OBJECT BASED IMAGE ANALYSIS (OBIA) PADA CITRA SPOT-6 UNTUK PEMETAAN TANAMAN PADI DI KABUPATEN PIDIE | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

OBJECT BASED IMAGE ANALYSIS (OBIA) PADA CITRA SPOT-6 UNTUK PEMETAAN TANAMAN PADI DI KABUPATEN PIDIE


Pengarang

CUT ARIFA RAHMI - Personal Name;

Dosen Pembimbing

Sugianto - 196502231992031003 - Dosen Pembimbing I
Yulia Dewi Fazlina - 198607192015042002 - Dosen Pembimbing II



Nomor Pokok Mahasiswa

1705108010030

Fakultas & Prodi

Fakultas Pertanian / Ilmu Tanah (S1) / PDDIKTI : 54294

Subject
-
Kata Kunci
-
Penerbit

Banda Aceh : Fakultas Pertanian., 2021

Bahasa

No Classification

-

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Padi (Oryza sativa L.) merupakan salah satu komoditas tanaman pokok yang dikonsumsi oleh sebagian besar masyarakat di Indonesia, dan diproduksi dengan berbagai upaya ekstensifikasi dan intensifikasi. Padi juga termasuk salah satu tanaman pangan terpenting di dunia setelah gandum dan jagung, serta merupakan salah satu tanaman pangan terpenting karena beras masih digunakan sebagai makanan pokok sebagian besar penduduk dunia, terutama di Asia sampai sekarang. Namun dalam berjalannya waktu, pertumbuhan jumlah penduduk dan kebutuhan penduduk terhadap permintaan akan lahan yang sangat tinggi dimana dimanfaatkan untuk pembangunan rumah, tempat industri, dan fasilitas umum menyebabkan terjadinya perubahan lahan atau alih fungsi lahan di Kabupaten Pidie. Tujuan dari penelitian ini adalah untuk memetakan tanaman padi sawah di Kabupaten Pidie dengan menggunakan metode object based image analysis, memetakan fase pertumbuhan padi di Kecamatan Glumpang Baro, Glumpang Tiga dan Mutiara Timur dengan menggunakan metode object based image analysis dan melakukan uji akurasi pertumbuhan tanaman padi pada klasifikasi citra di Kabupaten Pidie.
Penelitian ini menggunakan metode analisis deskriptif dengan pendekatan Object based Imaged Analysis pada citra satelit. Proses dari pendekatan OBIA ini terdapat 2 tahap yaitu, segmentasi dan klasifikasi yaitu metode yang diterakpan pada citra di lokasi penelitian. Hasil pemetaan tanaman padi di Kecamatan yang terpilih Kabupaten Pidie telah didapatkan lahan sawah dan non sawah. Pada tahap 1 di bulan November 2019 untuk total luas sawah 3.747,87 ha dan non sawah 6.427,47 ha dengan total keseluruhan mencapai 10.175,34. Sedangkan dibulan Januari 2020 total luas sawah 3.313,21 ha, non sawah 6.427,47 ha dan yang tidak terklasifikasi atau unclassified 434,66 ha dengan mencapai totsl luas keseluruhan 10.175,82. Untuk hasil klasifikasi fase pertumbuhan tanaman padi pada musim tanam 2019-2020 dengan musim tanam rendeng (Oktober-Maret) di bulan Januari terdapat 2 fase, yaitu fase generatif dan fase vegetatif, sedangkan pada bulan November terdapat 3 fase, yaitu fase bera basah, bera kering dan fase vegetatif yang tersebar di kecamatan yang terpilih di Kabupaten Pidie.
Dari hasil uji akurasi klasifikasi citra pada bulan November dan Januari secara keseluruhan (Overall Acuracy) dapat dikatakan dalam katagori sangat baik dengan memiliki nilai 98%-100% dan kappa coefficient 0,98-1 dengan katagori sangat kuat (Very good). Hasil ini menunjukkan bahwa data SPOT-6 secara multispektral dapat digunakan untuk identifikasi tanaman padi sawah berdasarkan fase pertumbuhan tanaman serta membedakannya dengan vegetasi lain. Dengan kata lain, data SPOT-6 ini baik digunakan untuk identifikasi dan klasifikasi tanaman padi apabila digunakan data secara multispektral.

Rice (Oryza sativa L.) is one of the staple crop commodities consumed by most people in Indonesia, and is produced with various extensification and intensification efforts. Rice is also one of the most important food crops in the world after wheat and corn, and is one of the most important food crops because rice is still used as a staple food for most of the world's population, especially in Asia until now. However, over time, population growth and population demand for land is very high which is used for the construction of houses, industrial premises, and public facilities, causing land changes or land conversion in Pidie Regency. The purpose of this study was to map lowland rice plants in Pidie District using the object based image analysis method, map the rice growth phases in Glumpang Baro, Glumpang Tiga and Mutiara Timur sub-districts using object based image analysis methods and test the accuracy of rice growth in image classification in Pidie District. This research uses descriptive analysis method with Object based Imaged Analysis approach on satellite imagery. The process of this OBIA approach has 2 stages, namely, segmentation and classification, namely the method applied to the image at the research location. The results of the mapping of rice plants in the selected sub-district, Pidie Regency, have obtained rice fields and non-rice fields. In stage 1 in November 2019 for a total area of 3,747.87 ha of paddy fields and 6,427.47 ha of non-rice fields with a total of 10,175.34. Meanwhile in January 2020 the total area of rice fields is 3,313.21 ha, non-rice fields 6,427.47 ha and unclassified or unclassified 434.66 ha with a total area of 10,175.82. For the results of the classification of the growth phase of rice plants in the 2019-2020 planting season with the rendeng planting season (October-March) in January there are 2 phases, namely the generative phase and the vegetative phase, while in November there are 3 phases, namely the wet fallow phase, the fallow phase. dry and vegetative phases spread over the selected sub-districts in Pidie Regency. From the results of the image classification accuracy test in November and January as a whole (Overall Acuracy) it can be said that it is in the very good category with a value of 98%-100% and a kappa coefficient of 0.98-1 with a very strong category (Very good). These results indicate that SPOT-6 data in a multispectral manner can be used to identify lowland rice plants based on the plant growth phase and distinguish them from other vegetation. In other words, SPOT-6 data is good for identification and classification of rice plants if multispectral data is used.

Citation



    SERVICES DESK