Cover Depan dan Belakangpusfatja.lapan.go.id/files_uploads_ebook/publikasi/Buku... ·...

2014

Pusat Pemanfaatan

Penginderaan Jauh

LAPAN

PEMANFAATAN DATA PENGINDERAAN JAUH

RESOLUSI MENENGAH/TINGGI UNTUK

ESTIMASI LUAS PANEN TANAMAN PADI DI

SENTRA PRODUKSI PADI

i Pemanfaatan Data Penginderaan Jauh Resolusi Menengah/Tinggi

Untuk Estimasi Luas Panen Tanaman Padi Di Sentra Produksi Padi

LAPORAN AKHIR KEGIATAN

TAHUN ANGGARAN 2014

PEMANFAATAN DATA PENGINDERAAN JAUH RESOLUSI

MENENGAH/TINGGI UNTUK ESTIMASI LUAS PANEN

TANAMAN PADI DI SENTRA PRODUKSI PADI

LEMBAGA PENERBANGAN DAN ANTARIKSA NASIONAL

PUSAT PEMANFAATAN PENGINDERAAN JAUH

Jakarta 2014

ii Pemanfaatan Data Penginderaan Jauh Resolusi Menengah/Tinggi


PEMANFAATAN DATA PENGINDERAAN JAUH RESOLUSI

MENENGAH/TINGGI UNTUK ESTIMASI LUAS PANEN

TANAMAN PADI DI SENTRA PRODUKSI PADI

Disusun oleh:


DEPUTI BIDANG PENGINDERAAN JAUH


(LAPAN)

Tim Penyusun:

Pengarah :

Dr. M. Rokhis Khomarudin, S.Si., M.Si.

Kepala Pusat Pemanfaatan Penginderaan Jauh

DR. Bambang Trisakti

Kepala Bidang Sumber Daya Wilayah Darat

Pusat Pemanfaatan Penginderaan Jauh

Peneliti:

Ir. I Made Parsa, M.Si, Drs. Nana Suwargana, M.Si

Ir. Johannes Manalu, M.Si, Dra. Sri Harini

Djoko Santo Cahyono

Editor, Penyunting, Desain, dan Layout:

Muhammad Priyatna, S.Si., MTI.

Jakarta, Desember 2014

Pemanfaatan Data Penginderaan Jauh Resolusi Menengah/Tinggi

Untuk Estimasi Luas Panen Tanaman Padi Di Sentra Produksi Padi iii

RINGKASAN KEGIATAN

Angka ramalan produksi tanaman pangan khususnya padi yang dikeluarkan oleh Badan Pusat

Statistik yang menurut undang-undang no 16 tahun 1997 bertugas dan bertanggung jawab

dalam penyediaan data statistic dasar tersebut seringkali disikapi kurang bijaksana oleh

lembaga pemerintah non kementerian. Angka ramalan tersebut sebenarnya dihasilkan dari

dua data utama yaitu data luas panen dan produktivitas (hasil per hektar). Dalam beberapa

tahun belakangan BPS juga telah menggunakan informasi spasial dari penginderaan jauh dari

Pusat Pemanfaatan Penginderaan Jauh (Pusfatja) untuk lebih memastikan angka ramalan

tersebut, Walaupun informasi spasial dimaksud masih terbatas pada tingkat skala 1.000.000

dan hanya untuk wilayah Jawa dan Bali. Kedepan, secara bertahap Pusfatja akan

meningkatkan informasi spasial ini baik dari sisi area maupun dari sisi kualitas/skala

informasinya. Dari sisi area, akan meliputi juga pulau Sumatera dan Sulawesi sedang kan dari

sisi kualitas informasi akan ditingkatkan menjadi skala 1:100.000. Mulai tahun 2014 Pusfatja

mulai melakukan penelitian dan pengembangan pemanfaatan penginderaan jauh resolusi

menengah/tinggi untuk estimasi luas panen padi di sentra produksi yang mengambil daerah

kajian di PT. Sang Hyang Seri Sukaman di-Subang. Kajian ini merupakan tindak lanjut dari

harapan kementerian Pertanian dan BPS untuk dapat memperoleh informasi mengenai

perkiraan panen padi dengan skala yang lebih baik/detil dari yang selama ini diterima. Data

yang digunakan dalam kajian ini adalah data Landsat-8 multitemporal, yaitu data tanggal 8

Juli 2013, 9 Agustus 2013, 25 Agustus 2013, 10 September 2013, 26 September 2013, 12

Oktober 2013, 11 Juli 2014, 12 Agustus 2014, 28 Agustus 2014, 13 September 2014. Selain

itu juga digunakan data realisasi tanam dan panen padi di PT. Sang Hyang Seri musim tanam

2013/2014.Tujuan kajian ini adalah untuk mengembangkan model prediksi umur tanaman

padi berdasarkan indek vegetasi (NDVI EVI) data Landsat multitemporal. Model ini

diharapkan dapat diimplementasikan untuk estimasi luas panen padi di sentra produksi guna

mendukung penetapan ARAM produksi yang dilakukanoleh BPS.Hasil kegiatan litbang ini

menunjukkan bahwa hubungan indek vegetasi dengan umur tan an padi adalah polynomial

orde 3 dengan persamaanya = 8E-07x3 - 0.0004x

2 + 0.036x - 0.3821 dengan nilai R

2 = 0.8827

dan SE= 0,047. Hasil kegiatan ini masih perlu dilakukan validasi dan verifikasi untuk dapat

diketahui tingkat kehandalannya sebelum dioperasionalkan

iv Pemanfaatan Data Penginderaan Jauh Resolusi Menengah/Tinggi


DAFTAR ISI

Hal

HALAMAN JUDUL ii

RINGKASAN KEGIATAN iii

DAFTAR ISI iv

PENDAHULUAN 1

Latar Belakang 1

Tujuan dan Sasaran 2

TINJAUAN PUSTAKA 2

Citra Landsat 2

Hasil Penelitian Terkait 3

WILAYAH STUDI, DATA, DAN METODE 5

Deskripsi Wilayah Studi 5

Data dan Bahan 5

Metode 7

HASIL DAN PEMBAHASAN 11

Inventarisasi Data 11

Konversi citra menjadi reflektan 12

Ploting data realisasi tanam 12

Profil Pertumbuhan Tanaman Padi Fase Vegetatif dan

Generatif

14

Validasi Hasil 28

KESIMPULAN DAN SARAN 30

Kesimpulan 30

Saran 30

DAFTAR PUSTAKA 31

1 Pemanfaatan Data Penginderaan Jauh Resolusi Menengah/Tinggi


1. PENDAHULUAN

1.1. Latar belakang

Beras merupakan salah satu makanan pokok utama di dunia dan diperkirakanhanya

sekitar 15 % lahan sawah duniamempunyaitanah yang subur (IRRI, 1993). Di Indonesia, padi

merupakan salah satu tanaman pertanian yang paling penting karena beras adalah makanan

utama masyarakatIndonesia. Ketahanan pangan telah lama menjadi tujuan politik yang

penting di Indonesia. Tujuan ini paling sering dikaitkan dengan swasembada beras. Pada

pertengahan 1980-an Indonesia sempat mencapai 100 % swasembada beras. Namun,

pertumbuhan produksi padimelambat pada 1990-an, yang menyebabkan peningkatan impor

dan turunnya rasio swasembada. Selama dua tahun terakhir rasio swasembada beras tetap

sekitar 95 %, namun turun di bawah 90 % selama kekeringan El Niño 1998(Bappenas , 2002).

Penginderaan jauh satelit telah diterapkan secara luas dan telah diakui sebagai alat

yang ampuh dan efektif dalam mendeteksi penggunaan lahan dan perubahan penutupan

lahan (Ehlers et al, 1990; Meaille dan Wald, 1990; Westmoreland dan Stow, 1992; Harris

danVentura, 1995). Penginderaan jauh satelit menyediakan biaya - efektif multi-spektral dan

data multitemporal (Paine, 1981). Citra satelit telah digunakan untuk memantau jenis

tutupan lahan terbatas menurut klasifikasi spektral. Selain itu, telah digunakan

untukmemperkirakan karakteristik biofisik dari permukaan tanah melalui hubungan linear

dengan reflektansi spektral atau indeks vegetasi (Steininger, 1996; Nuarsa et al, 2005).

Studi menggunakan citra satelit untuk memantau pertumbuhan tanaman padi telah

dilakukan (Shao et al, 1997; Kuroso et al, 1997; Le Toan sama sekali, 1997; Panigrahy dan

Sharma, 1997; Oette et al, 2000; Shao et al, 2001; David et al, 2003). Beberapa penelitian

sebelumnyatelah menggunakan resolusi gambar global dan moderat seperti NOAA AVHRR

dan MODIS untuk memantau sawah (Fang et al, 1998; Wataru et al, 2006; Xiao et al, 2005).

Namun, penggunaan citra satelit resolusi spasial moderat dan globaltelah dibatasi terutama

di lahan sawah yang kecil/sempit, karena ada banyak jenis tutupan lahan dalam satu pixel.

Hal ini akan mengurangi penilaian akurasi (Strahler et al, 2006). Di sisi lain, pemanfaatan

citra satelit resolusi spasial yang tinggi atau menengah telah terbatas, terutama selama

periode tanam, karena sedikit citra yang tersedia selama 120 hari periode pertumbuhan padi

(Currey et. Al., 1987). Landsat ETM+ memiliki resolusi temporal, spasial, dan spektral yang

baik untuk pemantauan padi. Waktu pengamatan kembali dari Landsat ETM+ adalah 16 hari


Untuk Estimasi Luas Panen Tanaman Padi Di Sentra Produksi Padi 2

denganresolusi spasial 30 m. Landsat ETM+ memiliki enam band denganukuran piksel yang

sama. Hal ini menyebabkan bermanfaat untuk pengembangan algoritma untuk pemodelan

padi.

1.2. Tujuan dan sasaran

Tujuan dari penelitian ini adalah: (1) untuk mengembangkan model prediksi umur

tanaman padi menggunakan indeks vegetasi padi (NDVI, EVI), (2) Validasi model untuk

pemetaan distribusi umur dan estimasi panen padi.Sasaran penelitian adalah tersedianya

model prediksi umur tanaman padi dan hasil validasinya.

2. TINJAUAN PUSTAKA

2.1. Citra Landsat

Data Landsat Continuity Mission (LDCM), kolaborasi antara NASA dan US Geological

Survey, akan memberikan resolusi moderat (15 m-100 m, tergantung pada frekuensi

spektral) pengukuran bumi secara terestrial dan polar pada gelombang visible, near-infrared,

short waveinfrared, dan thermal infrared. Data Landsat tersedia secara bebas dan dapat

digunakan untuk bidang pertanian, geologi, kehutanan, perencanaan wilayah, pendidikan,

pemetaan, dan penelitian perubahan global.

Payload satelit LDCM terdiri dari dua instrumen-ilmu Land Imager Operasional (OLI)

dan Sensor Inframerah Thermal (TIRS). Kedua sensor mempunyai resolusi spasial 30 meter

(terlihat, NIR, SWIR), 100 meter (termal), dan 15 meter (pankromatik). Ukuran sapuan LDCM

akan 185kmcross-track dengan 180kmsepanjang-track. Sensor OLI menyediakan dua

spektrum baru, salah satu dirancang khusus untuk mendeteksi awan cirrus dan yang lainnya

untuk pengamatan zona pesisir (http://landsat.usgs.gov,diakses22 Januari 2013). Jika

dibandingkan dengan Landsat -7 ETM+, Landsat-8 mempunyai jumlah kanal yang lebih

banyak dengan penambahan band untuk coastal, band cirrus dan band LWIR-2 (khusus

untuk band ini terjadi perubahan resolusi spasial menajdi 100 meter), selengkapnya disajikan

pada Tabel 1.



Tabel 1. Perbandingan Spesifikasi kanal Landsat-7 ETM+ dan LDCM

Landsat-7 ETM+ LDCM

Band Resolusi Panjang Gel Band Resolusi Panjang Gel

Band 1, Coastal 30 m 0.433–0.453 μm (*A)

Band 1, Blue 30 m 0.450 - 0.515 μm Band 2,Blue 30 m 0.450–0.515 μm

Band 2, Green 30 m 0.525 - 0.605 μm Band 3, Green 30 m 0.525–0.600 μm

Band 3, Red 30 m 0.630 - 0.690 μm Band 4, Red 30 m 0.630–0.680 μm

Band 4, Near-IR 30 m 0.775 - 0.900 μm Band 5, Near-IR 30 m 0.845–0.885 μm

Band 5, SWIR-1 30 m 1.550 - 1.750 μm Band 6, SWIR-1 30 m 1.560–1.660 μm

Band 7, SWIR-2 30 m 2.090 - 2.350 μm Band 7, SWIR-2 30 m 2.100–2.300 μm

Band 8, Pan 15 m 0.520 - 0.900 μm Band 8, Pan 15 m 0.500–0.680 μm

Band 9, Cirrus 30 m 1.360–1.390 μm (*B)

Band 6, LWIR 60 m 10.00–12.50 μm Band 10, LWIR-1 100 m 10.30–11.30 μm (*C)

Band 11, LWIR-2 100 m 11.50–12.50 μm (*C)

Sumber: NASA, 2000, LDCM, 2011.

Salah satu cara untuk menyederhanakan hubungan antara perkembangan tanaman

dengan ciri reflektasinya adalah dengan mentransformasikan data reflektansi masing-masing

saluran menjadi satu atau lebih peubah baru, kemudian melihat hubungan antara fase

pertumbuhan tanaman dengan salah satu atau lebih peubah baru tersebut. Hubungan ini

digambarkan sebagai trajectory spectral temporal perkembangan tanaman.Indek vegetasi

merupakan salah satu peubah baru yang berhubungan dengan pertumbuhan tanaman yang

diturunkan dari reflektansi beberapa saluran spectral.Beberapa indek vegetasi berhubungan

erat dengan parameter fisik tanaman yang penting sehingga dapat digunakan untuk

menduga indek luas daun, persentase penutupan lahan, tinggi tanaman, biomasa hijau,

populasi/ kerapatan tanaman.Beberapa diantaranya mampu menghilangkan atau setidaknya

memperkecil gangguan radiometrik pada suatu liputan, dan memperkecil perbedaan

radiometrik antar liputan dan antar sensor, sehingga memungkinkan pengintegrasian data

spectral yang dikumpulkan pada waktu berbeda dan oleh sensor yang berbeda.

2.2. Hasil penelitian terkait

Salah satu indek vegetasi adalah Normalized Difference Vegetation Index (NDVI),

untuk data Landsat-7 NDVI dihitung dari nilai spectral saluran 3 dan saluran 4 dengan

formula (Uchida, S., 2010). Sementara itu indek lain yang pernah digunakan dengan input

citra Landsat-7 adalah RGVI (Nuarsa et al., 2010).

Hasil penelitian Dirgahayu, et al., 1990an menunjukkan bahwa pola perkembangan

indek vegetasi tanaman padi berbentuk kuadratik dimana pada awal pertumbuhannya NDVI

yang nilainya rendah akan semakin tinggi dan mencapai maksimum pada umur sekitar 12



minggu setelah tanam. NVDI tanaman akan semakin turun seiring proses pematangan buah

padi hingga panen pada umur 16-17 minggu setelah tanam.Penggunaan model ini untuk

prediksi luas panen berpotensi menyebabkan adanya kesalahan akibat adanya nilai NVDI

yang saling overlap. Penelitian selanjutnya menunjukkan bahwa model NDVI tanaman padi

menggunakan citra Modis berbentuk sigmoid

Penelitian Kustiyo tahun 2003 tentang model estimasi fase tumbuh dan luas panen

padi sawah dengan menggunakan data Landsat-7 diantaranya menyimpulkan bahwa:fase

vegetative sampai menjelang panen tidak dapat dipisahkan dengan baik dari saluran-saluran

Landsat secara individu, maupun dengan parameter indek kecerahan tanah, kehijauan,

kelembaban, dan NDVI tetapi dapat dipisahkan dengan indek fase tumbuh digabungkan

dengan NDVI. Selain itu juga disimpulkan bahwa pemisahan dominasi air, vegetasi atau

tanah, serta penggunaan indek fase tumbuh dan NDVI mampu menentukan fase tumbuh

padi dengan ketelitian 93%.

Hasil penelitian pengembangan model pertumbuhan tanaman padi menggunakan

data EVI Modis multispectral yang dilakukan Dirgahayu, 2010 di Karawang, Subang,

Indramayu Cirebon dan Kuningan menunjukkan bahwa nilai maksimum indek vegetasi (EVI =

Enhance Vegetation Index) tanaman padi berbeda-beda pada setiap wilayah sehingga

diperoleh 8 model pertumbuhan untuk tanaman padi kelas 2,5,8, 10,11,12,14, dan 17 yang

memiliki nilai maksimum: 0.45-0.5; 0.51-0.55; 0.56-0.60; 0.61-0.65; 0.66-0.70 dengan dan

selisih maksimum dan saat tanam 0.40-0.50.

Hasil penelitian Nuarsa, et al., 2010 tentang “Pengembangan Model Empiris Untuk

Pemetaan Sebaran Padi Dengan Data Landsat Etm+ Multitemporal Studi Kasus Di Bali

Indonesia” menunjukkan bahwa hubungan nilai spectral (DN) dengan umur padi berbentuk

eksponensial dimana yang terbaik adalah band 5 diikuti oleh band 4 dan band 7 Landsat

ETM+ dengan nilaikoefisien (R2) masing-masing menjadi 0,8999, 0,8721, dan 0,6847.Band 1,

Band 2, dan Band 3 menunjukkan hubungan yang lemah denganumur padi dengan R2

masing-masing menjadi 0,3325, 0,0973, dan 0,3994. Selain itu, dari tujuh indeks vegetasi:

NDVI (Normalized Difference Vegetation Index), RVI (Ratio Vegetation Index), IPVI (Infrared

Percentage Vegetation Index), DVI (Difference vegetation Index), TVI (Transformed

vegetation Index), SAVI (Soil Adjusted Vegetation Index), dan RGVI (Rice Growth Vegetation

Index) yang dievaluasi dalam hubungannya dengan umur tanaman ternyata indeks



RGVImemberikan hubungan terbaik denganR2 menjadi 0,9043, diikuti oleh TVI, NDVI,

SAVI,IPVI, DVI, dan RVI dengan R2 masing-masing menjadi 0,8888, 0,8473, 0,847,0,8465,

0,8307, dan 0,7112.

3. WILAYAH STUDI, DATA, DAN METODE

3.1. Deskripsi wilayah studi

Penelitian ini dilakukan di PT Sang Hyang Seri, Subang, Jawa Barat, berpusat pada

lintang 06° 19' 01" S 107° 38' 07"E (Gambar 1). Pemilihan lokasi studi ini dengan

pertimbangan untuk mempermudah perolehan data sekunder (jadwal tanam, umur

tanaman tiap blok) yang dibutuhkan dalam pembangunan model.PT Sang Hyang Seri, Subang

ini meliputi areal persawahan seluas sekitar 4450ha.

Gambar 1.Peta Lokasi Pelaksanaan Penelitian

3.2. Data dan Bahan

Data dan bahan yang digunakan dalam penelitian ini meliputi:

� Citrasatelit resolusi menengah Landsat-8 multiwaktu path/raw 122064 yang

diperoleh dari Pusat Data dan Teknologi Penginderaan Jauh LAPAN sebagaimana

disajikan pada Tabel 2.



Tabel 2.Tanggal aquisisi data Landsat-8 yang digunakan dalam penelitian

No. Tanggal aquisisi No. Tanggal aquisisi

1. 8 Juli 2013 6. 12-Oktober-13

2. 9-Agustus-13 7. 11-Juli-14

3. 25-Agustus-13 8. 12-Agustus-14

4. 10-September-13 9. 28 Agustus-14

5. 26-September-13 10. 13 September-14

� Informasi spasial fase pertumbuhan tanaman padi di Pantura (dari MODIS)

� Data sekunder berupa data kalender tanam: realisasi tanam, dan waktu panen yang

diperoleh dari PT. Sang Hyang Seri Sukamandi, Jawa Barat.



3.3. METODE

Gambar 2. Diagram alir pelaksanaan penelitian “Pemanfaatan Data Penginderaan Jauh

Resolusi Menengah untuk Pengembangan Model Umur Tanaman Padi dan Penerapannya

untuk Estimasi Luas Panen di Sentra Produksi”

MULTITEMPORAL

LANDSAT-8 IMAGES

RADIOMETRIC

CORRECTION

SPOT-6 DATA AND IN

SITU DATA SURVEYS

(REFERENCE DATA)

REGRETION ANALYSIS BETWEEN R, DN, VEGETATION

INDEK WITH AGE OF RICE PLANTS Y = f(x)

REFLECTAN, DIGITAL NUMBER,

INDEX TRANSFORMATION: NDVI, RGVI

EVALUATION, BEST RELATIONSHIP:

DETERMINATION COEFISIENT(R2), ANALYSIS OF

VARIANS AND STANDARD ERROR ESTIMATION (SE)

MODEL VERIFICATION BY

REFERENCE DATA (HARVEST TIME)

MAPPING OF PADDY AGE (ANOTHER

ACQUISITIONDATE OF DATA)

AGE OF PADDY FIELD MAP

PADDY FIELD AGE

MAPPING MODEL

APPLICATION OF MODEL

HARVEST AREA

ESTIMATION

DELINEATION OF

BLOCK PLANT

GROWTH PHASE

(MODIS) 2013



Tahapan pelaksanaan penelitian:

1. Penyiapan proposal/desain kegiatan riset

2. Inventarisasi dan pemesanan data satelit/citra Landsat-8 dan SPOT-6

3. Koreksi radiometrik dan konversi ke reflektan citra Landsat-8, dilakukan dengan

menggunakan persamaan if (10000*(0.00002*i1-0.1))/X <0 then 0 else if

(10000*(0.00002*i1-0.1))/X >10000 then 10000 else (10000*(0.00002*i1-

0.1))/X(USGS, 2014), (X=sin sudut sun elevation setiap citra Landsat-8). Sin α setiap

citra Landsat-8yang digunakan dalam penelitian ini disajikan pada Tabel 3

Tabel 3.Sun elevation dan sin α setiap citra Landsat-8 yang digunakan dalam

pembuatan model

Tanggal Aquisisi Sun Elevation Sin α

8 Juli 2013 50.41854707 0.770719541

9 Agustus 2013 54.32026145 0.812289833

25 Agustus 2013 57.81275738 0.846311794

10-Sep 61.46676836 0.878540212

26-Sep 64.55371078 0.902988462

12 Oktober 2013 66.19357644 0.91491442

11 Juli 2014 50.11639915 0.767348716

12 Agustus 2014 54.63494384 0.815480939

28-Aug-14 58.63494384 0.853868395

13-Sep-14 61.64070877 0.879986283

4. Sinkronisasi data lapangan (blok kebun, waktu tanam, panen, hasil perblok),

dilakukan terhadap data blok tanam dan realisasi tanam yang diperoleh dari PT Sang

Hyang Seri. Sinkronisasi ini bertujuan untuk memperoleh informasi mengenai umur

tanaman pada setiap tanggal citra Landsat yang akan dijadikan basis untuk

pengambilan sampel.

5. Pengambilan training sampel untuk tiap fase/umur tanaman padi (untuk tiap data

Landsat). Training sampel tiap data Landsat disajikan pada Gambar 3.



Gambar 3. Training sampel pada setiap umur tanaman pada data Landsat multitemporal

6. Ekstrak nilai spektralReflektan tiap band citra Landsat-8.

7. Transformasi beberapa indek vegetasi(Normalized Difference Vegetation Index) NDVI,

(EnhanceVegetation Index)EVI,(Rice GrowthVegetation Index) RGVI citra Landsat-8,

menggunakan persamaan berikut(Uchida, 2010)dan(Nuarsa, et al., 2010) yang telah

disesuaikansebagai berikut:

(1)

EVI=IF(OR(B2<B5,B3<B4),2.5*(B5/10000-

B4/10000)/(1+B5/10000+6*B4/10000-

7.5*B2/10000),1.5*(B5/10000-

B4/10000)/(0.5+B5/10000+B4/10000))

(2)

(3)

08072013 09082013 25082013 10092013

26092013 12102013 12072014 12082014



dimana:B2, B4, B5, B6, and B7 = band of Landsat-8,

Hasil ekstrak nilai spectral ini disajikan dalam bentuk tabel seperti disajikan pada Tabel 4.

Tabel 4.Format nilai spectral reflektan citra Landsat-8 tiap band

UMUR b1 b2 b3 b4 b5 b6 b7 PERHITUNGAN

Y x x x x x x x NDVI TVI RGVI …….

10

…

17

18

19

…

120

8. Analisis regresi antara umur tanaman dengan nilai spektral reflektan (band

tunggal/gabungan),serta antara umur tanaman dengan masing-masing indek

vegetasimenggunakan parameter statistik, yaitu:koefisien determinasi (R2), nilai

signifikan darianalisis varians (ANOVA), dan estimasi standard error(SE), Jingfeng

Huang, et al., 2013.

(5)

dimana y adalah umur padi dan x adalah nilai spektral padi.

(6)

(7)

9. Pemetaan sawah dan umur tanaman

Berdasarkan beberapa persamaan regresi diatas, dicari persamaan yang

memberikan nilai R2 tertinggi, dan nilai varians maupun strandard error terendah.

Persamaan ini adalah model terpilih yang akan digunakan untuk memetakan umur

tanaman padi (dengan input citra yang lain) sebagai verifikasi dari model. Simulasi

dilakukan dengan menggunakan citra 28 Agustus dan 13 September 2014



10. Estimasi luas panen

Model yang telah terverifikasi (no 8) kemudian digunakan untuk melakukan

pemetaan umur tanaman padi dengan input data/citra Landsat-8 terbaru. Peta umur

tanaman padi ini selanjutnya digunakan untuk estimasi luas panen dengan

memperhatikan varitas padi yang umum digunakan (umur tanaman).

Tabel5.Jadwal Pelaksanaan

Tahapan kegiatan Bulan ke- Tahun 2014

1 2 3 4 5 6 7 8 9 10 11 12

Koordinasi / Rapat Tim √ √ √ √ √ √ √ √ √ √ √ √

Kajian kepustakaan √ √ √ √ √ √ √ √ √ √

Pengumpulan data citra √ √ √ √ √ √ √ √ √

Pembuatan informasi spasial blok

sawah

√ √

Pembuatan training sampel tiap fase

pertumbuhan padi

√ √

Ekstrak indek vegetasi √ √

Analisis data √ √

Pembuatan Model pertumbuhan padi √

Survei Lapangan √ √

Verifikasi Model √ √ √

Penerapan Model untuk estimasi luas

panen

√ √ √

Penyusunan JUKNIS √ √ √

Pembuatan laporan √ √ √ √ √ √ √ √ √ √ √ √

Kegiatan teknis pada bulan Oktober, meliputi:

1. Analisis regresi hubungan nilai reflektan dan indek (NDVI) dengan umur tanaman

2. Evaluasi homogenitas training sampel dan seleksi training sampel tiap umur tanaman

3. Simulasi pembuatan model umur untuk prediksi umur

4. HASIL DAN PEMBAHASAN

4.1. Inventarisasi data

Data yang berhasil diinventaris untuk mendukung kegiatan litbang ini meliputi citra

Landsat-8 tanggal aquisisi 8 Juli 2013, 9-Agustus 2013, 25Agustus 2013, 10September

2013, 26September 2013, 12Oktober 2013, 11Juli 2014, 12Agustus 2014, 28 Agustus

2014, 13 September 2014, sementara citra SPOT-6 belum tersedia untuk wilayah



kajian. Selain data citra, juga diperoleh data sekunder berupa peta blok kebun, data

realisasi tanam/panen untuk musim tanam 2013/2014.

4.2. Konversi citra menjadi reflektan

Citra yang diperoleh adalah citra format digital number (DN), sehingga dilakukan

konversi sekaligus standarisasi menggunakan formula yang dari USGS. Sebelum itu

dilakukan ekstrak nilai sun elevationsetiap data sebagai input konversi. Hasil konversi

reflektan ini kemudian dievaluasi nilai reflektannya dengan training sampel pada

setiap umur tanaman dan kemudian dihitung koefisien variansinya (standar deviasi

dibagi mean dikali 100%) dimana data yang digunakan hanya yang nilai koefisien

variansinya kurang dari 10%, yang artinya standar akurasinya 90%. Hasil evaluasi

menunjukkan bahwa umumnya nilai band 6 dan band 7 banyak yang mempunyai

nilai koefisien varian yang lebih besar dari 10 terutama pada umur tanaman rendah.

4.3. Ploting data realisasi tanam

Ploting data realisasi tanam dan panen yang diperoleh dari PT. Sang Hyang Seri

sebagai acuan untuk membuat training sampel tiap umur tanaman.

Training sampel dibuat terhadap seluruh citra Landsat dengan mengacu pada data

realisasi tanam yang disesuaikan dengan tanggal aquisisi citra. Berdasarkan penghitungan

sementara, training sampel pada seluruh citra berjumlah 2273 training sampel yang tersebar

dari umur 1 hingga 125 hari setelah tanam sebagaimana dapat dilihat pada Gambar 4.

Ekstrak nilai reflektan dari seluruh training sampel menghasilkan sebaran sebagaimana

disajikan pada Gambar 5, sedangkan nilai NDVI disajikan pada Gambar 6.Dari seluruh

training sampel tersebut dilakukan ekstrak nilai mean dan standar deviasinya sebagaimana

disajikan pada Lampiran 2 dan Lampiran 3.



Gambar 4. Sebaran frekuensi training sampel yang digunakan dalam penelitian

Berdasarkan training sampel tersebut dilakukan ekstrak nilai reflektan, dan beberapa

indeks yaitu NDVI dan EVI.Nilai reflektan diseleksi berdasarkan homogenitasnya yang

dicerminkan oleh nilai koefisien variasinya dimana hanya menggunakan reflektan yang

mempunyai nilai kovar kurang dari 10.Profil nilai reflektan tanaman padi disajikan pada

grafik Gambar 5, sedangkan nilai rataan reflektan tanaman padi pada berbagai umur

disajikan pada Lampiran 2.

Gambar 5. Profil reflektan tanaman padi pada berbagai umur di PT Sang Hyang Seri Subang

Umur (hari)

Fr

ek

ue

ns

Umur (hari)

In

de

ks

ve

ge

ta



Berdasarkan grafik tersebut, terlihat bahwa reflektan band 1,2,3,4,6, dan 7 mempunyai pola

yang mirip dimana secara umum semakin tinggi umur niai refektannya semakin besar

sedangkan band 5 polanya sangat berbeda dimana nilai reflektan tertinggi terjadi pada umur

sekitar 69 hari. Gambaran ini menunjukkan adanya indikasi bahwa band 5 dapat digunakan

untuk membedakan umur tanaman.

4.4. Profil Pertumbuhan Tanaman Padi Fase Vegetatif dan Generatif.

Pertumbuhan tanaman padi selama musim tanam sampai panen dan kondisi/fase bera

dapat dideteksi oleh data inderaja satelit.Hal tersebut dapat dilakukan karena perubahan

kondisi tanaman/parameter pertumbuhan tanaman seperti pertambahan tinggi, luas daun

dan kerapatan tajuk menyebabkan fluktuasi perubahan indeks vegetasi (NDVI).Pengaruh

kondisi cuaca seperti suhu, radiasi, kelembaban udara serta kondisi lahan sawah terhadap

pertumbuhan dan perkembangan tanaman padi dapat ditunjukkan oleh fluktuasi nilai indeks

vegetasi. Pengaruh atmosfir yang sangat signifikan, seperti proses absorbsi (uap air, CO2,

dan O3/Ozon) dan hamburan (scattering) atau aerosol dapat mengurangi atau menambah

nilai intensitas data citra, sehingga dapat berpengaruh terhadap reflektansi yang secara

keseluruhan disebut pengaruh atmosfer. Oleh karena itu,perlu dilakukan pengkoreksian

karena berkurangnya nilai NDVI akibat kandungan aerosol atmosfir yang terdeteksi oleh

kanal biru, oleh karena itu perlu dikoreksi dengan pembuatan model indeks vegetasi dengan

EVI (Enhanced Vegetation Index).

Untuk mengetahui profil pertumbuhan tanaman padi berdasarkan indeks vegetasi

diperlukan data Multi Temporal selama pertumbuhan tanaman padi. Data inderaja Landsat-

8 yang memiliki resolusi spasial 30 meter dan temporal 16 hari cukup untuk mendeteksi

kondisi lahan dan pertumbuhan tanaman padi. Lokasi penelitian adalah di Perum Sang

Hyang Seri, Subang, Jawa Barat.

Hasil analisis data asli NDVI dan EVI dijajikan pada Tabel 6.



TABEL 6. Hasil analisis indeks vegetasi NDVI dan EVI tanaman padi (data asli).

Indeks Vegetasi ORDE 2 ORDE 3

Persamaan

R

S

iterasi

Persamaan

R

S

Iterasi NDVI

Fase Vegetatif 0.104 + 0.00602 X

+ 0.000079 X2

92.31% 0.0551194 5 0.194 - 0.0117 X + 0.000827 X

2

- 0.000008 X3

95.72% 0.0422076 11

8E-05 x

2 + 0.006 x

+ 0.1036 0.9239

5 no

etimasi

-8E-06x3 + 0.0008x

2 - 0.0117x

+ 0.1941 0.9579

11 no

etimasi

Fase Generatif - 0.117 + 0.0223 X

- 0.000163 X2

85.02% 0.0379837 5 - 1.86 + 0.0870 X - 0.000943 X

2

+ 0.000003 X3

85.63% 0.0414949 11

-0.0002x

2 + 0.0223x

- 0.1172 0.852%

5 no

etimasi

3E-06x3 - 0.0009x

2 + 0.087x

- 1.8621 0.8582

11 no

etimasi

EVI

Fase Vegetatif

0.0937 + 0.00222x

+0.000143 x2

92.82% 0.056764 8 0.160052- 0.0111 X+ 0.000719X2

-

0.000006X3

93.16% 0.0555452 8

y = 0.0001x2 + 0.0022x

+ 0.0937

0.929 8 no

etimasi

-0.0000065x3 + 0.000719x

2

0.0110853x + 0.160052

0.9326527 8 no

etimasi

Fase Generatif

0.110 + 0.0167 x

- 0.000132 x2

82.10% 0.05323 - 2.71 + 0.117 x - 0.00128 x2

+ 0.000004 x3

80.99% 0.0597425 11

-0.0001x

2 + 0.0167x

+ 0.1105

0.8231 17 no

etimasi

4E-06x3 - 0.0013x

2 + 0.1169x

- 2.7123

0.8122 11 no

etimasi

Propil pertumbuhan tanaman padi dapat diperlihatkan pada Gambar-1 sampai Gambar-4

dan model analisis dapat diuraikan sebagai berikut :

1. Model pertumbuhan padi fase vegetative untuk NDVI di orde 2 dengan iterasi 5 dan

iterasi 5 tanpa menggunakan estimasi, kemudian di orde 3 dengan iterasi 11 dan

iterasi 11 tanpa menggunakan estimasi, ditunjukkan pada Gambar-1.

2. Model pertumbuhan padi fase generative untuk NDVI di orde 2 dengan iterasi 5 dan

iterasi 5 tanpa menggunakan estimasi, kemudian di orde 3 dengan iterasi 11 dan

iterasi 11 tanpa menggunakan estimasi, ditunjukkan pada Gambar-2.

3. Model pertumbuhan padi fase vegetative untuk EVI di orde 2 dengan iterasi 8 dan

melalui Add Trendline, kemudian di orde 3 dengan iterasi 8 dan melalui Add

Trendline, ditunjukkan pada Gambar-3.

4. Model pertumbuhan padi fase generative untuk EVI di orde 2 dengan iterasi 17 dan

melalui Add Trendline, kemudian di orde 3 dengan iterasi 11 dan melalui Add

Trendline, ditunjukkan pada Gambar-4.

Pertumbuhan Padi dengan NDVI untuk Fase Vegetasi

Hasil deteksi pertumbuhan padi dengan NDVI untuk fase Vegetasi orde 2 pada iterasi

5ditunjukkan pada Gambar 1-a. Gambar tersebut menunjukkan pola pertumbuhan tanaman

padi berbentuknya lurus agak melengkung. Pertumbuhan vegetatif tampak diikuti dengan

kenaikan nilai NDVI mulai dari 0 HST hingga mencapai nilai maksimum antara 55 – 60 HST.

Fase pertumbuhan vegetatif tampak terbagi dua, yaitu vegetatif awal antara 0-20 HST yang



masih didominasi oleh penggenangan air dengan nilai NDVI berkisar 0.10-0.25, kemudian

vegetatif naik diantara 20–60 HST dengan kenaikan nilai NDVI berkisar antara 0.25 sampai

0.70. Model observasi pertumbuhan tanaman padi dalam bentuk orde 2 dihasilkan dalam

bentuk persamaan :

Obs = 0.104 + 0.00602 X + 0.000079 X2

R = 92.31%, S= 0.0551194

Untuk fase Vegetasi orde 3 pada iterasi 11ditunjukkan pada Gambar 1-b. Gambar tersebut

menunjukkan pola pertumbuhan tanaman padi berbentuknya ½ lonceng. Pertumbuhan

vegetatif tampak diikuti dengan kenaikan nilai NDVI mulai dari 0 HST hingga mencapai nilai

maksimum antara 55 – 60 HST. Fase pertumbuhan vegetatif tampak terbagi dua, yaitu

vegetatif awal antara 0-20 HST yang masih didominasi oleh penggenangan air dengan nilai

NDVI berkisar 0.15-0.20, kemudian vegetatif naik dari 20 – 60 HST dengan kenaikan nilai

NDVI berkisar antara 0.20 sampai 0.65. Model observasi pertumbuhan tanaman padi dalam

bentuk orde 3 dihasilkan bentuk persamaan sebagai berikut :

Obs = 0.194 - 0.0117 x + 0.000827 x2 - 0.000008 x

3

R=95%, S=0.0422076

Untuk fase Vegetasi orde 2 dan orde 3 melalui tanpa estimasi Gambar-1c dan Gambar-1d

memperlihatkan propil pertumbuhannya mirip dengan orde 2 dan orde 3 pada iterasi 5 dan

iterasi 11 tanpa menggunakan estimasi . Bentuk persamaan orde 2 iterasi 5 tanpa

menggunakan estimasi sebagai berikut :

y = 8E-05 x2 + 0.006 x + 0.1036

R2=0.9239

dan bentuk persamaan orde 3 iterasi 11 tanpa menggunakan estimasi adalah :

y = -8E-06x3 + 0.0008x

2 - 0.0117x + 0.1941

R2 = 0.9579

Propil Pertumbuhan Padi dengan NDVI untuk Fase Generatif

Hasil deteksi pertumbuhan padi dengan NDVI untuk fase generatif orde 2 pada iterasi 5

ditunjukkan pada Gambar 2-a. Gambar tersebut menunjukkan pola pertumbuhan tanaman

padi berbentuk seperti ½ kubah. Fase perkembangan generatif tampak terbagi 2, yaitu

masa pembentukan biji antara 60 – 80 HST dengan penurunan nilai NDVI berkisar antara



0.65-0.55, masa pematangan antara umur 80 – 105 HST dengan penurunan nilai NDVI

berkisar dari 0.55 hingga 0.45. Selanjutnya tanaman padi akan panen dan kondisi lahan

menjadi bera antara umur 105 -120 HST dengan nilai NDVI berkisar antara 0.45 hingga 0.25.

Model observasi pertumbuhan tanaman padi dalam bentuk orde 2 dihasilkan dalam bentuk

persamaan :

Obs = - 0.117 + 0.0223 X - 0.000163 X2

R=85.02%, S=0.03799837

Untuk fase generatif orde 3 pada iterasi 11 ditunjukkan pada Gambar 2-b. Gambar tersebut

menunjukkan pola pertumbuhan tanaman padi berbentukseperti ½ lonceng. Fase

perkembangan generative juga tampak terbagi 2, yaitu masa pembentukan biji antara 60 –

80 HST dengan penurunan nilai NDVI berkisar antara 0.55-0.60, masa pematangan antara

umur 80 – 105 HST dengan penurunan nilai NDVI berkisar dari 0.60 hingga 0.40. Selanjutnya

tanaman padi akan panen dan kondisi lahan menjadi bera antara umur 105 -120 HST

dengan nilai NDVI berkisar antara 0.40 hingga 0.25. Model observasi pertumbuhan tanaman

padi dalam bentuk orde 2 dihasilkan dalam bentuk persamaan :

Obs = - 1.86 + 0.0870 X - 0.000943 X2 + 0.000003 X

3

R=85.63%, S=0.8582

Untuk fase generatif orde 2 dan orde 3 melalui tanpa estimasi Gambar-2c dan Gambar-2d


iterasi 11. Bentuk persamaan orde 2 melalui tanpa estimasi sebagai berikut :

y = -0.0002x2 + 0.0223x - 0.1172

R2= 0.852

dan bentuk persamaan orde 3 melalui tanpa estimasi adalah :

y = 3E-06x3 - 0.0009x

2 + 0.087x - 1.8621

R2= 0.8582

Propil Pertumbuhan Padi dengan EVI untuk Fase Vegetatif

Hasil deteksipertumbuhan padi dengan EVI untuk fase Vegetasi orde 2 pada iterasi 8


padi berbentuk garisagak melengkung. Pertumbuhan vegetatif tampak diikuti dengan

kenaikan nilai EVI mulai dari 0 HST hingga mencapai nilai maksimum antara 55 – 60 HST.



Fase pertumbuhan vegetatif tampak terbagi dua, yaitu vegetatif awal antara 0-20 HST yang

masih didominasi oleh penggenangan air dengan nilai EVI berkisar 0.10-0.20, kemudian

vegetatif naik diantara 20– 60 HST dengan kenaikan nilai EVI berkisar antara 0.20 sampai

0.75. Model observasi pertumbuhan tanaman padi dalam bentuk orde 2 dihasilkan dalam

bentuk persamaan :

Obs = 0.0937 + 0.00222 X + 0.000143 X2

S = 0.0567642 ; R2 = 92.82%

Untuk fase Vegetasi orde 3 pada iterasi 8 ditunjukkan pada Gambar 3-b. Gambar tersebut

menunjukkan pola pertumbuhan tanaman padi berbentuknya ½ lonceng. Pertumbuhan

vegetatif tampak diikuti dengan kenaikan nilai EVI mulai dari 0 HST hingga mencapai nilai

maksimum antara 55 – 60 HST. Fase pertumbuhan vegetatif tampak terbagi dua, yaitu

vegetatif awal antara 0-20 HST yang masih didominasi oleh penggenangan air dengan nilai

EVI berkisar 0.20-0.15, kemudian vegetatif naik lagi dari 20 – 60 HST dengan kenaikan nilai

EVI berkisar antara 0.15 sampai 0.70. Model observasi pertumbuhan tanaman padi dalam

bentuk orde 3 dihasilkan bentuk persamaan sebagai berikut :

Obs = 0.160 - 0.0111 X + 0.000719 X2 - 0.000006 X

3

S = 0.0555452 ; R2= 93.16%

Untuk fase Vegetasi orde 2 dan orde 3 melalui Add Trendline Gambar-3c dan Gambar-3d


iterasi 16. Bentuk persamaan orde 2 Add Trendline sebagai berikut :

y = 0.0001x2 + 0.0022x + 0.0937

R2 = 0.929

dan bentuk persamaan orde 3 Add Trendline adalah :

y = -0.0000065x3 + 0.0007186x

2 - 0.0110853x + 0.1600519

R2 = 0.9326527

Propil Pertumbuhan Padi dengan EVI untuk Fase Generatif

Hasil deteksi pertumbuhan padi dengan EVI untuk fase generatif orde 2 pada iterasi 8


padi berbentuk garis agak melengkung. Fase perkembangan generatif tampak terbagi 2,



yaitu masa pembentukan biji antara 60 – 80 HST dengan penurunan nilai EVI berkisar antara

0.65-0.60, masa pematangan antara umur 80 – 105 HST dengan penurunan nilai EVI berkisar

dari 0.60 hingga 0.40. Selanjutnya tanaman padi akan panen dan kondisi lahan menjadi bera

antara umur 105 -120 HST dengan nilaiEVI berkisar antara 0.40 hingga 0.20. Model

observasi pertumbuhan tanaman padi dalam bentuk orde 2 dihasilkan dalam bentuk

persamaan :

Obs = 0.110 + 0.0167 x - 0.000132 x2

S = 0.0532307 ; R2 = 82.10%

Untuk fase generatif orde 3 pada iterasi 11 ditunjukkan pada Gambar 4-b. Gambar tersebut

menunjukkan pola pertumbuhan tanaman padi berbentuk seperti ½ lonceng. Fase

perkembangan generative juga tampak terbagi 2, yaitu masa pembentukan biji antara 60 –

80 HST dengan penurunan nilai EVI berkisar antara 0.70-0.65, masa pematangan antara

umur 80 – 105 HST dengan penurunan nilai EVI berkisar dari 0.65 hingga 0.35. Selanjutnya

tanaman padi akan panen dan kondisi lahan menjadi bera antara umur 105 -120 HST dengan

nilai EVI berkisar antara 0.35 hingga 0.25. Model observasi pertumbuhan tanaman padi

dalam bentuk orde 2 dihasilkan dalam bentuk persamaan :

Obs = - 2.71 + 0.117 x - 0.00128 x2 + 0.000004 x3

S = 0.0597425 ; R2 = 80.99%

Untuk fase generatif orde 2 dan orde 3 melalui Add Trendline Gambar-4c dan Gambar-4d


iterasi 11. Bentuk persamaan orde 2 Add Trendline sebagai berikut :

y = -0.0001x2 + 0.0167x + 0.1105

R2 = 0.8231

dan bentuk persamaan orde 3 Add Trendline adalah :

y = 4E-06x3 - 0.0013x

2 + 0.1169x - 2.7123

R2 = 0.8122



Model Pertumbuhan Padi Fase Vegetatif

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60

Umur HST

ND

VI

Obs

FITS1

Obs = 0.104 + 0.00602 X + 0.000079 X2

S = 0.0551194 ; R2 = 92.31%


0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60

Umur HST

ND

VI

Obs

FITS1

Obs = 0.194 - 0.0117 X + 0.000827 X2 - 0.000008 X

3

S = 0.0422076 ; R2= 95.72%

a. Hasil NDVI orde 2 Vegetatif setelah difilter dua kali dan

dilakukan iterasi atau pengulangan 5 kali dengan

menggunakan hasil strandart deviasi dari program

MINITAB

b. Hasil NDVI orde 3 Vegetatif setelah difilter dua kali dan

dilakukan iterasi atau pengulangan 11 kali dengan


MINITAB

Obs = 0.104 + 0.00602 X + 0.000079 X2

S = 0.0551194 ; R2 = 92.31%

Obs = 0.194 - 0.0117 X + 0.000827 X2 - 0.000008 X

3

S = 0.0422076 ; R2 = 95.72%


y = 8E-05x2 + 0.006x + 0.1042

R2 = 0.9244

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60

Umur HST

ND

VI

(No

rmali

zed

Dif

fere

nce V

eg

eta

tio

n

Ind

ex)

Obs

Poly. (Obs)


y = -8E-06x3 + 0.0008x

2 - 0.0117x + 0.1941

R2 = 0.9579

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60

Umur HST

ND

VI

Obs

Poly. (Obs)

c. Hasil NDVI orde 2 Vegetatif setelah difilter dua

kali dan dilakukan iterasi atau pengulangan 5 kali

tanpa menggunakan estimasi dari program

MINITAB. Estimasi langsung dari add trendline.

d. Hasil NDVI orde 3 Vegetatif setelah difilter dua

kali dan dilakukan iterasi atau pengulangan 11

kali tanpa menggunakan estimasi dari program


y = 8E-05 x2 + 0.006 x + 0.1036

R2 = 0.9239

y = -8E-06x3 + 0.0008x

2 - 0.0117x + 0.1941

R2 = 0.9579

Gambar 6. Profil NDVI Fase Vegetatif pertumbuhan padi Orde 2 dengan iterasi 5 dan iterasi 5

tanpa menggunakan estimasi, serta Orde 3 dengan iterasi 11 dan iterasi 11

tanpa menggunakan estimasi.



Model Pertumbuhan Padi Fase Generatif

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

60 65 70 75 80 85 90 95 100 105 110 115 120

Umur HST

ND

VI (N

orm

alized

Diffe

ren

ce

Veg

eta

tio

n

Ind

ex)

Obs

FITS1Obs = - 0.117 + 0.0223 X - 0.000163 X2

S = 0.0379837 ; R2 = 85.02%


0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

60 65 70 75 80 85 90 95 100 105 110 115 120

Umur HST

ND

VI (N

orm

alize

d D

iffe

ren

ce

Ve

ge

tati

on

Ind

ex

)

Obs

FITS1

Obs = - 1.86 + 0.0870 X - 0.000943 X2 + 0.000003 X3

S = 0.0414949 ; R2 = 85.63%

Hasil NDVI orde 2 Vegetatif setelah difilter dua kali

dan dilalukan iterasi atau pengulangan 5 kali

dengan menggunakan hasil strandart deviasi dari

program MINITAB

Hasil NDVI orde 3 Generatif setelah difilter dua kali

dan iterasi atau pengulangan 11 kali dengan


MINITAB

Obs = - 0.117 + 0.0223 X - 0.000163 X2

S = 0.0379837 ; R2 = 85.02%

Obs = - 1.86 + 0.0870 X - 0.000943 X2 + 0.000003 X

3

S = 0.0414949 ; R2 = 85.63%


y = -0.0002x2 + 0.0223x - 0.1172

R2 = 0.852

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

60 65 70 75 80 85 90 95 100 105 110 115 120

Umur HST

ND

VI (N

orm

alize

d D

iffe

ren

ce

Ve

ge

tati

on

Ind

ex)

Obs

Poly. (Obs)


y = 3E-06x3 - 0.0009x2 + 0.087x - 1.8621

R2 = 0.8582

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

60 65 70 75 80 85 90 95 100 105 110 115 120

Umur HST

ND

VI (N

orm

alize

d D

iffe

ren

ce V

eg

eta

tio

n

Ind

ex)

Obs

Poly.


dan dilalukan iterasi atau pengulangan 5 kali tanpa

menggunakan estimasi dari program MINITAB.

Estimasi langsung dari add trendline.

Hasil NDVI orde 3 Generatif setelah difilter dua

kali dan dilaklukan iterasi atau pengulangan 11 kali



y = -0.0002x2 + 0.0223x - 0.1172

R2 = 0.852

y = 3E-06x3 - 0.0009x

2 + 0.087x - 1.8621

R2 = 0.8582

Gambar 7. Profil NDVI Fase generatif pertumbuhan padi Orde 2 dengan iterasi 5 dan iterasi 5


tanpa menggunakan estimasi .




0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60

Umur HST (Hari Setelah Tanam)

En

han

ced

Veg

eta

tio

n I

nd

ex (

EV

I)

Obs

FITS1

Obs = 0.0937 + 0.00222 X + 0.000143 X2

S = 0.0567642 ; R2 = 92.82%


0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60


En

ha

nc

ed

Ve

ge

tati

on

In

de

x (

EV

I)

Obs

FITS1

Obs = 0.160 - 0.0111 X + 0.000719 X2 - 0.000006 X3

S = 0.0555452 ; R2= 93.16%

Hasil EVI orde 2 Vegetatif setelah difilter dua kali

dan dilakukan iterasi atau pengulangan 8 kali


program MINITAB




program MINITAB

Obs = 0.0937 + 0.00222 X + 0.000143 X2

S = 0.0567642 ; R2 = 92.82%

Obs = 0.160 - 0.0111 X + 0.000719 X2 - 0.000006 X

3

S = 0.0555452 ; R2 = 93.16%


y = 0.0001x2 + 0.0022x + 0.0937

R2 = 0.929

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60


En

han

ced

Veg

eta

tio

n I

nd

ex (

EV

I)

Obs

Poly. (Obs)


y = -0.0000065x3 + 0.0007186x2 - 0.0110853x + 0.1600519

R2 = 0.9326527

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60


En

ha

nc

ed

Ve

ge

tati

on

In

de

x (

EV

I)

Obs

Poly. (Obs)









y = 0.0001x2 + 0.0022x + 0.0937

R2 = 0.929

y = -0.0000065x3 + 0.0007186x2 - 0.0110853x + 0.1600519

R2 = 0.9326527

Gambar 8. Profil EVI Fase vegetatif Pertumbuhan padi Orde 2 dengan iterasi 5 dan iterasi 5

tanpa menggunakan estimasi , serta Orde 3 dengan iterasi 8 dan iterasi 8 tanpa

menggunakan estimasi .




0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

60 65 70 75 80 85 90 95 100 105 110 115 120


EV

I (E

nh

an

ce

d V

eg

eta

tio

n I

nd

ex

)

Obs

FITS1

Obs = 0.110 + 0.0167 x - 0.000132 x2

S = 0.0532307 ; R2 = 82.10%


0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

60 65 70 75 80 85 90 95 100 105 110 115 120


En

ha

nc

ed

Ve

ge

tati

on

In

de

x (

EV

I)

Obs

FITS1

Obs = - 2.71 + 0.117 x - 0.00128 x2 + 0.000004 x3

S = 0.0597425 ; R2 = 80.99%


dan dilalukan iterasi atau pengulangan 17 kali


program MINITAB

Hasil NDVI orde 3 Generatif setelah difilter dua kali

dan iterasi atau pengulangan 11 kali dengan


MINITAB

Obs = 0.110 + 0.0167 x - 0.000132 x2

S = 0.0532307 ; R2 = 82.10%

Obs = - 2.71 + 0.117 x - 0.00128 x2 + 0.000004 x3

S = 0.0597425 ; R2 = 80.99%


y = -0.0001x2 + 0.0167x + 0.1105

R2 = 0.8231

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

60 65 70 75 80 85 90 95 100 105 110 115 120


EV

I (E

nh

an

ce

d V

eg

eta

tio

n I

nd

ex

)

Obs

Poly. (Obs)


y = 4E-06x3 - 0.0013x2 + 0.1169x - 2.7123

R2 = 0.8122

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

60 65 70 75 80 85 90 95 100 105 110 115 120


En

ha

nc

ed

Ve

ge

tati

on

In

de

x (

EV

I)

Obs

Poly. (Obs)


dan dilalukan iterasi atau pengulangan 17 kali tanpa

menggunakan estimasi dari program MINITAB.

Estimasi langsung dari add trendline.

Hasil NDVI orde 3 Generatif setelah difilter dua

kali dan dilaklukan iterasi atau pengulangan 11 kali



y = -0.0001x2 + 0.0167x + 0.1105

R2 = 0.8231

y = 4E-06x3 - 0.0013x2 + 0.1169x - 2.7123

R2 = 0.8122

Gambar 9. Profil EVI Fase generatif Pertumbuhan padi Orde 2 dengan iterasi 5 dan iterasi 5


tanpa menggunakan estimasi .



Hasil analisis nilai NDVI dan EVI yang sudah difilter 2 kali dengan analisis orde 2 dan orde 3

disajikan sebagai berikut

NDVI dengan hasil filter 2 kali dengan iterasi yang berbeda orde 2 dan orde 3

1. Model pertumbuhan padi untuk NDVI di orde 2 dengan iterasi 13

Obs = - 0.121 + 0.0226 X - 0.000163 X2

S = 0.0580254; R2 = 86.10% iterasi 13

2. Model pertumbuhan padi untuk NDVI di orde 3 dengan iterasi 14

Obs = - 0.382 + 0.0360 X - 0.000360 X2 + 0.000001 X

3

S = 0.0475297 ; R2 = 88.18% iterasi 14

3. Model pertumbuhan padi untuk NDVI di orde 2 dengan iterasi 13 tanpa estimasi

y = -0.0002x2 + 0.0235x - 0.1409

R2 = 0.8649 iterasi 13

4. Model pertumbuhan padi untuk NDVI di orde 3 dengan iterasi 14 tanpa estimasi

y = 8E-07x3 - 0.0004x

2 + 0.036x - 0.3821

R2 = 0.8827 iterasi 14

EVI dengan hasil filter 2 kali dengan iterasi yang berbeda orde 2 dan orde 3

1. Model pertumbuhan padi untuk EVI di orde 2 dengan iterasi 16

Obs = - 0.298 + 0.0272 X - 0.000194 X2

S = 0.0656194 ; R2 = 84.58 % iterasi 16

2. Model pertumbuhan padi untuk EVI di orde 3 dengan iterasi 12

Obs = 0.0385 + 0.00643 X + 0.000171 X2 - 0.000002 X

3

S = 0.0697020 ; R2 = 86.13% iterasi 12

3. Model pertumbuhan padi untuk EVI di orde 2 dengan iterasi 16 tanpa estimasi

y = -0.0002x2 + 0.0272x - 0.2981

R2 = 0.8479 iterasi 16

4. Model pertumbuhan padi untuk EVI di orde 3 dengan iterasi 12 tanpa estimasi

y = -0.0000019x3 + 0.0001706x

2 + 0.0064292x + 0.0384564

R2 = 0.8624293 iterasi 12

Propil pertumbuhan untuk wilayah di PT Sang Hyang Seri, ditunjukkan pada Gambar-6dan

Gambar-2. Gambar tersebut menunjukkan pola NDVI dan EVI tanaman padi pada umumnya



berbentuk kubah agak simetris.Pertumbuhan vegetatif tampak diikuti dengan kenaikan nilai

NDVI maupun EVI hingga mencapai nilai maksimum umumnya berkisar antara 60 – 70 HST.

Fase pertumbuhan vegetatif tampak terbagi tiga, yaitu vegetatif awal berkisar antara 0-20

HST yang masih didominasi oleh penggenangan air dengan kenaikan nilai NDVI maupun EVI

sekitar 0.15 dan nilai NDVI dan EVI< 0.2, vegetatif dipercepat antara 20 – 45 HST dengan

kenaikan nilai NDVI dan EVI berkisar 0.42 dengan slop tajam, fase vegetatif diperlambat

berkisar antara 45 – 60 HST dengan kenaikan nilai NDVI dan EVI berkisar 0.12, karena mulai

pembentukan malai. Sedangkan fase perkembangan generatif tampak terbagi 2, yaitu masa

pembentukan biji berkisar antara 60 – 80 HST dengan penurunan nilai NDVI dan EVI berkisar

0.25, masa pematangan berkisar antara umur 80 – 105 HST dengan penurunan nilai NDVI

dan EVI berkisar 0.3. Selanjutnya tanaman padi akan panen dan kondisi lahan menjadi bera

dengan nilai NDVI dan EVI berkisar 0.17. Pertumbuhan padi indek vegetasi NDVI dan EVI dari

ke delapan model ditunjukkan pada Tabel-6 dan Tabel-7.

Profil Pertumbuhan Padi Orde 2

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120


ND

VI

(No

rma

liz

ed

Dif

fere

nc

e V

eg

eta

tio

n In

de

x)

Obs

FITS1

Obs = - 0.121 + 0.0226 X - 0.000163 X2

S = 0.0580254 ; R2 = 86.10%


0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120


ND

VI (N

orm

alize

d D

iffe

ren

ce

Ve

ge

tati

on

In

de

x)

Obs

FITS1

Obs = - 0.382 + 0.0360 X - 0.000360 X2 + 0.000001 X

3

S = 0.0475297 ; R2 = 88.18%

Obs = - 0.121 + 0.0226 X - 0.000163 X2

S = 0.0580254 ; R2 = 86.10% iterasi 13

Obs = - 0.382 + 0.0360 X - 0.000360 X2 + 0.000001 X

3

S = 0.0475297 ; R2 = 88.18% iterasi 14


y = -0.0002x2 + 0.0226x - 0.1212

R2 = 0.8619

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120


ND

VI (N

orm

alize

d D

iffe

ren

ce

Ve

ge

tati

on

In

de

x)

Obs

Poly. (Obs)


y = 8E-07x3 - 0.0004x

2 + 0.036x - 0.3821

R2 = 0.8827

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120


ND

VI (N

orm

alize

d D

iffe

ren

ce

Ve

ge

tati

on

Ind

ex

)

Obs

Poly. (Obs)

y = -0.0002x2 + 0.0235x - 0.1409

R2 = 0.8649 iterasi 13 tanpa estimasi

y = 8E-07x3 - 0.0004x

2 + 0.036x - 0.3821


Gambar10.ModelNDVIPertumbuhan padi (Hasil filter )




0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120


En

ha

nc

ed

Ve

ge

tati

on

In

de

x

(EV

I)

Obs

FITS1

Obs = - 0.298 + 0.0272 X - 0.000194 X2

S = 0.0656194 ; R2 = 84.58%


0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120


En

ha

nc

ed

Ve

ge

tati

on

In

de

x (

EV

I)

Obs

FITS1

Obs = 0.0385 + 0.00643 X + 0.000171 X2 - 0.000002 X

3

S = 0.0697020 ; R2 = 86.13%

Obs = - 0.298 + 0.0272 X - 0.000194 X2

S = 0.0656194 ; R2 = 84.58 % iterasi 16

Obs = 0.0385 + 0.00643 X + 0.000171 X2 - 0.000002 X

3

S = 0.0697020 ; R2 = 86.13% iterasi 12


y = -0.0002x2 + 0.0272x - 0.2981

R2 = 0.8479

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120


E

nh

an

ce

d V

eg

eta

tio

n I

nd

ex

(E

VI)

Obs

Poly. (Obs)


y = -0.0000019x3 + 0.0001706x

2 + 0.0064292x + 0.0384564

R2 = 0.8624293

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

0.65

0.70

0.75

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120


En

ha

nc

ed

Ve

ge

tati

on

In

de

x (

EV

I)

Obs

Poly. (Obs)

y = -0.0002x2 + 0.0272x - 0.2981


y = -0.0000019x3 + 0.0001706x

2 + 0.0064292x +

0.0384564


Gambar 11. Model EVIPertumbuhan padi (Hasil filter)



TABEL 7.Hasil penghitungan nilai NDVI dan EVI padi pada Orde 2 dan Orde 3.

HST

NDVI EVI

Orde2

it13

Orde3

it14

Orde2

it13

tanpa

estimasi

Orde3

it14

tanpa

estimasi

Orde2

it16

Orde3

it12

Orde2

it16

tanpa

estimasi

Orde3

it12

tanpa

estimasi

0-5 0-0.01 0 0 0 0 0-0.08 0 0-0.08

5-15 0.18 0-0.08 0-0.18 0-0.8 0.05 0.17 0-0.08 0.17

15-20 0.27 0.20 0.26 0.20 0.17 0.22 0.17 0.23

20-45 0.56 0.60 0.56 0.60 0.53 0.50 0.53 0.51

45-60 0.65 0.66 0.65 0.67 0.68 0.63 0.64 0.64

60-70 0.66 0.67 0.66 0.68 0.65 0.68 0.65 0.67

70-80 0.65 0.62 0.65 0.67 0.68 0.65 0.64 0.65

80-105 0.44 0.40 0.45 0.40 0.43 0.35 0.40 0.36

105-120 0.23 24 0.24 0.24 0.16 0 0.16 0

TABEL 8. Rekapitulasi persamaan regresi, nilai R dan standard error hasil analisis.

Indeks

Vegetasi

ORDE 2 ORDE 3

Persamaan

R

S

itera

si

Persamaan

R

S

Iterasi

NDVI

Fase

Vegetatif

Obs = - 0.121 +

0.0226 X -

0.000163 X2

86.10% 0.058

0254 13

Obs = - 0.382 + 0.0360

X- 0.000360 X2 +

0.000001 X3

88.18

%

0.04

752 14

Fase

Generatif

y = -0.0002x2 +

0.0235x - 0.1409 0.8649

13 no

etima

si

y = 8E-07x3 - 0.0004x

2

+ 0.036x - 0.3821

0.882

7

14 no

etimas

i

EVI

Fase

Vegetatif

Obs = - 0.298 +

0.0272 X -

0.000194 X2

84.58% 0.065

619

16 Obs = 0.0385 + 0.00643

X + 0.000171 X2 -

0.000002 X3

86.13

%

0.06

970

20

12

Fase

Generatif

y = -0.0002x2 +

0.0272x - 0.2981

0.8479 16

no

etim

asi

y = -0.0000019x3 +

0.0001706x2 +

0.0064292x +

0.0384564

0.862

429

112



4.5. Validasi hasil

Gambar 12. Citra Landsat-8 28 Agustus 2014

Gambar 13. Citra Landsat-8 13 September 2014



Gambar 14. Perubahan indeks vegetasi daerah Karawang-Bekasi-Subang bulan Agustus-

September 2014

Gambar 15. Peta umur tanaman padi di Karawang-Subang-Sukamandi pada bulan

September 2014

positif

negatif



Gambar 16. Peta estimasi panen padi di Karawang-Subang-Sukamandi pada bulan

September 2014

V. Kesimpulan dan saran

6.1. Kesimpulan

Berdasarkan Tabel 8 diatas, dapat disimpulkan bahwa dari dua parameter yang diuji NDVI

dan EVI, ternyata parameter NDVI mempunyai hubungan yang lebih erat dengan umur

tanaman padi karena rata-rata R2nya lebih besar yaitu rata-rata 87,14% dan standar error

yang lebih kecil 0,0525 dibandingkan dengan parameter EVI yang mempunyai rata-rata R2

85,35% dan standard error 0.067. Sementara itu dari dua model analisis, orde dua dan orde

tiga untuk kedua parameter diatas, ternyata model orde tiga mempunyai nilai R2 yang lebih

besar 88,18% dan nilai standard error yang lebih kecil 0,047.

Dengan demikian model prediksi umur yang lebih baik adalah persamaan regresi orde 3

antara umur dengan NDVI tanaman padi yang diekstrak dari citra Landsat 8 berikut:y = 8E-

07x3 - 0.0004x

2 + 0.036x - 0.3821 dengan R

2 = 0.8827 dengan standar error 0,0525

6.2. Saran

Berdasarkan pembahasan dan kesimpulan tersebut, disarankan untuk dilakukan validasi

hasil model prediksi umur ini secara luas untuk mengetahui tingkat kehandalannya.



DAFTAR PUSTAKA

Bappenas, 2002, Does Indonesia Face a Food Security Time Bomb.Indonesian Food Policy

Program. http//:www.macrofoodpolicy.com. Accessed November, 15th 2009.

Baret, F. and Guyot, G., 1991, Potentials and limits of vegetation indices for LAI and APAR

assessment.Remote Sensing of Environment, 35, pp. 161-173.

Currey, B., Fraser, A. S. and Bardsley, K. L. How useful is Landsat monitoring. Nature 1987,

328, 587-590.

David, D., Frolking, S., Li, C., 2003, Trends in Rice-Wheat Area in China.Field Crops Research.

Dirgahayu, 1999.Aplikasi Model Pendugaan Umur Padi untuk Peramalan Luas Panen Padi di

Pulau Jawa. Majalah LAPAN no 1, vol 2 1-14 h

Ehlers, M., Jadkowski, M. A., Howard, R. R. and Brostuen, D. E., 1990, Application of SPOT

Data For Regional Growth Analysis and Local Planning. Photogrammetric Engineering

and Remote Sensing, 56, pp. 175–180.

Fang, H., Wu, B., Liu, H., and Huang, X., 1998, Using NOAA AVHRR and Landsat TM to

estimate rice area year-byyear. International Journal of Remote Sensing, 19, pp. 521-

525.

Harris, P. M. and Ventura, S. J., 1995, TheIntegration of Geographic Data With Remotely

Sensed Imagery to Improve Classification in an Urban Area. Photogrammetric

Engineering and Remote Sensing, 61, pp. 993–998.

Huete, A. R. and Escadafal, R., 1991, Assessment of Biophysical Soil Properties Through

Spectral Decomposition Techniques. Remote Sensing of Environment 35, pp. 149-159.

Huete, A. R. and Warrick, A. W., 1990, Assessment of Vegetation And Soil Water Regimes in

Partial Canopies with Optical Remotely Sensed Data. Remote Sensing of Environment

32, pp. 115-167.

Huete, A. R., 1988, A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment ,

25, pp. 295-309.

IRRI, 1993, 1993–1995 IRRI Rice Almanac. Manila7 International Rice Research Institute.

Jingfeng Huang, et al., 2013. Remotely Sensed Rice Yield Prediction Using Multi-Temporal

NDVI Data Derived from NOAA’s-AVHRR. Institute of Agricultural Remote Sensing &

Information Application.www.plosone.org diakses 22 Januari 2014

Kuroso, T., Fujita, M., and Chiba, K., 1997, Monitoring of Rice Fields Using Multi-Temporal

ERS-1 C-band SAR Data.International Journal of Remote Sensing, 14, pp. 2953- 2965.

Kustiyo, 2003.Model Estimasi Fase Tumbuh dan Luas Panen Padi Sawah dengan

Menggunakan Data Landsat-7. Tesis. Program Pasca Sarjana, Institut Pertanian Bogor.

104 p

Le Toan, T., Ribbes, F., Floury, N., L., Kong, J., Korosu, T., and Fujita, M., 1997, Rice Crop

Mapping and Monitoring Using ERS-1 Data Base on Experiment and Modeling

Results. IEEE Transactions on Geosciences and Remote Sensing, 35, pp. 41- 56.

Lillesand, T.M. and Kiefer, R.W., 1994, Remote Sensing and Image Interpretation.Third

Edition. John Wiley and Sons, New York. 750 pp.

Meaille, R. and Wald, L., 1990, Using Geographic Information System and Satellite Imagery

Within a Numerical Simulation of Regional Urban Growth. International Journal of

Geographic Information Systems, 4, pp. 445–456.

Naugle, B. I. and Lashlee, J. D., 1992, Alleviating Topographic Influences on Land-Cover

Classifications for Mobility and Combat Modeling, Photogrammetric Engineering and

Remote Sensing, 58, pp. 1217-1221.



Niel, T.G.V. and McVicar, T.R., 2001, Remote Sensing of Rice-Based Irrigated Agriculture: A

Review. Available on http://www.clw.csiro.au/publications/consultancy/2001/C RC-

Rice-TRP11050101.pdf. Accessed 15 December 2009.

Nuarsa I Wayan, Kanno, S., Sugimori, Y. and Nishio, F., 2005, Spectral Characterization of

Rice Field Using Multi-Temporal Landsat ETM+ Data.International Journal of Remote

Sensing and Earth Sciences. 2, pp. 65-71.

Nuarsa I Wayan, Nishio, F., Hongo C., 2010.Development Of The Empirical Model For Rice

Field Distribution Mapping Using Multi-Temporal Landsat Etm+ Data: Case Study In

Bali Indonesia. International Archives of the Photogrammetry, Remote Sensing and

Spatial Information Science, Volume XXXVIII, Part 8, Kyoto Japan 2010.

Oette, D. R., Warren B. C., Mercedes B., Maiersperger, T.K., and Kennedy, R.E., 2000, Land

Cover Mapping in Agricultural Setting Using Multiseasonal Thematic Mapper Data.

Remote Sensing of Environment, 76, pp. 139-155.

Paine, D.P., 1981, Aerial Photography and Image Interpretation for Resource Management.

John Wiley and Sons, New York. 412 pp.

Panigrahy, S. and Sharma., S.A., 1997, Mapping of Crop Rotation Using Multidate Indian

Remote Sensing Satellite Digital Data. ISPRS Journal of Photogrammetry & Remote

Sensing, 52, pp. 85-91.

Pons, X. and Sole-Sugranes, L. A Simple Radiometric Correction Model to Improve Automatic

Mapping of Vegetation From Multispectral Satellite Data. Remote Sensing of

Environment 1994, 48, 191-204.

Shao, Y., Fan, X., Liu, H., Xiao, J., Ross, S., Brisco, B., Brown, R. and Staples, G., 2001. Rice

Monitoring and Production Estimation Using Multitemporal RADARSAT.Journal of

Remote Sensing for Environment, 76, pp. 310–325.

Shao, Y., Wang, C., Fan, X., and Liu, H., 1997, Evaluation of SAR image for Rice Monitoring

and Land Cover Mapping.In Presented at Geomatics in Era of RADARSAT, Ottawa,

Canada.

Steininger, M. K., 1996, Tropical secondary forest regrowth in the Amazon: age, area and

change estimation with Thematic Mapper data. International Journal of Remote

Sensing, 17, pp. 9–27.

Strahler, A. H., Boschetti, L., Foody, G.M., Friedl, M.A., Hansen, M.C., Herold, M., Mayaux, P.,

Morisette, J.T., Stehman, S.V. and Woodcock, C.E., 2006, Global Land Cover

Validation: Recommendations for Evaluation and Accuracy Assessment of Global

Land Cover Maps. Office for Official Publications of the European

Communities.http://wgcv.ceos.org/docs/plenary/wgcv26/GlobalLandCover

Validation_JeffMorisette.pdf.Accessed July 25, 2009.

Uchida, S., 2010.Monitoring of Planting Paddy Rice With Complex Cropping Pattern In The

Tropical Humid Climate Region Using Landsat and Modis Data. A Case of West Java,

Indonesia.International Archives of the Photogrammetry, Remote Sensing and Spatial

Information Science, Volume XXXVIII, Part 8, Kyoto Japan

Wataru, T, Taikan, O., and Yoshifumi, Y., 2006, Investigating an Integrated Approach on Rice

Paddy Monitoring Over Asia WithMODIS and AMSR-E. Proceedings of the Conference

of the Remote Sensing Society of Japan, 40, pp. 173-174.

Westmoreland, S. and Stow, D. A., 1992, Category Identification of Changed Land-Use

Polygons in an Integrated Image Processing/Geographic Information

System.Photogrammetric Engineering and Remote Sensing, 58, pp. 1593–1599.



Xiangming Xiao, et al., 2004. Mapping Paddy Rice Agriculture in Southern China Using

Multitemporal Modis Images); Remote Sensing of Environment 95 (2005) 480–492.

aInstitute for the Study of Earth, Oceans and Space, University of New Hampshire,

Durham, NH 03824, USA

Xiao, X., Boles, S., Liu, J., Zhuang, D., Frolking, S., Li, C., Salas, W. and Moore, B., 2005,

Mapping Paddy Rice Agriculture in Southern China Using Multi-Temporal MODIS

Images.Remote Sensing of Environment, 95, pp. 480–492.

Yoshinari Oguro, et al., 2001. Monitoring of Rice Field by Landsat-7 ETM+ and Landsat-5 TM

Data.Center for Remote Sensing and Processing (CRISP), National University of

Singapore, Singapore Institute of Surveyors and Valuares (SISV), Asian Assosciation

and remote Sensing (AARS).



LAMPIRAN

Lampiran 1. Citra Landsat-8 yang digunakan dalam penelitian

8 Juli 2013 9 Agustus 2013

25 Agustus 2013 10 September 2013



26 September 2013 12 Oktober 2013

11 Juli 2014 12 Agustus 2014



Lampiran 2. Rataan nilai reflektan citra Landsat pada berbagai umur tanaman padi

Umur

(hari) Band1 Band2 Band3 Band4 Band5 Band6 Band7

1

1467.1

1

1313.8

9

1279.0

0

1303.8

9

1985.2

2

1428.2

2 697.22

2

1422.9

4

1269.1

9

1247.5

6

1293.5

8

2092.0

1

1679.2

1 842.06

3

1448.0

0

1262.6

7

1212.4

4

1162.0

0

1555.8

9 320.11 178.44

4

1428.0

6

1274.1

1

1272.0

6

1322.9

4

2036.7

2

1396.3

3 677.33

5

1531.4

4

1381.7

8

1333.4

4

1391.0

0

1894.5

6

1132.0

0 553.33

6

1530.7

8

1326.3

3

1187.3

3

1066.4

4

1898.3

3

1548.6

7 842.11

7

1372.0

6

1210.8

3

1207.6

1

1211.1

1

1929.9

4

1302.2

8 615.67

8

1414.1

1

1259.2

2

1249.0

6

1313.5

6

2011.0

0

1660.7

8 844.83

9

1449.9

4

1303.6

7

1287.6

7

1288.8

3

1456.3

3 317.28 193.11

10

1492.1

3

1342.9

6

1331.0

2

1326.0

2

1904.6

2

1023.1

1 517.29

11

1318.7

8

1165.0

0

1168.5

6

1008.5

6

1519.0

0 402.33 227.56

12

1442.7

8

1237.2

2

1122.3

3

1016.1

1

1350.5

6 395.00 208.56

14

1499.6

1

1336.1

5

1288.2

8

1209.2

2

1556.4

4 641.24 364.29

15

1470.1

7

1270.8

9

1181.8

9

1099.3

3

1694.6

7

1122.6

1 563.78

16

1242.7

8

1023.6

7 866.15 650.17

3122.1

3

1157.5

2 486.12

18

1395.3

3

1204.8

9

1121.5

6 976.89

2248.0

0

1091.2

2 548.33

20

1478.9

0

1320.9

9

1288.3

0

1217.5

7

1799.9

6 777.54 415.12

21

1440.7

0

1228.8

9

1118.7

4 962.56

1298.4

4 446.37 220.44

22

1386.6

3

1191.8

5

1116.1

9 972.19

1625.5

6 463.89 241.56

23

1453.2

8

1275.6

7

1215.2

8

1091.2

8

1510.2

8 437.00 222.11

24

1415.7

4

1221.4

4

1162.5

6

1003.7

8

2140.2

2

1034.1

9 471.52



Umur


25

1539.4

9

1358.8

9

1268.6

0

1191.0

4

2153.2

9

1276.5

1 630.29

26

1410.1

6

1205.6

4

1112.2

0 970.24

1854.3

3 864.47 424.78

27

1390.9

8

1171.5

0

1046.9

4 839.83

1816.6

5 663.57 329.37

28

1514.3

3

1308.2

4

1183.6

5

1020.5

6

2326.4

3

1475.7

0 780.54

29

1390.0

2

1185.7

0

1067.6

1 865.53

1922.6

3 765.42 386.19

30

1402.3

3

1182.2

2

1028.5

6 840.33

1283.3

3 402.89 201.44

31

1316.8

5

1103.2

1 994.55 762.18

2508.4

8

1263.1

9 567.91

32

1403.0

3

1180.1

0

1059.6

8 833.52

2421.6

2

1178.2

0 531.58

33

1389.5

4

1169.6

4

1039.0

6 806.11

2275.6

5

1156.7

5 552.81

34

1323.8

1

1091.9

9 939.04 679.71

2631.9

9

1262.1

9 568.06

35

1398.1

1

1183.7

6

1063.6

9 862.12

2003.7

7 826.42 389.90

36

1435.0

3

1234.3

2

1126.1

9 988.37

1966.7

8

1067.3

3 523.47

37

1358.0

0

1138.0

1

1015.4

7 761.32

2334.7

4

1012.0

7 481.79

38

1362.6

2

1155.4

6

1039.3

7 853.77

2013.6

1 957.19 464.79

39

1357.1

1

1135.6

7

1015.5

9 766.11

2504.6

5

1183.1

0 551.17

40

1335.6

0

1111.9

8 986.25 730.51

2579.0

0

1169.5

2 531.08

41

1456.9

4

1237.8

3

1072.1

9 848.54

2175.6

1 954.85 494.41

42

1300.5

8

1082.5

1 958.09 713.66

2536.5

4

1217.4

5 566.68

43

1308.9

3

1308.9

3

1080.4

2 963.01 684.14

2925.3

0

1439.7

2

44

1342.2

6

1119.3

5 991.99 729.89

2707.6

7

1270.9

9 589.11

45

1269.7

8

1041.3

5 903.25 632.59

2675.4

6

1154.5

2 511.66

46

1312.1

6

1080.3

9 947.63 670.56

2788.5

0

1261.2

0 563.68



Umur


47

1286.3

2

1059.6

8 951.98 662.69

2944.8

9

1317.1

3 593.94

48

1408.8

2

1186.7

8

1058.5

3 817.47

2830.1

1

1471.5

2 692.35

49

1290.6

8

1064.3

2 931.03 656.58

2818.4

6

1267.3

7 562.69

50

1235.2

3

1001.2

9 839.94 557.47

2955.9

7

1261.1

2 541.49

51

1349.4

7

1101.0

6 927.39 627.88

3298.9

7

1431.8

1 597.76

52

1300.0

4

1070.5

5 926.60 672.77

2703.9

9

1207.0

9 547.57

53

1273.8

1

1034.8

5 884.91 593.76

3189.2

8

1382.1

1 587.17

54

1305.0

7

1064.1

9 888.94 610.26

3267.7

7

1460.0

7 628.61

55

1263.0

4

1026.7

6 869.20 583.95

3143.3

4

1314.6

3 556.73

56

1256.2

0

1025.0

1 863.43 603.53

3192.1

2

1407.1

1 610.75

57

1267.7

4

1041.6

1 909.66 639.08

2937.7

3

1345.8

2 589.08

58

1240.6

6

1005.3

1 847.69 565.22

3200.9

1

1356.2

4 584.60

59

1269.8

7

1033.4

0 868.77 581.76

3287.4

4

1401.6

9 590.07

60

1292.7

9

1071.1

4 937.10 691.63

3036.6

4

1471.2

5 674.66

61

1272.5

6

1042.5

8 893.67 630.19

3010.4

4

1372.0

2 615.61

62

1277.6

1

1057.3

0 939.98 675.15

3110.9

9

1521.2

7 691.10

63

1280.3

4

1055.7

7 929.36 660.41

3112.1

8

1402.3

6 624.37

64

1237.8

9

1014.6

0 885.53 612.50

3230.8

8

1406.4

7 608.42

65

1322.8

0

1103.7

0 984.59 713.31

3183.3

9

1442.4

7 659.46

66

1361.5

2

1133.5

6 993.00 732.36

3314.5

3

1537.7

3 692.83

67

1255.5

2

1029.1

1 900.79 615.68

3123.0

9

1367.5

9 602.29

68

1268.5

9

1051.8

1 931.44 683.31

2951.6

7

1378.7

2 637.07



Umur


69

1310.0

4

1068.1

8 908.96 602.07

3672.7

0

1537.6

6 645.47

70

1299.8

1

1078.4

9 942.61 694.63

2947.0

5

1347.6

2 622.01

71

1286.7

9

1066.7

0 944.05 685.10

3188.2

8

1458.7

1 661.48

72

1313.3

7

1090.2

0 974.67 692.72

3329.7

6

1515.3

2 683.78

73

1230.1

3

1015.2

0 897.56 659.62

3134.6

8

1415.1

2 674.17

74

1288.9

8

1058.6

4 916.81 641.66

3327.4

7

1485.0

8 652.53

75

1282.5

7

1073.0

4 972.09 736.49

2920.7

2

1498.1

6 711.78

76

1300.4

7

1089.7

0 966.41 766.81

2890.3

6

1558.7

4 762.25

77

1296.4

3

1078.9

1 951.95 698.05

3076.3

5

1433.5

7 656.95

78

1256.5

0

1043.8

6 939.10 709.29

2963.7

0

1596.9

9 774.79

79

1201.4

3 984.47 865.11 611.14

3068.3

3

1450.1

8 657.14

80

1272.4

5

1062.9

4 959.18 741.73

2959.8

8

1557.9

6 755.83

81

1316.8

0

1106.0

2

1009.4

4 758.93

3274.3

9

1590.9

1 751.09

82

1328.4

1

1118.9

8

1003.8

7 780.75

3208.9

6

1638.3

9 799.51

83

1248.2

6

1040.4

4 939.11 725.55

2966.6

3

1528.2

3 720.41

84

1298.4

9

1086.6

5 999.47 740.66

3317.1

1

1540.1

4 739.68

85

1316.6

4

1114.5

5

1027.2

1 819.44

3154.5

4

1777.1

3 860.56

86

1305.7

3

1101.3

7

1002.2

7 799.24

3053.5

4

1646.7

7 811.12

87

1285.5

6

1077.5

0 982.53 746.99

3179.0

2

1639.0

6 771.75

88

1344.1

8

1143.1

9

1038.7

4 862.06

3051.4

8

1660.5

4 849.24

89

1333.4

3

1110.4

8 976.19 737.88

3048.0

0

1407.4

7 636.60

90

1399.8

3

1197.2

6

1066.0

9 901.47

2844.5

2

1707.6

0 860.55



Umur


91

1414.2

2

1198.9

0

1050.6

2 840.07

3071.7

7

1722.1

4 835.28

92

1432.0

7

1219.4

2

1072.7

6 872.56

2893.6

7

1642.6

5 814.58

93

1315.2

6

1115.8

6 992.01 836.05

2751.7

4

1648.6

4 841.19

94

1324.4

2

1152.8

1

1073.5

0

1079.8

1

2503.5

3

2010.5

0

1165.1

9

95

1415.0

8

1220.2

9

1087.7

8

1002.9

9

2666.8

6

2011.8

1

1118.4

8

96

1499.7

9

1306.2

9

1181.8

8

1053.3

6

2864.2

2

2116.6

9

1116.8

7

97

1338.5

8

1153.0

0

1065.7

7 953.41

2819.9

4

1913.4

3

1046.9

9

98

1366.9

5

1187.7

5

1084.4

7

1028.1

5

2709.7

6

2102.9

4

1214.8

9

99

1404.5

0

1222.4

1

1136.1

5

1096.9

6

2402.3

3

1731.0

7 999.31

100

1426.9

9

1247.7

3

1142.6

3

1078.4

3

2590.4

9

2023.0

7

1154.4

4

101

1387.0

9

1210.6

7

1130.3

4

1042.0

8

2950.2

3

2338.3

7

1259.9

6

102

1426.7

3

1236.5

6

1113.3

5 997.80

2789.0

8

1944.5

6

1052.8

7

103

1387.5

7

1218.1

7

1136.4

9

1129.5

5

2682.8

7

2421.6

2

1454.7

2

104

1386.2

6

1204.7

1

1102.9

8

1028.6

3

2682.6

0

2010.4

7

1140.2

9

105

1239.9

0

1045.6

5 969.04 764.20

3175.1

0

1663.9

3 816.98

106

1417.7

7

1241.9

6

1152.9

5

1083.8

3

2874.2

8

2379.8

7

1335.0

8

107

1327.4

4

1142.9

7

1064.7

8 951.80

3054.1

9

2221.2

8

1215.8

6

108

1320.0

8

1134.6

9

1045.9

9 923.19

2828.6

9

1975.4

0

1052.4

6

109

1293.0

9

1135.7

6

1059.6

9

1105.1

0

2399.5

9

2479.2

1

1568.6

1

110

1299.9

3

1087.3

7 992.07 789.22

2659.5

6

1572.3

3 777.93

111

1503.4

1

1326.2

2

1210.9

4

1224.8

3

2266.3

9

2141.0

9

1343.0

6

112

1679.2

2

1480.3

9

1295.5

6

1234.4

4

2306.6

1

2128.6

7

1229.6

7



Umur


113

1300.5

0

1140.4

4

1091.3

9

1171.6

7

2487.2

8

2684.9

4

1717.2

8

114

1360.1

9

1213.9

3

1172.9

3

1300.1

9

2371.5

9

2397.5

9

1575.8

2

115

1479.7

8

1325.3

3

1255.5

6

1348.8

1

2622.5

6

2885.4

4

1875.0

0

116

1415.6

8

1235.2

9

1142.5

2

1134.2

1

2188.0

8

2027.0

0

1272.1

7

117

1389.7

0

1227.4

8

1175.5

9

1209.0

0

2765.8

5

2895.6

3

1721.0

0

118

1346.6

7

1175.1

1

1072.3

9

1094.0

6

1976.3

9

1841.9

2

1166.7

5

119

1336.2

4

1157.6

9

1071.1

8

1044.9

6

2407.6

2

2092.9

1

1236.2

2

120

1413.1

1

1251.3

3

1172.1

1

1181.6

1

2026.0

0

1798.4

4

1130.3

3

121

1338.7

8

1177.8

0

1119.8

0

1148.5

6

2604.4

2

2547.4

2

1552.8

7

122

1336.7

4

1158.7

4

1062.1

5

1056.7

8

2319.4

4

1973.2

2

1187.8

5

123

1346.2

2

1150.1

1 997.86 964.81

1591.6

1 879.72 544.53

124

1445.5

6

1248.7

8

1097.5

6

1058.0

7

1777.8

9

1141.1

1 664.22

125

1408.0

7

1225.0

0

1089.0

0

1069.5

9

1927.0

4

1549.5

9 970.15



Lampiran 3. Rataan NDVI pada berbagai umur tanaman padi

umur rataan1 umur rataan1 umur rataan1

1 0.213 44 0.473 85 0.577

2 0.148 45 0.582 86 0.570

3 0.270 46 0.573 87 0.619

4 0.169 47 0.554 88 0.555

5 0.109 48 0.481 89 0.599

6 0.149 49 0.582 90 0.503

7 0.207 50 0.626 91 0.553

8 0.200 51 0.615 92 0.518

9 0.109 52 0.502 93 0.531

10 0.172 53 0.675 94 0.403

11 0.306 54 0.650 95 0.453

12 0.231 55 0.655 96 0.456

13 0.145 56 0.626 97 0.504

14 0.205 57 0.585 98 0.443

15 0.191 58 0.674 99 0.393

16 0.406 59 0.680 100 0.379

18 0.251 60 0.611 101 0.458

20 0.224 61 0.644 102 0.428

21 0.218 62 0.613 103 0.376

22 0.220 63 0.630 104 0.411

23 0.210 64 0.647 105 0.539

24 0.343 65 0.631 106 0.394

25 0.254 66 0.612 107 0.533

26 0.323 67 0.650 108 0.445

27 0.314 68 0.572 109 0.353

28 0.317 69 0.707 110 0.515

29 0.327 70 0.558 111 0.303

30 0.302 71 0.621 112 0.303

31 0.480 72 0.632 113 0.433

32 0.417 73 0.565 114 0.324

33 0.365 74 0.650 115 0.362

34 0.460 75 0.585 116 0.334

35 0.380 76 0.581 117 0.394

36 0.332 77 0.627 118 0.225

37 0.422 78 0.605 119 0.360

38 0.384 79 0.661 120 0.304

39 0.480 80 0.587 121 0.388

40 0.504 81 0.616 122 0.307

41 0.365 82 0.587 123 0.281

42 0.466 83 0.596 124 0.294

43 0.591 84 0.625 125 0.245



Lampiran 4.Laporan survey lapangan

LAPORAN SURVEI LAPANGAN

PEMANFAATAN DATA PENGINDERAAN JAUH RESOLUSI MENENGAH/TINGGI UNTUK

ESTIMASI LUAS PANEN TANAMAN PADI DI SENTRA PRODUKSI PADI

BIDANG SUMBERDAYA WILAYAH DARAT

Peneliti Utama : Ir. I Made Parsa, MSi

Peneliti : Drs. Nana Suwargana, M.Si

Ir. Johanes Manalu, M.Si

Dra. Sri Harini

DJoko Santo Tjahyono



Jln. Kalisari No. 8 Pekayon, Pasar Rebo, Jakarta 13710



Telp/Fax: (021) 8722733

1. PENDAHULUAN

Penginderaan jauh satelit telah diterapkan secara luas dan telah diakui sebagai alat

yang ampuh dan efektif dalam mendeteksi penggunaan lahan dan perubahan penutupan

lahan (Ehlers et al, 1990; Meaille dan Wald, 1990; Westmoreland dan Stow, 1992; Harris dan

Ventura, 1995). Penginderaan jauh satelit menyediakan biaya - efektif multi-spektral dan

data multitemporal (Paine, 1981).Citra satelit telah digunakan untuk memantau jenis

tutupan lahan terbatas menurut klasifikasi spektral.Selain itu, telah digunakan untuk

memperkirakan karakteristik biofisik dari permukaan tanah melalui hubungan linear dengan

reflektansi spektral atau indeks vegetasi (Steininger, 1996; Nuarsa et al, 2005).

Studi menggunakan citra satelit untuk memantau pertumbuhan tanaman padi telah

dilakukan (Shao et al, 1997; Kuroso et al, 1997; Le Toan sama sekali, 1997; Panigrahy dan

Sharma, 1997; Oette et al, 2000; Shao et al, 2001; David et al, 2003). Beberapa penelitian

sebelumnya telah menggunakan resolusi gambar global dan moderat seperti NOAA AVHRR

dan MODIS untuk memantau sawah (Fang et al, 1998; Wataru et al, 2006; Xiao et al, 2005).

Namun, penggunaan citra satelit resolusi spasial moderat dan global telah dibatasi terutama

di lahan sawah yang kecil/sempit, karena ada banyak jenis tutupan lahan dalam satu pixel.

Hal ini akan mengurangi penilaian akurasi (Strahler et al, 2006). Di sisi lain, pemanfaatan

citra satelit resolusi spasial yang tinggi atau menengah telah terbatas, terutama selama

periode tanam, karena sedikit citra yang tersedia selama 120 hari periode pertumbuhan padi

(Currey et. Al., 1987).Landsat ETM+ memiliki resolusi temporal, spasial, dan spektral yang

baik untuk pemantauan padi. Waktu pengamatan kembali dari Landsat ETM+ adalah 16 hari

dengan resolusi spasial 30 m. Landsat ETM+ memiliki enam band dengan ukuran piksel yang

sama. Hal ini menyebabkan bermanfaat untuk pengembangan algoritma untuk pemodelan

padi.

Dalam kaitannya menggunakan citra satelit resolusi spasial yang dibatasi oleh model

lahan sawah yang kecil/sempit, karena banyaknya jenis tutupan lahan dalam satu pixel.

Maka pemanfaatan citra satelit resolusi spasial yang tinggi atau menengah telah terbatas,

terutama selama periode tanam, karena sedikit citra yang tersedia selama 120 hari periode

pertumbuhan padi.Namun citra Landsat ETM+ yang memiliki resolusi temporal, spasial, dan

spektral yang baik untuk pemantauan padi diperlukan data/informasi dilapangan untuk



mendukung dalam tahapan pengolahan dan analisis data. Selama ini, sebelum melakukan

pengolahan citra Landsat ETM+ telah melakukan komunikasi dan koordinasi dengan PT Sang

Hyang Seri Sukamandi, Subang, Jawa Barat. Diantaranya telah terkumpulnya data untuk

kalender tanam, realisasi tanam, dan panen. Namun disisi lain setelah dibaca dan dipelajari

masih ada kesulitan dalam mencocokan jenis-jenis varietas di areal Blok masing-masing.

Karena di dalam satu Blok terdapat tiga jenis varietas dengan tanggal realisasi tebar dan

realisasi tanam yang berlainan. Oleh karena itu perlunya data lapangan untuk mencocokkan

blok-blok yang ditanami jenis-jenis varietas yang dikorelasikan dengan citra Landsat-ETM+.

Tujuan kegiatan survei ini adalah untuk verifikasi pengolahan citra Landsat ETM+ dengan

data penunjang lapangan yang diperoleh dari PT. Sang Hyang Seri untuk mendukung : (1)

mengembangkan indeks pertumbuhan vegetasi padi, (2) pemetaan distribusi padi dan

umurnya, dan (3) perbandingan kuantitatif hasil analisis dengan data referensi dari area

persawahan.

Data sekunder blok kebun dan realisasi tanam/panen sudah diperoleh dari PT. Sang

Hyang Seri tetapi setelah dicermati ternyata data tersebut tidak sinkron dan tidak lengkap

karena:

• Nama blok pada peta TIDAK SAMA dengan nama blok pada statistik

• Realisasi tanam dan panen hanya untuk ±30% area

• Setelah dioverley dengan citra, banyak umur tanaman yang nampak TIDAK LOGIS

karena tanaman berumur 2 hari/8 hari/20 hari nampak hijau sedangkan tanaman

berumur 60 hari masih nampak biru (air), sementara tanaman berumur 30 hari

nampak bera (merah)

• Satu blok dengan dua/lebih waktu tanam dimana dalam satu blok tanaman

kenampakan tidak seragam (air, vegetasi dan bera)



Gambar 1. Blok tanam PT. Sang Hyang Seri dengan latar belakang citra Landsat-8 tanggal 8

Juli 2013

Keterangan:

• Blok yang ada angkanya adalah blok-blok yang ada data realisasi tanamnya

• Angka dalam blok menunjukkan umur tanaman padi yang dihitung dari waktu tanam ke

tanggal aquisisi data Landsat

Gambar 2. Blok tanam PT. Sang Hyang Seri dengan latar belakang citra Landsat-8 tanggal 10

September 2013



Keterangan:

• Blok yang ada angkanya adalah blok-blok yang ada data realisasi tanamnya

• Angka dalam blok menunjukkan umur tanaman padi yang dihitung dari waktu tanam ke

tanggal aquisisi data Landsat

Berkaitan dengan permasalahan yang telah diuraikan di atas, dipandang perlu untuk

dilakukan survei lapangan untuk mengecek, mensinkronkan, dan melengkapi data sekunder

mengenai realisasi tanam, panen, produksi, kerusakan/kegagalan panen untuk seluruh blok

tanaman dalam kurun waktu Juli 2013 sampai Juli 2014. Selain itu dalam survey lapangan ini

juga akan dilakukan pengukuran reflektan lahan sawah/tanaman padi pada berbagai fase

yang ada di lapangan

2.1. Tujuan Survei

• Melakukan koordinasi dan diskusi dengan PT. Sang Hyang Seri, Subang, Jawa Barat).

• Melakukan pengumpulan data-data yang dibutuhkan untuk pembuatan model

prediksi umur tanaman padi.

• Melakukan pengukuran reflektansi tanaman padi pada berbagai umur untuk

pembangunan database

2.3. Sasaran survei :

• Tersedianya peta blok yang sinkron dengan data statistik

• Tersedianya data tebar/tanam dan panen untuk sebagian besar blok

• Tersedianya database reflektan tanaman padi/sawah pada berbagai umur

tanaman/fase

• Tersedianya informasi koordinat lokasi dan dokumen foto kondisi tutupan tanaman

padi di wilayah tersebut.

3. Metode dan Peralatan yang Digunakan

3.1. Lokasi Survei

Penelitian ini dilakukan di PT. Sang Hyang Seri, Subang, Jawa Barat, berpusat pada

lintang 06° 19' 01" S 107° 38' 07" E (Gambar 1). Pemilihan lokasi studi ini dengan



pertimbangan untuk mempermudah perolehan data sekunder (jadwal tanam, umur

tanaman tiap blok) yang dibutuhkan dalam pembangunan model. Area PT. ini meliputi areal

seluas lebih dari 4000 ha.

Gambar 3. Peta Lokasi penelitian PT. Sang Hyang Seri

3.2. Peralatan yang digunakan adalah:

1. GPS (Global Positioning System) dan Batrey Alkalin

2. Spektro radiometer

3. Kamera dijital

4. Print out citra citra Landsat-8 multiwaktu path/raw 122-064 terkoreksi (Wilayah

Sukamandi).

5. Alat tulis

3.3. Metode Survei

Koordinasi dilakukan dengan PT. Sang Hyang Seri dimulai sebelum survei

dilaksanakan agar rencana dan jalannya kegiatan dapat terlaksana dengan baik.Koordinasi

dilakukan dengan mempresentasikan tujuan, rencana survei dan kebutuhan informasi atau

data. Selanjutnya melakukan diskusi untuk mendapat masukan, dan bila memungkinkan

dapat membina kerjasama dengan PT. Sang Hyang Seri atau dinas terkait untuk



pemanfaatan data satelit resolusi tinggi untuk estimasi luas panen tanaman padi di sentra

produksi padi.

Selain pengumpulan data/informasi dengan mendatangi PT. Sang Hyang Seri,Jawa

Barat atau dinas lain yang terkait, dilakukan juga pengukuran atau pengecekan langsung

dilapangan. Informasi/data yang dikumpulkan dari dinas terkait adalah data realisasi umur

masa tanam padi hingga masa panen serta mencocokan penanaman padi pada areal nomer

blok-blok (dilapangan) dengan posisi nomer blok-blok yang diperoleh dari data citra Landsat.

Pengambilan data lapangan adalah umur tanaman padi (saat mulai tanam hingga saat

panen) dilakukan dengan menggunakan Spektroradiometer untuk mengukur spektral

signature. Perbedaan tutupan tanaman padi, karena perbedaan umur terutama kondisi

lebar daun yang terjadi di lokasi penelitian dicatat. Pengecekan tutupan tanaman padi

dilakukan dengan mengidentifikasi kondisi tutupan tanaman padi di lokasi yang telah

ditetapkan pada blok-blok tertentu (Gambar 2). Selanjutnya melakukan pengukuran

koordinat lokasi dan pengambilan foto untuk merekam kondisi dan lebar tutupan tanaman

padi di wilayah tersebut. Data-data tersebut akan dikorelasikan untuk menentukan estimasi

luas panen tanaman padi disentra produksi padi yang kemudian dapat diterapkan pada citra

satelit.

Gambar 4. Areal Blok-blok tanaman Padi saat tanam dan panen



Tabel 1. Titik Koordinat lokasi pengecekan umur tanaman padi dan pengukuran

reflektansi pada setiap blok tanaman padi.

N

O

Koord X

Koord Y

Varie

tas

Blo

k

Lu-

as

Realisasi

tanam

Reflektansi Keterangan

/

No.Foto

Ha Tgl Tgl nm

1 R1-line

R2-line L37 21.

25

A-line

2 R1-line

R2-line L39 19.

20

A-line

3 R1-line

R2-line L41 18.

32

A-line

dst



4. Jadwal Pelaksanaan Survei

Survei akan dilaksanakan selama lima hari mulai tanggal11 s/d 15 Agustus 2014 dengan

jadwal pelaksanaan sebagai berikut:

HARI KEGIATAN TEMPAT

Pertama • Perjalanan Jakarta - Subang

• Koordinasi dengan Intansi terkait

dan pengumpulan data

• Jakarta – Subang

• Kantor PT. Sang Hyang Seri

Sukamandi-Subang Jawa Barat

Kedua • Survei lapangan (pengecekan

kondisi penutup tanaman padi)

• Pengukuran koordinat dan

reflektan lahan sawah/tanaman

padi pada berbagai fase dan

dokumentasi lapangan

• Kebun PT. Sang Hyang Seri,

Sukamandi Subang, Jawa Barat

(Kontak Person: Manager Kebun

Hibrida, Bpk Agustinus BS,SP)

Ketiga • Pengukuran koordinat dan



dokumentasi lapangan (lanjutan)

• Kebun PT. Sang Hyang Seri,

Sukamandi Subang, Jawa Barat

Keempat • Pengukuran koordinat dan



dokumentasi lapangan (lanjutan)

• Kebun PT. Sang Hyang

Seri,Sukamandi Subang, Jawa Barat

Kelima • Pengambilan dan dan

pengecekan data statistik

• Perjalanan kembali ke Jakarta

• Kantor PT. Sang Hyang Seri

Sukamandi-Subang Jawa Barat

5. Personil Pelaksana Survei

NO NAMA UNIT KERJA LEMBAGA

1. Ir. I Made Parsa, M.Si Pusfatja LAPAN

2. Drs. Nana Suwargana, M.Si Pusfatja LAPAN

3. Ir. Johanes Manalu, M.Si Pusfatja LAPAN

4. Dra. Sri Harini Pusfatja LAPAN

5. Djoko Santo Tjahyono Pusfatja LAPAN

6 Sopir Pusfatja LAPAN



6. Hasil Survei

Sesuai jadwal yang telah direncanakan, Senin 11 Agustus siang telah dilakukan pertemuan

dan diskusi tentang kegiatan litbang yang sedang dilaksanakan di Pusfatja dengan menejer

kebun PT. Sang Hyang Seri dan telah disampaikan juga data pendukung mengenai peta blok

dan realisasi tanam/panen tiap blok yang dibutuhkan dan kebutuhan kita untuk mengetahui

kondisi tanaman di lapangan berdasarkan perbedaan umurnya untuk diukur reflektansinya

menggunakan spektrometer. Koordinasi penyiapan data sekunder dilakukan untuk

memperbaiki/sinkronisasi data yang telah dikirim oleh PT. Sang Hyang Seri

sebelumnya.Sementara untuk peninjauan lapangan, pengukuran reflektan objek lahan

sawah/tanaman padi pada berbagai umur dilakukan pada hari kedua hingga

kelima.Pengamatan dan pengukuran lapangan pada hari kedua yang bertepatan dengan

jadwal lintasan satelit Landsat, sementara pengamatan dan pengukuran hari berikutnya

hanya bersifat melengkapi. Secara umum, hasil yang diperoleh dari survey lapangan ini

meliputi:

1. Peta blok PT. Sang Hyang Seri yang sinkron dengan data statistik. Pada dasarnya peta

blok ini sebenarnya sama dengan peta blok yang pernah dikirim oleh PT. Sang Hyang

Seri, perbedaannya adalah pada nomor blok tidak mencantumkan nama wilayah didepan

nomor bloknya, selengkapnya disajikan pada lampiran 1.

2. Data tebar/tanam dan panen untuk sebagian besar blok (contoh data realisasi tanam

disajikan pada lampiran 2). Dalam kurun waktu Juli 2013 sampai Juli 2014 ada tiga kali

realisasi tebar/tanam/panen yaitu MK 2013, MH 2013 dan MK 2014. Berdasarkan data

yang ada, realisasi tanam terakhir untuk areal PT. Sang Hyang Seri adalah 5 Agustus

2014.

3. Hasil pengukuran beberapa titik koordinat lokasi dan dokumen foto kondisi tutupan

tanaman padi di area PT. Sang Hyang Seri meliputi 23 titik koordinat dengan informasi

umur tanaman (terlampir pada lampiran 3).

4. Hasil pengukuran nilai reflektan tanaman padi/sawah pada beberapa tingkat umur yang

ada di PT. Sang Hyang Seri yang meliputi umur 1 minggu sampai 105 hari serta kondisi

selesai panen. Untuk kondisi tanaman padi yang baru ditanam dan lahan bera dilengkapi

dari hasil pengukuran di luar area PT. Sang Hyang Seri. Hasil pengukuran nilai reflektan

selengkapnya disajikan pada Lampiran 4.



8. Daftar Pustaka

Bappenas, 2002, Does Indonesia Face a Food Security Time Bomb? Indonesian Food Policy

Program. http//:www.macrofoodpolicy.com. Accessed November, 15th 2009.

Baret, F. and Guyot, G., 1991, Potentials and limits of vegetation indices for LAI and APAR

assessment.Remote Sensing of Environment, 35, pp. 161-173.

Currey, B., Fraser, A. S. and Bardsley, K. L. How useful is Landsat monitoring. Nature 1987,

328, 587-590.

David, D., Frolking, S., Li, C., 2003, Trends in Rice-Wheat Area in China.Field Crops Research.

Ehlers, M., Jadkowski, M. A., Howard, R. R. and Brostuen, D. E., 1990, Application of

SPOT data for regional growth analysis and local planning. Photogrammetric


Fang, H., Wu, B., Liu, H., and Huang, X., 1998, Using NOAA AVHRR and Landsat TM to

estimate rice area year-byyear. International Journal of Remote Sensing, 19, pp. 521-

525.

Harris, P. M. and Ventura, S. J., 1995, The integration of geographic data with remotely

sensed imagery to improve classification in an urban area. Photogrammetric


Huete, A. R. and Escadafal, R., 1991, Assessment of biophysical soil properties through

spectral decomposition techniques.Remote Sensing of Environment 35, pp. 149-159.

Huete, A. R. and Warrick, A. W., 1990, Assessment of vegetation and soil water regimes in

partial canopies with optical remotely sensed data. Remote Sensing of Environment 32,

pp. 115-167.

Huete, A. R., 1988, A soil-adjusted vegetation index (SAVI).Remote Sensing of Environment ,

25, pp. 295-309. IRRI, 1993, 1993–1995 IRRI Rice Almanac. Manila7 International Rice

Research Institute.

Jingfeng Huang, et al., 2013. Remotely Sensed Rice Yield Prediction Using Multi-Temporal

NDVI Data Derived from NOAA’s-AVHRR. Institute of Agricultural Remote Sensing &

Information Application.www.plosone.org diakses 22 Januari 2014.



Lampiran 1. Peta blok kebun PT. Sang Hyang Seri

Gambar blok kebun PT. Sang Hyang Seri, Sukamandi Subang



Lampiran 2a. Contoh data reaalisasi tanam benih sumber di PT. Sang Hyang Seri Sukamandi

MT 2013/ 2014

Varietas Blok Luas Realisasi tebar Realisasi tanam

( Ha ) Ha Tanggal Ha Tanggal

Ciherang SWK/SS S14b 3.95 3.95 4/11/2013 3.95 24/11/2013

Ciherang SWK/SS S15a

10.00

10.00

7-

8/11/2013

10.00 27-28/11/2013

Mekongga SWK/SS S15b

5.72

5.72 9/11/2013

5.72 29/11/2013

Mekongga SWK/SS S16a

8.50

8.50 11/11/2013

8.50 2/12/2013

Ciherang SWK/SS S16b

6.00

6.00 13/11/2013

6.00 5/12/2013

Inpago 3 SHS SWK/SS S17a

2.00

2.00 14/11/2013

2.00 6/12/2013

Inpari 13 SWK/SS S17b

2.00

2.00 14/11/2013 2.00 6/12/2013

Mekongga SWK/SS S17c

5.00

5.00 15/11/2013

5.00 7/12/2013

Ciherang SWK/SS S17d

4.67

4.67 16/11/2013

4.67 8/12/2013

Inpara 2 SWK/SS S18a

2.00

2.00 18/11/2013

2.00 10/12/2013

Cigeulis SWK/SS S18b

1.00

1.00 18/11/2013

1.00 10/12/2013

IR64 SWK/SS S18c

6.00

6.00 19/11/2013

6.00 11/12/2013

Inpari sidenuk SWK/SS S18d

6.57

6.57 20/11/2013

6.57 12/12/2013

Sub jumlah

63.41

63.41

63.41

PB42 SWK/SS S19a

2.00

2.00 7/11/2013

2.00 28/11/2013

C. Muncul SWK/SS S19b

2.00

2.00 7/11/2013

2.00 28/11/2013

Ciherang SWK/SS S19c

10.40

10.40

21-

22/11/2013

10.40 12-13/12/2013

Situbagendit SWK/SS S20a

2.00

2.00 23/11/2013

2.00 14/12/2013

Inpari 10 SWK/SS S20b

1.00

1.00 25/11/2013

1.00 16/12/2013

Mekongga SWK/SS S20c

12.42

12.42 26/11/2013

12.42 17/12/2013

Ciherang SWK/SS S21a

10.74

10.74

27-

28/11/2013

10.74 18-19/12/2013

Sintanur SWK/SS S21b

1.50

1.50 29/11/2013

1.50 20/12/2013

Ciherang SWK/SS S22a 30/11/2013 20/12/2013





1.75 1.75 1.75

Ciherang SWK/SS S22b

4.77

4.77 30/11/2013

4.77 21/12/2013

Ciliwung SWK/SS S22c

1.70

1.70 29/11/2013

1.70 20/12/2013

Sub jumlah

50.28

50.28

50.28

Ciherang SWK/FS S22A

0.75

0.75

13/11/2013

0.75 3/12/2013

PB42 SWK/FS S22B

0.10

0.10

13/11/2013

0.10 3/12/2013

IR64 SWK/FS S22C

0.15

0.15

13/11/2013

0.15 3/12/2013

C. Muncul SWK/FS S22D

0.10

0.10

13/11/2013

0.10 3/12/2013

Mekongga SWK/FS S22E

0.20

0.20

13/11/2013

0.20 3/12/2013

Batang piaman SWK/FS S22F

0.05

0.05

13/11/2013

0.05 3/12/2013

Situbagendit SWK/FS S22G

0.10

0.10

13/11/2013

0.10 3/12/2013

Inpago 3 SHS SWK/FS S22H

0.05

0.05

13/11/2013

0.05 3/12/2013

Inpari sidenuk SWK/FS S22I

0.10

0.10

13/11/2013

0.10 3/12/2013

Inpari 10 SWK/FS S22J

0.05

0.05

13/11/2013

0.05 3/12/2013

Cigeulis SWK/FS S22K

0.05

0.05

13/11/2013

0.05 3/12/2013

Inpara 2 SWK/FS S22L

0.05

0.05

13/11/2013

0.05 3/12/2013

Inpari 13 SWK/FS S22M

0.05

0.05 14/11/2013

0.05 4/12/2013

Inpari 3 SWK/FS S22N

0.05

0.05 14/11/2013

0.05 4/12/2013

Cibogo SWK/FS S22O

0.05

0.05 14/11/2013

0.05 4/12/2013

IR66 SWK/FS S22P

0.05

0.05 14/11/2013

0.05 4/12/2013

Ciliwung SWK/FS S22Q

0.05

0.05 14/11/2013

0.05 4/12/2013

Bestari SWK/FS S22R

0.05

0.05 14/11/2013

0.05 4/12/2013

Memberamo SWK/FS S22S

0.05

0.05 14/11/2013

0.05 4/12/2013

Cisokan SWK/FS S22T

0.03

0.03 14/11/2013

0.03 4/12/2013

W. Apo Buru SWK/FS S22U 14/11/2013 4/12/2013





0.02 0.02 0.02

Situpatenggang SWK/FS S22V 0.05 0.05 14/11/2013 0.05 4/12/2013

Sintanur SWK/FS S22W

0.05

0.05 14/11/2013

0.05 4/12/2013

Inpari sidenuk SWK/SS S22X

1.00

1.00 14/11/2013

1.00 4/12/2013

Isolasi SWK/FS

0.50

0.50

0.50

Sub jumlah

3.750

3.750

3.750

Jml Benih

Sumber

117.44

117.44

117.44

Lampiran 2b. Data reaalisasi tanam benih padi Inbrida di PT. Sang Hyang Seri Sukamandi MT

2013/ 2014



Ciherang SWK/ES L13

16.73 16.73 22/11/2013 16.73 14/12/2013

SWK/ES L15

17.29 17.29 26/11/2013 17.29 19/12/2013

Sub Jumlah

34.02 34.02 34.02

Ciherang SWK/ES L17

17.50 17.50 27/11/2013 17.50 28/12/2013

SWK/ES L19

16.22 16.22

30/11/2013 16.22

29/12/2013

Sub Jumlah

33.72 33.72 33.72

Mekongga SWK/ES

LK28

2.95 2.95

2/12/2013 2.95 24/12/2013

SWK/ES LK30

8.93 8.93

2/12/2013 8.93 24/12/2013

SWK/ES LK32

10.34 10.34

5/12/2013 10.34

27/12/2013

SWK/ES LK34

12.93 12.93

9/12/2013 12.93 31/12/2013

SWK/ES LK36

11.69 11.69

12/12/2013 11.69

8/1/2014

SWK/ES LK38

11.50 11.50

14/12/2013 11.50

15/1/2013

Sub Jumlah

58.34 58.34 58.34





Ciherang SWK/ES L21

16.92 16.92

3/12/2013 16.92

24/12/2013

Mekongga SWK/ES

L23

20.10 20.10 7/12/2013 20.10 29/12/2013

SWK/ES

L25

17.70 17.70 9/12/2013 17.70 6/1/2014

Sub Jumlah

54.72 54.72 54.72

Mekongga SWK/ES

L27

18.83 18.83 10/12/2013 18.83 9/1/2014

SWK/ES

L29

19.60 19.60 12/12/2013 19.60 4/1/2014

Sub Jumlah

38.43 38.43 38.43

Mekongga SWK/ES

L31

20.78 20.78 13/12/2013 20.78 7/1/2014

SWK/ES

L33

19.50 19.50 17/12/2013 19.50 8/1/2014

Sub Jumlah

40.28 40.28 40.28

Jumlah As I

259.51 259.51 259.51

Mekongga SWK/ES

L5

15.01 15.01

11/11/2013 15.01

2/12/2013

SWK/ES L7

14.22 14.22

14/11/2013 14.22 4/12/2013

SWK/ES L9

14.07 14.07

16/11/2013 14.07 6/12/2013

SWK/ES L11

17.75 17.75

19/11/2013 17.75 9/12/2013

Sub Jumlah

61.05 61.05 61.05

Mekongga SWK/ES

L4

8.76 8.76 12/11/2013 8.76 3/12/2013

Ciherang SWK/ES

L6

8.52 8.52 14/11/2013 8.52

4/12/2013

SWK/ES

L8

8.02 8.02

16/11/2013 8.02

8/12/2013

SWK/ES L10

8.30 8.30

19/11/2013 8.30

11/12/2013

Sub Jumlah

33.60 33.60

33.60

Ciherang SWK/ES L12 8.20 21/11/2013 8.20 13/12/2013





8.20

SWK/ES L14 8.40 8.40 23/11/2013 8.40 15/12/2013

SWK/ES L16

8.33 8.33

26/11/2013 8.33

18/12/2013

SWK/ES

L18

12.60 12.60

28/11/2013 12.60

21/12/2013

Sub Jumlah

37.53 37.53 37.53

Mekongga SWK/ES

L22A

1.13 1.13

4/12/2013 1.13

28/12/2013

SWK/ES

L22B

7.66 7.66

4/12/2013 7.66

28/12/2013

SWK/ES

L24

14.15 14.15

8/12/2013 14.15

5/1/2014

SWK/ES

L26

16.90 16.90

8/12/2013 16.90

7/1/2014

SWK/ES

L28

16.49 16.49

10/12/2013 16.49

9/1/214

Sub Jumlah

56.33 56.33 56.33

Mekongga SWK/ES

L30

14.43 14.43 12/12/2013 14.43 10/1/2014

SWK/ES L32

13.35 13.35 14/12/2013 13.35 12/1/2014

SWK/ES L34

11.60 11.60 16/12/2013 11.60 14/1/2014

SWK/ES L36

6.64 6.64 18/12/2013 6.64 8/1/2014

Sub Jumlah

46.02 46.02 46.02

SHS6

(boshima)

Hibrida

kons L36

2.00 2.00

18/12/2013 2.00 9/1/2014

Sub Jumlah

2.00 2.00 2.00

Jumlah As II

236.53 236.53 236.53

Mekongga SWK/ES

B25

9.44 9.44

5/11/2013 9.44

26/11/2013

SWK/ES B26

9.23 9.23

11/11/2013 9.23

2/12/2013

SWK/ES B27

9.66 9.66

14/11/2013 9.66

4/12/2013

SWK/ES B28 9.09 18/11/2013 9.09 10/12/2013





9.09

SWK/ES B29

9.78 9.78

20/11/2013 9.78

12/12/2013

SWK/ES B30

7.06 7.06

22/11/2013 7.06

14/12/2013

Sub Jumlah

54.26 54.26 54.26

Restorer B30

2.00 2.00

20/11/2013 2.00 12/12/2013

Sub Jumlah

2.00 2.00 2.00

Mekongga SWK/ES

S23B

11.97 11.97

23/11/2013 11.97

15/12/2013

SWK/ES

S24B

13.54 13.54

26/11/2013 13.54

18/12/2013

SWK/ES S25

14.44 14.44 30/11/2013 14.44

22-

23/12/2013

Sub Jumlah

39.95 39.95

39.95

Mekongga SWK/ES

S26

12.63 12.63 2/12/2013 12.63 30/12/2013

SWK/ES

S27

12.12 12.12 6/12/2013 12.12 4/1/2014

SWK/ES S28

11.79 11.79 10/12/2013 11.79 8-9/1/2014

SWK/ES S29

11.81 11.81 12/12/2013 11.81 13/1/2014

Sub Jumlah

48.35 48.35 48.35

Mekongga SWK/ES

S32

4.15 4.15 16/12/2013 4.15 12/1/2014

SWK/ES S33

9.62 9.62 16/12/2013 9.62 12/1/2014

SWK/ES S34

11.62 11.62

15/12/2013 11.62 11/1/2014

SWK/ES S35

11.72 11.72

13/12/2013 11.72 8/1/2014

SWK/ES S36

11.85 11.85

11/12/2013 11.85 7/1/2014

Sub Jumlah

48.96 48.96 48.96

Jumlah As

IV

193.52 193.52 193.52

Jumlah 689.56 689.56





SWK 689.56

Ciherang KS/ES TGKB

252.88 252.88

22/11-

15/12/2013 252.88

14/12-

4/1/2014

Ciherang KS/SS TGKB

48.64 48.64 17/12/2013 48.64

Inpari

sidenuk KS/ES TGKT

33.42 33.42 12/12/2013 33.42 2/1/2014

Inpari

sidenuk KS/SS TGKT

60.00 60.00

14-

17/12/2013 60.00 3-4/1/2013

Inpago 3

SHS KS/ES TGKT

121.53 121.53

4-

15/12/2013 121.53

26-

30/12/2013

PB42 KS/ES TGKT

62.00 62.00 30/11/2013 62.00 22/12/2013

Inpari 13 KS/ES TGKT

27.36 27.36

14-

17/12/2013 27.36 3-4/1/2013

605.83 605.83 605.83

IR64 KS/ES SKJB

97.03 97.03

23/11-

6/12/2013 97.03

15-

26/12/2013

Inpago 3

SHS KS/ES SKJB

20.72 20.72

30/11/2013 20.72 22/12/2013

Inpara 2 KS/ES SKJB

88.72 88.72

11-

17/11/2013 88.72

1-

7/12/2013

Situbagendit KS/ES SKJT

92.00 92.00

24/11-

3/12/2013 92.00

16-

25/12/2013

Situbagendit KS/ES PSK

172.57 172.57

10-

24/11/2013 172.57

30/11-

14/12/2013

471.04 471.04 471.04

Inpago 3

SHS KS/ES B4

6.30 6.30

20/10/2013 6.30

9/11/2013

KS/ES B6

9.84 9.84

20/10/2013 9.84

9/11/2013

KS/ES B8

11.91 11.91

20/10/2013 11.91

9/11/2013

Sub Jumlah

28.05 28.05

28.05

IR64 KS/ES B10

10.80 10.80

23/10/2013 10.80

13/11/2013

KS/ES B12

8.64 8.64

23/10/2013 8.64

13/11/2013

KS/ES B14

7.12 7.12

23/10/2013 7.12

13/11/2013





Sub Jumlah 26.56 26.56 26.56

Ciherang KS/ES L2A

1.35 1.35 4/11/2013 1.35 25/11/2013

KS/ES L2B

6.37 6.37

4/11/2013 6.37 25/11/2013

Sub Jumlah

7.72 7.72 7.72

Cigeulis KS/ES S22B

5.26 5.26 12/11/2013 5.26 '3/12/2013

KS/ES B31

2.55 2.55 12/11/2013 2.55 '3/12/2013

Sub Jumlah

7.81 7.81 7.81

Ciherang KS/ES

BLC I -

IV

81.45 81.45

30/10-

2/11/2013 81.45

19-

22/11/2013

Sub Jumlah

81.45 81.45 81.45

Ciherang KS/ES LK1

8.74 8.74 24/9/2013 8.74 14/11/2013

KS/ES LK2

14.89 14.89

24/9/2013 14.89 14/11/2013

KS/ES LK3

17.67 17.67

24/9/2013 17.67 14/11/2013

KS/ES LK4

18.43 18.43

24/9/2013 18.43 14/11/2013

Sub Jumlah

59.73 59.73 59.73

Mekongga KS/ES B1

6.32 6.32 19/10/2013 6.32 8/11/2013

KS/ES B3

12.57 12.57 19/10/2013 12.57 8/11/2013

KS/ES B5

12.79 12.79 19/10/2013 12.79 8/11/2013

KS/ES B7

12.17 12.17 19/10/2013 12.17 8/11/2013

KS/ES B9

13.34 13.34 19/10/2013 13.34 8/11/2013

KS/ES B11

14.16 14.16 22/10/2013 14.16 11/11/2013

KS/ES B13

14.63 14.63 22/10/2013 14.63 11/11/2013

KS/ES B15

17.45 17.45 22/10/2013 17.45 11/11/2013

Sub Jumlah 103.43 103.43 103.43





Ciherang KS/ES B16

17.75 17.75 27/10/2013 17.75 17/11/2013

KS/ES B17

14.54 14.54 27/10/2013 14.54 17/11/2013

KS/SS B18

10.26 10.26 27/10/2013 10.26 17/11/2013

KS/ES B19

7.76 7.76 29/10/2013 7.76 19/11/2013

KS/ES B20

4.58 4.58 29/10/2013 4.58 19/11/2013

KS/ES B21

5.79 5.79 29/10/2013 5.79 19/11/2013

KS/ES B22

9.79 9.79 29/10/2013 9.79 19/11/2013

KS/ES B23

10.78 10.78 29/10/2013 10.78 19/11/2013

KS/ES B24

10.48 10.48 29/10/2013 10.48 19/11/2013

Sub Jumlah

91.73 91.73 91.73

Ciherang KS/ES S1

14.63 14.63 16/10/2013 14.63 5/11/2013

KS/ES S2

13.54 13.54 16/10/2013 13.54 5/11/2013

KS/ES S3

7.18 7.18 16/10/2013 7.18 5/11/2013

KS/ES S4

6.78 6.78 16/10/2013 6.78 5/11/2013

Sub Jumlah

42.13 42.13 42.13

Inpari 10 KS/SS S5

6.41 6.41 17/10/2013 6.41 6/11/2013

Sub Jumlah

6.41 6.41 6.41

Ciherang KS/ES S6

5.97 5.97 21/10/2013 5.97 10/11/2013

KS/ES S7

6.27 6.27 21/10/2013 6.27 10/11/2013

KS/ES S8

8.39 8.39 21/10/2013 8.39 10/11/2013

KS/ES S9

11.74 11.74 21/10/2013 11.74 10/11/2013

KS/ES S10 13.34 13.34 21/10/2013 13.34 10/11/2013

KS/ES S11 16.34 25/10/2013 16.34 15/11/2013





16.34

KS/ES S12

16.25 16.25 25/10/2013 16.25 15/11/2013

KS/ES S13

16.02 16.02 25/10/2013 16.02 15/11/2013

Sub Jumlah

94.32 94.32 94.32

Mekongga KS/SS S14

11.38 11.38 27/10/2013 11.38 17/11/2013

Sub Jumlah

11.38 11.38 11.38

Inpari

sidenuk KS/ES L20

11.70 11.70

15/11/2013 11.70 5/12/2013

Sub Jumlah

11.70 11.70 11.70

Jumlah 4

572.42 572.42 572.42

Ciherang KS/ES S37

11.53 11.53 19/11/2013 11.53 9/12/2013

Sub Jumlah

11.53 11.53 11.53

Inpari

sidenuk KS/ES S24A

5.15 5.15 17/11/2013 5.15 7/12/2013

Sub Jumlah

5.15 5.15 5.15

Mekongga KS/ES LK12

10.24 10.24

17/11/2013 10.24

7/12/2013

KS/ES LK14

12.57 12.57

17/11/2013 12.57

7/12/2013

KS/SS LK16

13.55 13.55

24/11/2013 13.55

14/12/2013

Sub Jumlah

36.36 36.36 36.36

Mekongga KS/SS LK18

13.64 13.64

24/11/2013 13.64

14/12/2013

KS/SS LK20

12.68 12.68

24/11/2013 12.68

14/12/2013

KS/ES LK22

9.66 9.66

25/11/2013 9.66

15/12/2013

KS/ES LK24

6.80 6.80

25/11/2013 6.80

15/12/2013

KS/ES LK26 2.37 2.37 25/11/2013 2.37 15/12/2013

Sub Jumlah

45.15 45.15 45.15





Mekongga KS/ES LK5

5.46 5.46 23/9/2013 5.46 13/10/2013

KS/ES LK7

5.89 5.89 23/9/2013 5.89 13/10/2013

KS/ES LK9

6.39 6.39 23/9/2013 6.39 13/10/2013

KS/ES LK11

10.39 10.39 23/9/2013 10.39 13/10/2013

KS/ES LK13

12.87 12.87 23/9/2013 12.87 13/10/2013

KS/ES LK15

12.39 12.39 24/9/2013 12.39 14/10/2013

KS/ES LK17

9.84 9.84 24/9/2013 9.84 14/10/2013

KS/ES LK19

6.98 6.98 24/9/2013 6.98 14/10/2013

KS/ES LK21

16.15 16.15 29/9/2013 16.15

19/10/2013

KS/ES LK23

15.62 15.62 29/9/2013 15.62

19/10/2013

Sub Jumlah

101.98 101.98 101.98

Mekongga KS/ES LK25

12.67 12.67 29/9/2013 12.67

19/10/2013

Sub Jumlah

12.67 12.67 12.67

Mekongga KS/ES LK6

3.75 3.75 23/9/2013 3.75 13/10/2013

KS/ES LK8

4.97 4.97 23/9/2013 4.97 13/10/2013

KS/ES LK10

6.99 6.99 23/9/2013 6.99 13/10/2013

Sub Jumlah

15.71 15.71 15.71

Cigeulis KS/ES S30

7.16 7.16 19/11/2013 7.16 9/12/2013

KS/ES S31

5.16 5.16 19/11/2013 5.16 9/12/2013

Sub Jumlah

12.32 12.32 12.32

Ciherang KS/ES S38 11.89 11.89 21/11/2013 11.89 12/12/2013

KS/ES S39

10.39 10.39 21/11/2013 10.39 12/12/2013

KS/ES S40 6.09 21/11/2013 6.09 12/12/2013





6.09

Sub Jumlah

28.37 28.37 28.37

Inpari 13 KS/ES LK39

6.32 6.32

7/12/2013 6.32

29/12/2013

KS/ES LK41

9.81 9.81

7/12/2013 9.81

29/12/2013

Sub Jumlah

16.13 16.13 16.13

IR64 KS/ES LK43

12.27 12.27 7/12/2013 12.27 29/12/2013

KS/ES LK45

13.64 13.64 8/12/2013 13.64 30/12/2013

KS/ES LK47

13.35 13.35 8/12/2013 13.35 30/12/2013

Sub Jumlah

39.26 39.26 39.26

Ciliwung KS/ES LK49

13.12 13.12 9/12/2013 13.12 30/12/2013

KS/ES LK51

12.30 12.30 9/12/2013 12.30 30/12/2013

Sub Jumlah

25.42 25.42 25.42

Mekongga KS/ES LK40

12.96 12.96 28/11/2013 12.96 18/12/2013

KS/ES LK42

11.82 11.82 28/11/2013 11.82 18/12/2013

Sub Jumlah

24.78 24.78 24.78

Mekongga KS/ES LK44

12.84 12.84 1/12/2013 12.84 23/12/2013

KS/ES LK46

9.37 9.37 1/12/2013 9.37 23/12/2013

Sub Jumlah

22.21 22.21 22.21

Inpari 10 KS/SS L35

17.89 17.89 22/11/2013 17.89

12/12/2013

Sub Jumlah

17.89 17.89 17.89

Cigeulis KS/ES L43 15.21 15.21 2/12/2013 15.21 24/12/2013

KS/ES L45

13.50 13.50 2/12/2013

13.50 24/12/2013

Sub Jumlah

28.71 28.71 28.71





Ciherang KS/ES L1

14.51 14.51 24/9/2013 14.51

14/10/2013

KS/ES L3

15.67 15.67 24/9/2013 15.67

14/10/2013

Sub Jumlah

30.18 30.18 30.18

Mekongga KS/ES L37

21.25 21.25 26/11/2013 21.25 16/12/2013

KS/ES L39

19.20 19.20 28/11/2013 19.20 18/12/2013

KS/ES L41

18.32 18.32 2/12/2013 18.32 24/12/2013

Sub Jumlah

58.77 58.77

58.77

Mekongga KS/ES LK27

15.42 15.42 1/12/2013 15.42 23/12/2013

KS/ES LK29

14.67 14.67 1/12/2013 14.67 23/12/2013

KS/ES LK31

13.05 13.05 1/12/2013 13.05 23/12/2013

KS/ES LK33

10.25 10.25 5/12/2013 10.25 26/12/2013

KS/ES LK35

7.37 7.37 5/12/2013 7.37 26/12/2013

KS/ES LK37

5.57 5.57 5/12/2013 5.57 26/12/2013

Sub Jumlah

66.33 66.33

66.33

Mekongga KS/ES L38

7.92 7.92 22/11/2013 7.92 12/12/2013

KS/ES L40

8.89 8.89 22/11/2013 8.89 12/12/2013

KS/ES L42

9.45 9.45 22/11/2013 9.45 12/12/2013

KS/ES L44

10.75 10.75 29/11/2013 .75 19/12/2013

KS/ES L46

15.85 15.85 29/11/2013 5.85 19/12/2013

KS/ES L48 13.94 13.94 29/11/2013 3.94 19/12/2013

KS/ES L50

9.06 9.06 29/11/2013 9.06 19/12/2013

KS/ES L52

2.88 2.88 29/11/2013 2.88 19/12/2013

Sub Jumlah 78.74 78.74





78.74

Jumlah 5

77.66 677.66 677.66

Jumlah KS

,326.95 2,326.95 2,326.95

TOTAL

,016.51 3,016.51 3,016.51



HASIL RINCI PENGAMATAN LAPANGAN

Id X Y Daerah survey KETERANGAN LOKASI

1 794344 9298965 Sukamandi, Subang Kantor dan disekitarnya semak-

semak

Di Kantor Pt. Shang Hyang Seri sedang diskusi dengan manager perkebunan




2 792781 9300721 Desa Ciasem Girang

kecamatan Ciasem

Sawah pada blok l34 (ber umur

1minggu), blok l32 (ber umur 2bln)

persimpangan blok l34 dan blok l32

Di Desa Ciasem Girang kecamatan Ciasem Sector Lebak pada Blok l34 sawah berumur 1 minggu




3 792969 9300654 Desa Ciasem Girang kecamatan

Ciasem

Blok l32 Sawah berumur 2 bulan

Desa Ciasem Girang Kecamatan Ciasem di Sector Lebak pada blok 32 sawah sudah berumur 2 bulan




4. 792403 9299820

Desa Sukamandijaya

Kecamatan Ciasem.

Blok l20 92 hari, blok l21 (88hari

3bulan kurang 2hari) blok l20,

dihadapan blok 121

Desa Sukamandijaya Kecamatan Ciasem. Blok l20 92 hari, blok l21 (88hari 3blb-2hr)




5. 791314 9297974

Desa Sukamandijaya

Kecamatan Ciasem.

Sector Blanakan Blok b22, disebelahnya blok

b23 Sawah hibrida Blok b22 2.5bl (45hr dari

tanam)

Pada blok b22 dan disebelahnya adalah blok23 jenis sawahnya adallah hibrida berumur 2.5bl (45hr

dari tanam)




6 790346 9297069 Desa Rancajaya

Kecamatan Patokbeusi.

Blok Balong Cariu 1 (BLC 1) mur

sawah 100hr dr tebar siap

untuk di panen

Desa Rancajaya Kecamatan Patokbeusi.. Balong Cariu 1 berumur 100 hari darri tebar




7 790390 9297064 Desa Rancajaya Kecamatan

Patokbeusi.

Sector Belanakan blok B 16

Sawah berumur 95 hari

Desa Rancajaya Kecamatan Patokbeusi. Sawah berumur 95 hari




8 790313 9297042 Desa Gempolsari Kecamatan

Patokbeusi.

Belanakan Blok B14 sawah

berumur 102 hingga 105 hari.

Sebelah blokk b 14 adalah

kebun pohon pisang

Desa Gempolsari Kecamatan Patokbeusi. Sektor Belanakan blok b14 adalah lahan sawah yang berumur

102 - 105 hari dari tebar




9. 791007 9298250 Desa Sukamandijaya Kecamatan

Ciasem.

Sektor Lembaga Blok l2ab berumur

98 hari

Di sebelah sawah Blok l2sb

aalahan semak-semak

Desa Sukamandijaya Kecamatan Ciasem Pengambilan titik di lembaga blok l2ab sawah berumur

98 hari




10 791150 9300726

Desa Sukahaji Kecamatan

Ciasem

Persimpangan sector Lekar

antara 3 blok lk19, lk20 dan lk21

Blok Lk 21 sawah berumur 63

hari dari tanam), blok lk19

sawah berumur 82 hari dan lk20

sawah berumur 75 hari.

Pengambilan titik di Desa Sukahaji Kecamatan Ciasem sektor lekar di persimpangan antara 3 blok

lk 19 dan lk21 dan dihadapan blok ganjil blok 20 blok genap




11 791467 9301658 Desa Sukahaji

Kecamatan Ciasem

Sektor Lekar lk34 dan lk36

Desa Sukahaji Kecamatan Ciasem Sektor Lekar lk34 dan lk36




12 791378 9301451 Desa Sukahaji Kecamatan

Ciasem

persimpangan antara

lk34,32

Pengambilan titik 12 di sektor lekar di persimpangan antara 34 dan dihadapan blok ganjil




13 790622 9302692

Desa Rawa Mekar

Kecamatan

Blanakan

Sektor Situ Bagendit sb dan Sukajaya Barat kondisi

padi belum malai Padi berumur 70 hari dari tebar

atau 45 hari dari tanam

Padi berumur 70 hari dari tebar atau 45 hari dari tanam. Desa Rawa Mekar Kecamatan Blanakan




14 790380 9303070 Desa Pinangsari,

Kecamatan Ciasem

Sektor Tegal Koneng Timur (tgkt) padi

berumur 60 hari tebar.Padi bunting

berumur 3 bulan

Desa Pinangsari, Kecamatan Ciasem Sektor Tegal Koneng Timur (tgkt) padi berumur 60 hari tebar.




15 789611 9304266 Desa Pinangsari, Kecamatan

Ciasem

Sektor Tegal Koneng Timur blok 22 (tgkt

22), 100m dari jbt, 25m kn sidenuk 54h

tbr (20jn)

Sektor Tegal Koneng Timur blok 22, 100m dari jbt, 25m kn sidenuk 54h tbr (20jn)




16 788947 9302254 Desa Sukahaji, Kecamatan

Ciasem

Sektor Tegal Koneng Barat (blok tgkb5),

Varietas Ciherang padi berumur 85 hari

dari tebar dan tanngal tebar 9 mei

Desa Sukahaji, Kecamatan Ciasem Sektor Tegal Koneng Barat (blok tgkb5), Varietas Ciherang 85 hari




17 788650 9301936 Desa Sukahaji,

Kecamatan Ciasem

Sektor Tegal Koneng Barat (blok

tgkb1 -3), Varietas Ciherang

tanggal tebar 19 mei.

Desa Sukahaji, Kecamatan Ciasem Sektor Tegal Koneng Barat (blok tgkb1 -3), Varietas Ciherang

tanggal tebar 19 mei 75 hari tebar




18 792473 9297146 Desa Sukamandijaya,

Kecamatan Ciasem

Blok S15 bera kering

berumput

Sektor Sukamulya Blok S15 bera kering berumput Desa Sukamandijaya, Kecamatan Ciasem




19 790343 9295482 Kecamatan Patokbeusi

Desa Rancamulya

Blok S1 Panen basah bera

basah

Sektor Sukamulya Blok S1 kondisi sawah sudah panen basah bera




20 791573 9296394

Kecamatan Patokbeusi

Desa Rancajaya

Blok Balai Benih Kondisi sawah bera

bakar

Blok Balai Penelitian Benih Padi, bera terbakar




21 791175 9296116 Kecamatan Patokbeusi Desa

Rancajaya

Blok S6 baru panen sawah bera

Kecamatan Patokbeusi Desa Rancajaya Blok S6, sedang panen




22 800124 9301814 Kecamatan Ciasem. Desa

Ciasem Hilir

Sawah persiapan tanam dan

bera.

Sawah persiapan tanam dan bera.




23 800034 9301986 Padi umur 1 minggu. Kecamatan Ciasem. Desa Ciasem Hilir

Padi umur 1 minggu di Kecamatan Ciasem. Desa Ciasem Hilir



Lampiran 3. Grafik hasil pengukuran nilai reflektan tanaman padi/lahan sawah di PT. Sang

Hyang Seri Sukamandi

Selasa, 12 Agustus 2014

No Jam Blok Umur (hst) Grafik Reflektansi

1 09:27 L34 1 mg

2 09:39 L34 5mg

3 10:03 L32 7mg

(44 h)

4 10:35 L21 88hr (59 h)



5 11:04 B23(sl

38)_Hi

brida

45 hr

6 11:35 BLC1 100 hr

7 11:49 B16 95 hr

8 11:59 B14 105 hr



9 12:31 L2AB 105hr

10 12:56 LK21 63hr

11 13:19 LK34 ?

Rabu, 13 Agustus 2014

No Jam Blok Umur Reflektansi

1 10:10 ST1 76hr



2 10:19 SB 70hr

3 10:38 TGKT2 60hr

4 11:02 TGKT2

2

54hr

5 11:32 TGKB 90hr



6 11:55 TGKB3 85hr

Kamis, 14 Agustus 2014


1 08:55 P1_ bera_kerin

g

2 09:19 P2_ bera_basa

h

3 10:11 P3_ bera_kr_tn

h



4 10:40 P4(sb)

_

panen

Jumat, 15 Agustus 2014 (di luar area PT. Sang Hyang Seri)


1 09:04 Sawah

bera,

menjelang

tanam

2 09:14 Swh_air 2

hari

3 09:24 Sawah_air

2 mg



4 09:31 Sawahair 2

mg

PUSAT PEMANFAATAN PENGINDERAAN JAUH - 2014

Cover Depan dan Belakangpusfatja.lapan.go.id/files_uploads_ebook/publikasi/Buku... ·...

Documents

Transcript of Cover Depan dan Belakangpusfatja.lapan.go.id/files_uploads_ebook/publikasi/Buku... ·...