PREDIKSI C-ORGANIK TANAH PERMUKAAN MENGGUNAKAN CITRA SATELIT MULTISPEKTRAL BERBASIS MACHINE LEARNING DI SUB-DAS CIKAPUNDUNG

NOVIANI PUTRI

PREDIKSI C-ORGANIK TANAH PERMUKAAN MENGGUNAKAN CITRA SATELIT MULTISPEKTRAL BERBASIS MACHINE LEARNING DI SUB-DAS CIKAPUNDUNG

dc.contributor.advisor	Muhammad Amir Solihin
dc.contributor.advisor	Mahfud Arifin
dc.contributor.author	NOVIANI PUTRI
dc.date.accessioned	2024-05-17T02:04:35Z
dc.date.available	2024-05-17T02:04:35Z
dc.date.issued	2023-10-09
dc.description.abstract	Dinamika C-organik tanah sebagai parameter kualitas tanah terus terjadi akibat perubahan tutupan lahan, khususnya di Sub-DAS Cikapundung, Jawa Barat. Penelitian ini bertujuan untuk mengidentifikasi dan membuat model prediksi C-organik tanah permukaan secara spasial menggunakan data penginderaan jauh. Identifikasi variabel prediktor C-organik tanah permukaan melalui prinsip Digital Soil Mapping diantaranya karakteristik tanah, iklim, organisme, topografi, dan bahan induk. Pendekatan machine learning seperti Random Forest (RF), Support Vector Regression (SVR) dan Artificial Neural Network (ANN) dapat mempermudah kalkulasi data dalam memprediksi C-organik tanah permukaan. Hasil penelitian menunjukkan variabel grup iklim dan topografi masing-masing memiliki pengaruh 49% dan 47% terhadap C-organik tanah permukaan. Sedangkan variabel grup organisme, karakteristik tanah, dan bahan induk hanya memiliki pengaruh masing-masing 20%, 30% dan 26%. Variabilitas C-organik tanah permukaan yang dihasilkan oleh model RF, SVR, dan ANN bergantung pada kombinasi dari variabel grup prediktor yang diuji dalam Dataset I dan Dataset II. Akurasi model prediksi C-organik tanah permukaan tertinggi terdapat pada RF (R2= 0,43) dibandingkan SVR (R2= 0,29) dan ANN (R2= 0,34). Nilai Relative Percent Difference menunjukkan bahwa model RF dapat menggambarkan tinggi rendahnya variabilitas C-organik tanah permukaan. Sementara itu, model SVR dan ANN menghasilkan model overfitting dalam nilai prediksi C-organik yang ditunjukkan dengan nilai negatif pada nilai minimum prediksi. Oleh karena itu, model prediksi C-organik tanah permukaan bergantung pada variabel prediktor terpilih dan jenis model efektif dalam menggambarkan variabilitas C-organik tanah permukaan. Prediksi C-organik tanah dapat digunakan sebagai dasar perencanaan peningkatan kualitas tanah untuk mencapai target Tujuan Pembangunan Berkelanjutan melalui pemantauan C-organik tanah secara spasial dan temporal.
dc.identifier.uri	https://repository.unpad.ac.id/handle/kandaga/150220210005
dc.subject	C-organik tanah permukaan
dc.subject	penginderaan jauh
dc.subject	machine learning
dc.title	PREDIKSI C-ORGANIK TANAH PERMUKAAN MENGGUNAKAN CITRA SATELIT MULTISPEKTRAL BERBASIS MACHINE LEARNING DI SUB-DAS CIKAPUNDUNG