Analisis LAI, LSM, LCC, dan LNC Tanaman Tebu Berdasarkan Data Remote Sensing Landsat 9

Abstract

Produktivitas dan kualitas tebu, khususnya kadar gula rata-rata merupakan indicator penting dalam mendukung efisiensi produksi gula. Pengukuran kadar gula secara konvensional di lapangan membutuhkan waktu dan biaya yang relatif besar, sehingga diperlukan metode alternatif yang lebih efisien. Pemanfaatan teknologi penginderaan jauh melalui citra satelit Landsat 9 memungkinkan pemantauan kondisi biofisika dan biokimia tanaman secara spasial dan temporal. Parameter yang digunakan dalam penelitian ini meliputi Leaf Area Index (LAI), Leaf Surface Moisture (LSM), Leaf Chlorophyll Content (LCC), Leaf Nitrogen Content (LNC), serta Growing Degree Days (GDD) sebagai indikator akumulasi suhu pertumbuhan tanaman. Penelitian ini bertujuan untuk membangun model estimasi kadar gula rata-rata tanaman tebu menggunakan metode Multivariate Linear Regression (MLR). Data parameter vegetasi diperoleh melalui pengolahan citra Landsat 9 menggunakan Google Earth Engine (GEE), sedangkan data GDD dihitung berdasarkan data suhu. Parameter-parameter tersebut digunakan sebagai variabel independen, sedangkan kadar gula rata-rata digunakan sebagai variabel dependen. Hasil penelitian menunjukkan bahwa kombinasi parameter LAI, LSM, LCC, LNC, dan GDD memiliki hubungan yang sangat kuat dengan kadar gula rata-rata, dengan nilai koefisien determinasi (R²) sebesar 0,968. Hal ini menunjukkan bahwa model yang dihasilkan mampu melakukan estimasi kadar gula tanaman tebu dengan tingkat akurasi 96,8%. Dengan demikian, pendekatan penginderaan jauh dan pemodelan MLR dapat digunakan secara efektif untuk mengestimasi kadar gula tanaman tebu secara efisien.