Pemetaan Distribusi Hutan Mangrove Menggunakan Algoritma Machine Learning di Kawasan Hutan Mangrove Petengoran

Kata Kunci: mangrove, SVM, random forest, indeks kappa

Abstrak

Abstrak

Hutan mangrove Petengoran adalah ekowisata mangrove di Provinsi Lampung yang terancam punah karna meningkatnya aktivitas pengunjung. Sehingga, informasi persebaran mangrove sangat diperlukan untuk tujuan konservasi. Dewasa ini, banyak peneliti memanfaatkan teknologi pengindraan jauh untuk pemetaan mangrove menggunakan algoritma machine learning. Penelitian ini bertujuan untuk membandingkan algoritma support vector machine (SVM) dan random forest (RF) untuk pemetaan mangrove menggunakan komposit RGB dan NDVI pada citra Sentinel 2A. Hasil penelitian menunjukkan bahwa algoritma RF memberikan akurasi yang lebih tinggi dibandingkan dengan SVM dibuktikan dengan nilai akurasi keseluruhan dan indeks kappa RF sebesar 92,68% dan 0,88, sedangkan pada SVM sebesar 91,86% dan 0,87. Meski demikian, terdapat kesalahan klasifikasi hutan mangrove di kedua algoritma. Hal tersebut disebabkan oleh kemiripan spektral jenis tanaman dan tidak adanya efek topografi. Sehingga, penelitian selanjutnya diharapkan dapat menambahkan efek topografi untuk mendapatkan akurasi yang lebih baik.

Abstract

The Petengoran is mangrove ecotourism in Lampung Province which is threatened with extinction due to increased community activity. Thus, information on the distribution of the Petengoran mangroves is needed for conservation. Many researchers use remote sensing technology to map mangroves using machine learning algorithms. This study aims to compare SVM and random forest RF algorithms for mapping mangroves using RGB and NDVI composites on Sentinel 2A imagery. The results showed that the RF algorithm provides higher accuracy compared to SVM. This is evidenced by the overall accuracy value and RF kappa index of 92.68% and 0.88, while the SVM is 91.86% and 0.87. However, there is a misclassification of mangrove forests in both algorithms. This is due to the spectral similarity of vegetation and no topographical effect. Thus, future research is expected to add topographical effects to obtain higher accuracy.

Biografi Penulis

Anggun Tridawati, Universitas Lampung

Anggun lahir di Lampung Utara pada tanggal 30 Januari 1995 merupakan dosen di Jurusan Teknik Geodesi dan Geomatika. Anggun menyelesaian sarjana di Itenas pada tahun 2017 dengan Judul "Identifikasi umur tanaman kelapa sawit dengan menggunakan citra satelit optik". Pada tahun 2020, Anggun berhasil menyelesaikan pendidikan magisternya di ITB dengan judul penelitian "Pemetaan distribusi tanaman kopi menggunakan algoritma Random forest". Anggun aktif dalam berbagai penelitian, pengabdian, dan konferensi internasional. Pada tahun 2020, anggun terpilih menjadi awardee full funded dan berkesempatan mengikuti workhop mapping kopi di Triesty, Italy. Di tahun yang sama, anggun juga publish 2 Jurnal remote sensing Q1 MDPI (IF = 4,9) dengan judul "Mapping the distribution of coffee plantations from multi-resolution, multi-temporal, and multi-sensor data using a random forest algorithm" dan "Identification before-after forest fire and prediction of mangrove forest based on Markov-cellular automata in part of Sembilang national park, Banyuasin, South Sumatra, Indonesia".

Armijon Armijon, Universitas Lampung

Armijon lahir di Padang Panjang, 10 April 1973 merupakan dosen yang menjabat sebagai Sekretaris Jurusan T. Geodesi & Geomatika, Universitas Lampung. Fokus bidang yang diampu Armijon adalah Pengindraan Jauh, Fotogrametri, dan Sistem Informasi Geografi. Armijon aktif dalam berbagai  penelitian dan pengabdian, beberapa publikasi diantaranya:

1. Identification of Degraded Land for Determination of Conservation Areas Based on GIS in Region-1 Lampung Selatan District, publish di Jurnal Geofisika Eksplorasi, 6 (3). pp. 228-242. ISSN 2685- 6182

2. Kajian Daerah Rendaman Tsunami di Pesisir Teluk Lampung Akibat Perubahan Topografi Gunung Anak Krakatau di Tahun 2018)

3. Analisis Spasial Wilayah Rawan Pandemi Covid-19 Menggunakan
Pendekatan Kuadrat Terkecil Untuk Penyusunan Model
Kerentanan Kota Bandar Lampung

Fajri Yanto, Universitas Lampung

Fajriyanto dilahirkan pada tanggal 2 Maret 1972 di Yogyakarta. Ia lulus dari SMA Negeri 1 Yogyakarta pada tahun 1991. Fajriyanto memperoleh gelar Sarjana pada tahun 1997 di Program Studi Teknik Geodesi, Universitas Gadjah Mada, Yogyakarta. Pada tahun 2012 memperoleh gelar Magister di Program Studi Teknik Geodesi dan Geomatika, Institut Teknologi Bandung, Bandung, dan memperoleh gelar Doktor di Program Studi Teknik Geodesi dan Geomatika, Institut Teknologi Bandung, Bandung. Sejak tahun 2006  ia menjadi anggota staf pengajar di Fakultas Teknik, Universitas Lampung sampai dengan sekarang. Fajriyanto menikah dengan Cicih Komariyah pada tahun 2004 dan dikaruniai tiga orang anak Alfaatihatuddhuha Maulida Fajri 16 tahun, Muhammad Syarif Arrahman Fajri 14 tahun, dan Assajdah Mahrin Alzena Fajri 12 tahun.

 

Tika Christy Novianti, Universitas Lampung

Tika Christy N adalah dosen di Teknik Geodesi dan Geomatika Universitas Lampung. Pada tahun 2014, menamatkan pendidikan sarjana Teknik Geodesi di Universitas Dipenogoro, Semarang. Pada Tahun 2018, Tika Christy N berhasil mendapat gelar magister di Universitas Gajah Mada Jurusan Teknik Geodesi dan Geomatika. Fokus Bidang Tika adalah pengindraan Jauh dan Fotogrametri.

Diterbitkan
2023-10-17
Cara Mengutip
Tridawati, A., Armijon, A., Yanto, F., & Novianti, T. (2023). Pemetaan Distribusi Hutan Mangrove Menggunakan Algoritma Machine Learning di Kawasan Hutan Mangrove Petengoran. Jurnal Tekno Insentif, 17(2), 84-98. https://doi.org/https://doi.org/10.36787/jti.v17i2.1101