Analisis Produktivitas Kelapa Sawit dengan Indeks Vegetasi Satelit Landsat-8, Curah Hujan dan Manajemen Pemupukan

Abstract

Taksasi merupakan salah satu metode estimasi produktivitas kelapa sawit yang penting digunakan dalam penentuan keputusan perkebunan di kemudian hari. Kesalahan pengambilan data yang digunakan dalam taksasi dapat menimbulkan masalah di dalam perencanaan kebutuhan tenaga kerja dan transportasi yang dibutuhkan sehingga akan meningkatkan biaya pengelolaan yang tinggi. Memanfaatkan penginderaan jauh dapat digunakan untuk menganalisis data perkebunan kelapa sawit yang memiliki luas perkebunan yang begitu luas menjadi lebih feasible dan reliable. Tujuan dari penelitian ini adalah menghitung nilai indeks vegetasi citra Landsat-8, menentukan persamaan regresi linear berganda untuk estimasi produktivitas kelapa sawit, mengetahui uji tingkat signifikansi (sig. F), uji akurasi dan uji determinasi (R2) model estimasi produktivitas dan menentukan model terbaik estimasi produktivitas kelapa sawit PT Socfin Indonesia. Estimasi dilakukan dengan menggunakan 1, 2 dan 3 variabel bebas. Dilakukan pergeseran beberapa bulan kebelakang pada masing-masing kombinasi variabel bebas. Pendugaan produktivitas menggunakan data pergeseran bulan kebelakang (M-3, M-6, M-12 untuk 6 bulan dan M-6, M-12, dan M-24 untuk 12 bulan). Model estimasi diberi skor pada masing-masing uji, pembobotan digunakan untuk memilih model terbaik. Kombinasi model dengan parameter curah hujan lapangan, pupuk dan indeks vegetasi EVI, pergeseran 6 bulan yang terpilih sebagai model terbaik.

Estimation is one of the methods of forecasting oil palm productivity which is important to use in determining future plantation decisions. inaccurate data collection can cause problems in planning the required workforce and transportation requirements, and causing high management costs. Remote sensing can be used to analyze data on vast plantation oil palm plantations to be more feasible and reliable. The purpose of this study is to calculate the Landsat-8 image vegetation index, determine the multiple linear regression for estimating oil palm productivity, significance test (sig. F), accuracy test and determination test (R2) of the productivity estimation model and lastly determine the best model for PT Socfin Indonesia's estimated palm oil productivity. Estimation using 1, 2 and 3 combination independent variables. Estimation of productivity uses data months backwards (M-3, M-6, M-12 for 6 months and M-6, M-12, and M-24 for 12 months). Weight used on each to each test, to determine the best model. Models with parameters CHIRPS rainfall, fertilizer and EVI vegetation index, 6 months shift was chosen as the best model.