Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Karet Jurnal Geografi LIngkungan Tropik (Journal of Geography of Tropical Environments) Geosfera Indonesia
Ayu, Farida
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Earth & Planetary Sciences Education Environmental Science

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
DISTRIBUSI SPASIAL KESEHATAN TANAMAN KARET MENGGUNAKAN SENTINEL-1 Ayu, Farida; Riesnandar, Ariq Anggaraksa; Manessa, Masita Dwi Mandini; Supriatna, Supriatna; LESTARI, Retno; Bustamam, Alhadi; Sarwinda, Devvi; Stevanuse, Charlos Togi; Efriana, Anisya Feby
Jurnal Penelitian Karet JPK : Volume 42, Nomor 1, Tahun 2024
Publisher : Pusat Penelitian Karet - PT. Riset Perkebunan Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22302/ppk.jpk.v42i1.881

Abstract

Tanaman karet (Hevea brasiliensis) merupakan komoditas penting yang menjadi sumber pendapatan petani di Indonesia. Namun, dalam beberapa tahun terakhir perkebunan karet di Indonesia mengalami penurunan mutu dan produksi yang disebabkan oleh penyakit gugur daun Pestalotiopsis sp. Teknologi remote sensing dapat menjadi solusi dalam pemantauan kesehatan tanaman. Kendala tutupan awan dalam pemantauan perkebunan karet menggunakan citra optik menghambat keberlangsungan. Citra Sentinel-1 dilengkapi data Synthetic Aperture Radar (SAR) yang mampu untuk menembus awan. Sehingga, penelitian ini bertujuan untuk menganalisis distribusi spasial kesehatan tanaman dengan menggunakan multi indeks vegetasi RVI dan NDRVI pada citra Sentinel-1. Hasil penelitian menunjukan bahwa multi indeks vegetasi tidak memiliki hubungan yang signifikan dengan kelas kesehatan tanaman. Faktor noise, panjang gelombang, dan hamburan balik mengindikasikan rendahnya hubungan antar variabel.
KAJIAN ESTIMASI UMUR TEGAKAN KARET DAN HUBUNGANNYA TERHADAP PRODUKTIVITAS LATEKS MENGGUNAKAN CITRA SENTINEL-2 DAN REGRESI LINIER BERGANDA Prakarsa, Geraldo Nazar; Manessa, Masita Dwi Mandini; Supriatna, Supriatna; STEVANUS, Charlos Togi; AYU, Farida
Jurnal Penelitian Karet JPK : Volume 42, Nomor 1, Tahun 2024
Publisher : Pusat Penelitian Karet - PT. Riset Perkebunan Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22302/ppk.jpk.v42i1.891

Abstract

Provinsi Sumatera Selatan merupakan daerah produksi karet terbesar di Indonesia pada tahun 2021 yaitu sebanyak 870.966 ton. Pusat Penelitian Karet Sembawa merupakan lembaga penelitian yang dapat menghasilkan lateks yang mana tanaman karet (Hevea brasiliensis) merupakan komoditas utama yang diteliti. Umur tegakan merupakan salah satu variabel penting karena dapat memprediksi produktivitas lateks. Tujuan dari penelitian ini adalah untuk memetakan distribusi umur tegakan karet menggunakan data nilai spektral band dan indeks vegetasi serta hubungannya terhadap produktivitas lateks. Penginderaan jauh menggunakan citra optik multispektral Sentinel-2 dapat digunakan untuk mengestimasi umur tegakan karena memberikan informasi dengan efisiensi waktu yang lebih baik serta kemudahan mendapatkan data pada area yang susah untuk dijangkau. Nilai spektral band yang kemudian digabungkan menjadi indeks vegetasi diasumsikan dapat mempresentasikan umur tegakan karena kerapatan atau kehijauan kanopi tegakan karet memiliki variasi nilai yang berbeda antara tegakan yang berumur muda dan tegakan yang berumur tua. Indeks vegetasi yang digunakan adalah Normalized Difference Vegetation Index (NDVI), Normalized Difference Yellowness Index (NDYI), serta Soil Adjusted Vegetation Index (SAVI). Pemodelan ini dapat dibentuk melalui pendekatan model statistik yang berupa metode regresi linear berganda karena dengan menggunakan lebih banyak variabel, model yang dihasilkan akan lebih akurat dan presisi. Hasil dari pemodelan yang menggunakan pendekatan model statistik berbasis data citra Sentinel-2 memiliki tingkat akurasi lebih baik (RMSE = 4,767 tahun dan R2 = 0,308) dari beberapa penelitian terdahulu.
VERTICAL AND HORIZONTAL TURBIDITY VARIATION ACROSS CORAL REEF HABITATS IN DERAWAN ISLAND: AN IN-DEPTH ANALYSIS USING AAQ RINKO WATER QUALITY PROFILER Pamungkas, Fajar Dwi; Manessa, Masita Dwi Mandini; Supriatna, Supriatna; Efriana, Feby; Ayu, Farida; Susetyo, Novi Adi; Setiawan, Kuncoro Teguh; Gunawan, Dino; Mukhtar, Mutia Kamalia; Maulidina, Kintan; Haidar, Muhammad
Jurnal Geografi Lingkungan Tropik (Journal of Geography of Tropical Environments) Vol. 8, No. 1
Publisher : UI Scholars Hub

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

Abstract

Decadal Monitoring of Upwelling Dynamics in Satonda Island Waters Using Landsat-8 and Machine Learning Regression Efriana, Anisya Feby; Manessa, Masita Dwi Mandini; Ayu, Farida; Damayanti, Astrid; Haidar, Muhammad; Setiawan, Kuncoro Teguh
Geosfera Indonesia Vol. 9 No. 2 (2024): GEOSFERA INDONESIA
Publisher : Department of Geography Education, University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/geosi.v9i2.47203

Abstract

Global warming and associated weather changes, notably the El Niño Southern Oscillation (ENSO), significantly impact marine ecosystems by altering water quality parameters such as chlorophyll-a (Chl-a) and sea surface temperature (SST). These changes are crucial in understanding the biogeochemical and ecological dynamics of marine environments, especially in regions affected by upwelling. This study aims to monitor upwelling events on Satonda Island, a volcanic island with unique central lake and status as a protected area using remote sensing. Utilizing Landsat-8 imagery and machine learning regression techniques—Random Forest (RF), Support Vector Machine (SVM), and Classification and Regression Tree (CART)—this research evaluates the water quality in Satonda waters over a decade (2013– 2023). The RF method emerged as the most accurate in estimating Chl-a and SST, indicating its efficacy in monitoring marine ecosystems with the result (RMSE = 0.309 and 0.274). The analysis reveals seasonal upwelling patterns, characterized by decreased SST and increased Chl-a concentration, with peaks varying annually between June and November. This study highlights the crucial role of remote sensing and machine learning in monitoring the effects of climate change on marine biodiversity. It provides valuable insights into the temporal dynamics of upwelling in the shallow waters of Indonesia.
Co-Authors Astrid Damayanti Bustamam, Alhadi Charlos Togi Stevanus, Charlos Togi Efriana, Anisya Feby Efriana, Feby Gunawan, Dino Kuncoro Teguh Setiawan, Kuncoro Teguh MASITA DWI MANDINI MANESSA, MASITA DWI MANDINI Maulidina, Kintan Muhammad Haidar Mukhtar, Mutia Kamalia Pamungkas, Fajar Dwi Prakarsa, Geraldo Nazar Retno Lestari Riesnandar, Ariq Anggaraksa Sarwinda, Devvi Stevanuse, Charlos Togi Supriatna Supriatna Susetyo, Novi Adi