Syarif Hidayat, Ahmad (2021) Deteksi, Klasifikasi dan Model Prediksi Tutupan Lahan Embung untuk Pertanian menggunakan Support Vector Machine dan Markov Cellular Automata. Magister thesis, Universitas Brawijaya.
Abstract
Sektor pertanian merupakan sektor andalan dalam perekonomian Kabupaten Malang. Namun Kabupaten Malang telah mengalami penurunan luas panen padi yang disebabkan oleh kekeringan. Salah satu upaya Pemerintah untuk mengatasi hal tersebut ialah dengan melakukan kegiatan pembangunan embung untuk pertanian. Penggunaan teknologi remote sensing (penginderaan jauh) merupakan salah satu alat yang efektif untuk memantau fenomena perubahan yang terjadi secara terus menerus dan dalam area yang luas dalam hal ini embung. Tujuan dari penelitian ini adalah menentukan dan menganalisis penggunaan klasifikasi SVM pada citra satelit dalam hal deteksi embung, serta mengetahui model prediksi perubahan lahan embung untuk pertanian di Kabupaten Malang. Penelitian ini menggunakan Support Vector Machine (SVM) untuk mengklasifikasi jenis tutupan lahan dan model Markov Cellular Automata (Markov-CA) untuk memprediksi perubahan tutupan lahan embung untuk pertanian berdasarkan peluang perubahan lahan. Model prediksi dibangun dengan kombinasi interval waktu yaitu tahun 2004-2009 dan 2009-2015 yang kemudian diuji untuk memprediksi tutupan lahan tahun 2015 dan 2020. Penelitian ini menggunakan citra satelit PlanetScope, Landsat 7 dan 8. Penelitian ini terdiri dari empat pekerjaan utama yaitu praproses citra satelit, klasifikasi citra satelit, deteksi dan model prediksi perubahan penggunaan lahan. Hasil penelitian menunjukan penambahan jumlah area contoh pada algoritme SVM berdampak pada waktu komputasi dan akurasi klasifikasi embung, dimana jumlah area contoh yang sedikit waktu komputasi 16 detik dan akurasi 0.5641. Sedangkan jumlah area contoh yang banyak waktu komputasi 307 detik dan akurasi 07093. Model prediksi Markov-CA memiliki akurasi yang baik daripada model aktual pada kasus deteksi perubahan lahan embung untuk pertanian di Kabupaten Malang sebesar 0.3834 dan 0.3769.
English Abstract
The agricultural sector is the mainstay sector in the economy of Malang Regency. However, Malang Regency has experienced a decrease in rice harvested area caused by drought. One of the Government's efforts to overcome this is by carrying out the construction of embung for agriculture. The use of remote sensing technology is one of the effective tools to monitor the phenomenon of change that occurs continuously and in a large area in this case the embung. The purpose of this study is to determine and analyze the use of SVM classification in satellite imagery in terms of embung detection, and to find out the prediction model for embung land change for agriculture in Malang Regency. This study uses a Support Vector Machine (SVM) to classify land cover types and a Markov Cellular Automata (Markov-CA) model to predict land cover changes for embung for agriculture based on land change opportunities. The prediction model was built with a combination of time intervals, namely 2004-2009 and 2009-2015 which was then tested to predict land cover in 2015 and 2020. This study used satellite imagery of PlanetScope, Landsat 7, and 8. This study consisted of four main jobs, namely image preprocessing. satellite, satellite image classification, detection, and prediction model of land-use change. The results showed that the increase in the number of sample areas in the SVM algorithm has an impact on the computation time and accuracy of the embung classification, where the number of sample areas is small, the computation time is 16 seconds and the accuracy is 0.5641. While the number of sample areas is large, the computation time is 307 seconds and the accuracy is 07093. The Markov-CA prediction model has better accuracy than the actual model in the case of detection of embung land change for agriculture in Malang Regency of 0.3834 and 0.3769. Keywords: embung, detection, remote sensing, Support Vector Machine, Markov, Cellular Automata
Other obstract
--
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | 004 |
| Uncontrolled Keywords: | Kata kunci: embung, deteksi, penginderaan jauh, Support Vector Machine, Markov, Cellular Automata--embung, detection, remote sensing, Support Vector Machine, Markov, Cellular Automata |
| Divisions: | S2/S3 > Magister Ilmu Komputer, Fakultas Ilmu Komputer |
| Depositing User: | Unnamed user with username verry |
| Date Deposited: | 19 Oct 2021 07:51 |
| Last Modified: | 16 Oct 2024 01:13 |
| URI: | http://repository.ub.ac.id/id/eprint/184069 |
![[thumbnail of Ahmad Syarif Hidayat.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Ahmad Syarif Hidayat.pdf Download (7MB) |
Actions (login required)
 |
View Item |