Pemetaan Cepat Tekstur Tanah Menggunakan Metode Pembelajaran Mesin Dan Data Penginderaan Jauh Di Perbukitan Menoreh

Muhammad Fattah, Wirastuti Widyatmanti, S.Si., Ph.D.

2023 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Informasi spasial tekstur tanah merupakan komponen penting dalam
pengambilan keputusan dan perencanaan kebijakan. Informasi tersebut dapat
dipetakan menggunakan faktor pembentuk tanah yang didapatkan dari data
penginderaan jauh dan data sekunder. Sistem informasi geografi (SIG) juga dapat
diintegrasikan sebagai alat untuk mendapatkan informasi spasial tekstur tanah.
Pembelajaran mesin random forest (RF) digunakan untuk memetakan tekstur tanah
di Perbukitan Menoreh. Tujuan penelitian ini adalah 1) mengetahui informasi
bentuklahan, 2) menentukan variabel yang signifikan untuk mencari informasi
persebaran tekstur tanah, serta 3) memetakan persebaran tekstur tanah di daerah
kajian. Melalui pendekatan ekologi, bentuklahan dapat diklasifikasikan menjadi 6
kelas yaitu bukit gunungapi terdenudasi, dataran tinggi, gawir sesar, kaki
gunungapi, perbukitan karst terkikis, dan perbukitan terkikis. Dalam penelitian ini,
enhanced vegetation index (EVI) menjadi variabel yang paling signifikan. Hasil uji
akurasi menunjukan bahwa RF mampu memberikan overall accuracy sebesar 0.6.
Penelitian menunjukan potensi variabel yang digunakan untuk memetakan tekstur
tanah di daerah perbukitan

Spatial information on soil texture play a crucial role in decision making and
policy planning. It can be mapped using soil-forming factors from remote sensing
and secondary data, with the integration of geographic information systems (GIS)
as a valuable tool. Random forest (RF) machine learning was used to map soil
texture in the Menoreh Hills. The objectives of this study are 1) knowing landform
information, 2) determining significant variables of soil texture, and 3) mapping
the distribution of soil texture. Through an ecological approach, landforms can be
classified into 6 classes, namely denudated volcanic hills, plateaus, fault ridges,
volcanic foothills, eroded karst hills, and eroded hills. In this study, enhanced
vegetation index (EVI) became the most significant variable. The accuracy test
results show that RF is able to provide an overall accuracy of 0.6. Research shows
the potential variables used to map soil texture in hilly areas

Kata Kunci : Tekstur tanah, random forest, bentanglahan, bentuklahan,Soil texture, random forest, landform, landscape