OPTIMALISASI PEMETAAN FASE PERTUMBUHAN PADI BERDASARKAN ANALISA POLA REFLEKTAN DENGAN DATA HIPERSPEKTRAL STUDI KASUS : KABUPATEN KARAWANG

Abstract

Kebutuhan akan beras sebagai sumber makanan pokok yang dikonsumsi oleh lebih dari 90% masyarakat Indonesia menjadikan padi sebagai komoditas strategis yang berperan penting dalam ketahanan pangan nasional. Untuk memenuhi kebutuhan tersebut diperlukan teknologi yang tepat guna dalam memetakan fase pertumbuhan padi sebagai alat untuk memonitor dan mengevaluasi pertumbuhan padi. Teknologi hiperspektral yang memiliki ratusan kanal mampu menyajikan spektral yang kontinu pada setiap objek yang diamati sehingga melalui data hiperspektral perbedaan fase pertumbuhan dapat lebih mudah diamati melalui analisis pola dan karakteristik nilai reflektan spektral yang kemudian diklasifikasikan kedalam fase pertumbuhan padi. Pemetaan fase pertumbuhan padi dilakukan pada citra HyMap dengan metode klasifikasi Spectral Angle Mapper (SAM) dan Support Vector Machine (SVM) yang merupakan metode klasifikasi terbimbing (supervised) yang digunakan untuk mengenali pola nilai spektral dari suatu objek berdasarkan informasi dari piksel citra. Dari hasil pemetaan fase pertumbuhan padi yang dibagi menjadi 9 kelas mewakili setiap stage tumbuh padi yaitu (Seedling, Tillering, Stem Elongation, Penicle Initation to booting, Heading, Flowering, Milk Grain, Dough Grain, dan Mature Grain) diperoleh ketelitian  SAM sebesar 82,609 % dan SVM sebesar 54,348 %  . Hal ini menunjukkan pemetaan fase pertumbuhan padi dengan metode analisis pola reflektan spektral dengan metode SAM memiliki hasil yang lebih akurat dan signifikan daripada metode SVM.