PENGOLAHAN CITRA UNTUK MENDETEKSI POHON KELAPA SAWIT DAN KERAPATAN KELAPA SAWIT MENGGUNAKAN CITRA DRONE

Alif Nur, Rokhman (2024) PENGOLAHAN CITRA UNTUK MENDETEKSI POHON KELAPA SAWIT DAN KERAPATAN KELAPA SAWIT MENGGUNAKAN CITRA DRONE. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (585kB)
	Text BAB 2.pdf Download (698kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (509kB)
	Text DAFTAR PUSTAKA.pdf Download (662kB)
	Text LAMPIRAN.pdf Download (934kB)
	Text HASIL TURNITIN.pdf Download (640kB)
	Text SUKET TURNITIN.pdf Download (628kB)

Abstract

Kelapa sawit merupakan tanaman yang luasnya ditanam di Asia Tenggara, terutama di Indonesia, Malaysia, dan Thailand, karena kemampuannya menghasilkan minyak tertinggi dibandingkan dengan tanaman minyak lainnya seperti kedelai, rapeseed, dan bunga matahari. Pada tahun 2018, luas areal perkebunan kelapa sawit mencapai 14,33 juta hektar dengan produksi mencapai 42,9 juta ton. Peningkatan ini disebabkan oleh ekspansi perusahaan kelapa sawit yang lebih luas. Teknologi perkebunan juga dipengaruhi oleh kemajuan teknologi informasi dan komputer, seperti penggunaan drone untuk mengumpulkan data spasial di perkebunan kelapa sawit. Teknologi ini memungkinkan penggunaan sensor multispektral untuk memonitor kesehatan tanaman kelapa sawit dengan lebih akurat. Penelitian ini fokus pada penggunaan citra satelit Landsat 8 dan pengolahan citra menggunakan aplikasi QGIS. Tujuan penelitian ini adalah untuk menganalisis hasil otomatis dari identifikasi dan penghitungan pohon kelapa sawit, serta menghitung dan menganalisis Normalized Difference Vegetation Index (NDVI) dari citra drone untuk evaluasi kesehatan vegetasi di kebun sawit. Dari hasil uji sampel, jumlah pohon yang terdeteksi (Detected Count) sebanyak 99 pohon dan jumlah pohon sebenarnya (Ground Truth) sebanyak 112 pohon, menghasilkan akurasi sebesar 88,39%. Klasifikasi NDVI menunjukkan bahwa 0,01% area tergolong dalam kategori kehijauan rendah (merah), 29,55% dalam kategori kehijauan sedang (kuning), dan 70,44% dalam kategori kehijauan tinggi (hijau). Studi ini diharapkan dapat membantu pengembangan teknologi deep learning dalam pengolahan citra dan menjadi panduan bagi penelitian selanjutnya dalam bidang kelapa sawit. Manfaatnya bagi masyarakat umum adalah sebagai alat bantu bagi para praktisi yang bekerja di sektor kelapa sawit untuk meningkatkan manajemen produksi dan pemantauan kebun sawit.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing Afri Yudha, S.Kom, M.Kom
Uncontrolled Keywords:	Kelapa Sawit, Perhitungan Pohon, NDVI (Normalized Difference Vegetation Index), QGIS
Subjects:	000 Generalities/Karya Umum > 005.3 Programs/ Program
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	25 Aug 2025 04:04
Last Modified:	25 Aug 2025 04:04
URI:	http://repository.unsada.ac.id/id/eprint/8888

Actions (login required)

View Item