Ananda Shabrina Putri Gunawan
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Pola Rotasi Tanam Padi Menggunakan Model Fusi Spasial Temporal ESTARFM Pada Citra Landsat 8 Dan MODIS Rosyadi, Raden Ibnu; Ananda Shabrina Putri Gunawan; Bayu Kurniawan; Gilang Cahya Nusantara
Jurnal Geografi, Edukasi dan Lingkungan (JGEL) Vol. 10 No. 1 (2026): Edisi Bulan Januari
Publisher : Pendidikan Geografi Universitas Muhammadiyah Prof. Dr. Hamka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/jgel.v10i1.20142

Abstract

Luas dan rotasi tanam merupakan variabel kunci dalam estimasi produksi padi yang dapat dianalisis melalui penginderaan jauh dengan pendekatan temporal. Meskipun demikian, penginderaan jauh menghadapi kendala biaya ketika dibutuhkan citra dengan resolusi temporal yang tinggi sekaligus resolusi spasial yang memadai. Oleh karena itu diperlukan metode yang dapat meningkatkan aspek resolusi temporal citra penginderaan jauh. Penelitian ini bertujuan untuk menganalisis kemampuan algoritma Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) dalam menghasilkan informasi temporal tambahan untuk mengenali pola rotasi tanam padi. Metode yang digunakan adalah pemodelan ESTARFM pada citra Landsat 8 dan citra MODIS untuk menghasilkan citra fusi dengan resolusi spasial setara Landsat 8 dan resolusi temporal yang ditingkatkan dari MODIS. Uji akurasi nilai indeks NDVI (Normalized Difference Vegetation Index) pada citra fusi hasil ESTARFM dilakukan dengan menghitung RMSE dari perbandingan nilai NDVI antara citra fusi tersebut dan citra Landsat 8 pada waktu citra yang sama. Dihasilkan nilai RMSE 0,017165 (baik). Analisis pola rotasi tanam padi melalui grafik nilai mean indeks NDVI dengan penambahan citra fusi hasil ESTARFM menghasilkan pendetailan fase pertumbuhan tanaman padi. Kesimpulan penelitian ini adalah pemodelan ESTARFM mampu menghasilkan citra fusi spasial temporal dengan akurasi yang memadai serta mendukung identifikasi fase pertumbuhan tanaman padi secara detail, sehingga berpotensi memperkuat penyediaan informasi produksi padi berbasis penginderaan jauh.