PELUANG DAN TANTANGAN DALAM PEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH DAN MACHINE LEARNING UNTUK PREDIKSI DATA TANAMAN PANGAN YANG LEBIH AKURAT

Perubahan teknologi informasi menyebabkan terjadinya produksi data yang besar, cepat, dan berbagai macam. Pada era teknologi juga terjadi perkembangan pesat metode pengolahan data besar dan berdimensi tinggi seperti machine learning. Hal ini membuka peluang baru dalam penyediaan data statistik untuk berbagai permasalahan, seperti ketahanan pangan. Salah satu sumber big data gratis yang dapat dimanfaatkan untuk upaya ketahanan pangan adalah hasil penginderaan jauh. Penginderan jauh mengalami banyak kemajuan, yang tercermin dalam ketersediaan citra satelit dengan ketajaman pixel tinggi dan kaya informasi spasial temporal. Berbagai informasi vegetasi untuk prediksi tanaman pangan dapat diturunkan dari citra satelit ini. Namun, dibalik peluang yang ada, masih terdapat tantangan dalam pemanfaatan sepenuhnya citra satelit. Tujuan dari ulasan makalah ini adalah untuk mempelajari peluang dan tantangan dalam pemanfaatan teknologi penginderaan jauh dan machine learning untuk prediksi data tanaman pangan yang lebih akurat. Kami melihat ada banyak upaya penggunaan citra satelit untuk prediksi tanaman. Kami mengelompokkan metode yang digunakan untuk klasifikasi menjadi tiga kelompok, yaitu metode statistika konvensional, machine learning populer, dan deep learning. Sementara tantangan dalam pemanfaatan citra satelit yang teridentifikasi meliputi tantangan dari karakteristik citra satelit serta kondisi geografis dan pertanian di Indonesia. Lebih lanjut, hasil eksperimen kami sendiri menggunakan supervised random forest berdasarkan data multitemporal landsat 8, diperoleh bahwa pengambilan sampel, identifikasi kemungkinan seluruh kelas klasifikasi, serta rekayasa fitur berperan penting dalam peningkatan akurasi model klasifikasi. Dapat kami simpulkan bahwa ada peluang besar untuk pemantauan tanaman pangan menggunakan penginderaan jauh ini.