Aplikasi Citra Sentinel-2a Untuk Estimasi Produksi Teh Berbasis Transformasi Indeks Vegetasi Di Perkebunan Jolotigo, Jawa Tengah

Silpia Melina, Dr. Sudaryatno, M.Si.

2023 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Citra penginderaan jauh mulai banyak digunakan untuk estimasi produksi
tanaman karenanya sifatnya yang multitemporal dan menyajikan informasi yang real
time. Estimasi produksi tanaman dengan penginderaan jauh dapat dilakukan dengan
berbagai metode, salah satunya dengan transformasi indeks vegetasi. Penelitian ini
memiliki tujuan antara lain: (1)mengetahui kemampuan citra Sentinel-2A untuk
memetakan tanaman teh di Perkebunan Jolotigo, (2)mengetahui hasil estimasi
produksi tanaman teh dengan berbagai transformasi indeks(GNDVI, GARI, ARVI
dan MSAVI2) menggunakan citra Sentinel-2A di Perkebunan Jolotigo, dan
(3)mengetahui variasi tingkat ketelitian tiap transformasi indeks vegetasi
menggunakan citra Sentinel-2A untuk estimasi produksi tanaman teh di Perkebunan
Jolotigo.
Citra penginderaan jauh yang dimanfaatkan ialah Sentinel 2-A dengan tanggal
perekaman 15-25 September 2020. Nilai akurasi Citra Sentinel-2A untuk memetakan
penggunaan lahan teh dan non teh di Perkebunan Jolotigo dilihat berdasarkan nilai
akurasi hasil interpretasi Afdeling Selatan sebesar 93.59?n Afdeling Tombo
sebesar 93.33%. Hasil estimasi produksi pucuk teh berdasarkan indeks vegetasi
GNDVI, GARI, ARVI dan MSAVI2 menghasilkan nilai produksi secara berurutan
yaitu 369962 kg, 355322 kg, 369259 kg, dan 340907 kg. Hasil analisis regresi antara
nilai indeks dengan kerapatan menunjukkan indeks dengan akurasi tertinggi yaitu
indeks GARI dan ARVI. Hasil akurasi kerapatan tajuk GARI terhadap hasil produksi
lapangan menunjukkan nilai sebesar 54.17% untuk Afdeling Selatan dan 76.91%
untuk afdeling Tombo. Akurasi yang dihasilkan oleh model kerapatan tajuk ARVI
dengan hasil produksi di Afdeling Selatan sebesar 57.84?n Afdeling Tombo
76.97%. Estimasi produksi GNDVI di Afdeling Selatan dan Tombo memiliki akurasi
57.81?n 78.51%. Estimasi produksi MSAVI2 menghasilkan nilai akurasi pada
Afdeling Selatan 53.33?n Afdeling Tombo sebesar 74.35%.

Remote sensing imagery is starting to be widely used for estimating crop
production because of its multitemporal nature and provides real time information.
Estimation of plant production using remote sensing can be done using various
methods, one of which is by transforming the vegetation index. This research has the
following objectives: (1) to know the ability of Sentinel-2A imagery for mapping
between tea and non tea in Jolotigo Plantations, (2) to know the results of estimation
of tea production with various index transformations (GNDVI, GARI, ARVI and
MSAVI2) using Sentinel- 2A in Jolotigo Plantation, and (3) knowing the accuracy of
each vegetation indeks transformation using Sentinel-2A imagery for estimating tea
production in Jolotigo Plantation.
The remote sensing imagery used is Sentinel 2-A with a recording date of 15-25
September 2020. The accuracy value of Sentinel-2A imagery for mapping tea and
non-tea land use in Jolotigo Plantation is seen based on the accuracy value of the
interpretation of Selatan Section of 93.59% and Tombo Section of 93.33%.
Estimation of tea shoot production based on the GNDVI, GARI, ARVI and MSAVI2
vegetation index yields production values respectively: 369962 kg, 355322 kg,
369259 kg and 340907 kg. The results of the regression analysis between index
values and density show the indexes with the highest accuracy, namely the GARI and
ARVI indexes. The results of GARI's canopy density accuracy on field production
showed a value of 54.17% for the Selatan Section and 76.91% for the Tombo Section.
The accuracy produced by the ARVI canopy density model with production in Selatan
Afdeling was 57.84% and Tombo Afdeling was 76.97%. GNDVI production estimates
in Selatan Afdeling and Tombo have an accuracy of 57.81% and 78.51%. Estimated
production of MSAVI2 results in an accuracy value of 53.33% for the Selatan
Afdeling and 74.35% for the Tombo Afdeling

Kata Kunci : estimasi produksi, penginderaan jauh, regresi linier, tanaman teh, indeks vegetasi,production estimation, remote sensing, linear regression, tea plantations, vegetation index