Analisis Usia Tanaman Padi Berdasarkan Berbagai Indeks Vegetasi Menggunakan Citra Kamera

Farchan Mushaf Al Ramadhani; Abdul  Jalil

doi:10.47134/trilogi.v2i2.41

Authors

Farchan Mushaf Al Ramadhani University of Pekalongan
Abdul Jalil Universitas Muhammadiyah Jember

DOI:

https://doi.org/10.47134/trilogi.v2i2.41

Keywords:

Indeks vegetasi, usia tanaman padi, parabolik, VARI

Abstract

Sistem pertanian yang ada saat ini hanya mengandalkan pengetahuan para petani dalam mengetahui usia tanaman padi dan masih belum ada teknologi tepat guna yang dapat menganalisis usia tanaman padi. Oleh karena itu, indeks vegetasi yang didapatkan dari citra kamera digital yang tergolong dalam ground-based remote sensing merupakan salah satu metode alternatif yang dapat digunakan dalam menganalisis usia tanaman padi. Penelitian ini bertujuan untuk mengetahui model indeks vegetasi yang paling efektif dalam menganalisis usia tanaman padi. Penelitian ini dilakukan di lahan milik petani di Desa Kebonsari Kecamatan Sumbersari Kabupaten Jember. Sampel citra tanaman padi yang digunakan secara keseluruhan berjumlah sebanyak 400 citra. Analisis uji statistik menggunakan analisis determinasi untuk mencari koefisien determinasi antara variabel bebas dan variabel terikat. Varibel bebas pada penelitian ini yaitu data usia tanaman padi terukur sedangkan varibel terikat adalah indeks vegetasi. Hasil penelitian menunjukkan bahwa indeks vegetasi yang efektif untuk menganalisis usia tanaman padi menggunakan kamera digital yaitu indeks VARI. Selain itu, diperoleh juga bahwa usia tanaman padi varietas Cibogo proporsional terhadap nilai VARI hingga usia tanaman padi mencapai 78 HST. Pada usia tanaman padi 1-78 HST nilai indeks VARI mengalami peningkatan dan kemudian nilai indeks VARI mengalami penurunan hingga usia tanaman padi siap panen. Pola grafik yang didapatkan berlandaskan data hasil penelitian yakni parabolik dengan pendekatan fungsi parabolik y = -0.0002x²+ 0.0292x – 0.8001 dengan koefisien determinasi (R²) sebesar 96.8%.

Downloads

Download data is not yet available.

References

Ahmad, U. (2005). Pengolahan Citra Digital dan Teknik Pemrogramannya. Graha Ilmu.

Alvar-Beltrán, J., Gobin, A., Orlandini, S., & Marta, A. D. (2021). AquaCrop parametrisation for quinoa in arid environments. Italian Journal of Agronomy, 16(1749). https://doi.org/10.4081/ija.2020.1749 DOI: https://doi.org/10.4081/ija.2020.1749

Badan Pusat Statistik. (2023). Luas Panen, Produksi, dan Produktivitas Padi Menurut Provinsi 2020-2022. https://www.bps.go.id/indicator/53/1498/1/luas-panen-produksi-dan-produktivitas-padi-menurut-provinsi.html

Cahyono, B. E., Nugroho, A. T., & Arifilla, A. (2019). Analisis Usia Tanaman Padi Berdasarkan Nilai NDVI Menggunakan Citra Landsat 8 (Studi Kasus: Desa Rambigundam Kecamatan Rambipuji Jember). Jurnal Teras Fisika, 2(1), 9–13. https://doi.org/10.20884/1.jtf.2019.2.1.1245 DOI: https://doi.org/10.20884/1.jtf.2019.2.1.1245

Canon Incorporation. (2014). Manual Book Canon IXUS 160. Canon Incorporation.

Dimyati, M., Supriatna, S., Nagasawa, R., Pamungkas, F. D., & Pramayuda, R. (2023). A Comparison of Several UAV-Based Multispectral Imageries in Monitoring Rice Paddy (A Case Study in Paddy Fields in Tottori Prefecture, Japan). ISPRS International Journal of Geo-Information, 12(36), 1–12. https://doi.org/10.3390/ijgi12020036 DOI: https://doi.org/10.3390/ijgi12020036

Eng, L. S., Ismail, R., Hashim, W., & Baharum, A. (2019). The use of VARI, GLI, And VIgreen formulas in detecting vegetation in aerial images. International Journal of Technology, 10(7), 1385–1394. https://doi.org/10.14716/ijtech.v10i7.3275 DOI: https://doi.org/10.14716/ijtech.v10i7.3275

Gitelson, A. A., Kaufman, Y. J., Stark, R., & Rundquist, D. (2002). Novel Algorithms For Remote Estimation of Vegetation Fraction. Remote Sensing of Environment, 80(1), 76–87. https://doi.org/10.1016/S0034-4257(01)00289-9 DOI: https://doi.org/10.1016/S0034-4257(01)00289-9

Huete, A., Didan, K., Miura, T., Rodriguez, E. P., Gao, X., & Ferreira, L. G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83, 195–213. DOI: https://doi.org/10.1016/S0034-4257(02)00096-2

Indarto. (2016). Pengindraan Jauh Metode Analisis dan Interpretasi Citra Satelit. CV. ANDI OFFSET.

Karcher, D. E., & Richardson, M. D. (2003). Turfgrass science. Crop Science, 43, 943–951. DOI: https://doi.org/10.2135/cropsci2003.9430

Li, Y., Chen, D., Walker, C. N., & Angus, J. F. (2010). Field Crops Research Estimating the nitrogen status of crops using a digital camera. Field Crops Research, 118(3), 221–227. https://doi.org/10.1016/j.fcr.2010.05.011 DOI: https://doi.org/10.1016/j.fcr.2010.05.011

Lussem, U., Bolten, A., Gnyp, M. L., Jasper, J., & Bareth, G. (2018). Evaluation of RGB-Based Vegetation Indices from UAV Imagery to Estimate Forage Yield in Grassland. Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences 2018, 1215–1219. DOI: https://doi.org/10.5194/isprs-archives-XLII-3-1215-2018

Mao, W., Wang, Y., & Wang, Y. (2003). Real-time Detection of Between-row Weeds Using Machine Vision. ASAE Annual International Meeting, 1–9.

McKinnon, T. (2017). Comparing RGB-Based Vegetation Indices With NDVI For Drone Based Agricultural Sensing. Environmental Science, Mathematics. https://www.semanticscholar.org/paper/Comparing-RGB-Based-Vegetation-Indices-With-NDVI-McKinnon/5ec3ec2a92e61e49dbc6b33f9f0d170b313128f5

Nasir, M., Nazaruddin, Salahuddin, & Yusman. (2013). Deteksi Usia Tanaman Padi Berdasarkan Indeks Warna. Seminar Nasional Teknologi Informasi Dan Komunikasi (SNASTIKOM), 1–5.

Nugraheni, F. T., Haryanti, S., & Prihastanti, E. (2019). Pengaruh Perbedaan Kedalaman Tanam dan Volume Air terhadap Perkecambahan dan Pertumbuhan Benih Sorgum (Sorghum Bicolor (L.) Moench). Buletin Anatomi Dan Fisiologi, 3(2), 223–232. https://doi.org/10.14710/baf.3.2.2018.223-232 DOI: https://doi.org/10.14710/baf.3.2.2018.223-232

Putra, B. T. W., & Soni, P. (2018). Enhanced broadband greenness in assessing Chlorophyll a and b , Carotenoid , and Nitrogen in Robusta coffee plantations using a digital camera. Precision Agriculture, 19(2), 238–256. https://doi.org/10.1007/s11119-017-9513-x DOI: https://doi.org/10.1007/s11119-017-9513-x

Putra, M. A. B., & Graha, I. M. S. (2022). Pemantauan Pertumbuhan Padi Menggunakan Citra Satelit Landsat 8. Jurnal Litbang Sukowati : Media Penelitian Dan Pengembangan, 6(1), 43–53. https://doi.org/10.32630/sukowati.v6i1.316 DOI: https://doi.org/10.32630/sukowati.v6i1.316

Wang, Y., Wang, D., Zhang, G., & Wang, J. (2013). Field Crops Research Estimating nitrogen status of rice using the image segmentation of G-R thresholding method. Field Crops Research, 149, 33–39. https://doi.org/10.1016/j.fcr.2013.04.007 DOI: https://doi.org/10.1016/j.fcr.2013.04.007