HASIL DAN DISKUSI
4.5. NDSI vs. Parameter Biofisik Tanaman (Indramayu)
4.17.
4.18.
4.19.
Gambar 4.17., 4.18., 4.19. Distribusi nilai koefisien determinasi terhadap panjang gelombang terpilih. Nilai R2 diperoleh dari regresi linier antara pengukuran LAI, SPAD dan panen dengan seluruh kombinasi pasangan panjang gelombang dalam NDSI indeks spectral.
Korelasi antara indeks NDSI terhadap LAI terlihat cukup signifikan yaitu 0.83 dengan kombinasi pasangan kanal merah (red) di 700 nm – 750 dan kanal inframerah dekat (NIR) di 890 nm – 910 nm. Dengan tingkat akurasi tersebut, indeks NDSI dapat digunakan untuk memprediksi LAI. Untuk korelasi antara indeks NDSI dengan klorofil (SPAD) menunjukkan nilai korelasi yang tidak begitu signifikan yaitu 0.54 dengan kombinasi pasangan kanal yaitu 720 nm untuk kanal merah dan 850 – 900 nm untuk kanal NIR. Dengan demikian akurasi prediksi SPAD melalui indeks NDSI kurang begitu baik. Berdasarkan teori, seharusnya indeks NDSI memiliki korelasi yang tinggi dengan nilai klorofil karena kandungan klorofil memiliki reflektansi tinggi pada regim kanal merah (700 nm – 750 nm) dan regim kanal biru (kanal biru tidak digunakan karena nilai spektralnya tumpang tindih dengan penyerapan oleh carotenoids) dan indeks NDSI pun memiliki nilai optimum di kanal merah. Hal yang mungkin menyebabkan mengapa nilai korelasi antara indeks NDSI dengan SPAD rendah adalah pada metode pengukuran klorofil itu sendiri. Pengukuran klorofil dalam penelilitian ini menggunakan Chlorophyll Meter SPAD-502 (Minolta Corporation, New Jersey, USA). Bagaimanapun, pengukuran klorofil dengan SPAD-502 meter menghasilkan data yang berubah-ubah (arbitrary) dibanding dengan pengukuran klorofil daun di laboratorium. Hasil regresi indeks NDSI dengan nilai panen menunjukkan nilai yang yang rendah yaitu 0.41 pada pasangan kanal merah di 550 nm dan kanal Infra merah dekat di 1300 nm. Seperti yang telah dijelaskan pada sebelumnya bahwa kesalahan utamanya terletak pada pengukuran produksi tiap kuadratnya. Selain itu, antara besar kecilnya panen dengan nilai NDSI tidak memiliki keterkaitan secara langsung sebab besar kecilnya produksi yang paling mempengaruhi adalah nilai kecukupan nutrisi dalam hal ini pupuk dan jenis varietas. Sedangkan untuk indeks NDSI hanya bisa menjelaskan tentang fase-fase pertumbuhan pada tanaman. Jika tumbuhan telah mencapai pada fase puncak vegetasi maka indeks NDSI-nya akan mencapai nilai maksimum. Nilai indeks NDSI untuk vegetasi ini berkisar antara 0 dan 1.
BAB 5
KESIMPULAN
Perkembangan teknologi Hyperspectral saat ini telah membawa paradigma baru dalam bidang penginderaan jauh tidak hanya dalam bidang spektroskopi tetapi juga dalam pemetaan spasial sehingga mampu mengidentifikasi dan menganalisis objek secara lebih baik. Hyperspectral dikenal dengan istilah imaging spectrometer yang merupakan kelanjutan dari teknologi multispektral. Pada teknologi multispektral, keterbatasan jumlah kanal menyebabkan teknologi ini umumnya hanya mampu mengidentifikasi suatu area berdasarkan perbedaan karakteristik yang ekstrim, seperti jalan, hutan, perumahan, sungai dan lain-lain. Dengan dikembangkannya teknologi hyperspektral ini, suatu area dapat secara lebih detil dibedakan seperti pengamatan fase pertumbuhan tanaman, pengamatan kondisi kesehatan tanaman dan lain-lain. Teknik ini menggunakan jumlah sensor hyper (berlebih) sehingga hasil yang didapat lebih detail dan akurat. Dengan resolusi yang sempit dan jumlah kanal yang lebih banyak, sensor hyperspectral dapat digunakan untuk melakukan klasifikasi dan identifikasi objek/material di muka bumi sebagaimana objek aslinya. Pengembangan instrumen ini melibatkan dua teknologi yang saling terkait yaitu spektroskopi dan remote imaging (penginderaan) objek di muka bumi. Spektroskopi merupakan studi tentang cahaya yang dipantulkan oleh material yang terkait dengan panjang gelombang sebagai perwakilan dari energi yang diterima/dipantulkan objek. Spektral ini penting sebagai alat bantu dalam interpretasi citra hyperspektral.
Karena memiliki lebih banyak jumlah kanal/spektral band, dalam bidang pertanian teknologi ini dapat dimanfaatkan untuk membangun model estimasi produksi padi dengan melakukan analisis pada kondisi/parameter biofisik tanaman pada kurun waktu tertentu. Informasi mengenai parameter-parameter biofisik tanaman (crop variables) ini merupakan faktor penentu untuk mengetahui kondisi pertumbuhan suatu tanaman.
Pengukuran secara simultan 3 parameter biofisik yaitu indeks luas daun (LAI), indeks klorofil (SPAD), serta ubinan (yield) dan pengukuran spektral di
lapangan pada daerah penelitian di Kabupaten Indramayu dan Subang bertujuan untuk membangun model prediksi produktivitas tanaman padi. Model prediksi yang optimal dapat ditunjukkan oleh nilai koefisien korelasi yang tinggi (R2) antara data spektral dengan parameter biofisik. Luaran yang dihasilkan dari kajian ini adalah terpilihnya band optimal mulai dari rentang panjang gelombang tampak (visible) sampai infrared yang mempunyai akurasi signifikan dengan parameter biofisik dan biokimia.
Dari hasil analisis Multiple Linear Regression 4 variabel menunjukkan nilai R2 yang cukup tinggi pada regresi nilai spectral terhadap LAI. Hal ini menunjukkan bahwa kombinasi ke-empat variable panjang gelombang optimal memiliki akurasi yang cukup baik untuk memprediksi LAI.. Sehingga dapat dikatakan bahwa keempat panjang gelombang yang diperoleh dapat digunakan sebagai model prediksi LAI. Di lain pihak, model spektral indeks untuk memprediksi SPAD dan Yield tidak begitu memuaskan.
PLSR dapat meningkatkan kemampuan prediksi yang ditandai dengan meningkatnya nilai R2dan kecilnya nilai RMSE dan NLV. Untuk data internal, R2 akan meningkat ketika jumlah laten ditingkatkan. Ini akan mencapai nilai sempurna (ideal, 1) ketika jumlah laten mendekati atau sama dengan jumlah sampel. Di dalam validasi, jumlah laten harus ditentukan untuk mendapatkan nilai R2maksimum. Beberapa keunggulan metode PLSR adalah sebagai berikut:
1. Metode PLSR dapat meningkatkan kemampuan prediksi dibanding dengan menggunakan indeks NDSI yang terlihat pada meningkatnya nilai R2 dan turunnya nilai RMSE dan NLV.
2. Indeks NDSI dapat digunakan untuk memprediksi LAI melalui penggunaan kombinasi pasangan kanal merah (red) di 700 nm – 750 dan kanal inframerah dekat (NIR) di 890 nm – 910 nm.
3. Untuk korelasi antara indeks NDSI dengan klorofil (SPAD) dan panen menunjukkan nilai korelasi yang tidak begitu signifikan yaitu 0.54 dan 0.41. Peluang untuk menggunakan indeks NDSI ini dalam mengestimasi nilai klorofil masih besar asalkan data klorofil yang digunakan berasal dari pengukuran laboratorium. Penggunaan indeks NDSI dalam pendugaan panen tidak direkomendasikan hal ini terlihat dari nilai koefisien (R) yang kecil.
Pengamatan fase pertumbuhan tanaman merupakan salah satu indikator penting untuk dilakukan mengingat keterkaitannya dengan estimasi produktivitas. Perbedaan umur suatu vegetasi melalui data hyperspektral dapat lebih mudah diamati melalui analisis nilai spectral. Tingginya nilai spectral reflektansi suatu tanaman ditandai dengan tingginya densitas tanaman tersebut. Pada tanaman padi muda (fase vegetatif) akan memiliki nilai reflektansi yang tinggi pada panjang gelombang tampak, 0.4 µm – 0.7 µm (absorpsi kecil) dan rendah pada panjang gelombang NIR, 0.75 µm – 1.1 µm (reflektansi kecil). Sebaliknya pada tanaman yang berada pada puncak vegetasi (fase reproduktif) akan memilki nilai reflektansi gelombang yang kecil pada panjang gelombang tampak (absorpsi tinggi) dan besar pada panjang gelombang NIR (reflektansi tinggi). Dengan menggunakan teknik Spectral Angle Mapper (SAM), perbedaan fase pertumbuhan tanaman dari data hyperspectral dapat dengan mudah dilakukan sehingga untuk masa yang akan datang dapat diaplikasikan untuk estimasi produksi padi pada suatu daerah dan kurun waktu tertentu.