Pemanfaatan Citra Sentinel-2 untuk Pemetaan Lahan Sawah di Desa Laringgi Kecamatan Marioriawa Kabupaten Soppeng = Utilization of Sentinel-2 Imagery for Mapping Paddy Fields in The Village of Laringgi, Marioriawa District, Soppeng Regency

Latar belakang. Sawah sebagai bentuk penggunaan lahan yang sangat strategis karena merupakan sumber utama produksi padi/beras sebagai makanan pokok Indonesia. Berdasarkan dari data hasil survei Kerangka Sampel Area di Kabupaten Soppeng, luas panen padi pada periode Januari sampai Desember 2021 sebanyak 47.466 ha atau mengalami penurunan sekitar -2,26 % (1.096 ha). Melalui citra sentinel-2, pemetaan lahan sawah diharapkan menghasilkan peta yang berisi informasi tentang penyebaran lahan sawah di Desa Laringgi. Tujuan. Tujuan dari penelitian ini adalah untuk memetakan dan mengidentifikasi penyebaran lahan sawah dengan menggunakan citra sentinel-2 di Desa Laringgi. Metode. Tahapan penelitian yaitu pengumpulan data, koreksi geometrik, cropping, menghitung indeks vegetasi, klasifikasi citra, validasi dan layout peta. Hasil. Indeks vegetasi NDVI pada klasifikasi MLC kelas sawah memiliki luas 425,56 ha dengan nilai PA 44,44% dan UA 90,90%. Sementara pada klasifikasi SVM kelas sawah memiliki luas 1.358,54 ha dengan nilai PA 97,78% dan UA 77,19%. Indeks vegetasi SAVI pada klasifikasi MLC kelas sawah memiliki luas 225,28 ha dengan nilai PA 57,78% dan UA 96,29%. Sementara pada klasifikasi SVM kelas sawah memiliki luas 1.358,62 ha dengan nilai PA 97,78% dan UA 77,19%. Adapun nilai OA pada indeks vegetasi NDVI klasifikasi MLC sebesar 67,74% dan SVM sebesar 83,87%. Sedangkan OA pada indeks vegetasi SAVI klasifikasi MLC sebesar 66,67% dan SVM sebesar 83,87%. Kesimpulan. Pemetaan dan identifikasi penyebaran lahan sawah dapat dilakukan dengan menggunakan indeks vegetasi NDVI dan SAVI citra sentinel-2. Untuk citra sentinel-2, Identifikasi tutupan lahan sawah terbaik menggunakan indeks vegetasi NDVI dengan klasifikasi SVM. Adapun berdasarkan nilai OA, indeks vegetasi NDVI dengan menggunakan klasifikasi SVM adalah metode yang terbaik.

Keyword : Lahan sawah, MLC, NDVI, QGIS, SAVI, Sentinel-2, SVM