Fusi Citra Optik dan Citra Radar Metode PCA untuk Crop Type Mapping di Wilayah Kabupaten Jember
Tahun 2026 · Penulis: Rian Rizki Pratama
Faculty of Agricultural Technology, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/15473
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Pemetaan jenis tanaman (crop type mapping) merupakan informasi penting dalam mendukung perencanaan dan pengelolaan pertanian berbasis data. Citra optik Sentinel-2 banyak dimanfaatkan untuk tujuan tersebut karena memiliki informasi spektral yang baik, tetapi kualitasnya sering terganggu oleh tutupan awan. Sebaliknya, citra radar Sentinel-1 mampu merekam permukaan bumi pada berbagai kondisi cuaca, namun memiliki keterbatasan dalam membedakan beberapa jenis tanaman yang memiliki karakteristik struktur serupa. Tujuan dari penelituan membandingkan hasil klasifikasi menggunakan citra Sentinel-1, Sentinel-2, dan citra hasil fusi PCA, mengevaluasi keunggulan citra gabungan dibandingkan citra tunggal, serta menganalisis pengaruh perbedaan musim terhadap akurasi klasifikasi. Data yang digunakan berupa citra Sentinel-1 dan Sentinel-2 tahun 2024, serta 172 titik data lapangan sebagai data pelatihan dan validasi. Pengolahan dilakukan di Google Earth Engine melalui tahap pra pengolahan, pemisahan musim, fusi citra dengan PCA, klasifikasi menggunakan algoritma Random Forest, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa metode fusi PCA memberikan akurasi tertinggi dibandingkan citra tunggal. Integrasi informasi spektral dan radar melalui PCA mampu meningkatkan kemampuan model dalam membedakan kelas tanaman serta mengurangi kesalahan klasifikasi. Berdasarkan hasil penelitian dapat disimpulkan bahwa fusi citra Sentinel-1 dan Sentinel-2 menggunakan metode PCA lebih efektif dibandingkan penggunaan citra tunggal dalam pemetaan jenis tanaman. Metode ini menghasilkan akurasi yang lebih tinggi dan stabil pada musim hujan maupun musim kemarau, sehingga berpotensi mendukung penyediaan informasi spasial pertanian yang lebih akurat untuk perencanaan dan pengelolaan pertanian berkelanjutan.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,872
Tahun 2026 · Penulis: Fahmi Mubarok
Pemanfaatan Citra Optik dan Radar Sentinel Untuk Pemetaan Jenis Tanaman (Crop Types Mapping) Menggunakan Metode PCA (Principal Component Analysist) Studi di Wilayah Kabupaten Lumajang
Pemetaan jenis tanaman (crop types mapping) berfungsi untuk mengetahuilokasi, luas, dan sebaran jenis tanaman dalm suatu wilayah, yang dapat dimanfaatkan dalam perencanaan pola tanam, estimasi produksi, distribusi pupuk, hingga evaluasi kebijakan pertanian. Te
- Cosine 0,818
Tahun 2026 · Penulis: Achmad Teguh Prasetya Wicaksono
Penerapan Model Hybrid SARIMAX-LSTM dalam Peramalan Kelembaban Tanah
Kelembapan tanah merupakan indikator penting dalam pertanian, hidrologi, dan pengelolaan lingkungan karena berperan krusial dalam menentukan ketersediaan air bagi tanaman serta kondisi tanah. Namun, karakteristik deret waktu (time series) dari data kelembapan
- Cosine 0,817
Tahun 2026 · Penulis: Dimas Agung Priambodo
Analisis Perubahan Tutupan Lahan di Kabupaten Jember Berbasis Citra Sentinel-2A Menggunakan Algoritma Random Forest
Pertumbuhan penduduk dan pesatnya laju aktivitas ekonomi serta pembangunan infrastruktur di Kabupaten Jember berdampak pada dinamika penggunaan lahan, termasuk potensi penurunan luasan vegetasi hijau dan lahan pertanian. Oleh karena itu, pemantauan dan pemetaa