ALGORITMA RANDOM FOREST UNTUK

IDENTIFIKASIPENUTUPAN LAHAN DI KPHP KAHAYAN

TENGAH

MUHAMMAD ERIS ALFA RISKI

UNIVERSITAS MUHAMMADIYAH PALANGKARAYA

FAKULTAS PERTANIAN DAN KEHUTANAN
PROGRAM STUDI KEHUTANAN
2021
 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA

Saya menyatakan bahwa skripsi berjudul Algoritma Random Forest untuk

Identifikasi penutupan lahan di KPHP Kahayan Tengah adalah benar karya saya
dengan arahan komisi pembimbing dan belum diajukan dalam bentuk apapun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau kutipan
dari kaya yang diterbitkan maupun tidak terbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi.
Saya melimpahkan hak cipta kaya tulis saya kepada Universitas
Muhammadiyah Palangkaraya.

Palangka Raya, …….2023

Materai 10.000
Muhammad Eris Alfa Riski
NIM. 19.61.021244
 ABSTRAK

ALLENY PEBRIANTY. Pengaruh pemberian Pupuk Kandang Ayam dan NPK

terhadap Produksi dan Kualitas Hasil Kacang Panjang pada Tanah Berpasir.
Dibimbing oleh DJOKO EKO HADI SUSILO dan PIENYANI ROSAWANTI

Budidaya tanaman kancang panjang (Vigna sinensis L.) produktivitasnya

masih rendah di Kota Palangka Raya diduga karena tumbuh pada tanah berapasir.
Tujuan penelitian ini mengukur pengaruh interakasi pupuk kandang ayam dan
pupuk NPK terhadap produksi dan kualitas hasil kancang panjang. Penelitian ini
menggunakan metode Rancangan Acak Kelompok (RAK) berupa percobaan
faktorial terdiri dari dua faktor perlakuan dan 4 kelompok. Hasil penelitian ini
menunjukan bahwa interaksi perlakuan pupuk kadang ayam dan dengan pupuk
NPK berpengaruh sangat nyata terhadap berat polong per tanaman.

Kata kunci: kacang panjang, kualitas, NPK, produksi, pupuk kandang ayam.

ABSTRACT

ALLENY PEBRIANTY. Effect of presenting Chicken Manure and NPK on

Production and Quality of Long Bean Yield in Sandy Soil. Supervised by DJOKO
EKO HADI SUSILO and PIENYANI ROSAWANTI.

The productivity of long bean (Vigna sinensis L.) cultivation is still low in
Palangka Raya City, presumably because long bean (Vigna sinensis L.) grows on
sandy soil. The objective of the study was measuring the interaction effect of
chicken manure and NPK fertilizer on the production and quality of long bean
yields. This study used a Randomized Block Design (RBD) method in the form of
a factorial experiment consisting of two treatment factors and four groups. The
results of this study showed that the interaction of treatment with chicken manure
and NPK fertilizer had a very significant effect on the weight of pods per plant.

Key words: chicken manure, long beans, NPK, production, quality,

ALGORITMA RANDOM FOREST UNTUK IDENTIFIKASI
PENUTUPAN LAHAN DI KPHP KAHAYAN TENGAH

MUHAMMAD ERIS ALFA RISKI

19.61.021244

Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana ................. pada
Program Studi ....................

UNIVERSITAS MUHAMMADIYAH PALANGKARAYA

FAKULTAS PERTANIAN DAN KEHUTANAN
PROGRAM STUDI KEHUTANAN
2021
 LEMBAR PENGESAHAN

Judul :
Nama :
NIM :
Program Studi :

Disetujui oleh

Komisi Pembimbing

Djoko Eko Hadi Susilo, S.P., M.P Pienyani Rosawanti, S.P., M.Si
Ketua Anggota

Diketahui oleh

Fakultas Pertanian dan Kehutanan Program Studi Agroteknologi

Dekan, Ketua,

Dr. Saijo, S.P., M.P Pienyani Rosawanti, S.P., M.Si

NIK. NIK.

Tanggal Ujian:
(Tanggal palaksanaan ujian skripsi)
 LEMBAR PERSETJUAN DEWAN PENGUJI

1. Djoko Eko Hadi Susilo, S.P., M.P …………………..

2. Pienyani Rosawanti, S.P., M.P …………………..

3. Fahruddin Afrianto, S.Pi., M.P …………………..

4. Dr. Saijo, S.P., M.P …………………..

 PRAKATA

Puji dan syukur penulis panjatkan kepada Allah Subhanallah Wa Ta’ala

segala karunia-Nya sehingga skripsi ini berhasil diselesaikan. Penelitian yang
dilaksanakan sejak bulan Januari 2020 sampai dengan September 2021, dengan
judul Pengaruh Pemberian Pupuk Kandang Ayam dan NPK terhadap Produksi
dan Kualitas Hasil Kacang Panjang Tanah pada Tanah Berpasir.
Penulis ucapkan terima kasih kepada:
1. Bapak Djoko Eko Hadi Susilo, S.P., M.P selaku dosen pembimbing
pertama
2. Ibu Pienyani Rosawanti, S.P., M.Si selaku dosen pembimbing kedua
3. Bapak Dr. Saijo, S.P., M.P dan selaku dosen penguji skripsi
4. Ibu Nurul Hidayat, S.P., M.P selaku Dosen Pembimbing Akademik
5. Kepala Dinas Pertanian Kota Palangka Raya.
6. Ayah, ibu, serta seluruh keluarga atas doa dan kasih sayangnya.
7. Teman-teman satu angkatan/satu bimbingan tahun 2016 Prodi
Agroteknologi Fakultas Pertanian dan Kehutanan UMPR
Semoga skripsi ini bermanfaat.

Palangka Raya, Januari 2021

Alleny Pebrianty
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
 I. PENDAHULUAN

1.1 Latar Belakang

Lahan merupakan suatu bagian dari permukaan bumi yang bermanfaat

bagi kehidupan manusia dan terdiri dari faktor fisik dan non fisik
(Ritohardoyo, 2013). Sitanala Arsyad (1989: 207) mengartikan penggunaan lahan
sebagai setiap bentuk campur tangan menusia terhadap lahan dalam rangka
memenuhi kebutuhan hidup baik material maupun spiritual. Secara sadar dan
tidak sadar aktivitas manusia di suatu lahan akan memengaruhi lahan tersebut.
Oleh sebab itu maka peran informasi tutupan lahan sangat lah penting untuk di
dapatkan.

Dengan demikian maka teknologi penginderaan jauh dapat dimanfaatkan.

Dengan teknologi penginderaan jauh maka mengindentifikasi tutupan lahan akan
sangat menghemat tenaga, biaya dan waktu. Teknologi penginderaan jauh dapat
digunakan dalam memetakan perubahan tutupan lahan di suatu wilayah.
Penginderaan jauh sendiri merupakan suatu ilmu yang memeroleh informasi
mengenai suatu objek, area, atau fenomena melalui analisis data yang diperoleh
dengan suatu alat tanpa berkontak langsung (Lillesand et al 2008).

Saat ini, sejumlah metode komputasi statistik telah dikembangkan untuk

mengekstrak informasi tutupan dan penggunaan lahan secara digital dari citra
penginderaan jauh, salah satunya adalah random forest (RF). Algoritma Random
Forest (RF) dapat digunakan sebagai pendekatan baru untuk memetakan tutupan
lahan melalui Google Earth Engine (Teluguntla & Thenkabail, 2018). RF
merupakan sebuah metode klasifikasi yang mengandung beberapa pohon
keputusan .Dimana di setiap tree melakukan training terhadap sampel data.
Penentuan kelas dilakukan berdasarkan jumlah vote dari setiap tree . Setiap pohon
melakukan klasifikasi. Penelitian ini menggunakan data citra Landsat-8 OLI untuk
mendapatkan informasi tutupan lahan menggunakan metode RF di wilayah KPHP
Kahayan Tengah.
 Tertuang dalam Peraturan gubernur Kalimantan Tengah No 10 tahun 2017
Tentang pembentukan, susunan organisasi, tugas, fungsi dan tata kerja unit
pelaksana teknis kesatuan pengelolaan hutan pada Dinas Kehutanan Provinsi
Kalimantan Tengah. Yang diantaranya menyebutkan bahwa Organisasi Kesatuan
Pengelolaan Hutan Produksi yang selanjutnya disebut KPHP adalah organisasi
pengelolaan hutan produksi yang wilayahnya sebagian besar terdiri atas kawasan
hutan produksi atau didominasi oleh kawasan hutan produksi. Dalam penelitian
ini, peneliti mengambil lahan kawasan KPHP Kahayan Tengah Provinsi
Kalimantan Tengah, Indonesia. adapun tujuan dari penelitian ini adalah
melakukan identifikasi tutupan lahan menggunakan metode random forest
berdasarkan citra Landsat-8 OLI dan menghitung nilai akurasi dari hasil
identifikasi tersebut.

1.2 Tujuan

Tujuan penelitian ini sebagai berikut:

1. Mengidentifikasi Perubahan tutupan lahan di KPHP Kahayan Tengah
dengan metode random forest.

1.3 Manfaat

Manfaat dari penelitian ini diharapkan dapat menjadi bahan informasi

khususnya pihak terkait dalam judul penelitian saya ini. Dan diharapkan juga
dapat bermanfaat untuk menjadi penelitian selanjutnya.
 BAB II METODE

3.1 Waktu dan Tempat

Pengolahan data penelitian mulai dilakukan pada bulan Maret hingga

bulan Mei 2023 di Universitas Muhammadiyah Palangkaraya, lokasi
penelitian berada di KPHP Kahayan Tengah provinsi Kalimantan tengah.
Adapun peta lokasi penelitian dapat dilihat pada Gambar 1.

Gambar 1. Lokasi penelitian

3.2 Bahan dan Bahan

Alat dan bahan yang digunakan dalam penelitian

ini sebagai berikut:
a. Laptop (Intel(R) Core(TM) i3-5005U dengan RAM 4 GB)
b. Sistem operasi windows 10 64 bit
c. Google Earth Engine (GEE) cloud computing
d. ArcGIS 10.8
e. Citra Landsat 8 Collection 2 Tier 1 calibrated top-of-atmosphere (TOA)
reflectance. Perekaman dari tanggal 1 Januari tahun 2022 sampai dengan
tanggal 30 Desember 2022
f. Data spasial berupa Shapefile Kawasan KPHP Kahayan Tengah.
 5

3.3 Metode Penelitian

3
3.1
3.2
3.3
Penelitian ini menggunakan metode Random Forest (RF) yang tersedia pada
algoritma data processing Google Earth Engine untuk memberikan solusi
permasalahan Big data remote sensing pada klasifikasi tutupan lahan. Tahapan
penelitian terdiri dari 5 tahapan yaitu studi literatur pengumpulan data, pra-proses
data, analisis NDVI, dan akurasi. Adapun diagram alur tahapan penelitian seperti
pada gambar di bawah ini

Gambar
2.Diagram Alir
Penelitian
 6

Data yang digunakan dalam penelitian ini adalah data peta penutupan (tutupan)
lahan, Citra satelit Landsat 8 Collection 2 Tier 1 calibrated top-of-atmosphere
(TOA) reflectance. Perekaman dari tanggal 1 Januari tahun 2022 sampai dengan
tanggal 30 Desember 2022 dan SHP Kawasan KPHP Kahayan tengah yang
menghasilkan 14 kelas tutupan lahan yang diberi label sebagai hutan lahan
skunder, hutan tanaman, semak belukar, perkebunan, pemukiman, lahan terbuka,
tubuh air, hutan rawa sekunder, semak belukar rawa, pertanian lahan kering,
pertanian lahan kering campuran, pertambangan, dan rawa.

Tabel 1.Jenis dan kegunaan band Landsat 8 (yang digunakan pada penelitian)

No Nama Band Panjang Gelombang (µm) Aplikasi Band

1 Coastal/Aerosol 0,43 – 0,45 Studi pesisir dan aerosol
2 Biru 0,45 – 0,51 Pemetaan batimetri,
membedakan tanah dari
vegetasi
3 Hijau 0,53 – 0,56 Menekankan puncak
vegetasi, yang berguna
untuk menilai kekuatan
tanaman
4 Merah 0,63 – 0,67 Membedakan lereng
vegetasi
5 NIR 0,85 – 0,88 Menekankan konten
biomassa dan garis pantai
6 SWIR 1 1,57 – 1,65 Diskriminasi kadar air
tanah dan tumbuh-
tumbuhan, menembus
awan tipis
7 SWIR 2 2,11 – 2,29 Peningkatan kadar air
tanah dan vegetasi dan
penetrasi awan tipis
Sumber: Landsat 8 (L8) Data User Handbook USGS 2018
(https://www.usgs.gov/media/files/landsat- 8-data-users-handbook)
 7

3.4 Tahapan Pengolahan Data

Google Earth Engine (GEE) adalah portal web yang menyediakan citra satelit
deret waktu global (lebih dari 40 tahun), cloud computing, dan algoritma untuk

memproses data (Mutanga & Kumar, 2019). Data yang tersedia berasal dari
beberapa satelit, seperti: Moderate Resolution Imaging Spectrometer (MODIS);
National Oceanographic and Atmospheric Administration Advanced resolusi
sangat tinggi radiometer (NOAA AVHRR); Landsat 7 dan 8; Sentinel 1, 2, dan 3;
Satelit Pengamat Darat Lanjutan (ALOS). Data citra satelit yang digunakan telah
terkoreksi secara geometrik dan radiometric surface reflectance dari United States
Geological Survey (USGS) dan kemudian dengan GEE dilakukan cloud masking
agar data terbebas dari awan. Proses klasifikasi di GEE dilakukan dengan
beberapa tahapan. Pertama, batas kabupaten kota dalam bentuk shapefile di
upload ke GEE. Batas ini diperlukan agar hasil penelitian dapat dibedakan
berdasarkan kabupaten/kota. Kedua, komposit citra landsat-8, bebas awan dibuat
untuk masing-masing citra satelit. Setelah komposit dihasilkan, nilai piksel yang
bersesuaian dengan titik koordinat data pelatihan diekstraksi dalam GEE. Data
Hasil ekstrak digunakan sebagai dasar untuk klasifikasi RF.
3.5 Klasifikasi tutupan lahan

Setelah dilakukan analisis tutupan lahan melalui citra Landsat 8, maka diberikan
kode secara acak untuk menentukan objek hutan (1), semak (2), perkebunan (3)
lahan terbuka (4), perairan (5), lahan pertanian (6), pertambangan (7) di KPHP
Kahayan Tengah.
3.6 Akurasi klasifikasi tutupan lahan

3.4 Alur penelitian

Pada dataset composition atau dengan kata lain input citranya menggunakan citra
Landsat-8, setelah itu data di cloud maskingagar citra terbebas dari awan dan di
filter dengan memasukan fungsi date dan AOI, setelah semua di input lalu masuk
di tahap klasifkasi dimana di tahap ini dilakukan pengambilan sample point
sebanyak 135 titik tergantung luas wilayah tutupan lahan. Setelah itu masuk ke
proses klasifikasi menggunakan metode random forest . Pada tahap akhir, validasi
beserta hasil klasifikasi akan digabungkan menjadi confusion matrix yang
menghasilkan overall accuracy, kappa coefficient.
 8

3.5 Akusisi citra

Citra yang digunakan adalah satelit Landsat-8, dengan daerah studi di wilayah
KPHP Kahayan Tengah. Data satelit tersebut di peroleh dari
https://code.earthengine.google.com/. Dianalisis oleh komputer untuk
mendapatkan wilayah yang diinginkan

Hasil pemotongan citra