Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Geosains dan Remote Sensing (JGRS)
Nindya Swastika
Departemen Teknik Geomatika, Fakultas Teknologi Infrastuktur dan Kewilayahan, Institut Teknologi Sumatera
Earth & Planetary Sciences Energy Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Penginderaan Jauh Berbasis Time Series Menggunakan Multi-Layer Perceptron (MLP) Untuk Pemetaan Jenis Tanaman (Studi Kasus: Desa Girimulyo, Lampung Timur) Arif Rohman; Adam Irwansyah Fauzi; Nindya Swastika; Rian Nurtyawan
Jurnal Geosains dan Remote Sensing Vol 4 No 2 (2023): JGRS Edisi November
Publisher : Department of Geophysical Engineering, Faculty of Engineering, University of Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jgrs.ft.unila.138

Abstract

Penerapan metode klasifikasi time series penginderaan jauh dengan deep learning merupakan metode inovatif yang mampu mengekstrak informasi penting dari banyaknya data observasi bumi yang beragam dengan cepat dan akurat. Penelitian ini menyajikan metode klasifikasi berbasis time series menggunakan Multi-Layer Perceptron (MLP) untuk pemetaan jenis tanaman sebagai upaya untuk mendukung ketahanan pangan dengan menyediakan produk tutupan lahan berupa peta jenis tanaman. Penelitian ini menggunakan data citra Sentinel-2A dan 150 sampel berupa koordinat titik dari lima kelas yang disimpan dalam bentuk data cube teregulerisasi sebagai dasar informasi untuk pembentukan model klasifikasi menggunakan MLP. Berdasarkan hasil penelitian, jenis tanaman pada Desa Girimulyo diklasifikasikan ke dalam lima kelas klasifikasi yakni kelas jagung dengan luas 22,2 km2, kelas tanaman lain dengan luas 9,9 km2, kelas pisang dengan luas 6,3 km2, kelas kelapa dengan luas 3,7 km2, dan kelas non-tanaman dengan luas 2,8 km2. Hasil penelitian ini menunjukkan bahwa metode klasifikasi yang digunakan efektif untuk memetakan jenis tanaman di wilayah studi dibuktikan dengan nilai overall accuracy dari citra terklasifikasi yang mencapai 83%. Penelitian selanjutnya diharapkan dapat dilakukan dengan jumlah sampel yang lebih banyak pada wilayah studi dengan jenis tanaman yang lebih beragam.
Co-Authors Adam Irwansyah Fauzi Arif Rohman Rian Nurtyawan