Estimasi Kadar Nitrogen Tanaman Padi Menggunakan Spectral Reflectance.

Abstract

Dalam budidaya tanaman padi, pemantauan merupakan salah satu aspek yang sangat penting untuk menjaga kualitas tanaman padi. Kandungan nitrogen merupakan salah satu hal yang sangat menarik untuk menjadi indikator dalam proses pemantauan dan manajemen pada tanaman. Hal ini karena nitrogen memiliki peran yang sangat penting dalam proses fotosintesis, produktivitas tanaman dan mempengaruhi siklus karbon dan oksigen. Permasalahan pada tanaman padi tidak hanya terjadi saat tanaman mengalami kekurangan kandungan nitrogen, namun kelebihan kandungan nitrogen juga menyebabkan berbagai permasalahan seperti produktivitas menurun, dan biaya budidaya yang tidak efisien. Penelitian ini fokus meneliti hubungan antara spectral reflectance Near Infrared (NIR) pada panjang gelombang 700 nm – 1075 nm. Tujuan dari penelitian ini adalah mengestimasi kadar nitrogen tanaman padi dengan menggunakan data spektral spectral reflectance yang diperoleh dari spektrometer sehingga diharapkan dapat membantu dalam menentukan takaran kandungan nitrogen yang efisien pada tanaman padi. Data yang digunakan pada penelitian ini adalah data nitrogen yang diperoleh dari uji lab dan data spectral reflectance yang diperloleh dari spektrometer. Penelitian ini terdiri dari beberapa tahap yaitu pengambilan data spektral menggunakan spektrometer dengan panjang gelombang 400 nm – 1075 nm dan pengambilan data kandungan nitrogen yang dibantu oleh laboratorium Agronomi, IPB. Data yang digunakan sebanyak 45 data. Data dibagi menjadi 30 data training dan 15 data testing menggunakan 3-fold cross validation. Proses selanjutnya dilakukan pemodelan data menggunakan regresi linier dan Artificial Neural Network (ANN). Pemodelan menggunakan regresi linier dilakukan dengan menggunakan data NIR dengan panjang gelombang 700 nm – 1075 nm. Hasil yang diperoleh menyimpulkan bahwan metode regresi linier tidak cukup baik untuk estimasi kadar nitrogen. Hal ini dikarenakan hasil estimasi nitrogen menggunakan regresi linier sangat jauh dari nilai aktualnya dengan nilai RMSE yang masih sangat besar yaitu 0.46. Pemodelan menggunakan ANN pada data NIR dengan panjang gelombang 700 nm – 1075 nm menghasilkan nilai estimasi yang cukup baik dengan nilai RMSE yaitu 0.27. Akan tetapi, hasil yang diperoleh pada penelitian ini perlu divalidasi menggunakan dataset yang lebih banyak lagi.