Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pewilayahan obyek pada citra penginderaan jauh (inderaja) dapat dilakukan dengan pendekatan wilayah berdasarkan informasi spektral, spasial maupun pendekatan batas wilayah. Masing-masing metode memiliki kelebihan dan kelemahan yang bergantung kepada batas wilayah dan karakteristik citranya. Proyek mahasiswa ini mengembangkan metode untuk melakukan pewilayahan obyek pada citra yaitu: pewilayahan berdasarkan klasifikasi per piksel dengan metode klasifikasi kemiripan maksimum/maximum likelihood (pendekatan spektral), pewilayahan berdasarkan deteksi sisi dengan metode Canny, serta dengan menggunakan metode segmentasi watershed (pendekatan spasial). Kemudian hasil dari ketiga metode ini, ditambah dengan penggunaan smooth filter Nagao pada hasil klasifikasi, menjadi masukan untuk proses fusi informasi yang menggu+nakan mayoritas dari kontur yang didapat dari ketiga metode tersebut. Studi kasus dilakukan dengan menggunakan citra multispektral wilayah Kebun Raya Bogor.Dari pengujian didapat bahwa fusi informasi belum tentu menghasilkan akurasi yang lebih baik. Untuk 12 band pada pelatihan dan 5 band pada pengujian, memang didapat hasil yang lebih baik yaitu meningkat dari 79,02 % menjadi 80,72 % dan 64,47 % menjadi 65,94 %. Akan tetapi, bisa juga didapat tingkat akurasi yang lebih rendah seperti pada pelatihan, untuk 5 band (74,43 % menjadi 73,06 %) dan 3 band (81,03 % menjadi 75,85 %). Juga untuk pengujian, pada 12 band (63,63 % menjadi 62,12 %) dan 3 band (79,49 % menjadi 70,04 %). Hasil yang beragam ini dapat terjadi karena pada proses deteksi sisi dan segmentasi watershed tidak mendapatkan sisi yang cukup baik."

"ABSTRAK Penyakit kresek daun adalah penyakit yang disebabkan oleh bakteri Xanthomonas campestris pv. Oryzae. Penyakit kresek daun ini sering menyerang tanaman padi. Apabila terserang penyakit kresek daun, apalagi dalam usia tanam yang masih muda akan menyebabkan kematian. Kerugian akibat penyakit kresek daun dapat mencapai 60%. Monitoring untuk mengurangi dampak serangan penyakit kresek daun dilakukan dengan memetakan sebaran padi terdampak kresek daun di Kabupaten Karawang. Pemetaan dilakukan dengan teknologi penginderaan jauh dengan citra multispektral landsat menggunakan metode LSU (Linear Spectral Unmixing) dan pemetaan dengan data luas serangan yang diperoleh dari hasil pengamatan lapangan menggunakan hyperspectral. Pemetaan yang dilakukan adalah untuk melihat pola sebaran setiap bulan pada setiap kecamatan pada kurun waktu 10 tahun yaitu tahun 2005-2014. Analisa dan pemetaan faktor iklim yang merupakan faktor fisik seperti suhu udara, kelembaban udara dan curah hujan dilakukan untuk melihat seberapa besar pengaruh ketiga faktor fisik ini terhadap luas serangan penyakit kresek daun di Kabupaten Karawang.ABSTRACT Bacterial leaf blight was a disease caused by the bacterium Xanthomonas campestris pv. Oryzae. This disease often attacked the rice plant and could cause the death, especially at the young age. The loss due to this bacterial leaf blight could reach up to 60%. We made spatial distribution of bacterial leaf blight for monitoring and reducing its impacts to the rice plant in Kabupaten Karawang. Mapping processed by technology of remote sensing with landsat image multispectral data using Linear Spectral Unmixing (LSU) method also mapping the attacked area obtained from fields observation using hyperspectral, in having the pattern distribution every months on eachs sub-district during 2005-2014 (10 years). We investigated also the climate influence as the physical factors, such as temperature, humidity and rainfall to affect on these three parameters to the bacterial leaf blight disease in Kabupaten Karawang."

"

Kegiatan monitoring adalah salah satu hal penting dalam proses perawatan pohon kelapa sawit. Penyakit Ganoderma merupakan salah satu penyakit pada pohon kelapa sawit yang proses penyebarannya cepat. Saat ini kegiatan monitoring kesehatan kelapa sawit masih dilakukan secara manual (konvensional) yaitu dengan melihat secara langsung satu persatu pohon kelapa sawit. Proses ini membutuhkan waktu yang lama serta tenaga yang tidak sedikit. Teknik deteksi menggunakan potongan sampel daun dapat memungkinkan terjadi perubahan biologis pada daun dan proses pengambilan data sampel yang rumit. Pendeteksian menggunakan sampel citra dari drone lebih mudah dilakukan, namun belum dapat menghasilkan informasi terkait vegetasi tanaman. Berdasarkan permasalahan tersebut, pada penelitian ini dilakukan deteksi dan klasifikasi kesehatan pohon kelapa sawit menggunakan sampel citra pohon tampak atas. Pengambil data citra menggunakan drone DJI Air 2S yang dilengkapi dengan kamera multispektral enam kanal (red, green, blue, orange, cyan, dan near infrared) untuk mendapatkan informasi yang lebih lengkap terkait vegetasi tanaman, sehingga prosesnya jauh lebih mudah dan cepat. Data citra yang diperoleh dilakukan pemodelan YOLO dan middle level fusion CNN untuk mendapatkan hasil lokasi pohon dan status kesehatannya. Pengambilan data citra dilakukan di PT Perkebunan Nusantara III (PERSERO) kelapa sawit Cikasungka, Wilayah Distrik Jawa Barat Banten pada pohon kelapa sawit sehat dan pohon kelapa sawit terinfeksi penyakit Ganoderma. Dalam penelitian ini, pemodelan YOLO menggunakan citra RGB mampu mendeteksi banyaknya objek pohon terdeteksi dengan baik (convidence score > 0,75) sebanyak 1426 pohon (703 pohon sehat dan 723 pohon tidak sehat) dengan mAP (mean Average Precision) sebesar 0,911. Pada pemodelan CNN menggunakan metode middle fusion dengan citra multispektral mampu mengklasifikasi kesehatan pohon kelapa sawit lebih baik dibandingkan hanya menggunakan citra RGB maupun citra OCN dengan performa akurasi sebesar 89,72 %.

---

Monitoring activities is one of the essential things the oil palm maintenance process. Ganoderma disease is one of the fastest spreading diseases of oil palm trees. Currently, monitoring the health of oil palms is still done manually (conventional) by looking directly at each oil palm tree. This process certainly requires a long time and a lot of energy. Detection techniques using leaf sample pieces can allow for biological changes in the leaf and the collection process are too tricky. Detection techniques using image sample captured by drone can be easier, but it does not provide complete information related to plant vegetation. Based on these problems, in this research the detection and classification of oil palm tree health using top view tree image samples. Image data collection using DJI Air 2S drone equipped with a six-band multispectral camera (red, green, blue, orange, cyan, and near infrared) to obtain more complete information related to plant vegetation, so that the process will be much easier and faster. The image data obtained is then performed YOLO modeling and middle level fusion CNN using multispectral images (RGB and OCN) to get the results of tree location and health status. The data was collected at PT Perkebunan Nusantara III (PERSERO) Cikasungka Oil Palm Plantation, West Java District Area Banten on healthy oil palm trees and oil palm trees infected with Ganoderma disease. In this research, YOLO modeling using RGB images was able to detect the number of tree objects detected well (convidence score > 0,75) as many as 1426 trees (703 healthy trees and 723 unhealthy trees) with mAP (mean Average Precision) of 0,911. CNN modeling using the middle fusion method is able to classify the health status of oil palm trees better than only using RGB images and OCN images with an accuracy performance of 89,72%.

"

"Tanaman karet menjadi komoditas perkebunan yang sangat penting di Kabupaten Sukabumi khusunya di perkebunan PTPN VIII Cibungur, karena hasil produk olahannya memiliki banyak manfaat dalam kehidupan masyarakat di sekitarnya. Maka perlu dilakukan adanya pemantauan mengenai kesehatan tanaman karet guna menjaga kualitas dan hasil produksi karet. Penelitian ini dilakukan untuk mengetahui persebaran kesehatan tanaman karet dan menganalisis hubungan kesehatan tanaman karet dengan menerapkan teknik pengindraan jauh. Teknik penginderaan jauh dalam penelitian ini menggunakan multispectral UAV. Analisis penelitian dilakukan dengan identifikasi kondisi tanaman menggunakan indeks vegetasi tanaman yaitu metode Normalized Difference Vegetation Index (NDVI). Data yang digunakan adalah data citra ortofoto NIR dan Red yang diperoleh dari perekaman langsung dengan mengggunakan multispketral UAV. Didapatkan bahwa secara keseluruhan kesehatan tanaman karet di kawasan perkebunan karet PTPN VIII Cibungur didominasi oleh tingkat kesehatan baik dengan persentase sebersar 56%, tanaman yang memiliki tingkat kesehatan buruk hanya 3% dari total luas perkebunan karet. Hasil sebaran tanaman karet menunjukan bahwa tanaman dengan kondisi sangat baik berada dibagian barat dan timur lokasi penelitian. Kesehatan tanaman karet dipengaruhi oleh beberapa faktor, seperti kondisi curah hujan, jenis tanah dan lereng.

---

Rubber plants are very important plantation commodities in Sukabumi Regency, especially in the PTPN VIII Cibungur plantation, because the processed products have many benefits in the lives of the surrounding community. So it is necessary to monitor the health of rubber plants in order to maintain the quality and yield of rubber production. This research was conducted to determine the distribution of rubber plant health and to analyze the relationship between rubber plant health by applying remote sensing techniques. The remote sensing technique in this study uses a multispectral UAV. Research analysis was carried out by identifying plant conditions using a plant vegetation index, namely the Normalized Difference Vegetation Index (NDVI) method. The data used are NIR and Red orthophoto image data obtained from direct recording using a multispectral UAV. It was found that the overall health of rubber plants in the rubber plantation area of PTPN VIII Cibungur was dominated by good health with a percentage of 56%, plants with poor health were only 3% of the total area of rubber plantations. The results of the distribution of rubber plants showed that plants with very good conditions were located in the western and eastern parts of the study site. The health of rubber plants is influenced by several factors, such as rainfall conditions, soil types and slopes."

""