REMOTE SENSING UNTUK MEMPREDIKSI PRODUKSI TANAMAN PADI SAWAH DI KABUPATEN BANDUNG MENGGUNAKAN ALGORITMA GRADIENT BOOSTING REGRESSOR

• Main Author: Afina Hadaina Yudianita, - (Author)
• Format: Book
• Published: 2020-08-28.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/51519/8/S_KOM_1605201_Title.pdf; http://repository.upi.edu/51519/2/S_KOM_1605201_Chapter1.pdf; http://repository.upi.edu/51519/3/S_KOM_1605201_Chapter2.pdf; http://repository.upi.edu/51519/4/S_KOM_1605201_Chapter3.pdf; http://repository.upi.edu/51519/5/S_KOM_1605201_Chapter4.pdf; http://repository.upi.edu/51519/6/S_KOM_1605201_Chapter5.pdf; http://repository.upi.edu/51519/7/S_KOM_1605201_Appendix.pdf
• Keywords: L Education (General); QA75 Electronic computers. Computer science

Tanaman padi merupakan sumber karbohidrat utama bagi mayoritas penduduk dunia. Produksi padi menempati uruan ketiga setelah jagung dan gandum di seluruh dunia. Tanaman padi juga memegang peranan sebagai makanan pokok di Indonesia. Pada tahun 2011 - 2015, produksi padi di Indonesia mengalami peningkatan sebesar 9,64 juta ton atau sebesar 14,66%. Selain itu, tanaman padi juga berperan sebagai pendorong pertumbuhan ekonomi nasional dilihat dari kontribusinya dalam sektor pertanian sebagai sektor penyumbang terbesar kedua Produk Domestik Bruto. Dilihat dari peranannya di Indonesia, prediksi produksi padi menjadi hal yang krusial. Penelitian ini memanfaatkan teknologi remote sensing untuk memprediksi produksi tanaman padi sawah di sebagian wilyah Kabupaten Bandung. Data citra satelit Landsat 8 diekstraksi informasinya menggunakan aplikasi remote sensing ENVI, menghasilkan transformasi indeks vegetasi NDVI untuk diperoleh hubungan regresinya dengan produksi tanaman padi sawah. Prediksi dilakukan dengan membangun model Gradient Boosting Regression (GBR). Hasil eksperimen menunjukkan bahwa skenario terbaik menghasilkan nilai RMSE sebesar 9677,22 dengan nilai koefisien determinasi (R2) sebesar 0,60. Paddy rice is the main source of carbohydrates for the majority of the world's population. Paddy rice got the third place as the largest crop in the world, after corn and wheat. Paddy rice also plays an important role as Indonesia's most important staple food. From 2011 to 2015, paddy rice production in Indonesia increased by 9.64 millions tons or 14.66%. In addition, paddy rice also plays a role as one of the main booster of national economic growth based on its contribution to Indonesia's gross domestic product (GDB), which means yield prediction of paddy rice is crucial in Indonesia. This research exploits the technology of remote sensing to predict the yield of paddy rice using Landsat 8 satellite imagery. The satellite imagery are processed by remote sensing software (ENVI), resulting the transformation of vegetation indices called NDVI that later will be used to obtain its relationship with the yield of paddy rice. The prediction is done by building the model of Gradient Boosting Regressor algorithm. The experimental result show that the best scenario produces a RMSE value of 9677.22 with a coefficient of determination (R2) score of 0.60.