Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 1

Developing a Decision Tree Algorithm for Detecting Agroforestry and Monoculture Coffee Plantations Using Landsat 8 Imagery: A Case Study inBandung Regency, Indonesia

Jurnal Pengelolaan Sumberdaya Alam dan Lingkungan (Journal of Natural Resources and Environmental Management) · Vol. 15 No. 6 (2025) · hlm. 1009–1009

DOI
10.29244/jpsl.15.6.1009
ISSN
2086-4639, 2460-5824
Terbit
2025-11-25
Penerbit
Bogor Institute of Agriculture
Bahasa
id
Lisensi
creativecommons.org/licenses/by/4.0/

Abstrak

Kopi arabika merupakan komoditas unggulan di Kabupaten Bandung, Provinsi Jawa Barat, Indonesia, yang memiliki potensi pengembangan yang besar dengan menggunakan sistem penanaman agroforestri. Oleh karena itu, penelitian ini bertujuan untuk mendeskripsikan pengembangan algoritma pohon keputusan dengan mengkombinasikan variabel spektral yang berasal dari citra Landsat 8 dan variabel sosio-geo-biofisik. Variabel yang dikaji meliputi citra sintetis dan faktor sosio-geo-fisik, seperti elevasi, kemiringan lereng, jarak dari jalan dan sungai, jarak dari permukiman, kepadatan penduduk, jarak dari desa, dan peta tutupan lahan yang ada. Algoritma decision tree machine learning (DTML) dikembangkan untuk mendeteksi distribusi spasial penanamn kopi agroforestri dan kopi monokultur di Kabupaten Bandung. Parameter pohon keputusan yang diuji untuk mengidentifikasi bobot masing-masing variabel adalah gain ratio, information gain, dan gini indeks. Sementara itu, metode brute force diterapkan untuk memilih variabel yang paling signifikan dalam model. Hasil penelitian menunjukkan bahwa variabel yang paling signifikan untuk mengidentifikasi agroforestry dan monokultur kopi adalah kombinasi dari variabel spektral, biogeofisik, dan tutupan lahan, dengan kriteria terbaik adalah information gain. Penggunaan peta penggunaan dan tutupan lahan yang ada merupakan variabel yang paling berpengaruh dalam model. Dalam konteks ini, akurasi keseluruhan (OA) yang diperoleh adalah 84,65%, dengan akurasi kappa (KA) sebesar 82,60%.

Kata kunci

Jaringan kolaborasi para penulis

29 penulis · 105 tautan kepenulisan bersama · 5 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • IPB University
  • Institut Agama Islam Negeri Kendari
  • Universitas Gadjah Mada
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Lailan SyaufinaIPB University4
Cecep KusmanaIPB University2
Fakultas Kehutanan, Institut Pertanian Bogor, Kampus IPB Darmaga, Bogor 16680 Departemen SilvikulturIPB University2
Fakultas Kehutanan, Institut Pertanian Bogor, Kampus IPB Darmaga, Bogor 16680 Departemen Manajemen HutanAfiliasi tidak diketahui2
Farida Herry SusantyAfiliasi tidak diketahui1
Endang SuhendangIPB University1
Samsuri SamsuriInstitut Agama Islam Negeri Kendari1
Kukuh MurtilaksonoIPB University1
Hendrayanto HendrayantoIPB University1
Khairut Tamam Dwi RamaIPB University1
Imas Sukaesih SitanggangIPB University1
Mitra UnikIPB University1
Kampus IPB Baranangsiang, Bogor, 16151 Sekolah Pascasarjana Institut Pertanian BogorIPB University1
Gatot SetiawanIPB University1
Atfi Indriany PutriUniversitas Gadjah Mada1
Hermanu TriwidodoIPB University1
Muhammad Farrel ArdiansyahIPB University1
Sekolah Pascasarjana Institut Pertanian Bogor, Kampus IPB Darmaga, Bogor 16680 Program Studi Pengelolaan Sumberdaya Alam dan LingkunganIPB University1
Fakultas Pertanian, Institut Pertanian Bogor, Kampus IPB Darmaga, Bogor 16680 Departemen Ilmu Tanah dan Sumberdaya LahanIPB University1
Fakultas Kehutanan, Institut Pertanian Bofor, Kampus IPB, Bogor 16680 Departemen Manajemen HutanIPB University1
Dede DirgahayuIPB University1
Sri Hardiyanthi PurwadhiIPB University1
Lembaga Antariksa dan Penerbangan Nasional (LAPAN)Afiliasi tidak diketahui1
Fakultas Pertanian, Institut Pertanian Bogor, Kampus IPB Darmaga, Bogor 16680 Departemen Proteksi TanamanAfiliasi tidak diketahui1
Sekolah Pascasarjana Institut Pertanian Bogor, Kampus IPB Darmaga, Bogor 16680 a Program Studi Pengelolaan Sumberdaya Alam dan LingkunganIPB University1
Andini Tribuana TunggadewiIPB University1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OpenAlex API (jurnal SINTA, ADR 0048) https://openalex.org/S4210235798, pertama di-harvest 19 Nov 2026, terakhir terlihat 19 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title xml:lang="id">Developing a Decision Tree Algorithm for Detecting Agroforestry and Monoculture Coffee Plantations Using Landsat 8 Imagery: A Case Study inBandung Regency, Indonesia</dc:title><dc:creator>Agasta Adhiguna</dc:creator><dc:creator>I Nengah Surati Jaya</dc:creator><dc:creator>Nining Puspaningsih</dc:creator><dc:subject>decision tree</dc:subject><dc:subject>Landsat 8 imagery</dc:subject><dc:subject>land cover</dc:subject><dc:subject>information gain</dc:subject><dc:subject>Bandung Regency</dc:subject><dc:subject>Coffea arabica</dc:subject><dc:description xml:lang="id">Kopi arabika merupakan komoditas unggulan di Kabupaten Bandung, Provinsi Jawa Barat, Indonesia, yang memiliki potensi pengembangan yang besar dengan menggunakan sistem penanaman agroforestri. Oleh karena itu, penelitian ini bertujuan untuk mendeskripsikan pengembangan algoritma pohon keputusan dengan mengkombinasikan variabel spektral yang berasal dari citra Landsat 8 dan variabel sosio-geo-biofisik. Variabel yang dikaji meliputi citra sintetis dan faktor sosio-geo-fisik, seperti elevasi, kemiringan lereng, jarak dari jalan dan sungai, jarak dari permukiman, kepadatan penduduk, jarak dari desa, dan peta tutupan lahan yang ada. Algoritma decision tree machine learning (DTML) dikembangkan untuk mendeteksi distribusi spasial penanamn kopi agroforestri dan kopi monokultur di Kabupaten Bandung. Parameter pohon keputusan yang diuji untuk mengidentifikasi bobot masing-masing variabel adalah gain ratio, information gain, dan gini indeks. Sementara itu, metode brute force diterapkan untuk memilih variabel yang paling signifikan dalam model. Hasil penelitian menunjukkan bahwa variabel yang paling signifikan untuk mengidentifikasi agroforestry dan monokultur kopi adalah kombinasi dari variabel spektral, biogeofisik, dan tutupan lahan, dengan kriteria terbaik adalah information gain. Penggunaan peta penggunaan dan tutupan lahan yang ada merupakan variabel yang paling berpengaruh dalam model. Dalam konteks ini, akurasi keseluruhan (OA) yang diperoleh adalah 84,65%, dengan akurasi kappa (KA) sebesar 82,60%.</dc:description><dc:publisher>Bogor Institute of Agriculture</dc:publisher><dc:date>2025-11-25</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.29244/jpsl.15.6.1009</dc:identifier><dc:identifier>10.29244/jpsl.15.6.1009</dc:identifier><dc:source>Jurnal Pengelolaan Sumberdaya Alam dan Lingkungan (Journal of Natural Resources and Environmental Management); Vol 15 No 6 (2025); 1009-1009</dc:source><dc:source>2086-4639</dc:source><dc:source>2460-5824</dc:source><dc:language>id</dc:language><dc:relation>https://journal.ipb.ac.id/jpsl/article/download/61553/32018</dc:relation><dc:rights>https://creativecommons.org/licenses/by/4.0/</dc:rights></oai_dc:dc>