Tanaman padi merupakan salah satu tanaman pangan terpenting, khususnya di Indonesia. Dalam upaya memenuhi kebutuhan beras, informasi akan jumlah panen menjadi sangat penting dan dapat diketahui dengan mengestimasi produktivitas padi. Seiring berkembangnya teknologi, penginderaan jauh dapat digunakan dalam menghitung umur tanaman serta mengestimasi produktivitas tanaman padi. Kecamatan Lemahabang merupakan salah satu kecamatan yang memiliki produksi padi yang unggul di Kabupaten Karawang. Tujuan dari penelitian ini adalah untuk menganalisis distribusi spasial musim tanam dan melakukan estimasi produktivitas tanaman padi sawah di Kecamatan Lemahabang, Kabupaten Karawang. Metode yang digunakan dalam penelitian ini adalah dengan menggunakan metode Normalized Difference Vegetation Index (NDVI) yang digunakan untuk melakukan pendugaan umur tanam tanaman padi. Hasil penelitian menunjukkan bahwa indeks vegetasi dengan metode NDVI yang digunakan memiliki tingkat akurasi sebesar 90,5%. Distribusi spasial musim tanam yang terbentuk adalah terdistribusi dari bagian selatan, menuju bagian tengah, dan diakhiri pada bagian utara wilayah Kecamatan Lemahabang, Kabupaten Karawang. Berdasarkan persebaran nilai NDVI memperlihatkan pertambahan umur telah terjadi terlebih dahulu pada wilayah tengah dan selatan, dan dilanjutkan pada wilayah utara Kecamatan Lemahabang, Karawang. Estimasi produktivitas tanaman padi sawah yang dihitung memiliki nilai koefisien sebesar 0,8801 dengan sifat kuat dan positif. Hasil estimasi produktivitas untuk Kecamatan Lemahabang, Kabupaten Karawang sebesar 7,04 ton/ha GKG. Curah hujan memiliki pengaruh terhadap produktivitas padi dimana curah hujan yang lebih tinggi memiliki produktivitas yang lebih rendah dan sebaliknya. Jarak sungai tidak berpengaruh terhadap produktivitas padi di Kecamatan Lemahabang, Kabupaten Karawang
Paddy are one of the most important food crops, especially in Indonesia. To fulfill the need for rice, information about the amount of harvest becomes very important and can be known by estimating rice productivity. As technology develops, remote sensing can be used in calculating plant age and estimating rice productivity. Lemahabang District is one of the districts that have superior rice production in Karawang Regency. The purpose of this study was to analyze the spatial distribution of the growing season and to estimate the productivity of lowland rice in the Lemahabang District, Karawang Regency. The method used in this research is the Normalized Difference Vegetation Index (NDVI), which is used to estimate the age of rice plants. The results showed that the vegetation index using the NDVI method had an accuracy rate of 90,5%. The spatial distribution of the growing season formed is distributed from the southern part, towards the central part, and ends in the northern part of the Lemahabang District, Karawang Regency. Based on the distribution of NDVI values, it shows that aging has occurred first in the central and southern regions, and continued in the northern area of Lemahabang District, Karawang. The estimated productivity of paddy rice has a coefficient of 0.8801 with strong and positive properties. The results of estimated productivity for Lemahabang Sub-district, Karawang Regency are 7.04 tons/ha GKG. Precipitation influences rice productivity where higher precipitation has lower productivity and vice versa. River spacing has no effect on rice productivity in Lemahabang District, Karawang Regency.
"
Kabupaten Subang merupakan penghasil padi ketiga terbanyak di Jawa Barat. Sekitar 41 % dari total luas wilayah kabupaten merupakan area persawahan. Penelitian ini dilakukan untuk mengetahui bagaimana pola spasial jumlah produksi lahan sawah dengan menggunakan citra satelit Sentinel-1A berdasarkan topografi dan hubungan antara produksi lahan sawah dengan karakteristik wilayah di Kabupaten Subang. Data citra Sentinel-1A yang digunakan dalam penelitian ini adalah citra Bulan Januari-Juni tahun 2018 dan 2019. Penelitian ini menggunakan Google Earth Engine untuk mengolah data citra Sentinel-1. Klasifikasi masa panen dan bukan panen menggunakan metode maximum likelihood. Karakteristik wilayah yang dianalisis dalam penelitian ini yaitu wilayah ketinggian, jenis tanah, dan ketersediaan air. Hasil penelitian ini menunjukkan bahwa perhitungan produksi padi dengan Citra Sentinel-1 memiliki nilai R2 sebesar 0,58. Namun, nilainya akan semakin kecil pada wilayah yang tinggi dan bergelombang. Nilai R2 pada wilayah ketinggian <100 mdpl sebesar 0,57, sementara nilai R2 pada ketinggian 500-1.000 mdpl sebesar 0,09. Hal ini menunjukkan bahwa Sentinel-1 lebih baik digunakan untuk menghitung produksi pada wilayah datar dan rendah. Produksi padi di pada wilayah ketinggian rendah dan datar lebih banyak daripada produksi di wilayah tinggi dan berbukit. Produksi padi terbanyak ada pada Bulan April-Mei. Jenis tanah yang memiliki produksi paling banyak adalah jenis Typic Epiaquepts. Ketersediaan air juga mempengaruhi besarnya produksi padi.
Subang Regency is the third largest rice producer in West Java. Around 41 % of the total area of the regency is paddy fields. The study was conducted to find out how the spatial pattern of total rice field production using Sentinel-1A satellite imagery based on topography and the relationship between rice field production with regional characteristics in Subang Regency. Sentinel-1A image data used in this study are January-June 2018 and 2019 images. This study uses the Google Earth Engine (GEE) to process Sentinel-1 image data. Classification of harvest and non-harvest periods using the maximum likelihood method. The characteristics of the area analyzed in this study are the height, soil type, and water availability. The results of this study indicate that the calculation of rice production with Sentinel-1 Citra has an R2 value of 0.58. The value of R2 in altitude area <100 meters below sea level is 0,57, while the value of R2 in the altitude area of 500-1.000 meters below sea level is 0,09. However, the value will be smaller in high and bumpy areas. The study concluded that Sentinel-1 is better used to calculate production in the flat and low regions. Rice production in low and flat altitude areas is more than production in high and hilly areas. The most rice production is in April-May. The type of soil that has the most production is Typic Epiaquepts. Water availability also affects the amount of rice production.
"Tanaman Padi merupakan salah satu tanaman pertanian utama di dunia. Mayoritas sekitar 98% penduduk Indonesia juga mengkonsumsi beras sebagai makanan pokoknya. Sehingga perlu dilakukan pemantauan pertumbuhan tanaman padi secara efektif untuk mengontrol ketahanan pangan nasional. Tujuan dalam penelitian ini adalah untuk menganalisis karakteristik dan pola spasial fase tumbuh serta varietas padi secara spasial temporal di Kecamatan Ciasem, Kabupaten Subang. Data citra radar Sentinel-1A digunakan berdasarkan nilai backscatter polarisasi VH pada periode tanam 2018-2019. Hasil penelitian menunjukkan bahwa karakteristik fase tumbuh padi menghasilkan tren nilai backscatter yang meningkat pada fase vegetatif hingga fase pematangan. Pada periode tanam I nilai rata-rata backscatter lebih tinggi dibandingkan dengan periode tanam II karena terjadi anomali pengairan dan kekeringan berkepanjangan. Karakteristik varietas PB 42 memiliki variasi nilai rata-rata backscatter yang paling tinggi dan beragam dibandingkan varietas lain. Sementara itu, pola spasial fase tumbuh padi periode tanam I dimulai dari arah utara dan periode tanam II dimulai dari arah selatan. Pola spasial varietas padi periode tanam I dan II termasuk kedalam kategori random (uji z NNA = 0,68) dengan dominasi varietas Inpari 42, Ciherang, dan Mekongga. Sedangkan varietas Inpari 33 dan PB 42 hanya tersebar di beberapa bagian wilayah Kecamatan Ciasem.
Rice plants are one of the main agricultural crops in the world. The majority of about 98% of Indonesia's population also consume rice as their staple food. Therefore, it is necessary to observe the growth of rice plants effectively to control national food tenacity. The purpose of this study is to analyze the spatial characteristics and patterns of growth phases and rice varieties in a spatially temporal in Ciasem District, Subang Regency. Sentinel-1A radar image data is used based on the VH polarization backscatter value in the 2018-2019 planting period. The results showed that the characteristics of the rice growing phase resulted in an increasing backscatter value trend in the vegetative phase to the maturation phase. In 1st period of planting the backscatter average value was higher than in the 2nd period due to irrigation anomalies and prolonged drought. The characteristics of PB 42’s variety have the highest and most average variation in the mean backscatter compared to other varieties. Meanwhile, the spatial pattern of the rice growth phase for 1st period of planting started from the north and 2nd period started from the south. The spatial patterns of rice varieties in the first and second planting periods were categorized as random (test z NNA = 0.68) with the dominance of Inpari 42, Ciherang, and Mekongga varieties. Meanwhile, the Inpari 33 and PB 42 varieties were only scattered in several parts of the Ciasem District.
"Beras merupakan komoditas penting dan strategis bagi masyarakat Indonesia dalam mempertimbangkan makanan, dalam hal ini beras merupakan kebutuhan pokok. Penelitian ini bertujuan untuk mengetahui fase pertumbuhan padi sawah dan perkiraan produktivitas padi di Kabupaten Jatisari, Kabupaten Karawang. Penelitian ini menggunakan dua algoritma untuk menentukan fase pertumbuhan tanaman padi, yaitu Normalized Difference Vegetation Index (NDVI) dan Atmosphericically Resistant Vegetation Index (ARVI). Algoritma NDVI umumnya digunakan dalam beberapa penelitian yang berkaitan dengan fase pertumbuhan tanaman padi dan produktivitasnya, penggunaan algoritma ARVI dalam penelitian ini disesuaikan dengan area penelitian karena nilai ARVI menurut EOS (Earth Observing System) digunakan untuk daerah dengan kandungan aerosol atmosfer tinggi (hujan, kabut, debu, asap, dan polusi udara). Sehingga penggunaan algoritma ARVI lebih efektif daripada algoritma NDVI di daerah penelitian ini. Dalam memproses data, kami menggunakan Google Earth Engine (GEE) sebagai alat. Dan untuk uji validasi dalam penelitian ini digunakan Confussion Matrix yang mencakup akurasi keseluruhan, akurasi produsen, dan akurasi pengguna. Berdasarkan nilai NDVI dan ARVI, Kecamatan Jatisari memiliki dua fase tanam yaitu dengan satu kali panen dan dua kali panen. Dan hasil penelitian ini adalah persamaan regresi linier dengan rumus, Produktivitas (ton / ha) = 6.9513 (NDVI) + 3.3384, dengan variasi nilai koefisien (R2) = 0,898 dan Produktivitas (ton / ha) ) = 3,9849 (ARVI) + 7,3992, dengan variasi nilai koefisien (R2) = 0,6505. Dan untuk estimasi produktivitas padi di Kabupaten Jatisari memiliki rata-rata, 7,55 ton / ha dengan akurasi 93,29% untuk NDVI dan 90,43% untuk ARVI. Ditemukan bahwa algoritma NDVI lebih efektif untuk menentukan fase pertumbuhan tanaman padi dibandingkan dengan algoritma ARVI. Dan penelitian ini membuktikan bahwa faktor atmosfer tidak terlalu berpengaruh di Kabupaten Jatisari.
Rice is an important and strategic commodity for the Indonesian peoples staple food, in this case rice is a basic need. Technology-based monitoring is needed such as remote sensing for rice plants in Indonesia. This study aimed to determine the growth phase of wetland rice and estimated rice productivity in Jatisari District, Karawang Regency. This research used two algorithms to determine the growth phase of rice plants, they were Normalized Difference Vegetation Index (NDVI) and Atmospherically Resistant Vegetation Index (ARVI). NDVI algorithm was commonly used in several studies related to the growth phase of rice plants and their productivity, the use of the ARVI algorithm in this study was adjusted to the study area because the ARVI value according to EOS (Earth Observing System) is used for areas with high atmospheric aerosol content (rain, fog, dust, smoke and air pollution). So that the use of the ARVI algorithm is more effective than the NDVI algorithm in this research area. In processing data we use Google Earth Engine (GEE) as tool. And for the validation test in this study used Confussion Matrix which includes overall accuracy, producer accuracy, and user accuracy. This accuracy test is considered the most suitable because the data used are pixel and object based. Based on NDVI and ARVI values, Jatisari District has two planting phases, namely one harvest and two harvests. And the results of this research are a linear regression equation with the formula, Productivity (ton / ha) = 6,9513(NDVI ) + 3,3384, with the variation of the coefficient value (R2) = 0,898 and Productivity (ton/ha) = 3,9849(ARVI) + 7,3992, with the variation of the coefficient value (R2) = 0,6505. And for the estimation of rice productivity in Jatisari District had an average, 7,55 ton/ha with an accuracy of 83,29% for NDVI and 90,43% for ARVI. Found that the NDVI algorithm is more effective to determine the growth phase of rice plant compared to the ARVI algorithm. And this research proves that atmospheric factors are not very influential in Jatisari District.
"
Pemantauan lahan sawah penting dilakukan demi menjamin ketersediaan data untuk perencanaan pertanian dan menjaga ketahanan pangan nasional. Salah satu cara yang dapat digunakan adalah dengan menggunakan teknik penginderaan jauh. Sensor penginderaan jauh aktif yang dimiliki sistem SAR (Synthetic-Aperture Radar) Sentinel-1A memiliki resolusi spasial 10 meter sangat cocok untuk digunakan dapat digunakan untuk pemantauan fase tumbuh padi, khususnya pada wilayah dengan iklim tropis yang banyak terdapat awan. Penelitian ini bertujuan untuk mengetahui fase pertumbuhan tanaman padi sawah dan pola tanamnya dalam satu tahun. Metode yang digunakan adalah Supervised Maximum Likelihood Classification dengan training sample lokasi-lokasi yang disurvei saat ke lapangan. Hasil penelitian menunjukkan bahwa nilai backscatter pada fase persiapan lahan sangat rendah yaitu dengan rata-rata -25.81 dB dan terus meningkat ketika memasuki fase vegetatif (-20.64 dB) dan mencapai nilai maksimum reproduktif (-14.82 dB). Saat menjelang fase generatif dan panen, nilai backscatter akan turun Kembali dengan rata-rata -17.76 dB. Fase bera ditandai dengan nilai backscatter yang turun naik tidak berpola karena tidak adanya perubahan kekasaran pada permukaan sawah. Pola spasial masa tanam padi yang dihasilkan dalam penelitian ini ada 6 yaitu padi-padi-padi, padi-padi-bera, padi-bera-padi, bera padi-padi, padi-bera-bera, dan bera-padi-bera.
The monitoring of paddy fields conducted to guarantee national food data. One of the ways is to use the Sentinel-1A (Synthetic-Aperture Radar) system with a spatial resolution of 10 meters and able to penetrate the clouds. The purpose of this research is to know how the growing phases of paddy fields and planting patterns within one year. The method used is supervised maximum likelihood classification with training sample based on ground truth survey. The results showed that the backscatter value in the land preparation phase was very low (-25.81 dB), then continued to increase upon entering the vegetative phase (-20.64 dB), which achieve maximum value on reproductive phase (-14.82 dB). When entering generative and harvest phases, the backscatter value would drop to averages -17.76 dB. The fallow phase is characterized by backscatter values that are ascending or not patterned due to the absence of roughness changes on the surface of the paddy field. The results of the study had three planting patterns in Pabuaran Subistrict. The planting pattern found are are six patterns, which are (1) paddy-paddy-paddy, (2) paddy-paddy-fallow, (3) paddy-fallow-paddy, (4) fallow-paddy-paddy, (5) paddy-fallow-fallow, and (6) fallow-paddy-fallow. Dominated of planting patterns on paddy-fallow-paddy that distributed around Pabuaran Subistrict.
"
