basis data digital yang cukup akurat untuk mendukung mengambil keputusan dalam manajemen irigasi dan perencanaan ketahanan pangan ditingkat Daerah Irigasi. Selain itu, model memungkinkan untuk dikembangkan lebih lanjut untuk memprediksi kebutuhan air tanaman, hasil panen, serta pertumbuhan abnormal di sekitar DI.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	A26010
Uncontrolled Keywords:	Random Forest, Indeks spektral, SAR, MSI, Klasifikasi tanaman
Subjects:	P > P329 Plants Analysis
Divisions:	Fakultas Pertanian > S1 Teknik Pertanian
Depositing User:	Mrs. Mar'atul Mu'ayadah
Date Deposited:	20 Feb 2026 07:03
Last Modified:	20 Feb 2026 07:03
URI:	http://repository.unsoed.ac.id:443/id/eprint/39901

Actions (login required)

View Item