Klasifikasi Lahan Perkebunan Kelapa Sawit Pada Citra Foto Udara Menggunakan Metode Local Binary Pattern dan Klasifikasi SVM

Triyunita Nur Hayati ; Nuris Sayyidatul Fatimah ; Lailatul Fitria ; Soffiana Agustin
SABER : Jurnal Teknik Informatika, Sains dan Ilmu... 📅 2024 Vol 2, No 3 🔗 DOI: 10.59841/saber.v1i3.1399
Abstract
Land classification for oil palm plantations is an important topic in agricultural and plantation development. In this research, the local binary pattern (LBP) method and support vector machine (SVM) classification were used to identify oil palm plantations from aerial photography images. The main challenge in this process is accurately distinguishing oil palm fields and forests that have similar patterns and colors in satellite images. The LBP method is used to extract important texture features from images, while SVM is used to build a classification model based on these features. The test results show that using this method provides an accuracy value of 83.33% in the classification of oil palm land images. The development of oil palm plantations in Indonesia is becoming increasingly important as investment prospects strengthen. This research helps develop image classification technology to support the agricultural industry.
Keywords
palm oil; SVM; texture; image; LBP
How to Cite

Triyunita Nur Hayati, et al. (2024). Klasifikasi Lahan Perkebunan Kelapa Sawit Pada Citra Foto Udara Menggunakan Metode Local Binary Pattern dan Klasifikasi SVM. SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi, 2(3). https://doi.org/10.59841/saber.v1i3.1399

Triyunita Nur Hayati; Nuris Sayyidatul Fatimah; Lailatul Fitria; Soffiana Agustin, "Klasifikasi Lahan Perkebunan Kelapa Sawit Pada Citra Foto Udara Menggunakan Metode Local Binary Pattern dan Klasifikasi SVM," SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi, vol. 2, no. 3, 2024.

Triyunita Nur Hayati; Nuris Sayyidatul Fatimah; Lailatul Fitria; Soffiana Agustin. "Klasifikasi Lahan Perkebunan Kelapa Sawit Pada Citra Foto Udara Menggunakan Metode Local Binary Pattern dan Klasifikasi SVM." SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi, vol. 2, no. 3, 2024.

Triyunita Nur Hayati; Nuris Sayyidatul Fatimah; Lailatul Fitria; Soffiana Agustin. "Klasifikasi Lahan Perkebunan Kelapa Sawit Pada Citra Foto Udara Menggunakan Metode Local Binary Pattern dan Klasifikasi SVM." SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi 2, no. 3 (2024).

Triyunita Nur Hayati, et al. (2024) 'Klasifikasi Lahan Perkebunan Kelapa Sawit Pada Citra Foto Udara Menggunakan Metode Local Binary Pattern dan Klasifikasi SVM', SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi, 2(3). doi: 10.59841/saber.v1i3.1399.

Triyunita Nur Hayati; Nuris Sayyidatul Fatimah; Lailatul Fitria; Soffiana Agustin. Klasifikasi Lahan Perkebunan Kelapa Sawit Pada Citra Foto Udara Menggunakan Metode Local Binary Pattern dan Klasifikasi SVM. SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi. 2024;2(3).

Artikel Terkait

Design of an Android-Based Chatbot Application Using Mood Tracking and Sentiment Analysis to Monitor the Mental Health of University Students

Mohd Fauzan Azmi

Diplomasi Thailand dalam Upaya Menyelesaikan Konflik Sosial dan Politik Akibat Kudeta Junta Militer di Myanmar Tahun 2021

Ahmad Sabil; Ali Noer Zaman

Dari Prompt ke Produksi: Metode Tiga Dimensi untuk Mengevaluasi Keselarasan Niat, Keandalan Kode, dan Kognisi Pengembang dalam Vibe Coding

Andri Nugraha Ramdhon

Analisis Perilaku Belanja Online dan Dampaknya terhadap Ekonomi Keluarga: Sebuah Studi Literatur

Sri Rizka Agustina; Nurul Jannah; Shelsy Aulia; Darmawati

Makna Social Drinking pada Film Korea Selatan di Netflix Tahun 2024: Analisis Semiotika Charles Sanders Pierce

Moch. Nauval Al Gifari; Rizca Haqqu

Analisis Persepsei Mengenai Pembelajaran Skripsi pada Followers @Buiramira

Iffah Ulya Salsabila; Widia Febrianti; Rifan Kurniawan; Yohanes Arie Kuncoroyakti
Tren Sitasi Jurnal