PLANT HEALTH DETECTION PADA VEGETASI LAHAN BASAH BERBASIS MODIFIED CAMERA-DRONE

Oni Soesanto Tanto Budi Susilo, Moch. Idris

Abstract


Salah satu bidang pada penginderaan jauh (remote sensing) adalah di bidang pertanian yang banyak dikenal dengan precision agriculture. Precision agriculture bergantung pada penggunaan teknologi informasi yang berkembang saat ini seperti drone untuk mengumpulkan informasi yang sesuai seperti pemantauan pertumbuhan tanaman, dan stres tanaman. Platform umum yang banyak digunakan dalam remote sensing adalah teknologi Global Navigation Sattelite System (GNSS) yang teradapat pada pesawat terbang dan satelit. Penggunaan drone sebagai alternatif berbiaya rendah, lebih fleksibel dan real time dibanding pesawat atau satelit. Penggunaan kamera atau webcam multispektral berbasis indeks vegetasi untuk sistem citra drone terkendala mahalnya sensor jika dibandingkan dengan webcam digital RGB biasa. Beberapa ukuran indeks vegetasi yang fapat digunakan untuk identifikasi kesehatan tanaman adalah Green Normalized Difference Vegetation Index (GNDVI), Green Ratio Vegetation Index (GRVI) Normalized Difference Water Index (NDWI) dan masih banyak lagi, diterapkan menggunakan citra multispectral. Dalam tulisan ini membahas model kajian algoritma image segemntation dari citra multispectral hasil pencitraan pada modifikasi camera drone dengan filter blocking near infrared (NIR) pada lensa webcam dan diterapkan di wilayah lahan basah untuk mengetahui plant health (water stress, laju fotosintesis dan konsentrasiklorofil) pada vegetasi penutup di lingkungan lahan basah. Hasil pengujian pada algoritma segmentasi menggunakan red filter menunjukan rata-rata accuracy sebesar 76,77% dan sen sitivity sebesar 64,95% dengan kemampuan deteksi GNDVI sebesar 27,81%,, untuk deteksi GRVI sebesar 7,64% dengan accuray 82,29% dan sensitivity 100%, dan deteksi NDWI sebesar 16,24%, dengan accuray 82,87% dan sensitivity 100%, atau dengan kata lain vegetasi di area tersebut mengalami kondisi unhealth. Rendahnya nilai GNVI, GRVI dan NDWI (<50%) menunjukkan bahwa kondisi vegetasi unhealth yang disebabkan musim kemarau panjang.


Full Text:

PDF

Refbacks

  • There are currently no refbacks.