Analisis Indeks Vegetasi Menggunakan Citra Multispektral pada Drone untuk Pengukuran Kesehatan Tanaman Karet (Studi Kasus: Pusat Penelitian Karet Sembawa)

Abstract

Karet merupakan salah satu negara produsen karet terbesar di dunia. Pada tahun 2017 hingga 2019, nilai produksi karet di Indonesia mengalami penurunan dari 3,68 juta ton menjadi 3,32 juta ton. Salah satu penyebab menurunnya produksi karet dikarenakan adanya serangan penyakit gugur daun karet oleh Pestalotiopsis sp. Pada perkebunan karet di Sembawa, beberapa tajuk pohon sudah mengalami gugur daun sehingga menyebabkan gulma tumbuh di bawah pohon karet. Oleh karena itu, penelitian ini bertujuan untuk menganalisis indeks vegetasi yang terbaik dalam membedakan objek karet dan gulma, memverifikasi antara indeks vegetasi dan data ground truth, serta memprediksi tingkat kesehatan karet berdasarkan indeks vegetasi dengan ordinal logistic regression. Data penelitan yang digunakan adalah citra multispektral drone dan data ground truth dari pakar. Indeks vegetasi yang terbaik dalam membedakan objek karet dan gulma berdasarkan hasil segmentasi objek adalah NDRE dan LCI. Pada verifikasi hasil, NDRE dan LCI menunjukkan adanya hubungan dengan tingkat kesehatan karet dari data ground truth. Pada hasil prediksi menggunakan ordinal logistic regression, NDRE menunjukkan akurasi terbaik dalam memperkirakan tingkat kesehatan karet, yaitu sebesar 0,733 atau 73,3%.

Rubber is one of the largest rubber-producing countries in the world. From 2017 to 2019, the rubber production value in Indonesia decreased from 3,68 million tons to 3,32 million tons. One of the causes of the decrease in rubber production was the attack of rubber leaf fall disease by Pestalotiopsis sp. In the rubber plantations in Sembawa, some of the tree crowns have leaf fall, causing weeds to grow under the rubber trees. Therefore, this study aims to analyze the best vegetation index in distinguishing rubber and weed objects, verify the vegetation index and ground truth data, and predict the rubber health level based on the vegetation index with ordinal logistic regression. The research data used are drone multispectral images and ground truth data from experts. The best vegetation index in distinguishing rubber and weed objects based on object segmentation results is NDRE and LCI. In the result verification, the NDRE and LCI showed a relationship with the rubber health level from the ground truth data. In the prediction results using ordinal logistic regression, NDRE showed the best accuracy in estimating the health level of rubber, which was 0.733 or 73.3%.