Penggunaan Citra RGB Drone untuk mengetahui Pola Spektral Tanaman Padi dan Estimasi Produksi

Abstract

Pemantauan pertumbuhan tanaman padi secara efektif dan efisien diperlukan untuk mendukung peningkatan produksi. Teknologi drone berbasis kamera RGB dapat dimanfaatkan untuk memantau pola spektral dan kondisi vegetasi tanaman padi. Penelitian ini bertujuan menganalisis pola spektral dan indeks vegetasi tanaman padi pada berbagai umur dengan perlakuan pupuk organik dan anorganik serta membentuk model regresi untuk mengestimasi produksi padi. Penelitian dilaksanakan di Desa Neglasari, Kecamatan Bojongpicung, Kabupaten Cianjur, Jawa Barat, menggunakan data citra RGB drone DJI Phantom 4 dan data panen. Citra diolah menjadi orthophoto, kemudian diekstraksi nilai reflektansi kanal merah, hijau, dan biru serta tiga indeks vegetasi RGB, yaitu Visible Atmospherically Resistant Index (VARI), Green Leaf Index (GLI), dan Excess Green (ExG). Hasil menunjukkan nilai reflektan menurun hingga 56 HST dan kembali meningkat pada fase pematangan. Ketiga indeks vegetasi mencapai nilai tertinggi pada 56 HST. Analisis regresi menunjukkan VARI merupakan indeks terbaik dengan R² sebesar 0,449 dan p-value 0,000. Model regresi VARI pada 56 HST adalah y = 214,81x + 6,9312. Hasil penelitian menunjukkan citra RGB drone dapat digunakan untuk memantau dinamika pertumbuhan dan mengestimasi produksi tanaman padi.

Effective and efficient monitoring of rice crop growth is needed to support increased production. RGB camera-based drone technology can be utilized to monitor spectral patterns and vegetation conditions of rice crops. This study aimed to analyze the spectral patterns and vegetation indices of rice crops at different growth stages under organic and inorganic fertilizer treatments and to develop a regression model for estimating rice production. The study was conducted in Neglasari Village, Bojongpicung District, Cianjur Regency, West Java, using RGB imagery acquired by a DJI Phantom 4 drone and harvest data. The imagery was processed into orthophotos, followed by extraction of red, green, and blue reflectance values and three RGB vegetation indices: Visible Atmospherically Resistant Index (VARI), Green Leaf Index (GLI), and Excess Green (ExG). The results showed that reflectance values decreased until 56 days after planting (DAP) and increased again during the ripening stage. All three vegetation indices reached their highest values at 56 DAP. Regression analysis indicated that VARI was the best-performing index, with an R² of 0.449 and a p-value of 0.000. The VARI regression model at 56 DAP was y = 214.81x + 6.9312. The results demonstrate that RGB drone imagery can be used to monitor rice growth dynamics and estimate rice production.