Detail Cantuman

Peningkatan produktivitas tebu sebagai komoditas strategis nasional memerlukan pemantauan lahan dan kesehatan tanaman yang efektif dan akurat. Penelitian ini bertujuan untuk mengembangkan model klasifikasi tutupan lahan tebu menggunakan metode Random Forest berbasis citra satelit Sentinel-1 (radar) dan Sentinel-2A (optik) serta mendeteksi tingkat kesehatannya berdarkan perhitungan NDVI dalam platform Google Earth Engine. Citra Sentinel-2A digunakan untuk menghitung indeks vegetasi seperti NDVI, NDBI, MSAVI, dan
NDRE, sedangkan Sentinel-1 digunakan untuk mengekstrak kanal radar VV, VH, dan rasio VV/VH. Model klasifikasi tutupan lahan dibangun menggunakan algoritma Random Forest dan divalidasi dengan data titik lapangan, menghasilkan akurasi keseluruhan sebesar 75,61% dan koefisien Kappa 0,61. Sementara itu, deteksi kesehatan tanaman tebu dikembangkan menggunakan threshold NDVI dengan tiga kategori: sehat (NDVI ≥ 0,6), sedang (0,4–0,59), dan rusak (NDVI < 0,4). Validasi eksternal klasifikasi kesehatan tanaman menunjukkan akurasi keseluruhan sebesar 82% dengan Kappa 0,72. Hasil penelitian ini menunjukkan bahwa penggabungan citra radar dan optik dalam algoritma machine learning dapat
meningkatkan akurasi klasifikasi serta memberikan informasi spasial yang akurat mengenai distribusi dan kondisi kesehatan tanaman tebu.