Hasil Pencarian  ::  Simpan CSV :: Kembali

"Hutan mangrove di wilayah pesisir memiliki peran sebagai penyimpan karbon yang sangat penting untuk menyeimbangkan emisi karbon di atmosfer. Mangrove dapat menyerap karbon per satuan luas empat kali lebih tinggi dibandingkan hutan terestrial di wilayah tropis. Masifnya pembangunan dan alih fungsi lahan di wilayah pesisir Kecamatan Teluknaga mengancam keberadaan ekosistem mangrove. Hal ini menimbulkan kekhawatiran yang mendorong untuk meningkatkan upaya pelestarian kawasan mangrove dimana salah satunya, yaitu dengan melakukan perhitungan estimasi stok karbon. Oleh sebab itu, penelitian ini bertujuan untuk menganalisis persebaran spasial biomassa dan stok karbon hutan mangrove di pesisir Kecamatan Teluknaga pada periode 2016 – 2022 dengan menggunakan pendekatan indeks vegetasi terbaik. Penelitian ini menggunakan Sentinel-2 untuk ditransformasikan menjadi indeks vegetasi ARVI, EVI, dan SAVI sebagai pendekatan untuk melakukan pemodelan biomassa. Selain itu, digunakan juga analisis statistik korelasi untuk menentukan indeks vegetasi terbaik yang dapat memodelkan biomassa di pesisir Kecamatan Teluknaga. Hasil penelitian menunjukkan bahwa indeks vegetasi ARVI memiliki korelasi terbaik (R = 0,60) untuk memodelkan biomassa dengan nilai RMSE 36,67 kg/piksel. Diketahui bahwa mayoritas hutan mangrove di wilayah pesisir Kecamatan Teluknaga mengalami peningkatan nilai biomassa dan stok karbon pada periode 2016 – 2022. Adapun peningkatan yang paling signifikan terlihat pada hutan mangrove di Desa Muara dan Desa Lemo. Hal tersebut sejalan dengan peningkatan luas dan kepadatan hutan mangrove.

---

Mangrove forests in coastal areas have a role as a carbon store which is very important in balancing carbon emissions in the atmosphere. Mangroves can absorb carbon per unit area four times higher than terrestrial forests in the tropics. The massive development and land use change in the coastal area of Teluknaga District threatens the existence of the mangrove ecosystem. This raise concerns that encourage efforts to increase mangrove conservation, one of which is by calculating carbon stock estimates. Therefore, this study aims to analyze the spatial distribution of biomass and carbon stock of mangrove forests in the coastal district of Teluknaga in 2016 – 2022 using the best vegetation index approach. This study used Sentinel-2 to be transformed into ARVI, EVI, and SAVI vegetation indices to model biomass. In addition, statistical correlation analysis was also used to determine the best vegetation index to model the biomass in the coastal area of Teluknaga District. The results showed that the ARVI vegetation index had the best correlation (R = 0,60) for modeling biomass with an RMSE value of 36,67 kg/pixel. It is known that most mangrove forests in the coastal area of Teluknaga District experienced an increase in the value of their biomass and carbon stock in 2016 – 2022. The significant rise happens in Muara and Lemo villages’s mangrove forest. The increased biomass and carbon stock are in line with the rise in the area and density of mangrove forests."

"Provinsi Sumatera Selatan merupakan daerah produksi karet terbesar di Indonesia pada tahun 2021 yaitu sebanyak 870.966 ton. Pusat Penelitian Karet Sembawa merupakan lembaga penelitian yang dapat menghasilkan lateks yang mana tanaman karet (Hevea brasiliensis) merupakan komoditas utama yang diteliti. Umur tegakan merupakan salah satu variabel penting karena dapat memprediksi produktivitas lateks. Tujuan dari penelitian ini adalah untuk memetakan distribusi umur tegakan karet menggunakan data nilai spektral band dan indeks vegetasi serta hubungannya terhadap produktivitas lateks. Penginderaan jauh menggunakan citra optik multispektral Sentinel-2 dapat digunakan untuk mengestimasi umur tegakan karena memberikan informasi dengan efisiensi waktu yang lebih baik serta kemudahan mendapatkan data pada area yang susah untuk dijangkau. Nilai spektral band yang kemudian digabungkan menjadi indeks vegetasi diasumsikan dapat mempresentasikan umur tegakan karena kerapatan atau kehijauan kanopi tegakan karet memiliki variasi nilai yang berbeda antara tegakan yang berumur muda dan tegakan yang berumur tua. Indeks vegetasi yang digunakan adalah Normalized Difference Vegetation Index (NDVI), Normalized Difference Yellowness Index (NDYI), serta Soil Adjusted Vegetation Index (SAVI). Pemodelan ini dapat dibentuk melalui pendekatan model statistik yang berupa metode regresi linear berganda karena dengan menggunakan lebih banyak variabel, model yang dihasilkan akan lebih akurat dan presisi. Hasil dari pemodelan yang menggunakan pendekatan model statistik berbasis data citra Sentinel-2 memiliki tingkat akurasi lebih baik (RMSE = 4,767 tahun dan R2 = 0,308) dari beberapa penelitian terdahulu.

---

South Sumatra Province is the largest rubber-producing region in Indonesia in 2021, with a total production of 870,966 tons. Sembawa Rubber Research Center is a research institution that focuses on studying the main commodity, rubber trees (Hevea brasiliensis). The rubber trees in the research area have different age groups and conditions. Estimation of rubber stand age an important variable as it can predict latex productivity. The objective of this research is to map the distribution of rubber tree ages using spectral band values and vegetation indices data, and to examine their correlation with latex productivity. Remote sensing, using multispectral optical images from Sentinel-2, can be used to estimate the age of rubber trees, as it provides information more efficiently and allows for data acquisition in hard-to-reach areas. The combined spectral band values, assumed to represent rubber tree age, can vary between young and old rubber tree canopies in terms of density or greenness. The vegetation indices used in this study are the Normalized Difference Vegetation Index (NDVI), Normalized Difference Yellowness Index (NDYI), and Soil Adjusted Vegetation Index (SAVI). Statistical model approach with multiple linear regression is employed, as using more variables can result in a more accurate and precise model. The results indicate that the statistical model using Sentinel-2 image data has better accuracy (RMSE = 4.767 years and R2 = 0,308) compared to previous research."

"Teh (Camellia sinensis L.) merupakan salah satu komoditas perkebunan yang mempunyai peran cukup penting pada perekonomian di Indonesia. Namun, terlihat bahwa terdapat penurunan ekspor teh di Indonesia yang diiringi dengan penurunan produksi teh setiap tahunnya sehingga diperlukan penguatan dan peningkatan produktivitas. Penginderaan jauh dapat menjadi sumber informasi penting untuk manajemen produksi pertanian seperti untuk melihat kondisi produktivitas lahan teh. Penelitian ini bertujuan untuk membangun model estimasi produktivitas tanaman teh terbaik menggunakan analisis statistik dan regresi linear sederhana dengan memanfaatkan algoritma NDVI, ARVI dan SAVI yang diperoleh dari pengolahan citra Sentinel-2 serta melihat hubungan antara aspek fisik dengan estimasi produktivitas teh. Hasil uji akurasi menggunakan RMSE menunjukkan bahwa indeks SAVI memiliki akurasi yang paling baik dalam melakukan estimasi produktivitas teh di Perkebunan Cianten PTPN VIII. Terlihat bahwa aspek fisik curah hujan tidak memiliki pengaruh yang cukup signifikan terhadap pertumbuhan tanaman teh, kelas ketinggian 900 – 1000 menunjukkan produktivitas yang tinggi serta kelas lereng datar (0 – 8%) memiliki produktivitas yang tinggi di Perkebunan Cianten. Setiap bulan, Perkebunan Cianten memiliki blok tanam yang tidak berproduksi. Tahun pangkas pada suatu blok akan mengakibatkan terhambatnya pertumbuhan teh yang dapat berpengaruh pada produktivitas.

---

Tea (Camellia sinensis L.) is one of the plantation commodities that has an important role in the economy in Indonesia. However, it can be seen that there is a decline in tea exports in Indonesia which is accompanied by a decrease in tea production every year so that it is necessary to strengthen and increase productivity. Remote sensing can be an important source of information for agricultural production management such as to see the condition of tea land productivity. This study aims to build the best tea plant productivity estimation model using statistical analysis and simple linear regression using the NDVI, ARVI and SAVI algorithms obtained from Sentinel-2 image processing and see the relationship between physical aspects and tea productivity estimates. The results of the accuracy test using RMSE show that the SAVI index has the best accuracy in estimating tea productivity at PTPN VIII's Perkebunan Cianten. Rainfall does not have a significant effect on the growth of tea plants, the altitude class 900 – 1000 shows high productivity and the flat slope class (0 – 8%) has high productivity in the Perkebunan Cianten. Every month, Perkebunan Cianten has planting blocks that are not producing. The year of pruning in a block will result in inhibition of tea growth which can affect productivity."

"Padi merupakan sumber makanan terpenting di Indonesia. Jumlah konsumsi beras nasional mengalami pertumbuhan dengan rata-rata 6,29% per tahun (2011-2015). Perkiraan dalam produksi beras relatif tidak dapat diandalkan karena waktu tanam yang tidak merata di beberapa daerah dan metode konvensional diterapkan untuk memperkirakan produksi beras. Penelitian bertujuan untuk menganalisis karakteristik fase tumbuh dan varietas tanaman padi serta membangun model untuk memperkirakan fase pertumbuhan tanaman padi berdasarkan indeks vegetasi. Platform penginderaan jauh melalui udara, khususnya Unmanned Aerial Vehicle (UAV) digunakan untuk memetakan lahan sawah di Kabupaten Bekasi. Beberapa indeks vegetasi yang berasal dari band RGB (red, green, blue), yaitu Normalized Green Red Difference Index (NGRDI), Excess Green Vegetation Index (ExG), dan Visible Atmospherically Resistant Index (VARI) digunakan dalam penelitian. Model regresi digunakan untuk mendapatkan model paling optimal dalam memperkirakan fase pertumbuhan tanaman padi. Hasil penelitian menunjukan karakteristik fase pertumbuhan tanaman padi memiliki pola nilai yang meningkat dari fase vegetatif menuju fase reproduktif dan nilai menurun ketika fase pematangan; varietas padi memiliki karakteristik yang paling bervariasi melalui analisis NGRDI terutama pada varietas IR 42; dan ExG merupakan indeks paling optimal dalam pemodelan fase tumbuh padi (R2 = 0,837).

---

Paddy is the most important food sources in Indonesia. The amount of national rice consumption increased 6.29% per year (2011-2015). Estimates in rice production are relatively unreliable because of inappropriate planting times in several areas and conventional method applied to estimate the rice production. The study aims to analyze the growth phase characteristics and varieties of rice plant and develop a model to estimate the growth phase of rice plant based on the vegetation indices. An airborne remote sensing platform, specifically the Unmanned Aerial Vehicle (UAV) is used to map the rice field in Bekasi Regency. Several vegetation indices derived from RGB (red, green, blue) bands, namely Normalized Green Red Difference Index (NGRDI), Excess Green Vegetation Index (ExG), and Visible Atmospherically Resistant Index (VARI) used in the study. Regression model is used to obtain the most optimal model for estimating the growth phase of rice plant. The results showed the characteristics of the rice growth phase had a pattern of values which increased from the vegetative phase to the reproductive phase and the value decreased when the maturation phase; rice varieties have the most varied characteristics through NGRDI analysis especially on IR 42 varieties; and ExG is the most optimal indices in modeling the growth phase of rice (R2 = 0.837)."