ANALISIS FASE PERTUMBUHAN PADI MENGGUNAKAN KLASIFIKASI SUPERVISED BERBASIS CITRA SAR DAN DIVALIDASI CITRA DRONE

Tanaman padi merupakan komoditas pangan utama yang perlu dipantau fase pertumbuhannya karena setiap fase memiliki karakteristik yang berbeda. Pemantauan fase pertumbuhan dapat dilakukan menggunakan penginderaan jauh, salah satunya melalui citra optik yang mampu memberikan informasi kondisi vegetasi. Namun, pemantauan menggunakan citra optik sering terkendala oleh tutupan awan, sehingga citra Synthetic Aperture Radar (SAR) Sentinel-1 menjadi alternatif yang efektif karena mampu merekam kondisi permukaan bumi tanpa dipengaruhi cuaca maupun kondisi pencahayaan. Penelitian ini bertujuan menganalisis kemampuan citra SAR Sentinel-1 dalam mengklasifikasikan fase pertumbuhan padi di Desa Telang, Kabupaten Bangkalan menggunakan metode supervised Random Forest dan mengevaluasi tingkat akurasinya berdasarkan validasi citra drone. Data yang digunakan berupa citra Sentinel-1 polarisasi VV dan VH periode Desember 2025–Maret 2026 dan citra drone sebagai data validasi. Tahapan penelitian meliputi pengambilan data citra drone, pengolahan data drone di Agisoft, preprocessing citra SAR, klasifikasi Random Forest, klasifikasi fase tumbuh padi, dan uji akurasi. Hasil penelitian menunjukkan bahwa citra Sentinel-1 mampu merekam perubahan nilai backscatter selama siklus pertumbuhan padi sehingga dapat membedakan fase vegetatif, generatif, dan panen/tanah terbuka. Hasil klasifikasi menunjukkan dominasi fase vegetatif terjadi pada 30 Desember 2025 dan 11 Januari 2026 dengan luas 692,76 ha (100%), fase generatif mencapai puncak pada 16 Februari 2026 dengan luas 649,46 ha (94%), sedangkan fase panen/tanah terbuka mendominasi pada 28 Maret 2026 dengan luas 692,76 ha (100%). Validasi menggunakan citra drone menghasilkan nilai accuracy berkisar 62%–100%, dan precision 57%–100% yang menunjukkan bahwa metode Random Forest berbasis citra SAR Sentinel-1 mampu mengidentifikasi fase pertumbuhan padi dengan tingkat ketelitian yang baik.