IDENTIFIKASI PERKEBUNAN KELAPA SAWIT DENGAN CITRA SATELIT LANDSAT-8 MENGGUNAKAN TEKNIK ENSEMBLE TRANSFER LEARNING (Studi Kasus: Provinsi Bengkulu)

Penelitian ini bertujuan untuk mengidentifikasi keberadaan perkebunan kelapa
sawit di Provinsi Bengkulu menggunakan citra satelit Landsat-8 dan pendekatan
ensemble transfer learning. Metode ini memanfaatkan dua model pretrained
deep learning, yaitu VGG16 dan DenseNet121, yang dikombinasikan untuk
meningkatkan akurasi klasifikasi antara area sawit dan non-sawit. Data citra
diambil dari Google Earth Engine untuk tahun 2017, 2020, dan 2023. Dataset
terdiri dari 1.200 citra berukuran 75x75 piksel yang dibagi dalam dua kelas:
sawit dan non-sawit.Tahapan penelitian mengikuti CRISP-DM, mencakup:
Business Understanding, Data Preparation, Modeling, dan Evaluation. Model
diuji dan dievaluasi menggunakan classification report dan confusion matrix.
Hasil menunjukkan bahwa model ensemble memiliki akurasi tertinggi sebesar
99% dibanding dengan perfoma model tunggal sebesar 93% dengan klasifikasi
yang sangat baik pada dua kelas. Validasi spasial juga dilakukan dnegan
menggunakan SHP dari PT Perkebunan serta basemap citra satelit untuk
memastikan keakuratan spasial hasil prediksi.Penelitian ini menunjukkan bahwa
pendekatan ensemble transfer learning efektif dalam mengklasifikasikan
tutupan lahan kelapa sawit dari citra satelit, dan dapat dimanfaatkan dalam
perencanaan pengelolaan lahan serta monitoring perkebunan secara digital dan
efisien.
Kata kunci: Kelapa Sawit, Landsat-8, Deep Learning, Transfer Learning, Ensemble
Learning.