18219004 Nadira Fawziyya Masnur.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Indonesia adalah Negara Agraris dengan salah satu komoditas utama pertaniannya adalah
beras. Salah satu daerah yang menjadi pusat penanaman padi di Indonesia khususnya di Pulau
Jawa adalah Kabupaten Karawang. Terdapat beberapa metode pengukuran data produksi padi,
salah satunya adalah metode statistik KSA. Selain menggunakan metode statistik tersebut,
terdapat beberapa studi yang menunjukkan bahwa model machine learning dapat
dikembangkan untuk memprediksi fase tumbuh padi secara tepat dan akurat. Pada tugas akhir
ini, dilakukan pengembangan pada algoritma CART yang sedang diteliti di BRIN sebagai
metode pengukuran data produksi padi. Pengembangan modified CART algorithm ditujukan
untuk meningkatkan kinerja model CART dalam melakukan klasifikasi fase tumbuh padi di
area studi kabupaten Karawang, Jawa Barat pada tahun 2020–2021. Pengembangan dilakukan
menggunakan data sampel KSA yang diekstrapolasikan dengan data atribut citra satelit
Sentinel-1A SAR. Model CART dimodifikasi menggunakan metode grid search
hyperparameter tuning serta ensemble stacking dengan model random forest, support vector
machine, serta gradient boosting sebagai final estimator-nya. Metode ensemble stacking
menggunakan parameter passthrough bernilai True yang menunjukkan data atribut training
juga digunakan untuk melatih final estimator. Selain itu, dilakukan beberapa eksperimen untuk
modifikasi data berupa penambahan atribut NDVI dan NDBI yang didapatkan dari citra
Landsat-8 OLI serta melakukan oversampling pada sampel kelas fase tumbuh padi (1, 2, 3, dan
4). Pembangunan model dilakukan dengan melakukan fitting data sampel KSA tahun 2020
pada area studi. Selanjutnya, pengujian model dilakukan dengan membandingkan prediksi
model terhadap data sampel KSA pada tahun 2021. Metrik evaluasi yang digunakan adalah
overall accuracy, f-1 score pada kelas fase tumbuh padi, dan kappa score. Hasil best modified
CART algorithm yang didapatkan dari serangkaian tugas akhir ini adalah model stacking CART
dengan gradient boosting yang menggunakan data citra sentinel-1A SAR yang telah dilakukan
oversampling pada data training-nya. Model base classifier CART yang digunakan pada
stacking CART dengan gradient boosting merupakan model hyperparameter tuned CART
dengan hasil hyperparameter yang optimal adalah maxnodes senilai 1000 dan minsamplesleaf
senilai 2. Model best modified CART algorithm terlihat meningkatkan OA model baseline
CART dengan selisih terendah senilai 0.70% pada bulan data training September 2020 dan
selisih tertinggi senilai 6.50% pada bulan data training Januari 2020. Pada pengujian model
menggunakan data atribut NDVI dan NDBI, didapati bahwa pada bulan dengan data citra yang
memiliki tingkat cloud cover yang rendah berhasil meningkatkan OA model, namun untuk
bulan dengan tingkat cloud cover yang tinggi terlihat menurunkan OA model. Selain itu,
penerapan oversampling juga menunjukkan peningkatan kinerja model dalam mengestimasi
luasan area kelas fase tumbuh padi saat dibandingkan dengan estimasi luas area berdasarkan
perhitungan metode statistik KSA. Oleh karena itu, didapati bahwa stacking CART dengan
gradient boosting memiliki kinerja lebih baik dibandingkan model-model lainnya.