Klasifikasi Citra Satelit Penginderaan Jauh Berbasis Time-series Menggunakan Temporal Convolutional Neural Network untuk Pemetaan Jenis Tanaman (Studi Kasus: Desa Girimulyo, Lampung Timur)
Peta jenis tanaman menunjukan distribusi spasial jenis tanaman dan menjadi dasar dari berbagai aplikasi pemantauan pertanian. Data peta tersebut dapat diperoleh dengan klasifikasi citra satelit. Teknologi penginderaan jauh yang terus-menerus mengakuisisi data memungkinkan klasifikasinya menggunakan Deep Learning dengan data time-series sebagai data pembelajarannya. Salah satu metode Deep Learning adalah Temporal Convolutional Neural Network (TempCNN). Namun klasifikasi dengan TempCNN untuk pemetaan jenis tanaman di Desa Girimulyo masih terbilang terbatas.
Penelitian ini bertujuan untuk memetakan jenis tanaman di Desa Girimulyo dengan menggunakan TempCNN sebagai metode klasifikasi berbasis time-series. Penelitian ini melakukan 10 variasi pengolahan dalam hal pengaturan epoch dan jumlah proses clustering. Epoch menentukan frekuensi model dilatih dengan data keseluruhan. Proses clustering adalah proses penyortiran data sampel berdasarkan pengelompokan time-series.
Hasil yang diperoleh pada penelitian ini yaitu hasil klasifikasi menggunakan data dua kali clustering tidak lebih baik dibandingkan satu kali clustering. Karena ada data sampel yang tidak digunakan yang seharusnya dapat menjadi informasi tambahan pada proses pembuatan model. Adapun hasil lain yang ditemukan yaitu penambahan epoch pada proses pengolahan terlebih jika pengaturannya di atas 100 tidak mempengaruhi akurasi klasifikasi citra. Karena dari 10 model TempCNN yang di-training, setelah beberapa epoch di bawah epoch 100, model sudah mencapai titik optimalnya, sehingga yang mempengaruhi klasifikasinya adalah sejauh mana titik optimal model yang digunakan. Lalu dari hasil klasifikasi yang didapat, dibuat peta jenis tanaman menggunakan hasil klasifikasi dengan variasi pengolahan menggunakan data satu kali proses clustering dengan pengolahan 150 epoch yang Overall Accuracy-nya senilai 86,67%. Dan juga berdasarkan Standar Nasional Indonesia nomor 8202 tahun 2019, peta yang dihasilkan sudah mencukupi standar ketelitian atribut tutupan lahan sebesar 85%.
URI
https://repo.itera.ac.id/depan/submission/SB2308080044
Keyword