UI - Skripsi Membership :: Kembali

UI - Skripsi Membership :: Kembali

Kajian spasial tingkat infeksi penyakit basal stem rot pada tanaman kelapa sawit menggunakan metode NDVI dan ARVI dengan Citra Sentinel 2A: Studi kasus Kebun Cikabayan IPB = Spatial study of basal stem rot infection levels in palm oil plants using NDVI and ARVI methods with Sentinel 2A images: Case study Kebun Cikabayan IPB

Medina Nur Anisa; Rokhmatulloh, supervisor; Revi Hernina, supervisor; Supriatna, examiner; Iqbal Putut Ash Shidiq, examiner (Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2021)

 Abstrak

Elaeis guineensis Jacq. atau yang lebih kita kenal dengan kelapa sawit menjadi salah satu spesies tanaman tahunan dan komoditas perkebunan yang sangat penting untuk manusia dan keanekaragaman hayati di dunia. Kebun Cikabayan IPB sebagai salah satu kebun penelitian yang dikelola oleh IPB University dengan sistem pertanian terpadu (Integrated Farming System) dan termasuk ke dalam jenis perkebunan rakyat karena memiliki luas kebun yang cenderung lebih kecil, kurang terstruktur, dan lebih heterogen dalam struktur ruang dan usia sehingga menghasilkan pola perkebunan yang tidak spesifik. Penelitian ini bertujuan untuk memitigasi beberapa masalah besar yang dihadapi oleh industri kelapa sawit salah satunya adalah penyebaran penyakit atau hama dengan memberikan deteksi dini dan pemantauan berkelanjutan untuk penyaikt BSR. Basal Stem Rot (BSR) atau Penyakit Busuk Pangkal Batang merupakan salah satu ancaman penyakit yang terjadi pada kelapa sawit yang disebabkan oleh jamur Ganoderma boinense sebagai penyakit utama yang mempengaruhi perkebunan kelapa sawit di Malaysia dan Indonesia. Dalam penelitian ini dilakukan pemantau status kelapa sawit menggunakan penginderaan jauh dengan deteksi dini dan memetakan penyakit BSR berdasarkan model tingkat infeksi yang ditunjukkan dan menganalisis aspek yang mempengaruhi, yaitu umur tanaman, generasi tanaman, jarak dari sungai, dan kelerengan wilayah. Tingkat infeksi oleh Ganoderma boinense pada kelapa sawit dideteksi dengan menentukan training sampel untuk membuat model tingkat infeksi penyakit BSR dan melihat perbedaan nilai spektral yang dihitung dari indeks vegetasi Normalized Difference Vegetation Index (NDVI) dan Atmospherically Resistant Vegetation Index (ARVI) menggunakan citra multispektral Sentinel 2A. Hasil menunjukkan indeks ARVI memiliki akurasi yang lebih baik dengan nilai RMSE sebesar 0,557 dibandingkan NDVI sebesar 0,6411 untuk mendeteksi tingkat serangan infeksi penyakit BSR dan Aspek yang berpengaruh secara signifikan, yaitu umur tanaman dan kelerengan wilayah, sedangkan generasi tanaman dan jarak dari sungai tidak menunjukkan pengaruh yang signifikan dikarenakan wilayah penelitian yang generasi tanaman yang masih sedikit dan hanya dilewati oleh aliran air kecil.

Elaeis guineensis Jacq. or more commonly known as oil palm, is one of the most important annual plant species and plantation commodities for humans and biodiversity in the world. Kebun Cikabayan IPB as one of the research gardens managed by IPB University with an Integrated Farming System and is included in the type of community plantation because it has a garden area that tends to be smaller, less structured, and more heterogeneous in spatial structure and age, resulting in non-specific plantation patterns. This study aims to mitigate several major problems faced by the palm oil industry, one of which is the spread of diseases or pests by providing early detection and continuous monitoring of BSR diseases. Basal Stem Rot (BSR) is one of the disease threats that occur in oil palm caused by the fungus Ganoderma boinense as the main disease affecting oil palm plantations in Malaysia and Indonesia. In this study, oil palm status was monitored using remote sensing with early detection and BSR disease based on the infection rate model shown and the analysis of influencing aspects, namely plant age, plant generation, distance from the river, and regional slope. The level of infection by Ganoderma boinense in oil palm was detected by determining the training sample to model the infection rate of BSR disease and seeing the difference in spectral values calculated from the Normalized Difference Vegetation Index (NDVI) and Atmospherically Resistant Vegetation Index (ARVI) vegetation index using Sentinel 2A multispectral imagery. The results show that the ARVI index has better accuracy with an RMSE value of 0.557 compared to an NDVI of 0.6411 to detect the level of BSR disease infection and aspects that have a significant effect, namely plant age and regional slope, while plant generation and distance from the river do not show a significant effect. This is significant because the research area that produces plants is still small and only a small stream of water passes through.

 File Digital: 1

Shelf
 S-Medina Nur Anisa.pdf :: Unduh

LOGIN required

 Metadata

Jenis Koleksi : UI - Skripsi Membership
No. Panggil : S-pdf
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Program Studi :
Subjek :
Penerbitan : Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2021
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : unmediated ; computer
Tipe Carrier : volume ; online resource
Deskripsi Fisik : xvii, 108 pages : illustrations + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
S-pdf 14-25-99023423 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 9999920555288
Cover