Proses Perhitungan Otomatis Menggunakan Oil Palm Application (OPA)
Abstract
Abstrak. Kelapa sawit merupakan komoditas utama dalam produksi minyak nabati di Indonesia dan menyumbang pendapatan devisa terbesar bagi negara. Dengan perkebunan kelapa sawit yang luas, pengelolaan jumlah pohon kelapa sawit menjadi krusial dalam perencanaan dan pemeliharaan. Sayangnya, perhitungan manual sering kali tidak efektif dan berisiko terjadi kesalahan perhitungan. Oleh karena itu, penelitian ini mengusulkan penggunaan teknologi penginderaan jauh, khususnya Oil Palm Application (OPA) dari Trimble eCognition, untuk menghitung jumlah pohon kelapa sawit secara otomatis melalui citra satelit beresolusi tinggi. Studi ini bertujuan untuk menjelaskan proses perhitungan otomatis kelapa sawit menggunakan OPA dan mengevaluasi potensi serta tingkat akurasi teknologi ini. Hasilnya diharapkan dapat memberikan kontribusi positif dalam pengelolaan perkebunan kelapa sawit yang lebih efisien. OPA diharapkan mampu memberikan informasi cepat dan akurat tentang jumlah pohon kelapa sawit, membantu pengelola perkebunan dalam perencanaan, pemeliharaan, dan pemupukan yang lebih efektif. Studi ini menjadi relevan mengingat pertumbuhan pesat perkebunan kelapa sawit setiap tahunnya dan meningkatnya permintaan minyak sawit di pasar domestik dan internasional.
Automatic Calculation Process Using Oil Palm Application (OPA)
Abstrac. Palm oil is a primary commodity in the vegetable oil production in Indonesia and contributes significantly to the country's foreign exchange earnings. Given the vast expanses of oil palm plantations, the management of the palm tree count becomes crucial in planning and maintenance. Unfortunately, manual counting often proves ineffective and prone to calculation errors. Therefore, this research proposes the utilization of remote sensing technology, specifically the Oil Palm Application (OPA) by Trimble eCognition, to automatically count the number of oil palm trees through high-resolution satellite imagery.This study aims to elucidate the automated oil palm tree counting process using OPA and evaluate the potential and accuracy of this technology. The results are expected to make a positive contribution to more efficient oil palm plantation management. OPA is anticipated to provide quick and accurate information about the number of oil palm trees, assisting plantation managers in better planning, maintenance, and fertilization. This study is relevant considering the rapid growth of oil palm plantations each year and the increasing demand for palm oil in both domestic and international markets.
Keywords
Full Text:
PDFReferences
Armaiyani, Muslim, & Rusdi, M. (2021). Perhitungan Jumlah Pohon Kelapa Sawit (Elaeis Guineensis Jacq.) Menggunakan Template matching. Universitas Syiah Kuala, Banda Aceh.
Ernawa, Y. G., Tjahjadi, M. E., M, A. Y., & Arafah, F. (2020). Analisis Kemampuan eCognition Dalam Mendeteksi Obejek.
Indarti, D. (2016). Outlook Kelapa Sawit. Jakarta: Pusat Data dan Sistem Informasi Pertanian.
Kiama, J. W., Raman, V., & Patrick, T. H. H. (2014). Low-cost RFID-based palm oil monitoring system (PMS): First prototype. IOP Conference Series: Earth and Environmental Science, 18. doi:10.1088/1755-1315/18/1/012054
Li, W., Fu, H., Yu, L., & Cracknell, A. (2016). Deep learning based oil palm tree detection and counting for high-resolution remote sensing images. Remote sensing, 9(1), 22.
Munadi, E. (2007). Penurunan Pajak Ekspor dan Dampaknya terhadap Ekspor Minyak Kelapa Sawit Indonesia ke Cina (Pendekatan Error Correction Model)”. Export Tax Reduction and Its Implication to Indonesian Palm Oil Export to India (An Error Correction Model Approach). Informatika Pertanian, 16.
Nora, S. (2018). Budidaya tanaman kelapa sawit. Jakarta: Pusat Pendidikan Pertanian.
Oya, N., Rusdi, M., & Fazlina, Y. D. (2022). Analisis Template Matching Pada Berbagai Citra Multi Resolusi Untuk Pesebaran Tanaman Kelapa Sawit (Studi Kasus: PT Perkebunan Nusantara I Langsa). Universitas Syiah Kuala, Banda Aceh.
PTPNI. (2018). Beberapa Istilah Dalam Perkebunan Kelapa Sawit. Retrieved from http://ptpn1.co.id/artikel/beberapa-istilah-dalam-perkebunan-kelapa-sawit
Purba, W., & Ardiyanti, D. (2021). Dinamika Kerjasama Perdagangan Indonesia dalam Ekspor Kelapa Sawit ke India Tahun 2014-2019. Jurnal Mahasiswa Fakultas Ilmu Sosial dan Kependidikan, 2(1), 133-140.
Sawit, P. I. K. (2015). Perencanaan dan Bloking Kelapa Sawit. Retrieved from http://informasi-kelapasawit.blogspot.com/2012/10/perencanaan-dan-bloking-kelapa-sawit.html
Shafri, H. Z. M., Hamdan, N., & Saripan, M. I. (2011). Semi-automatic detection and counting of oil palm trees from high spatial resolution airborne imagery. International Journal of Remote Sensing, 32(8), 2095-2115. doi:10.1080/01431161003662928
Srinarta, K., Prasetyo, Y., & Hadi, F. (2022). Analisis Perhitungan Jumlah Pohon Kelapa Sawit Berdasarkan Algoritma Canopy Height Model (CHM) Dan Local Maxima (LM). Jurnal Geodesi UNDIP, 11(1), 51-60.
Sugiyono. (2013). Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif dan R&D. In. Retrieved from https://opac.perpusnas.go.id/DetailOpac.aspx?id=281396
Ultami, D., Sugianto, & Fazlina, Y. D. (2021). Pemanfaatan Data Penginderaan Jauh Resolusi Tinggi Untuk Automatic Palm Counting (Studi kasus: PT.ASN Perkebunan Kelapa Sawit Batee Puteh). Universitas Syiah Kuala, Banda Aceh.
Yanti, R. N., Hutasuhut, & Lestari, I. (2020). Potensi Limbah Padat Perkebunan Kelapa Sawit di Provinsi Riau. Jurnal Wahana Forestra: Jurnal Kehutanan, 15(2), 1-11.
DOI: https://doi.org/10.17969/jimfp.v9i1.27708
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Jurnal Ilmiah Mahasiswa Pertanian
E-ISSN: 2614-6053 | 2615-2878 | Statistic | Indexing | Citation | Dimensions
Alamat Tim Redaksi:
Fakultas Pertanian,Universitas Syiah Kuala
Jl. Tgk. Hasan Krueng Kalee No. 3, Kopelma Darussalam,
Banda Aceh, 23111, Indonesia.
Email:jimfp@usk.ac.id