Penerapan Mechine Learning untuk Mendeteksi Jenis Tanah Berbasis Citra Digital

Abstract

Identifikasi jenis tanah merupakan langkah penting dalam berbagai bidang seperti pertanian, konstruksi, dan konservasi lingkungan. Pendekatan konvensional yang mengandalkan observasi lapangan dan uji laboratorium memerlukan waktu, biaya, dan keahlian tinggi. Untuk mengatasi keterbatasan tersebut, penelitian ini mengembangkan aplikasi berbasis MATLAB dengan antarmuka grafis (GUI) guna mengidentifikasi jenis tanah secara otomatis dari citra digital. Sistem memanfaatkan kombinasi fitur warna dan tekstur, di mana nilai warna diperoleh dari rata-rata intensitas kanal RGB, dan fitur tekstur diekstraksi menggunakan metode Gray Level Co-occurrence Matrix (GLCM) yang menghasilkan parameter contrast, correlation, energy, dan homogeneity. Sistem ini dibangun menggunakan model waterfall melalui tahapan analisis, desain, implementasi, pengujian, dan pemeliharaan. Lima jenis tanah yang dapat dikenali yaitu gambut, humus, liat, laterit, dan pasir. Klasifikasi dilakukan dengan logika if-else berdasarkan nilai fitur yang ditentukan. Hasil pengujian menunjukkan bahwa aplikasi mampu melakukan klasifikasi dengan cukup baik untuk lingkungan terbatas, serta memiliki antarmuka yang ramah pengguna. Meskipun masih menggunakan pendekatan logika statis, aplikasi ini menunjukkan potensi pengembangan lebih lanjut menggunakan metode pembelajaran mesin seperti K-Nearest Neighbor (KNN), Support Vector Machine (SVM), atau Convolutional Neural Network (CNN) guna meningkatkan akurasi dan skalabilitas sistem. Penelitian ini diharapkan menjadi kontribusi awal dalam otomatisasi identifikasi tanah berbasis citra digital untuk mendukung survei awal maupun edukasi.