Claim Missing Document
Check
Articles

Found 1 Documents
Search

KOMBINASI SURVEI KERANGKA SAMPEL AREA DAN REMOTE SENSING UNTUK ESTIMASI LUAS TANAMAN PADI DI MASA PANDEMI (KSA-Hybrid) Isnaeni Nur Khasanah; Dwi Wahyu Triscowati; Arif Handoyo; Widyo P. Buana; Kadir Kadir
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 12 No 2 (2020): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v12i2.284

Abstract

Pelaksanaan Survei Kerangka Sampel Area (KSA) di masa pandemi dihadapkan pada potensi penurunan realisasi pengamatan sampel akibat restriksi yang membatasi pergerakan masyarakat di sejumlah wilayah. Pembatasan Sosial Berskala Besar dan penerapan protokol kesehatan yang ketat untuk memutus rantai penyebaran Covid-19 mengakibatkan petugas tidak dapat melakukan kunjungan lapangan untuk mengamati fase tumbuh tanaman padi di beberapa sampel subsegmen. Pelaksanaan Survei KSA bertumpu pada pengamatan lapangan terhadap puluhan ribu titik amatan. Hal ini tidak operasional untuk wilayah dengan pembatasan sosial ketat atau yang terletak di daerah remote. Sebagai solusi, pengamatan titik amat sampel KSA dapat dilakukan dengan bantuan remote sensing. Penelitian ini mengkombinasikan Survei KSA dan remote sensing dalam mengestimasi luas tanaman padi yang disebut KSA-Hybrid. Fase tumbuh tanaman padi di lokasi sampel subsegmen KSA Provinsi Lampung diprediksi dengan model machine learning berdasarkan data citra satelit Landsat-8. Estimasi luasan setiap fase kemudian diperoleh dengan menggunakan metode yang diterapkan pada KSA rutin. Hasil evaluasi menunjukkan bahwa terdapat perbedaan yang cukup signifikan antara estimasi luas panen KSA-Hybrid dan KSA rutin. Selain itu, tingkat kesesuaian antara hasil KSA-Hybrid dan KSA rutin untuk amatan bulan Juni 2020 bervariasi antar kabupaten/kota pada rentang 62-76 persen. Pengembangan KSA-Hybrid dapat dilakukan dengan meningkatkan performa model machine learning dan penggunaan citra satelit dengan resolusi yang lebih tinggi.