Klasifikasi Fase Tumbuh Padi dengan Pendekatan Berbasis Objek Menggunakan Citra Sentinel-2

Pemantauan tanaman padi di Indonesia didukung oleh pemerintah daerah di tingkat kecamatan. Praktik tersebut membutuhkan dana yang besar dan dinilai kurang efisien. Opsi lain adalah pemanfaatan data Penginderaan Jauh menggunakan citra satelit gratis Sentinel-2 untuk memantau pertumbuhan padi secara spasio temporal dan pada wilayah yang lebih luas. Citra Sentinel-2 didesain untuk mendukung pemantauan pertanian. Untuk memantau fase tumbuh padi dapat dilakukan dengan klasifikasi berbasis piksel, tetapi pendekatan ini memiliki keterbatasan munculnya salt and pepper yang mengganggu hasil dan akurasi klasifikasi. Pendekatan klasifikasi Object-Based Image Analysis dapat mengatasi fenomena ini dan lebih baik dalam meniru persepsi manusia terhadap objek. Penelitian ini bertujuan untuk mengidentifikasi fase tumbuh padi pada citra Sentinel-2 dengan pendekatan klasifikasi berbasis objek, dan memantau sebaran spasio temporal fase tumbuh padi. Citra Sentinel-2 dengan 10 akuisisi bulan Mei – Agustus 2021 dianalisis dengan pendekatan berbasis objek dan fase tumbuh padi diklasifikasi dengan pendekatan SVM. Hasil analisis menunjukkan bahwa fase tumbuh padi dapat diidentfikasi dan diklasifikasi dengan baik tanpa fenomena salt and pepper dengan pendekatan berbasis objek dari citra multi-temporal Sentinel-2. Ketelitian model klasifikasi SVM cukup baik dengan rata-rata akurasi 81,60. Klasifikasi SVM berbasis objek dapat memetakan sebaran fase tumbuh padi konsisten dan berlanjut dari citra multi-temporal Sentinel-2.