Perkiraan Luas Lahan Bawang Merah Menggunakan Metode Rapid Classification of Croplands
Abstract
Bawang merah merupakan salah satu komoditas hortikultura yang memiliki harga berfluktuasi. Integrasi pasar terjadi secara horizontal namun tidak terjadi secara vertikal disebabkan karena sistem informasi yang kurang baik di tingkat produsen dan konsumen. Penelitian ini bertujuan untuk mengestimasi luas lahan bawang merah secara cepat menggunakan metode rapid classification of croplands. Penelitian dilakukan di Kecamatan Merek, Kabupaten Karo, Sumatera Utara. Data primer yang diperoleh dari kegiatan survey diproses menggunakan platform google earth engine. Algoritma classification and regression trees (CART) dan random forest (RF) digunakan untuk mengklasifikasikan tutupan lahan berupa kelas bawang dan non-bawang. Luas lahan bawang merah berdasarkan metode ini sebesar 74.4 hektar, memiliki akurasi luas 95.2 persen, dan akurasi lokasi sebesar 92 persen. Akurasi total metode CRT sebesar 72.13 persen, dan 71.33 persen metode RF. Metode rapid classification of croplands mampu mengestimasi luas lahan dengan cepat sehingga membantu stakeholder yang membutuhkan informasi proyeksi produksi bawang merah, dan bisa dikembangkan untuk memperbaiki sistem informasi integrasi pasar vertikal (integrasi pasar antara produsen dan konsumen). Beberapa kekurangan metode ini yakni: keterbatasan akses dan resolusi belum mampu menggambarkan hingga level pematang kebun, dan kondisi wilayah yang tertutup awan akan mempengaruhi akurasi hasil.
Downloads
References
Bofana, J., Zhang, M., Nabil, M., Wu, B., Tian, F., Liu, W., Zeng, H., Zhang, N., Nangombe, S. S., Cipriano, S. A., Phiri, E., Mushore, T. D., Kaluba, P., Mashonjowa, E., & Moyo, C. (2020). Comparison of different cropland classification methods under diversified agroecological conditions in the Zambezi River Basin. Remote Sensing, 12(13). https://doi.org/10.3390/rs12132096
Bonar M. Sinaga, Hastuti, A. F. (2019). Dampak Kebijakan Impor Dan Faktor Eksternal Terhadap Kesejahteraan Produsen Dan Konsumen Bawang Merah Di Indonesia. Journal of Agriculture, Resource and Environmental Economics, 2(1), 38–53. https://doi.org/10.29244/jaree.v2i1.25963
BPS. (2023a). Pengeluaran Untuk Konsumsi Penduduk Indonesia Per Provinsi 2023. BPS. https://www.archive.bps.go.id/publication/2023/10/20/b891f269877539ef8b0de1db/pengeluaran-untuk-konsumsi-penduduk-indonesia-per-provinsi--maret-2023.html
BPS. (2023b). Statistik Pengeluaran Untuk Konsumsi Penduduk Provinsi Sumatera Utara 2022 (M. P. Samosir & C. P. Aridesyadi (eds.); 1st ed.). BPS Sumatera Utara. https://sumut.bps.go.id/publication/2023/07/12/fc5a9f6f5005a733734bb4cd/statistik-pengeluaran-untuk-konsumsi-penduduk-provinsi-sumatera-utara-2022-.html
BPS. (2023c). Statistik Tanaman Hortikultura Provinsi Sumatera Utara 2022 (1st ed.). BPS Sumatera Utara. https://sumut.bps.go.id/publication/2023/12/07/5f93b27f91659c9552bb1c0b/statistik-tanaman-hortikultura-provinsi-sumatera-utara-2022-.html
BPS Karo. (2023). Kabupaten Karo dalam Angka (Karo Regency in Figures). https://karokab.bps.go.id/publication/2023/02/28/1cb637693112bbe48cb6ab8b/kabupaten-karo-dalam-angka-2023.html
Devara, T., & Wijayanto, A. W. (2021). Machine Learning Applied To Sentinel-2 and Landsat-8 Multispectral and Medium-Resolution Satellite Imagery for the Detection of Rice Production Areas in Nganjuk, East Java, Indonesia. International Journal of Remote Sensing and Earth Sciences (IJReSES), 18(1), 19. https://doi.org/10.30536/j.ijreses.2021.v18.a3538
Firdaus, M. (2021). Disparitas Harga Pangan Strategis Sebelum dan Saat Pandemi COVID-19. Jurnal Ekonomi Indonesia, 10(2), 107–120. https://doi.org/10.52813/jei.v10i2.104
Laksono, F. A., & Yuliawati. (2021). Integrasi Pasar Bawang Merah di Pasar Johar dan Pasar Peterongan Jawa Tengah. Jurnal Ekonomi Pertanian Dan Agribisnis, 5(2), 510–519. https://doi.org/10.21776/ub.jepa.2021.005.02.19
Limbong, J. J. A., Ratu, H. H., Simbolon, P., & Prasetyo, S. Y. J. (2020). Analisis Indeks Vegetasi Area Terdampak Banjir Bandang Di Kabupaten Jayapura Menggunakan Metode Clustering Pada Citra Landsat 8. Indonesian Journal of Computing and Modeling, 3(1), 1–6. https://creativecommons.org/licenses/by/4.0/
Marsuhandi, A. H., Soleh, A. M., Wijayanto, H., & Domiri, D. D. (2020). Pemanfaatan Ensemble Learning Dan Penginderaan Jauh Untuk Pengklasifikasian Jenis Lahan Padi. Seminar Nasional Official Statistics, 2019(1), 188–195. https://doi.org/10.34123/semnasoffstat.v2019i1.247
Mulyaqin, T., Kardiyono, K., Hidayah, I., Ramadhani, F., & Yusron, M. (2022). Deteksi Alih Fungsi Lahan Padi Sawah Menggunakan Sentinel-2 dan Google Earth Engine di Kota Serang, Provinsi Banten. Jurnal Ilmu Pertanian Indonesia, 27(2), 226–236. https://doi.org/10.18343/jipi.27.2.226
Musfiza, D., Armi, I., Arini, D., & Fikri, S. (2023). Aplikasi Penginderaan Jauh Untuk Pemetaan Lahan Sawah. Jurnal Teknik Indonesia, 2(April), 14–28.
Noi Phan, T., Kuch, V., & Lehnert, L. W. (2020). Land cover classification using google earth engine and random forest classifier-the role of image composition. Remote Sensing, 12(15). https://doi.org/10.3390/RS12152411
Papilaya, P. P. E. (2022). Aplikasi Google Earth Engine Dalam Menyediakan Citra Satelit Sumberbedaya Alam Bebas Awan. Makila, 16(2), 96–103. https://doi.org/10.30598/makila.v16i2.6586
Permatasari, N. K. F., Tambunan, M. P., Mannesa, M. D. M., & Tambunan, R. P. (2021). Pengaruh Kekeringan Pada Produksi Tanaman Padi Di Kabupaten Majalengka Dengan Penginderaan Jauh Metode Ndvi. Jurnal Geosaintek, 7(1), 17. https://doi.org/10.12962/j25023659.v7i1.8205
Rahayu, S., Wanita, P. W., & Kobarsih, M. (2014). Penyimpanan Benih Padi Menggunakan Berbagai Jenis Pengemas. Agrin, 15(1), 36–44.
Rusono, N. (2019). Improvement of Rice Food Data for Quality Food Development Planning. The Indonesian Journal of Development Planning, III(2), 253–265.
Samad, M. Y. (2016). Pengaruh Penanganan Pasca Panen Terhadap Mutu Komoditas Hortikultura. Jurnal Sains Dan Teknologi Indonesia, 8(1), 31–36.
Septiana, L. R., Machfud, & Yuliasih, I. (2017). Peningkatan Kinerja Rantai Pasok Bawang Merah (Studi Kasus: Kabupaten Brebes). Jurnal Teknologi Industri Pertanian, 27(2), 125–140. https://doi.org/10.24961/j.tek.ind.pert.2017.27.2.125
Serra, T., & Gil, J. M. (2013). Price volatillity in food markets: can stock building mitigate price fluctuations? European Review of Agricultural Economics, 40(3), 507–528. https://doi.org/https://doi.org/10.1093/erae/jbs041.
Sugara, A., Siregar, V. P., & Agus, S. B. (2022). Klasifikasi Habitat Bentik Perairan Dangkal Dari Citra Worldview-2 Menggunakan Data In-Situ dan Drone. Jurnal Ilmu Dan Teknologi Kelautan Tropis, 19(2), 135–150.
Tamiminia, H., Salehi, B., Mahdianpari, M., Quackenbush, L., Adeli, S., & Brisco, B. (2020). Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing, 164(April), 152–170. https://doi.org/10.1016/j.isprsjprs.2020.04.001
Zaeniyah, F. (2022). Integrasi Vertikal Pasar Bawang Merah Di Provinsi Jawa Timur. Jurnal Ekonomi Pertanian Dan Agribisnis (JEPA), 6(4), 1583–1596.
Zain, A. I., Widjojoko, T., & Mamdamdari, A. N. (2022). Variasi Harga dan Integrasi Pasar Vertikal Bawang Merah di Kabupaten Brebes. Jurnal Ekonomi Pertanian Dan Agribisnis, 6(2), 348–359.
Zulkarnain, M., & Marsisno, W. (2022). Penerapan Pembelajaran Mesin Untuk Estimasi Luas Lahan Bawang Merah Berdasarkan Data Citra Satelit Resolusi Menengah Studi Kasus di Kabupaten Nganjuk, Jawa Timur (Application of Machine Learning for Estimating the Area of Shallots Planted Based on Medium. Seminar Nasional Official Statistics 2022, 1005–1016.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
This journal is published under the terms of the Creative Commons Attribution-NonCommercial 4.0 International License. Authors who publish with this journal agree to the following terms: Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use. NonCommercial — You may not use the material for commercial purposes.