KLASIFIKASI POHON KELAPA SAWIT PADA DATA FUSI CITRA LIDAR DAN FOTO UDARA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Desta Sandya Prasvita
Mayanda Mega Santoni
Rio Wirawan
Novi Trihastuti


DOI: https://doi.org/10.29100/jipi.v6i2.2437

Abstract


Proses pemantauan pertumbuhan pohon kelapa sawit merupakan salah satu aspek penting yang menentukan kualitas hasil produksi perkebunan kelapa sawit. Proses ini membutuhkan waktu yang lama dan sangat sulit jika dilakukan oleh manusia. Masa depan kelapa sawit diprediksi akan semakin prospektif dikarenakan kemajuan teknologi yang pesat serta semakin meningkatnya kesadaran manusia akan kelestarian lingkungan. Teknologi penginderaan jauh saat ini banyak dikembangkan di bidang perkebunan dan pertanian, salah satunya adalah dengan teknologi foto udara dan LiDAR. Namun, di Indonesia pemanfaatan teknologi LiDAR untuk pemetaan belum terlalu popular karena terbilang teknologi baru dan banyak komunitas perkebunan yang belum begitu mengenal teknologi tersebut. Fokus penelitian adalah tahapan awal dalam pengembangan sistem monitoring jarak jauh untuk pohon kelapa sawit menggunakan data LiDAR dan foto udara, yaitu pada tahapan klasifikasi. Pekerjaan dilakukan mulai dari proses pengumpulan data dan eksperimen untuk mendapatkan model klasifikasi yang optimal untuk identifikasi pohon kelapa sawit. Data yang digunakan adalah data fusi LiDAR dan foto udara di wilayah perkebunan kelapa sawit di Pontianak, Kalimantan Barat, Indonesia. Metode klasifikasi yang digunakan adalah Convolutional Neural Network (CNN), dengan akurasi tertinggi menggunakan fitur RGB sebesar 98%, akurasi terendah menggunakan fitur LiDAR sebesar 86%, sedangkan dengan penggabungan data fusi LiDAR dan foto udara adalah sebesar 97%.


Keywords


LiDAR, Convolutional Neural Network, Deep Learning, Kelapa Sawit

Full Text:

PDF

Article Metrics :

References


Fatimah and Nuryaningsih, Buku Ajar: Budidaya Tanaman Kelapa Sawit. 2018.

M. Astuti, Harfiza, E. Yuningsih, I. M. Nasution, D. Mustikawati, and A. R. Wasingun, Pedoman Budidaya Kelapa Sawit (Elais guineensis) yang Baik. 2014.

E. Meijaard et al., Kelapa sawit dan Keanekaragaman Hayati. 2018.

E. N. Ginting and D. Wiratmoko, Potensi dan Tantangan Penerapan Precision Farming dalam Upaya Membangun Perkebunan Kelapa Sawit yang Berkelanjutan, War. PPKS, vol. 26, no. 2, pp. 5565, 2021.

I. W. K. E. Putra, Sistem Kerja Sensor Laser pada LIDAR, J. Media Komun. Geogr., vol. 17, no. 1, pp. 5970, 2016.

H. Z. M. Shafri, N. Hamdan, and M. I. Saripan, Semi-automatic detection and counting of oil palm trees from high spatial resolution airborne imagery, Int. J. Remote Sens., vol. 32, no. 8, pp. 20952115, 2011, doi: 10.1080/01431161003662928.

W. Li, H. Fu, L. Yu, and A. Cracknell, Deep learning based oil palm tree detection and counting for high-resolution remote sensing images, Remote Sens., vol. 9, no. 1, 2017, doi: 10.3390/rs9010022.

W. Li, R. Dong, H. Fu, and L. Yu, Large-scale oil palm tree detection from high-resolution satellite images using two-stage convolutional neural networks, Remote Sens., vol. 11, no. 1, 2019, doi: 10.3390/rs11010011.

Y. Lecun and Y. Bengio, Convolutional Networks for Images, Speech, and Time-Series, Handb. Brain Theory Neural Networks, pp. 255258, 1998.

D. Hubel and T. Wiesel, Receptive Fields and Functional Architecture of Monkey Striate Cortex, J. Physiol., no. 195, pp. 215243, 1968, doi: papers://47831562-1F78-4B52-B52E-78BF7F97A700/Paper/p352.

V. B. Kusnandar, Di Mana Lahan Sawit Terluas di Indonesia?, https://databoks.katadata.co.id/, 2019. https://databoks.katadata.co.id/datapublish/2019/09/10/di-mana-lahan-sawit-terluas-di-indonesia (accessed Nov. 14, 2021).

M. Bartels and H. Wei, Remote Sensing: Segmentation and Classification of LIDAR Data, http://www.cvg.reading.ac.uk/, 2009. http://www.cvg.reading.ac.uk/projects/LIDAR/index.html.

Y. Cao, H. Zhao, N. Li, and H. Wei, Land-cover classification by airborne LIDAR data fused with aerial optical images, 2011 Int. Work. Multi-Platform/Multi-Sensor Remote Sens. Mapping, M2RSM 2011, 2011, doi: 10.1109/M2RSM.2011.5697394.

T. Tanhuanp et al., Mapping of urban roadside trees - A case study in the tree register update process in Helsinki City, Urban For. Urban Green., vol. 13, no. 3, pp. 562570, 2014, doi: 10.1016/j.ufug.2014.03.005.