KLASIFIKASI CITRA PENGINDERAAN JAUH BERBASIS TIME SERIES MENGGUNAKAN RESIDUAL NETWORK (RESNET) UNTUK PEMETAAN JENIS TANAMAN (Studi Kasus : Desa Girimulyo, Lampung Timur)
Sebagian besar penduduk Indonesia bekerja di sektor pertanian. Peta jenis tanaman diperlukan untuk berbagai jenis pangan. Penginderaan jauh merupakan teknik yang dapat digunakan untuk klasifikasi jenis tanaman dan menghasilkan informasi tutupan lahan berupa peta klasifikasi jenis tanaman yang efektif dan efisien. Penelitian ini bertujuan untuk melihat hasil klasifikasi time series menggunakan metode Residual Network (ResNet) untuk klasifikasi peta jenis tanaman. Penelitian ini menggunakan data time series dari satelit Sentinel-2A dengan rentang pengamatan 5 Mei 2021 sampai 5 Mei 2022, menghasilkan 120 data sampel berupa koordinat lima jenistanaman yakni kelas Jagung, Kelapa, Non-tanaman, Pisang dan Tanaman Lain. Data time series dijadikan masukkan dalam membuat (EO) data cube yang ter regulerisasi, lalu data sampel digunakan sebagai masukkan untuk training dan validasi. Pada training digunakan data sampel sejumlah 120 data, lalu dilakukan pengecekkan kualitas atau clustering dengan metode Self-Organizing Map (SOM), selanjutnya dilakukan proses filtering dengan dua skema percobaan yaitu single clustering (SC) dan double clustering (DC). Langkah berikutnya training model menggunakan metode ResNet, menggunakan data training yang sudah tersaring dan data cube yang ter regulerisasi. Sejumlah epoch diterapkan guna memperoleh nilai epoch yang optimal. Hasil penelitian berupa Peta Jenis Tanaman di Wilayah Girimulyo Lampung Timur, yang di smoothing menggunakan metode Bayesian kemudian diuji akurasi. Keakuratan skema SC di epoch 100 yang telah mencapai 87% membuktikan bahwa klasifikasi time series berbasis ResNet efektif untuk pemetaan jenis tanaman di daerah penelitian. Percobaan dengan skema DC tidak lebih baik dari skema SC karena pengelompokan dan pengurangan jumlah data pelatihan, serta peningkatan jumlah epoch yang tidak pasti.
Kata Kunci: Penginderaan Jauh, klasifikasi berbasis time series, Satellite Image Time Series (SITS), ResNet
URI
https://repo.itera.ac.id/depan/submission/SB2304050026
Keyword