Pemanfaatan Google Earth Engine Dan Citra Sentinel-2 Menggunakan Perbandingan Algoritma Random Forest Dan Cart Untuk Tutupan Lahan DI Wilayah Kabupaten Bojonegoro
Tahun 2024 · Penulis: Nur Fahmi Hidayat
Faculty of Agricultural Technology, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Penelitian ini meneliti kinerja dua algoritma pembelajaran mesin, Random Forest (RF) dan Classification and Regression Trees (CART), dalam mengklasifikasikan tipe tutupan lahan menggunakan citra Sentinel-2 di platform Google Earth Engine (GEE). Studi ini berfokus pada Kabupaten Bojonegoro tahun 2023, dengan tujuh kelas tutupan lahan: vegetasi, badan air, area terbangun, lahan kering, sawah, semak, dan lahan terbuka. Penemuan utama dari penelitian ini menunjukkan bahwa algoritma RF memiliki kinerja yang lebih baik dengan akurasi keseluruhan sebesar 87,1% dan akurasi Kappa sebesar 82,95%. RF terbukti sangat efektif dalam membedakan antara lahan terbangun dan sawah. Sebaliknya, algoritma CART memiliki akurasi keseluruhan sebesar 76,7% dan akurasi Kappa sebesar 69,56%. Namun, kedua algoritma tersebut menunjukkan keterbatasan dalam mendeteksi semak secara akurat. Penelitian ini juga menekankan pentingnya pemilihan area pelatihan yang representatif untuk meningkatkan akurasi klasifikasi. Sebagai rekomendasi, peningkatan jangkauan spektral dengan menambahkan lebih banyak band dapat membantu mengurangi kesalahan klasifikasi, dan pemilihan data pelatihan yang berkualitas tinggi sangat penting untuk meningkatkan kinerja model. Kesimpulan dari studi ini adalah bahwa algoritma RF lebih unggul dibandingkan dengan algoritma CART dalam hal akurasi keseluruhan dan akurasi Kappa, menjadikannya pilihan yang lebih baik untuk klasifikasi tutupan lahan dalam konteks ini.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,816
Tahun 2026 · Penulis: Dandy Wiraditya Putra
Analisis Klasifikasi Tutupan Lahan di Kabupaten Jember Berbasis Citra Satelit Landsat-9 Menggunakan Algoritma Xgboost dan Maximum Likelihood
Perubahan ketersediaan tanah yang didorong oleh pertumbuhan penduduk dan perkembangan ekonomi menuntut perencanaan ruang yang menyeluruh. Penelitian ini bertujuan untuk mengimplementasikan dan menganalisis perbandingan kinerja antara Maskwiper Kelikupan MLC tr
- Cosine 0,803
Tahun 2026 · Penulis: Rian Rizki Pratama
Fusi Citra Optik dan Citra Radar Metode PCA untuk Crop Type Mapping di Wilayah Kabupaten Jember
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 ku
- Cosine 0,798
Tahun 2025 · Penulis: Nafis Arinda Rizky Putra Handoko
Mesin Model Optimasi Belajar Uruk Klasifikansi Kualitas Mesin Pencarian Optimisasi (SEO) Penggunakan Pengamat Pengamat Pengamat Penghapusan Rekursif
Dalam era digital, optimasi Search Engine Optimization (SEO) menjadi aspek penting bagi website untuk meningkatkan visibilitas dan peringkat dalam hasil pencarian. Meningkatnya jumlah data yang tersedia menuntut metode yang lebih efisien dalam mengklasifikasik