<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="161431">
 <titleInfo>
  <title>PENERAPAN MACHINE LEARNING XGBOOST UNTUK PEMETAAN UMUR KELAPA SAWIT MENGGUNAKAN CITRA SATELIT LANDSAT 9</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Dhiya Rahmad</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Elektro</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Kelapa sawit memiliki peran strategis dalam perekonomian Indonesia, terutama dalam industri pangan, energi, dan manufaktur, sehingga memerlukan manajemen perkebunan yang optimal. Salah satu aspek kunci dalam pengelolaan adalah pemantauan umur tanaman, yang berdampak langsung pada produktivitas dan perencanaan panen. Namun, pemantauan umur tanaman sawit masih menjadi tantangan karena metode konvensional seperti survei lapangan memerlukan waktu dan biaya tinggi. Penelitian ini bertujuan untuk mendeteksi dan memetakan umur kelapa sawit menggunakan citra satelit Landsat 9 dan algoritma Extreme Gradient Boosting (XGBoost) berbasis Google Earth Engine (GEE) dan Google Collaboratory. Citra Landsat 9 diproses dengan teknik analisis spektral, termasuk penggunaan kanal B2, B3, B4, B5, B6 dan B11 serta indeks vegetasi seperti NDVI, EVI, SAVI, MNDWI, NDBI, AVI, BSI, SI dan TI. Model XGBoost diterapkan untuk klasifikasi umur sawit berdasarkan karakteristik spektral, dengan evaluasi performa menggunakan precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model XGBoost mampu mengklasifikasikan umur kelapa sawit dengan akurasi keseluruhan sebesar 98,35%, dengan precision sebesar 97,2% untuk kelas sawit muda dan 97,3% untuk kelas sawit tua. Peta tematik yang dihasilkan berhasil menggambarkan persebaran spasial umur tanaman kelapa sawit di Kecamatan Kaway XVI, Kabupaten Aceh Barat, serta memberikan informasi luas tutupan lahan untuk setiap kelas umur. Perbedaan karakteristik spektral, terutama pada nilai indeks vegetasi dan termal, berhasil diidentifikasi secara konsisten dan signifikan antara tanaman muda dan tua. Kombinasi citra Landsat 9 dan XGBoost mampu meningkatkan akurasi klasifikasi umur kelapa sawit, bahkan di area yang sulit dijangkau. Pendekatan berbasis remote sensing dan machine learning ini menawarkan solusi yang lebih efisien untuk pemantauan perkebunan sawit, mendukung pengelolaan yang lebih baik, serta berkontribusi pada kebijakan keberlanjutan lingkungan.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>161431</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-07-15 11:34:25</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-07-15 11:47:10</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>