Analisis Kualitas dan Klasifikasi Jenis Tanah Berbasis Pengolahan Citra: Teknik Image Sharpening dan CNN ResNet untuk pemetaan pemanfaatan Daerah Pesisir

Abstract

Tujuan: Penelitian ini bertujuan untuk menganalisis kualitas dan klasifikasi jenis tanah di wilayah pesisir Teluk Kendari dengan menggunakan teknik penajaman gambar dan Convolutional Neural Network (CNN) ResNet152V2, guna mendukung pengelolaan sumber daya wilayah pesisir yang berkelanjutan.

Perancangan/metode/pendekatan: Penelitian menggunakan pendekatan pengolahan citra digital dengan tahapan: pengumpulan dataset dari Kaggle dan lapangan, image preprocessing, image sharping, dan klasifikasi menggunakan model CNN ResNet152V2. Dataset terdiri dari 880 gambar dari Kaggle dan 110 gambar dari wilayah Teluk Kendari, dibagi menjadi data latih (80%), uji (10%), dan validasi (10%).

Hasil: Model CNN ResNet152V2 berhasil mencapai akurasi klasifikasi sebesar 90.91% dalam mengidentifikasi delapan jenis tanah (Aluvial, Andosol, Entisol, Humus, Inceptisol, Laterit, Kapur, dan Pasir). Teknik penajaman gambar terbukti efektif meningkatkan kualitas citra visual, memperjernih detail tekstur tanah, dan memudahkan proses klasifikasi.

Keaslian/ state of the art : Penelitian ini mengintegrasikan teknik penajaman gambar dan CNN ResNet untuk menganalisis tanah pesisir, yang sebelumnya belum banyak dilakukan di Indonesia. Pendekatan ini memberikan kontribusi dalam memahami kondisi tanah di wilayah pesisir dan mendukung strategi pengelolaan berkelanjutan