Land Area Estimator (LAE) adalah aplikasi desktop canggih yang dirancang khusus untuk membantu peneliti, akademisi, praktisi pertanian, dan pemerintah daerah dalam menghitung luas lahan pertanian (khususnya bawang merah dan tanaman lainnya) menggunakan citra satelit Sentinel-2 dan machine learning.
LAE mengintegrasikan pengolahan citra, kecerdasan buatan, dan visualisasi data dalam satu antarmuka yang mudah digunakan. Dengan LAE, Anda dapat mengidentifikasi tutupan lahan secara otomatis, menghitung luas area dengan presisi, dan menghasilkan laporan ilmiah siap publikasi.
Fitur Unggulan
-
Kelas Tutupan Lahan Kustom
Tentukan sendiri kelas-kelas yang ingin dianalisis (misal: Bawang Merah, Sawah, Hutan, Permukiman, Air, dll.) dengan warna dan marker khusus. -
Area of Interest (AOI)
Muat file Shapefile, GeoJSON, atau KML untuk mendefinisikan area studi. Dapat juga membuat AOI default untuk uji coba. -
Unduh Citra Sentinel-2 Langsung
Terintegrasi dengan Microsoft Planetary Computer. Cukup pilih rentang tanggal, LAE akan mengunduh citra multispektral (10 band) dan otomatis memotong sesuai AOI. -
Koleksi Titik Latih Interaktif
Buka peta satelit, zoom, pan, dan klik untuk menambahkan titik sampel untuk setiap kelas. Gunakan toolbar zoom/pan untuk presisi maksimal. Dapat menyimpan dan memuat ulang titik latih. -
Pelatihan Model Machine Learning
Pilih dari 8 algoritma: Random Forest, SVM, K-NN, Gradient Boosting, Neural Network, Decision Tree, Logistic Regression, Naive Bayes. Bandingkan performa antar algoritma dengan metrik akurasi, F1-score, dan waktu training. -
Klasifikasi Lahan Otomatis
Proses seluruh citra dengan model terbaik. Area di luar AOI otomatis diabaikan (nilai 0) untuk hasil yang akurat. -
Perhitungan Luas Presisi
Hitung luas per kelas dalam hektar dan meter persegi, lengkap dengan grafik distribusi. Hanya area dalam AOI yang dihitung. -
Laporan Ilmiah Siap Pakai
Hasilkan laporan lengkap dalam format TXT dan HTML yang mencakup metodologi, hasil klasifikasi, tabel luas, metrik performa model, dan rekomendasi. Laporan HTML sudah responsif dan siap dicetak. -
Optimasi Memori (Virtual RAM)
Untuk menangani citra besar, LAE dilengkapi pengaturan pagefile (swap) langsung dari aplikasi. Aktifkan virtual memory hingga 16 GB agar proses klasifikasi berjalan lancar.
Manfaat untuk Pengguna
-
Peneliti & Akademisi
Dapatkan data luas lahan yang akurat untuk publikasi ilmiah, skripsi, atau tesis. Laporan otomatis memudahkan penyusunan bab hasil dan pembahasan. -
Praktisi Pertanian & Penyuluh
Monitoring luas tanam bawang merah dan komoditas lain secara periodik tanpa perlu survei lapangan yang mahal dan memakan waktu. -
Pemerintah Daerah & Perencana Wilayah
Data spasial yang akurat untuk perencanaan pertanian, ketahanan pangan, dan alokasi anggaran. -
Konsultan & Perusahaan Agritech
Analisis cepat untuk berbagai wilayah dengan hasil yang reproducible dan terdokumentasi.
Cara Penggunaan
-
Instalasi
Jalankan file installer (untuk Windows) atau ekstrak folder aplikasi. Tidak perlu instalasi dependensi tambahan. -
Aktivasi Lisensi
Masukkan kode lisensi yang dikirim via email. Lisensi berlaku untuk 1 komputer (tidak bisa dipindah-pindah). -
Siapkan Data
-
Tentukan kelas tutupan lahan (default 8 kelas atau kustom).
-
Muat AOI (file shapefile/geojson).
-
Unduh citra Sentinel-2 atau gunakan file GeoTIFF lokal.
-
-
Koleksi Titik Latih
Buka Point Collector, klik pada peta untuk menambahkan titik sampel untuk setiap kelas. Minimal 20–30 titik per kelas. -
Latih Model & Klasifikasi
Pilih algoritma, latih model, lalu klasifikasikan seluruh area. -
Hitung Luas & Buat Laporan
Dapatkan tabel luas dan laporan ilmiah otomatis.
Informasi Teknis
-
Platform: Windows 10/11 (64-bit)
-
Lisensi: 1 komputer / 1 lisensi (aktivasi online)
-
Bahasa: Python 3.10+, CustomTkinter, Scikit-learn, Rasterio, Xarray
-
Memori Minimum: 8 GB RAM, swap 4–16 GB (disarankan)
-
Ruang Disk: ±500 MB untuk aplikasi + data
-
Koneksi Internet: Diperlukan untuk unduh citra Sentinel-2 dan aktivasi lisensi
Land Area Estimator – Akurasi Data Lahan, Kemudahan Analisis, Laporan Siap Pakai.
