Pemantauan Kesehatan Singkong dengan Machine Learning Berdasarkan NDVI

Abstract

Masa pertumbuhan vegetatif paling aktif pada singkong terjadi pada periode umur 4-5 bulan setelah tanam (BST). Pada periode ini, proses fotosintesis tanaman mencapai titik maksimum dan hasil fotosintesis sebagian besar digunakan untuk perkembangan daun dan ubi. Gangguan akibat hama/penyakit, kekurangan hara, dan air pada periode kritis ini dapat mengakibatkan penurunan hasil panen. Kondisi kesehatan tanaman pada lahan pertanian dapat didekati dengan nilai indeks kehijauan Normalized Difference Vegetation Index (NDVI). NDVI mengukur Tingkat kehijauan kanopi (daun) tanaman melalui pantulan cahaya infrared dan near-infrared, yang berkorelasi dengan kondisi vegetasi, terutama kandungan zat hijau. Dengan demikian tingkat kesehatan tanaman singkong dapat diukur dan dimonitor dengan memetakan nilai NDVI secara periodik. Penelitian ini telah dilakukan untuk mengembangkan model machine learning Support Vector Machine (SVM) untuk mendeteksi tingkat kesehatan tanaman singkong berdasarkan nilai NDVI yang diakuisisi melalui kamera UAV. Model machine learning yang dikembangkan menunjukkan kinerja yang sangat baik dalam membedakan tanaman singkong sehat dan tidak sehat, yang ditunjukan dengan nilai precision, recall, dan f1-score berturut-turut sebesar 98%, 98%, 98%. Hasil ini menunjukkan model machine learning SVM memiliki prospek yang potensial untuk mendukung implementasi pertanian presisi melalui deteksi cepat kesehatan tanaman pada kebun singkong skala luas.