ANALISIS PRODUKTIVITAS PADI MENGGUNAKAN ALGORITMA MACHINE LEARNING RANDOM FOREST DI KABUPATEN BATANG TAHUN 2018 - 2022

Abstract

Produktivitas padi merupakan salah satu alat untuk mengamati seberapa besar nilai produksi padi yang dicapai suatu wilayah. Perubahan produksi padi di suatu wilayah dapat dipengaruhi oleh pembangunan yang terjadi. Proyek pembangunan seperti jalan tol Semarang-Batang yang dimulai tahun 2016 dan pembangunan Kawasan Industri Terpadu Batang (KITB) yang dimulai tahun 2020, dapat mempengaruhi perubahan tutupan lahan pada wilayah Kabupaten Batang terutama sawah yang merupakan tempat dimana padi dihasilkan. Penelitian ini menggunakan data citra Sentinel-2 dari tahun 2018 hingga 2022 sehingga akan diketahui kondisi lahan dan perubahannya. Terdapat 8 periode yang digunakan untuk mengamati perubahan tutupan lahan sawah dan non sawah di Kabupaten Batang. Analisis perubahan tutupan lahan tersebut dilakukan dengan metode klasifikasi citra secara supervised dengan algoritma random forest (RF). Hasil klasifikasi tersebut kemudian dijadikan batas luasan untuk analisis produktivitas padi. Untuk mendapatkan nilai pendugaan produktivitas padi, dilakukan analisis regresi dengan data produktivitas padi sebagai variabel terikat dan nilai indeks tanaman sebagai variabel bebas. Nilai akurasi hasil klasifikasi yang didapat dari matriks konfusi dengan 100 titik validasi menghasilkan akurasi producer sebesar 95,556 %, akurasi user sebesar 86 %, akurasi keseluruhan sebesar 91 % , dan nilai Kappa sebesar 0,82. Variabel terikat yang digunakan dalam analisis regresi terdapat 2 macam, yang pertama adalah data per kecamatan dari Dinas Pangan dan Pertanian Kabupaten Batang dan yang kedua merupakan data survey validasi yang mencakup area per sawah. Nilai RMSE yang didapat dari data per kecamatan adalah 1,857 ton/Ha, sedangkan hasil prediksi menggunakan data lapangan dengan sampel per sawah menghasilkan nilai RMSE 0,498 ton/Ha