Estimasi Produksi Kelapa Sawit (Elaeis guineensis Jacq.) dengan Metode NDVI Menggunakan Sentinel-2 di PT Kencana Sawit Indonesia

Abstract

Perkebunan kelapa sawit memegang peran penting dalam perekonomian nasional, namun estimasi produksinya masih menghadapi tantangan akibat keterbatasan metode yang efisien, terutama di lahan skala luas. Penelitian ini bertujuan mengembangkan model estimasi produksi menggunakan pendekatan penginderaan jauh berbasis nilai NDVI dari citra Sentinel-2. Nilai NDVI sebagai representasi kondisi vegetasi dikombinasikan dengan data umur tanaman dan produksi historis untuk membangun model regresi linier berganda. Data NDVI dikumpulkan dari empat periode sepanjang tahun 2024 dengan rentang nilai 0,11 hingga 0,60 dan rata-rata 0,44. Model yang dihasilkan memiliki persamaan Y = 73005 + 17X1 - 114822X2 + 0,820X3 dengan nilai R = 0,63 dan R² = 0,39, menunjukkan adanya hubungan yang signifikan antar variabel. Estimasi produksi per blok berkisar antara 51.054 kg hingga 110.525 kg dan divisualisasikan dalam bentuk peta tematik sebagai hasil pemetaan lahan. Temuan ini membuktikan bahwa metode berbasis penginderaan jauh mampu meningkatkan akurasi estimasi produksi secara spasial dan mendukung manajemen lahan serta pengambilan keputusan yang lebih efektif dan berkelanjutan dalam sistem produksi kelapa sawit.

Oil palm plantations play an important role in the national economy, but production estimation still faces challenges due to limited efficient methods, especially in large-scale areas. This study aims to develop a production estimation model using a remote sensing approach based on NDVI values from Sentinel-2 imagery. NDVI values as a representation of vegetation conditions are combined with plant age and historical production data to build a multiple linear regression model. NDVI data were collected from four periods throughout 2024 with a value range of 0.11 to 0.60 and an average of 0.44. The resulting model has the equation Y = 73005 + 17X1 - 114822X2 + 0.820X3 with R values = 0.63 and R² = 0.39, indicating a significant relationship between variables. Estimated production per block ranges from 51,054 kg to 110,525 kg and is visualized in the form of a thematic map as a result of land mapping. These findings prove that remote sensing-based methods are able to improve the accuracy of spatial production estimates and support more effective and sustainable land management and decision-making in oil palm production systems.