Skripsi

Perbandingan random forest dan support vector machine untuk klasifikasi lahan sawah / Habib Maskur Syihab

Abstrak
Pemantauan padi sebagai komiditas pangan utama merupakan hal yang perlu dilakukan untuk memastikan produksi pangan berkelanjutan. Pengumpulan data luas padi oleh instansi pemerintah masih menggunakan metode konvensional sehingga membutuhkan biaya yang mahal tidak real-time dan tidak efisien untuk menangani informasi perubahan sawah secara spasial temporal. Tujuan penelitian ini adalah klasifikasi lahan sawah menggunakan algoritma Random Forest (RF) dan Support Vector Machine (SVM) dan mengevaluasi hasil klasifikasi lahan sawah menggunakan algoritma RF dan SVM. Metode klasifikasi sawah menggunakan RF dan SVM berdasarkan data training dan latih yang diambil secara stratified random sampling. Metode untuk memperoleh data karakteristik hubungan tingkat kepentingan dari band dan indeks serta tingkat akurasi. Evaluasi klasifikasi berdasarkan hasil overall accuracy producer accuracy user accuracy koefisien kappa f-score precision dan recall. Hasil penelitian menunjukan indeks vegetasi dapat memisahkan sawah dibandingkan tutupan lahan lainnya dengan baik dan berkorelasi negatif dengan indeks lahan dan air. RF menilai indeks NDVI dan NDWI sebagai fitur dengan pengaruh terbesar. RF lebih baik dibandingkan SVM dalam klasifikasi sawah. RF memiliki overall accuracy 0 95 dan koefisien kappa 0 94. Sedangkan SVM memiliki overall accuracy 0 76 dan koefisien kappa 0 72.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Geografi, 2023.

Deskripsi Fisik

vi, 17 hlm. : ilus.

Bahasa

Indonesia

No Reg

2338/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. SAWAH - SISTEM KLASIFIKASI
2. ALGORITMA KOMPUTER
3. RICE FIELD - CLASSIFICATION SYSTEM

Pembimbing

1. Drs. Rudi Hartono, M.Si; 2. Ike Sari Astuti, S.P., M.Nat.Res.St., Ph.D

Lampiran Berkas