MODEL KLASIFIKASI UNTUK PREDIKSI FASE PERTUMBUHAN PADI DENGAN MACHINE LEARNING BERDASARKAN CITRA SATELIT

(Classification Model for Paddy Growth Phase Prediction with Machine Learning Based on Satellite Imagery)

Abstract

Padi memegang peranan penting bagi masyarakat Indonesia. Rumah Tangga Usaha Pertanian (RTUP) padi sebesar 64,85% dari RTUP sub sektor tanaman pangan tahun 2018. Data padi yang akurat dapat membantu pemerintah dalam menyusun perencanaan, mengeksekusi program, dan membuat keputusan yang tepat. Tujuan penelitian kami yaitu membangun model klasifikasi untuk prediksi fase pertumbuhan padi sebagai upaya dalam mendukung keakuratan data padi. Pemodelan multi kelas dilakukan dengan teknik machine learning yaitu Random Forest dan Support Vector Machine. Penelitian ini menggunakan citra Landsat-8 dan Sentinel-2 sebagai fitur yang disupervisi oleh data Kerangka Sampling Area (KSA) dari BPS sebagai variabel target. Sebanyak 1239 fitur statistik temporal turunan dari 18 indeks spektral Sentinel-2 dan 15 indeks spektral Landsat-8 diseleksi dengan plot korelasi dan teknik stepwise. Ketidakseimbangan data ditangani dengan teknik sampling SMOTE+TL. Pada klasifikasi tahap 1, performa model dalam memprediksi sawah padi, sawah bukan padi, dan bukan sawah mencapai akurasi 0,95 dan Matthews Correlation Coefficient (MCC) 0,84. Pada klasifikasi tahap 2, performa model dalam memprediksi fase pertumbuhan padi mencapai akurasi 0,87 dan MCC 0,73. Hasil menunjukan kombinasi citra Landsat-8 dan Sentinel-2, seleksi fitur temporal, serta pemilihan metode klasifikasi mampu meningkatkan performa model.