Spatio-Temporal Sebran Vegetasi Di Sekitar UII dengan Pendekatan Machine Learning
Citra satelit memberikan informasi berharga tentang aspek permukaan bumi, seperti penggunaan/tutupan lahan, kondisi lingkungan, dan perubahan dari waktu ke waktu. Namun, menafsirkan dan mengekstraksi informasi bermakna dari gambar-gambar ini secara akurat dapat menjadi tantangan karena sifatnya yang kompleks dan dinamis. Teknik machine learning telah menunjukkan potensi besar dalam menganalisis dan memodelkan data variabel spasial dan temporal, termasuk citra satelit. Algoritma ini dapat menangkap ketergantungan spasial, temporal, dan spatio-temporal melalui pembelajaran representasi fitur otomatis. Dengan memanfaatkan algoritma machine learning, peneliti mengembangkan model yang dapat secara efektif mengklasifikasikan dan memprediksi berbagai fitur dan fenomena pada citra satelit. Pada penelitian ini, kami berfokus pada pengklasifikasian data geospasial citra satelit Sentinel level 2-A dengan menggunakan pendekatan machine learning seperti Support Vector Machine, Naive Bayes, dan Decision Tree pada objek vegetasi di sekitar Universitas Islam Indonesia (UII) dari tahun 2019 hingga tahun 2023.
“Artikel selengkapnya dapat dilihat di tautan berikut ini Kajian Spatio-Temporal“
