MODEL DETEKSI CEPAT SEBARAN SAWIT MENGGUNAKAN TEKNOLOGI PENGINDERAAN JAUH

Wahyu Kurniawan, 1414151076 (2021) MODEL DETEKSI CEPAT SEBARAN SAWIT MENGGUNAKAN TEKNOLOGI PENGINDERAAN JAUH. FAKULTAS PERTANIAN, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - Erlanda Okky.pdf Download (2581Kb) | Preview
	File PDF 2. SKRIPSI FULL - Erlanda Okky.pdf Restricted to Hanya staf Download (2501Kb)
Preview	File PDF 3. SKRIPSI FULL TANPA BAB PEMBAHASAN - Erlanda Okky.pdf Download (2579Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Hutan di Indonesia mengalami penurunan setiap tahunnya, dikarenakann banyak masyarakat yang melakukan konversi lahan hutan menjadi lahan perkebunan kelapa sawit. Penginderaan jauh sangat diperlukan untuk melakukan pemantauan dan evaluasi terhadap perkembangan kelapa sawit. Tujuan dari penelitian ini yaitu untuk memperoleh teknik terbaik dalam penginderaan jauh untuk mendeteksi sawit, memperoleh perbedaan kelapa sawit berdasarkan kelas umur melalui penginderaan jauh, dan memperoleh persentase dan luasan perkebunan kelapa sawit di dalam kawsan hutan. Penelitian ini dilakukan dengan menggunakan metode Mximum likelihood Classification (MLC), Object Oriented Classification (OOC), Indeks vegetasi dan juga perhitungan error matrix untuk menentukan teknin terbaik dalam melakukan pendeteksian kelapa sawit. Hasil dari penelitian ini didapatkan bahwa teknik terbaik yang dapat digunakan untuk melakukan pendeteksian sawit adalah OOC dengan persentase sebesar 88,3% dengan luasan sawit yang didapat sebesar 450.628,35 ha. Hal tersebut dikarenakan OOC dapat membedakan kelas tutupan lahan berdasarkan objek yang lebih akurat. Untuk membedakan perbedaan umur sawit masih sulit dilakukan karena resolusi dari citra yang digunakan belum mampu untuk membedakkan kelas umur sawit. Persentase sawit yang terdapat di dalam kawasan hutan yaitu sebesar 19,14% dengan luasan total 86.272,03 ha. Kata kunci: Penginderaan Jauh, MLC, OOC, Indeks Vegetasi Forests in Indonesia have decreased every year, because many people have converted forest land into oil palm plantations. Remote sensing is needed to monitor and evaluate the development of oil palm. The purpose of this research is to obtain the best technique in remote sensing to detect oil palm, to obtain differences in oil palm based on age class through remote sensing, and to obtain the percentage and area of oil palm plantations in forest areas. This research was conducted using the Maximum Likelihood Classification (MLC), Object Oriented Classification (OOC), Vegetation Index and also the error matrix calculation to determine the best technique for detecting oil palm. The results of this study found that the best technique that can be used to detect palm oil is OOC with a percentage of 88.3% with an area of 450,628.35 ha of palm oil obtained. This is because OOC can distinguish land cover classes based on objects more accurately. It is still difficult to distinguish the difference in the age of oil palm because the resolution of the image used is not yet able to distinguish the age class of oil palm. The percentage of oil palm contained in the forest area is 19.14% with a total area of 86,272.03 ha. Keywords: Remote Sensing, MLC, OOC, Vegetation Indeks

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 630 Pertanian dan teknologi yang berkaitan
Program Studi:	Fakultas Pertanian dan Pascasarjana > Prodi Kehutanan
Pengguna Deposit:	UPT . Desi Zulfi Melasari
Date Deposited:	23 May 2022 02:22
Terakhir diubah:	23 May 2022 02:22
URI:	http://digilib.unila.ac.id/id/eprint/61592

Actions (login required)

Lihat Karya Akhir