skip to main content

ANALISIS PERHITUNGAN JUMLAH POHON KELAPA SAWIT BERDASARKAN ALGORITMA CANOPY HEIGHT MODEL (CHM) DAN LOCAL MAXIMA (LM)

Received: 15 Nov 2021; Revised: 2 Jan 2022; Accepted: 10 Jan 2022; Available online: 21 Jan 2022; Published: 21 Jan 2022.

Citation Format:
Abstract

Berdasarkan Buku Statistik Perkebunan Unggulan Nasional 2019-2020 yang dikeluarkan oleh Direktorat Jenderal Perkebunan, disebutkan bahwa Indonesia adalah peringkat 1 dalam ekspor sawit dunia dan luas areal perkebunan sawit dunia. Sejak tahun 1980, produksi kelapa sawit dalam bentuk crude palm oil (CPO) terus mengalami peningkatan sebesar 11,8 % tiap tahunnya. Oleh karena itu, diperlukan suatu cara untuk mempermudah dalam proses manajemen perkebunan kelapa sawit supaya hasil produksi terus meningkat, salah satu caranya adalah dengan melakukan perhitungan pohon kelapa sawit secara otomatis. Tujuan dari penelitian ini adalah untuk mengetahui pemanfaatan dari Canopy Height Model (CHM) dengan metode Local Maxima (LM) dalam hal perhitungan pohon secara otomatis dengan memanfaatkan 2 parameter Sliding Window Size (SWS) yaitu SWS 3x3 dan SWS 5x5.

Objek penelitian dibagi menjadi 3 kelas berdasarkan dengan kerapatan pohon per hektar, dimana ada kelas optimal (120-150 pohon/ha), kelas tidak optimal (sedang = 60-119 pohon/ha) dan kelas tidak optimal (jarang = 1-59 pohon/ha). Hasilnya diperoleh bahwa pemanfaatan CHM dengan metode LM dapat mendeteksi pohon kelapa sawit otomatis dan memberikan hasil overall accuracy yang tinggi untuk 2 kelas. Kelas optimal memiliki rata-rata overall accuracy sebesar 0,943 untuk SWS 3x3 dan 0,926 untuk SWS 5x5. Pada kelas tidak optimal (sedang), rata-rata overall accuracy-nya adalah 0,845 untuk SWS 3x3 dan 0,852 untuk SWS 5x5. Pada kelas tidak optimal (jarang) didapatkan overall accuracy yang rendah yaitu 0,670 untuk SWS 3x3 an 0,706 untuk SWS 5x5. Oleh karena itu dilakukan perhitungan dengan metode thresholding khusus untuk kelas tidak optimal (jarang), dan didapatkan overall accuracy sebesar 0,919. Pada penelitian ini, komisi error banyak disebabkan oleh banyaknya rumput/semak dan omisi error disebabkan oleh pohon yang terpotong batas plot dan pohon dengan diameter kecil/ketinggian rendah.
Fulltext View|Download

Article Metrics:

Last update:

No citation recorded.

Last update:

No citation recorded.