Estimasi Produksi Padi Ramah Lingkungan Menggunakan Kombinasi Indeks Vegetasi dari Citra Sentinel-2
Tahun 2025 · Penulis: Ardana Jalu Bima Kelana
Faculty of Agricultural Technology, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Estimasi Produksi Padi Ramah Lingkungan Menggunakan Kombinasi Indeks Vegetasi dari Citra Sentinel-2
Peningkatan metode penanaman padi yang ramah lingkungan telah menandaskan perlunya model hasil yang efisien dan akurat untuk mendukung praktek pertanian yang berkelanjutan. Penelitian ini bertujuan untuk mengembangkan model prediktif untuk memperkirakan hasil padi menggunakan tumbuhan indices berasal dari citra satelit Sentinel-2, diproses melalui Google Earth Engine (Gee) platform. Penelitian ini dilakukan di desa Tanggung, Padang Subdistrikt, Regency Lumajang, Jawa Timur, di mana pertanian berkelanjutan secara konsisten dilaksanakan. Lima tumbuhan yang menunjukkan NDVI, GNDVI, NDII, NDRE, dan SAVI dianalisis, dengan nilai maksimum setiap indeks yang diekstrak untuk mencerminkan kondisi tanaman puncak selama musim pertumbuhan. Model regresi yang sederhana maupun banyak digunakan untuk memeriksa hubungan antara tanaman indik dan beras yang sebenarnya. Kinerja model dievaluasi menggunakan R2 dan Root Mean Square Error (RMSE). Analisis korelasi menunjukkan bahwa GNDVI memiliki koefisien koefisien korelasi tertinggi 0,770 dengan hasil padi yang sebenarnya, menunjukkan hubungan yang kuat dengan kinerja tanaman. Korelasi tinggi ini dikaitkan dengan kepekaan GNDVI terhadap kandungan klorofil, yang memainkan peran penting dalam fotosintesis dan pembentukan hasil. Dalam analisis regresi, GNDVI juga menunjukkan kinerja terbaik di antara model index tunggal, dengan R2 dari 0.637 dan RMSE 0.352 ton/ha. Model kinerja tertinggi secara keseluruhan diperoleh melalui kombinasi dari kelima indik, menghasilkan R2 dari 0.727 dan RMSE 0.442 ton/ha. Temuan ini meneguhkan bahwa memadukan berbagai tumbuhan yang menunjukkan keakuratan model yang lebih baik dan menawarkan pendekatan yang lebih kuat untuk memperkirakan hasil panen beras dalam sistem pertanian yang ramah lingkungan menggunakan data penginderaan jarak jauh.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,859
Tahun 2025 · Penulis: Muhammad Abror Alfarisi
Permodelan Terhadap Pertumbuhan Tanaman Selada Merah dalam Sistem Agrivoltaik Menggunakan Algoritma Machine Learning
Skripsi ini berfokus pada analisis dampak sistem agrivoltaik terhadap pertumbuhan tanaman selada merah dengan menggunakan algoritma machine learning untuk memprediksi efek naungan dari panel surya (PV). Tujuan utama dari penelitian ini adalah untuk mengidentif
- Cosine 0,857
Tahun 2026 · Penulis: Nasya Zabrina Amanda
Analisis Produktivitas Tanaman Padi Berbasis Indeks Vegetasi dari Citra Landsat 8 OLI Menggunakan Geographically Weighted Regression (GWR) di Kabupaten Jember
Produktivitas beras adalah indikator penting untuk mendukung keamanan pangan dan dipengaruhi oleh faktor-faktor biofisika yang hubungannya mungkin bervariasi di berbagai lokasi. Penelitian atas produktivitas sejalan dengan SDG Gol 2, yang menekankan pentingnya
- Cosine 0,845
Tahun 2025 · Penulis: Afif Akram Zahirah
Analisis Fase Pertumbuhan Tanaman Padi Menggunakan Beberapa Indeks Vegetasi dengan Citra Sentinel-2
Tanaman padi merupakan salah satu tanaman pangan yang sangat familiar bagi masyarakat Indonesia. Dalam mendukung optimalisasi budidaya padi maka diperlukan pemantauan fase pertumbuhan guna mendukung perencanaan budidaya dan mitigasi risiko terjadinya gagal pan