Model Prediksi Tekstur Tanah dan Mineral Liat Kristalin Berbasis Penginderaan Jauh Citra Hiperspektral dan Machine Learning pada Area Perkebunan Teh Sukawana

ILMI RAMADHAN

Model Prediksi Tekstur Tanah dan Mineral Liat Kristalin Berbasis Penginderaan Jauh Citra Hiperspektral dan Machine Learning pada Area Perkebunan Teh Sukawana

dc.contributor.advisor	Mahfud Arifin
dc.contributor.advisor	Rina Devnita
dc.contributor.author	ILMI RAMADHAN
dc.date.accessioned	2024-05-17T02:04:34Z
dc.date.available	2024-05-17T02:04:34Z
dc.date.issued	2024-01-12
dc.description.abstract	Tekstur tanah dan mineral liat memiliki peran penting dalam manajemen pertanian. Teknologi digital soil mapping (DSM) memiliki potensi sebagai alternatif metode analisis laboratorium dalam memahami karakteristik tanah, khususnya tekstur dan mineral liat. Penelitian ini bertujuan untuk menentukan algoritma machine learning yang tepat untuk mengidentifikasi tekstur tanah serta mengetahui komposisi dan jenis mineral liat pada reflektansi spektral tekstur tanah. Metode yang digunakan dalam penelitian ini yaitu dengan mengintegrasikan data citra satelit hiperspektral dari Hyperion EO-1 dengan algoritma machine learning (ML) seperti Random Forest Regression (RFR), Extreme-Gradient-Boosting (XGBoost), dan Support Vector Regression (SVR) untuk memodelkan distribusi spasial setiap ukuran fraksi tanah. Hasil pemodelan spasial ukuran fraksi tanah selanjutnya digunakan untuk menentukan kelas tekstur tanah. Reflektansi dan serapan spektral dari hasil pemodelan tekstur tanah digunakan untuk identifikasi mineral liat melalui penerapan algoritma Continuum Removal (CR) dan filter Savitzky-Golay. Hasil penelitian menunjukkan bahwa model XGBoost untuk fraksi pasir memiliki kinerja yang lebih baik (R² = 0.36), diikuti oleh debu dan liat, dengan nilai R² masing-masing sebesar 0.29 dan 0.26. Model XGBoost memiliki nilai akurasi yang lebih tinggi untuk ketiga ukuran fraksi tanah dibandingkan dengan SVR (R2= 0.33, 0.30, 0.23) dan RFR (R2= 0.29, 0.18, dan 0.13). Analisis respon spektral tekstur liat berdebu dan lempung liat berdebu yang berasal dari hasil pemodelan XGBoost menunjukkan kehadiran beberapa mineral liat yaitu goetit, hematit, kaolinit, dan klorit. Penerapan algoritma machine learning pada citra Hyperion EO-1 serta respon spektral terbukti mampu mengidentifikasi sebaran spasial tekstur dan fraksi tanah, serta jenis dan komposisi mineral liat kristalin di area perkebunan Teh Sukawana.
dc.identifier.uri	https://repository.unpad.ac.id/handle/kandaga/150220210003
dc.subject	Pemetaan tanah digital
dc.subject	komposisi tanah
dc.subject	distribusi spasial
dc.title	Model Prediksi Tekstur Tanah dan Mineral Liat Kristalin Berbasis Penginderaan Jauh Citra Hiperspektral dan Machine Learning pada Area Perkebunan Teh Sukawana