Interpretasi Data Citra Geospatial UAV Orthophotos untuk Monitoring Lahan Kelapa Sawit

Abstract

Unmanned Aerial Vihicle (UAV) adalah salah satu alat yang digunakan untuk memantau lahan kelapa sawit dari awal, sehingga bagian mana dari lahan perkebunan itu yang tanaman sawitnya subur yang artinya tumbuh sempurna, kurang subur dalam artian tumbuh tapi tidak sempurna, atau tidak tumbuh sama sekali dapat diketahui dengan cepat. Citra orthophotos yang dihasilkan dapat diolah menggunakan Matlab, untuk membedakan tanaman kelapa sawit yang subur, kurang subur dan tidak tumbuh dengan metode Gray Level Co-Occurrence Matrix (GLCM) berdasarkan empat parameter dengan arah derajat keabuan 0°, 45°, 90°, dan 135° dengan 30 sampel citra. Keempat parameter itu adalah Kontras,Corelasi, Energi atau entropy dan Homogeniti. Hasil dari pengolahan citra dengan metode GLCM dihitung kembali dengan statistik untuk memetakan daerah subur,kurang subur dan tidak tumbuh. Dari hasil statistik didapatkan nilai range untuk daerah kontras 0o adalah 7,7635, kontras 45o adalah 14,2758, kontras 90o adalah 8.2313 kontras 135o adalah 12,5904. Nilai range korelasi 0o adalah 0,1998, korelasi 45o adalah 0,3625, korelasi 90o adalah 0,1729 dan korelasi 135o adalah 0,7310. Nilai range energi 0o adalah 0,1137, energi 45o adalah 0,0965, energi 90o adalah 0,0988, energi 135o adalah 0,4215. Nilai range homogeniti 0o adalah 0,2964, homogeniti 45o adalah 0,2870, homogeniti 90o adalah 0,2553 dan homogeniti 135o adalah 0,2755.

Unmanned Aerial Vehicle (UAV) is one of the tools that can be used to monitor palm oil plantation remotely. With the geospatial orthophotos, it is possible to identify which part of the plantation land is fertile for planted crops, means to grow perfectly. It is also possible furthermore to identify less fertile in terms of growth but not perfect, and also part of plantation field that is not growing at all. This information can be easilyknown quickly with the use of UAV photos. In this study, we utilized image processing algorithm to process the orthophotos for more accurate and faster analysis. The resulting orthophotos image were processed using Matlab including classification of fertile, infertile, and dead palm oil plants by using Gray Level Co-Occurrence Matrix (GLCM) method. The GLCM method was developed based on four direction parameters with specific degrees 0°, 45°, 90°, and 135°. From the results of research conducted with 30 image samples, it was found that the accuracy of the system can be reached by using the features extracted from the matrix as parameters Contras, Correlation, Energy, and Homogeneity. Result from image processing by GLCM method are recalculated with statistic to map fertile, infertile and dead palm oil plants. Statistical results obtained the range value for conrast area 0o is 7,7635, contrast 45o is 14,2758 contrast 90o is 8,2313 contrast 135o is 12,5904. The value of the correlation range 0o is 0,1998, correlation 45o is 0,3625 correlation 90o is 0,1729 and correlation 135o is 0,7310. The range or energy 0o is 0,1137, energi 45o is 0,09565, energy 90o is 0,0988, energy 135o is 0,4215. The range of homogeneity 0o is 0,2964, homogneity 45o is 0,2870, homogeneity 90o is 0,2553 and homogeneity 135o is 0,2755.