Analisis Spasial Carbon Stock pada Tanaman Padi dengan Pupuk Organik Menggunakan Indeks Spektral

Abstract

Pemanfaatan drone RGB memungkinkan pemantauan spasial-temporal pertumbuhan padi secara efisien. Ketidaktersediaan kamera multispektral diatasi dengan mengonversi nilai RGB menjadi synthetic EVI2 (sEVI2) melalui pendekatan regresi linear antara drone RGB dan Sentinel 2A dengan R2 sebesar 0,8116. Penelitian ini membangun empat model prediktif menggunakan data sekunder berbasis Artificial Neural Network (ANN), yakni model EVI2 ke LAI dan model EVI2 serta LAI ke biomassa, untuk fase vegetatif dan generatif. Data dikumpulkan dari 130 petak (10×10 m²) di Desa Pasirkaliki, Karawang, melalui enam pemotretan pada 5, 16, 26 Februari; 9, 19 Maret; dan 2 April 2025. Model terbaik pada fase vegetatif menghasilkan R² sebesar 0,9676 (LAI) dan 0,8437 (biomassa). Hasil menunjukkan lonjakan pada awal fase generatif, lalu stabil hingga panen. Pendekatan ini membuktikan bahwa citra drone RGB dengan model ANN mampu memberikan estimasi biomassa dan carbon stock yang akurat dan efisien untuk mendukung pertanian berkelanjutan dan mitigasi perubahan iklim.