Pemantauan Fase Pertumbuhan Tebu Berbasis Multitemporal Menggunakan Citra Sentinel-2A dengan Metode Random Forest
Penelitian ini bertujuan memetakan fase pertumbuhan tebu menggunakan algoritma Random Forest dan mengidentifikasi indeks vegetasi paling berpengaruh dalam klasifikasi. Data yang digunakan adalah citra Sentinel-2A multitemporal dari empat periode yang mewakili fase perkecambahan (Agustus-September 2025), pertunasan (Oktober-Desember 2025), pemanjangan batang (Januari-Maret 2025), dan kemasakan (April-Juli 2025) di PT Sinergi Gula Nusantara Kebun Bungamayang, Lampung Utara. Empat indeks vegetasi Normalized Difference Vegetation Index (NDVI), Normalized Difference Red-edge (NDRE), Normalized Difference Water Index (NDWI), dan Chlorophyll Index Red-edge (Cire) diekstrak dari tiap citra menghasilkan 16 band sebagai fitur input. Klasifikasi dilakukan dua tahap di platform Google Earth Engine: Tahap 1 memisahkan area tebu dan non-tebu, Tahap 2 mengklasifikasikan empat fase pertumbuhan. Tahap 1 menghasilkan Overall Accuracy 96% (Kappa = 0,88). Tahap 2 menghasilkan Overall Accuracy 91% (Kappa = 0,88) dengan F1-score per fase: Perkecambahan 0,93; Pertunasan 0,90; Pemanjangan Batang 0,81; dan Kemasakan 1,00. Nilai Mean Absolute Error (MAE) = 0,085, Root Mean Square Error (RMSE) = 0,331, dan Coefficient of Determination (R²) = 91% mengkonfirmasi konsistensi model. Analisis feature importance menunjukkan NDVI berkontribusi paling besar (26,09%), diikuti NDWI (25,41%), NDRE (24,87%), dan CIre (23,63%). Hasil penelitian membuktikan bahwa integrasi citra multitemporal Sentinel-2A dan Random Forest efektif untuk pemantauan spasial fase pertumbuhan tebu sebagai dasar pengambilan keputusan manajemen perkebunan.
Kata kunci: Tebu, Random Forest, Sentinel-2A, Multitemporal, Indeks Vegetasi, Feature importance
URI
https://repo.itera.ac.id/depan/submission/SB2606170189
Keyword
Tebu Random Forest Sentinel-2A Multitemporal Indeks Vegetasi Feature importance