Analisis Produktivitas Kelapa Sawit dengan Indeks Vegetasi Satelit Sentinel-2, Curah Hujan dan Manajemen Pemupukan
Abstract
Taksasi produksi kelapa sawit dilakukan untuk meramalkan hasil produksi tanaman kelapa sawit kedepannya yang saat ini masih dilakukan secara langsung di lapangan. Taksasi dapat dilakukan dengan memanfaatkan metode remote sensing yang sangat mudah dan hemat biaya. Penelitian ini bertujuan menentukan model persamaan terbaik pendugaan produktivitas kelapa sawit PT. Socfin Indonesia dengan memanfaatkan Google Earth Engine menggunakan 3 parameter (indeks vegetasi, curah hujan, dosis pupuk), 2 parameter (indeks vegetasi, curah hujan) dan 1 parameter (indeks vegetasi). Parameter penduga juga dilakukan pergeseran beberapa bulan ke belakang (M-2, M-3, M-4, M-6, M-8, dan M-12) untuk menduga produktivitas. Hasil penelitian menunjukkan bahwa penggunaan data lampau dengan berbagai perlakuan dapat menduga produktivitas kedepannya. Data yang terbaik untuk melakukan pendugaan adalah pergeseran 8 bulan (M-8) dan 12 bulan (M-12) ke belakang. Model pendugaan produktivitas terbaik yang didapatkan adalah pengelompokan 4 bulanan SR dengan menggunakan 3 parameter yaitu dosis pupuk, curah hujan satelit dan NDVI maksimum pada pergeseran M-2. Penggunaan parameter curah hujan satelit dapat digunakan untuk menduga produktivitas kelapa sawit. Oil palm production estimation is carried out to predict future oil palm
production which are currently still being carried out directly in the field.
Production estimation can also be done by using remote sensing method which is
very easy and cost-effective. This study aims to determine the best equation model
for estimating oil palm productivity of PT. Socfin Indonesia with Google Earth
Engine using 3 parameters (vegetation index, rainfall, fertilizer dose), 2 parameters
(vegetation index, rainfall), and 1 parameter (vegetation index). These parameters
were also shifted several months back (M-2, M-3, M-4, M-6, M-8, and M-12) to
estimate productivity. The results showed that the use of past data with various
treatments can predict productivity in the future. The best data for making
predictions is a shift of 8 months (M-8) and 12 months (M-12) backward. The best
productivity estimation model obtained is the 4-month SR grouping using 3
parameters (fertilizer dose, satellite rainfall, and maximum NDVI) at the M-2 shift.
The use of satellite rainfall parameters can be used to predict oil palm productivity.