<![CDATA[Tumpahan minyak di laut berdampak serius terhadap ekosistem pesisir, perikanan, dan keselamatan pelayaran. Penginderaan jauh Synthetic Aperture Radar (SAR) efektif digunakan untuk pemantauan karena tidak terpengaruh awan dan cahaya. Penelitian ini bertujuan mengembangkan metode klasifikasi tumpahan minyak menggunakan citra Sentinel-1 Single Polarization (VV) dengan mengintegrasikan fitur statistik lokal dan algoritma Random Forest (200 pohon keputusan). Fitur yang diekstraksi meliputi nilai backscatter VV, Local Mean, dan Local Standard Deviation (jendela 5×5 piksel). Model dilatih menggunakan 400.000 sampel kelas minyak dan non-minyak serta dievaluasi melalui confusion matrix, precision, recall, F1-score, dan overall accuracy. Hasil menunjukkan integrasi fitur statistik lokal meningkatkan akurasi dari 84,0% menjadi 91,52%. Nilai precision mencapai 0,93 (non-minyak) dan 0,90 (minyak), sedangkan recall masing-masing sebesar 0,89 dan 0,94. Model mengidentifikasi luasan tumpahan minyak sebesar 196,94 km² (1.969.436 piksel). Meskipun masih terdapat kecenderungan over-estimation, metode ini terbukti efektif meningkatkan akurasi klasifikasi dan berpotensi diterapkan untuk pemantauan pencemaran laut secara otomatis dan cepat.]]>
Copyrights © 2026
