Analisis Kelembaban Tanah dengan Indeks Vegetasi Berbasis Penyesuaian Faktor Tanah Menggunakan Foto Udara Multispektral pada Tanaman Kelapa Sawit Terinfeksi Ganoderma

Asyifah Kholilah Namorauli Siregar, Prof. Dr. Ir. Sri Nuryani Hidayah Utami, M.P., M.Sc.; Dhimas Wiratmoko, S.P., M.Sc.

2025 | Skripsi | ILMU TANAH

Kelapa sawit merupakan salah satu komoditas utama di Indonesia, tetapi produktivitasnya terus menurun akibat penyakit busuk pangkal batang yang disebabkan oleh infeksi jamur Ganoderma boninense. Perkembangan jamur Ganoderma pada perkebunan kelapa sawit diakibatkan oleh faktor lingkungan, salah satunya kelembaban tanah. Perkembangan teknologi penginderaan jauh dapat dimanfaatkan sebagai metode yang efisien untuk estimasi kelembaban tanah dalam mengidentifikasi jamur Ganoderma boninense. Penelitian ini memiliki tujuan: (1) menganalisis hubungan antara kelembaban tanah dengan indeks vegetasi berbasis penyesuaian faktor tanah; (2) membangun algoritma pendugaan kelembaban tanah menggunakan indeks vegetasi berbasis penyesuaian faktor tanah; dan (3) mengevaluasi keakuratan indeks vegetasi berbasis faktor tanah yang digunakan, yaitu SAVI, OSAVI, dan MSAVI. Metode yang digunakan dalam penelitian berupa pengukuran kelembaban tanah secara aktual  dan estimasi kelembaban tanah menggunakan foto udara multispektral yang diintegrasikan dengan transformasi indeks vegetasi berbasis penyesuaian faktor tanah, SAVI, OSAVI, dan MSAVI. Hasil kelembaban tanah dihubungkan melalui analisis regresi linear sederhana dan diakhiri dengan uji validasi. Hasil analisis regresi terbaik didapatkan pada pengukuran jarak 3 meter dengan kategori sedang. Nilai korelasi tertinggi diperoleh pada indeks vegetasi OSAVI sebesar 0,43, sedangkan nilai korelasi terendah diperoleh SAVI dan MSAVI dengan nilai 0,41. Persamaan yang terbentuk dari OSAVI adalah Y = 42,202x + 18,357 dengan R2 = 0,181; persamaan dari SAVI yaitu Y = 46,97x + 18,642 dengan R2 = 0,172l; dan persamaan dari MSAVI yaitu Y = 50,349x + 19,057 dengan R2 = 0,1685. OSAVI memiliki nilai error terendah dan akurasi tertinggi dengan nilai 4,79 dan 96,61%.

Oil palm is one of the primary commodities in Indonesia, but its productivity continues to decline due to stem base rot disease caused by the Ganoderma boninense fungal infection. The spread of Ganoderma fungi in oil palm plantations is influenced by various environmental factors, including soil moisture. The developing remote sensing technology can be utilized as an efficient method for soil moisture estimation in identifying Ganoderma boninense fungi. This research has the following objectives: (1) to analyze the relationship between soil moisture and vegetation indices based on soil factor adjustment; (2) to build a soil moisture estimation algorithm using vegetation indices based on soil factor adjustment; and (3) to evaluate the accuracy of the soil factor-based vegetation indices used (SAVI, OSAVI, and MSAVI). The methods used in the study were actual soil moisture and soil moisture estimation using multispectral aerial photographs integrated with the transformation of soil factor adjustment-based vegetation indices. Soil moisture results were correlated through linear regression analysis and concluded with a validation test. The best regression analysis results were obtained at 3 meters, with a medium category. The highest correlation value was obtained in the OSAVI at 0.43, while the SAVI and MSAVI indices had correlation values each 0.41. The equation formed from OSAVI is Y = 42.202x + 18.357 with R² = 0.181; from SAVI is Y = 46.97x + 18.642 with R² = 0.1721; and from MSAVI is Y = 50.349x + 19.057 with R² = 0.1685. OSAVI has the lowest error value and the highest accuracy with values of 4.79 and 96.61%.

Kata Kunci : ganoderma, multispektral, kelapa sawit, kelembaban tanah