Claim Missing Document
Check
Articles

Found 25 Documents
Search

Pemetaan Nasional Umur Kelapa Sawit di Indonesia Menggunakan Model Regresi Backscatter Sentinel-1A Berbasis Google Earth Engine Muhammad Gentafani Muharram; Rika Hernawati; Soni Darmawan; Dhimas Wiratmoko
Jurnal Serambi Engineering Vol. 11 No. 3 (2026): Juli 2026
Publisher : Faculty of Engineering, Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Informasi spasial yang akurat mengenai usia perkebunan kelapa sawit sangat penting bagi pengelolaan perkebunan yang efektif, peramalan hasil panen, perencanaan penanaman kembali, serta penetapan pajak di seluruh Indonesia sebagai produsen kelapa sawit terbesar di dunia. Penelitian ini bertujuan untuk mengimplementasikan model regresi backscatter Radar Apertur Sintetis yang telah ada guna mengestimasi dan memetakan distribusi usia kelapa sawit secara nasional di seluruh Indonesia menggunakan platform pemrosesan data satelit berbasis komputasi awan. Citra satelit diproses terlebih dahulu melalui penyaringan speckle, dilanjutkan dengan ekstraksi nilai backscatter dua polarisasi yang dibatasi pada batas perkebunan kelapa sawit nasional. Distribusi nasional yang dihasilkan menunjukkan bahwa tegakan usia produktif mendominasi wilayah-wilayah penghasil kelapa sawit utama, sementara tegakan usia muda terkonsentrasi di kawasan perluasan perkebunan yang baru, dan tegakan usia tertua terkonsentrasi di perkebunan negara yang telah lama mapan. Validasi terhadap data referensi lapangan dari sebuah lokasi perkebunan di Sumatera Utara menunjukkan korelasi yang sangat kuat antara usia hasil estimasi model dan usia tanam aktual. Temuan ini menegaskan bahwa implementasi model regresi backscatter yang telah ada memberikan dasar yang andal dan dapat diskalakan untuk pemetaan usia kelapa sawit skala nasional di wilayah tropis.
Modeling Umur Kelapa Sawit Menggunakan Radar Forest Degradation Index Berbasiskan Citra Alos-2 Palsar-2 Maria Nur Harysah; Rika Hernawati; Soni Darmawan; Josaphat Tetuko Sri Sumantyo; Dhimas Wiratmoko
Jurnal Serambi Engineering Vol. 11 No. 3 (2026): Juli 2026
Publisher : Faculty of Engineering, Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Umur tegakan kelapa sawit merupakan variabel kunci dalam pengelolaan perkebunan, perencanaan hasil panen, pemupukan, dan pengambilan keputusan penanaman kembali namun, pemantauan optik di wilayah tropis sering kali terhambat oleh tutupan awan. Penelitian ini mengembangkan model tegakan kelapa sawit berdasarkan kelas usia menggunakan Radar Forest Degradation Index (RFDI) yang diperoleh dari citra Radar Apertur Sintetis (SAR) ALOS-2 PALSAR-2 pita-L di perkebunan PTPN III Sei Dadap, Asahan, Sumatera Utara, Indonesia. Citra Fine Beam Dual HH dan polarisasi HV serta data referensi tahun penanaman dari 16 blok perkebunan, yang mencakup usia tegakan 0,5 hingga 22 tahun, digunakan dalam penelitian ini. Data SAR telah melalui kalibrasi radiometrik, multilooking, penyaringan speckle, dan koreksi medan, dan nilai RFDI diekstraksi pada skala blok untuk analisis regresi secara keseluruhan dan berdasarkan kelas usia. Hasil penelitian menunjukkan hubungan nonlinier berbentuk huruf U terbalik antara RFDI dan usia tegakan, dengan model keseluruhan menjelaskan 83,99% varians, sedangkan model khusus kelas usia mencapai nilai R² sebesar 0,9529 dan 0,9959 untuk tegakan matang dan tua, masing-masing. Temuan ini menunjukkan bahwa RFDI yang diperoleh dari SAR pita-L memungkinkan pemantauan perkebunan kelapa sawit yang tidak terpengaruh awan dan berbasis kelas Umur.
Identifikasi Replanting Kelapa Sawit di Indonesia Menggunakan Analisis Perubahan Global Canopy Height Tahun 2019-2020 Yuliana Kartika Titu Kaka; Rika Hernawati; Soni Darmawan; Dhimas Wiratmoko
Jurnal Serambi Engineering Vol. 11 No. 3 (2026): Juli 2026
Publisher : Faculty of Engineering, Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Informasi spasial yang akurat mengenai sebaran replanting kelapa sawit sangat penting untuk mendukung pengelolaan perkebunan yang efektif dan perencanaan Program Peremajaan Sawit Rakyat (PSR) di Indonesia sebagai produsen kelapa sawit terbesar di dunia. Metode konvensional berbasis survei lapangan tidak efisien untuk diterapkan pada skala nasional, sehingga diperlukan pendekatan penginderaan jauh yang lebih skalabel. Penelitian ini menerapkan analisis perubahan tinggi kanopi (ΔH = H₂₀₂₀ − H₂₀₁₉) dari dua produk Global Canopy Height (GCH) tahun 2019 resolusi 30 meter dan tahun 2020 resolusi 10 meter menggunakan pendekatan ambang batas statistik (μ ± σ) pada platform Google Earth Engine (GEE). Klasifikasi perubahan menghasilkan tiga kelas, yaitu replanting, stagnan, dan pertumbuhan, dengan kelas stagnan mendominasi sebesar 71%, diikuti pertumbuhan sebesar 15%, dan replanting sebesar 14%. Sebaran kelas replanting teridentifikasi di berbagai provinsi sentra produksi kelapa sawit, antara lain Riau, Sumatra Utara, Sulawesi Tenggara, dan Kalimantan Tengah. Validasi menggunakan confusion matrix menghasilkan nilai Overall Accuracy (OA) sebesar 60% dan Koefisien Kappa (κ) sebesar 0,4, yang menunjukkan bahwa analisis perubahan GCH multitemporal merupakan pendekatan yang andal dan skalabel untuk pemantauan replanting kelapa sawit skala nasional.
Analisis Perubahan Luas dan Arah Ekspansi Perkebunan Kelapa Sawit Menggunakan Citra Landsat Berbasis Google Earth Engine (Studi Kasus : Sumatera Utara) Mawritsa Etufirka; Soni Darmawan
Jurnal Serambi Engineering Vol. 11 No. 3 (2026): Juli 2026
Publisher : Faculty of Engineering, Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan perkebunan kelapa sawit berpotensi menyebabkan perubahan tutupan lahan di Provinsi Sumatera Utara. Penelitian ini bertujuan untuk menganalisis perubahan tutupan lahan dan arah ekspansi perkebunan kelapa sawit selama periode 2000–2025 menggunakan citra Landsat yang diolah melalui Google Earth Engine (GEE). Klasifikasi tutupan lahan dilakukan menggunakan algoritma Random Forest, sedangkan evaluasi akurasi dilakukan menggunakan Confusion Matrix, Overall Accuracy (OA), Koefisien Kappa, dan F1-Score. Hasil penelitian menunjukkan bahwa luas perkebunan kelapa sawit meningkat dari 2,94 juta ha pada tahun 2000 menjadi 3,98 juta ha pada tahun 2025 atau bertambah sekitar 1,04 juta ha (35,37%). Analisis spasial menunjukkan bahwa perkembangan perkebunan kelapa sawit cenderung berlangsung dari wilayah bagian timur menuju wilayah bagian barat Provinsi Sumatera Utara. Hasil evaluasi akurasi menunjukkan nilai Overall Accuracy berkisar antara 78%–97%, Koefisien Kappa antara 0,72–0,96, dan F1-Score antara 0,68–1,00, yang menunjukkan bahwa hasil klasifikasi memiliki tingkat akurasi yang baik. Penelitian ini menunjukkan bahwa kombinasi citra Landsat, Google Earth Engine, dan algoritma Random Forest mampu menghasilkan klasifikasi yang andal sehingga efektif digunakan untuk memantau perubahan tutupan lahan dan arah ekspansi perkebunan kelapa sawit di Provinsi Sumatera Utara.
Monitoring Dan Proyeksi Perkembangan Wilayah Perkotaan Di Pulau Kalimantan Menggunakan Data VIIRS Night-time Lights Abimanyu Yudo Kuncoro; Soni Darmawan
Jurnal Serambi Engineering Vol. 11 No. 3 (2026): Juli 2026
Publisher : Faculty of Engineering, Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Visible Infrared Imaging Radiometer Suite Day/Night Band (VIIRS-DNB) merupakan salah satu teknologi penginderaan jauh yang menghasilkan data Night-time Lights (NTL), yang dapat dimanfaatkan untuk menggambarkan aktivitas manusia pada malam hari serta memantau urbanisasi dan perkembangan wilayah. Penelitian ini bertujuan menganalisis dinamika spasial dan temporal Night-time Lights (NTL) di Pulau Kalimantan selama periode 2012–2024 serta memproyeksikan perkembangan wilayah hingga tahun 2045. Analisis dilakukan menggunakan data VIIRS Night-time Lights (VCMCFG) dari NOAA yang diolah melalui Google Earth Engine. Tren temporal dianalisis menggunakan regresi linear, sedangkan kawasan urban diekstraksi melalui pendekatan thresholding terhadap data Night-time Lights (NTL). Hasil penelitian ini menunjukkan bahwa rata-rata intensitas Night-time Lights (NTL) meningkat dari 0,093 nW/cm²/sr pada tahun 2012 menjadi 0,386 nW/cm²/sr pada tahun 2024 dengan nilai R² sebesar 0,93. Pada periode yang sama, luas kawasan urban bertambah dari 760 km² menjadi 2.344 km² atau meningkat sebesar 208,42%. Pada tingkat provinsi Kalimantan Timur memiliki luas kawasan urban terbesar 1.114 km², sedangkan Kalimantan Tengah mencatat laju pertumbuhan kawasan urban tertinggi 541,03%. Model regresi linear memproyeksikan luas kawasan urban mencapai sekitar 4.405 km² pada tahun 2045. Hasil penelitian ini menunjukkan bahwa data Night-time Lights (NTL) dapat dimanfaatkan sebagai indikator untuk memantau perkembangan kawasan urban serta mendukung perencanaan pembangunan wilayah di Pulau Kalimantan.