Identifikasi Fase Tanam Padi dengan Algoritma Normalized Difference Vegetation Index (NDVI) Menggunakan Citra Sentinel-2 Berbasis Time Series (Studi Kasus: Kabupaten Bojonegoro, Jawa Timur)

Kurniawan, Rizki Hari (2020) Identifikasi Fase Tanam Padi dengan Algoritma Normalized Difference Vegetation Index (NDVI) Menggunakan Citra Sentinel-2 Berbasis Time Series (Studi Kasus: Kabupaten Bojonegoro, Jawa Timur). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
03311640000015-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Beras sebagai salah satu komoditas pangan pokok yang dikonsumsi oleh sebagian besar penduduk Indonesia. Dari sisi tingkat konsumsi beras, trend yang terjadi selalu mengikuti pertumbuhan jumlah penduduk setiap tahun. Kabupaten Bojonegoro Pada tahun 2016, mencapai 1,050,000 ton padi sehingga memperoleh surplus sebesar 750,000 ton padi dari target produksi. Melihat potensi tersebut, maka perlu adanya upaya untuk memantau kestabilan produksi pertanian secara berkala. Dalam penelitian ini, dilakukan pemantauan fase tanam padi dengan memanfaatkan data penginderaan jauh citra satelit optis Sentinel-2. Salah satu data satelit penginderaan jauh yang memiliki resolusi spasial dan temporal yang memadai adalah Sentinel-2. Untuk melakukan analisis fase tumbuh tanaman padi dapat melalui algoritma indeks vegetasi. Algoritma yang digunakan dalam penelitian ini adalah Normalized Difference Vegetation Index (NDVI) secara time series. NDVI adalah indeks yang menggambarkan tingkat kehijauan suatu tanaman. Hasil dari penelitian Tugas Akhir ini adalah peta klasifikasi fase tanam padi di Kabupaten Bojonegoro yang dilakukan menggunakan metode Klasifikasi Terbimbing. Jenis klasifikasi terbimbing yang digunakan adalah Maximum Likelihood Classification. Dari hasil analisis grafik NDVI time series, didapatkan korelasi antara nilai NDVI citra Sentinel-2 dengan fase tanam padi adalah sebesar 0.896 dengan koefisien determinasi sebesar 0.803 atau 80.34%. Hasil klasifikasi citra Sentinel-2, didapatkan nilai uji akurasi klasifikasi untuk citra tanggal 09 Januari 2019 dengan koefisien Kappa sebesar 0.7824 dan overall accuracy sebesar 83.87%. ==================================================================================================== Rice as one of the staple food commodities consumed by the majority of the Indonesian population. In terms of the rice consumption level, the trend always follows national population growth every year. In 2016, Bojonegoro Regency reached 1,050,000 tons of rice, hence it obtained a surplus of 750,000 tons of rice from the production target. Considering this potential, it is necessary to have a method to monitor the stability of agricultural production regularly. In this research, monitoring of the rice growth stages was performed by utilizing remote sensing data of the Sentinel-2 optical satellite imagery. Sentinel-2 is one of the remote sensing satellite data that provides better spatial and temporal resolution than other commercial optical satellites. Analyzing the rice growth stages was performed through the vegetation index algorithm. The algorithm used in this research is the Normalized Difference Vegetation Index (NDVI) in time series. NDVI is an index that describes greeness levels of a vegetation. The correlation between NDVI values of Sentinel-2 images and the rice planting phase is 0.896 with a coefficient of determination of 0.803 or 80.34%. The Sentinel-2 image classification results obtained classification accuracy test values for images on January 9, 2019 with Kappa coefficient of 0.7824 and overall accuracy of 83.87%.

Item Type: Thesis (Undergraduate)
Additional Information: RSG 621.367 8 Kur i-1 • Kurniawan, Rizki Hari
Uncontrolled Keywords: NDVI, rice growth stages, sentinel-2, time series, fase tanam padi, NDVI, sentinel-2, time series.
Subjects: G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing
Divisions: Faculty of Civil Engineering and Planning > Geomatics Engineering > 29202-(S1) Undergraduate Thesis
Depositing User: Rizki Hari Kurniawan
Date Deposited: 10 Aug 2020 04:33
Last Modified: 28 Nov 2020 01:07
URI: https://repository.its.ac.id/id/eprint/77324

Actions (login required)

View Item View Item