Drone Digunakan untuk Membantu Petani Mengurangi Risiko Gagal Panen

Sumber : risetpro.brin.go.id

Para petani tidak perlu lagi harus lelah berkeliling sawah untuk mengecek kondisi padi yang mereka tanam, apakah diserang hama atau tidak. Dengan menggunakan drone atau pesawat nirawak (Unmanned Aerial Vehicle, UAV), mereka cukup duduk sambil melihat keadaan padi miliknya dari gambar yang telah direkam drone.

Teknologi drone merupakan salah satu contoh implementasi teknik penginderaan jauh untuk membantu dalam memantau lahan persawahan yang memiliki area yang cukup luas maupun daerah  terpencil atau remote area. Drone memudahkan pihak terkait dalam manajemen perawatan lahan pertanian seperti memberikan obat pada tanaman saat diserang hama, pemupukan, dan masa pemanenan.

Sutomo, Rajif Iryadi bersama tim dari Pusat Riset Konservasi Tumbuhan Organisasi Riset Ilmu Pengetahuan Hayati BRIN (sebelumnya Pusat Penelitian Konservasi Tumbuhan dan Kebun Raya, Kawasan BKT Kebun Raya “Eka Karya” Bali – LIPI), telah mempraktikkan penggunaan pesawat tanpa awak itu untuk memantau dua  sawah yang berbeda.  Alat yang digunakan adalah drone DJI Mavic 2 Pro untuk perolehan data perekaman dan Drone Visible RGB (Red, Green, Blue) untuk perekaman di sebagian Desa Subamia, Tabanan Bali tanggal 11 Agustus 2020.

Tim ini juga menggunakan hasil perekaman DJI Multispectral oleh Tim dari Asosiasi Pilot Drone Indonesia (APDI) and Indonesia Mapping Community (IMC) tanggal 30 Mei 2020 yang menerbangkan drone multispectral di atas daerah pertanian di Desa Karang Tengah, Bogor Jawa Barat.

Pada data perekaman di daerah Bogor, padi yang terekam masih dalam periode masa tanam yakni fase vegetatif, dimana rentang umurnya 65 hari. Kelebihan data drone multispectral adalah kemampuan analisis spektral untuk kajian-kajian objek vegetasi dengan memanfaatkan rentetan spektrum warna yang keluar terhadap vegetasi, khususnya padi.

Data yang diperoleh dari drone dimanfaatkan untuk membuat indeks vegetasi berupa NDVI (Normalized Difference Vegetation Index). NDVI merupakan suatu nilai hasil pengolahan indeks vegetasi dari citra satelit. Indeks ini dapat memberikan gambaran area yang bervegetasi dan tak bervegetasi dapat juga digunakan untuk mengetahui kerapatan vegetasinya. Data dari drone menunjukkan pola tanam padi di area persawahan terlihat masih belum ada penyeragaman masa tanam.

Pendekatan kelas vegetasi menggunakan analisis NDVI mempermudah mengklasifikasi tutupan vegetasi padi di persawahan sehingga mampu mendapatkan informasi sawah yang sudah ditanami padi dan yang belum. Selain itu, data ini juga memberikan informasi bagaimana pola pertumbuhan setiap petak sawah dalam keseragaman penanaman maupun adanya kerusakan pada pola tumbuh padinya.

Perbandingan dengan Green-Red-Vegetation Index (GRVI) yang berdasarkan data drone pankromatik digunakan untuk solusi menggunakan data image berupa data RGB, hasil analisis ini menonjolkan obyek vegetasi dimana pantulan vegetasi tinggi di Green dan menurun di Red, sehingga bisa menonjolkan vegetasi dengan pendekatan yang mengadopsi dari analisis NDVI.

Hasil efektifitas GRVI terhadap NDVI menunjukan nilai 80%, apabila mendapat nilai di bawah nol (0) menunjukan kesalahan pada kelasnya. Nilai 80% ini diperoleh dengan membandingkan jumlah pixel yang terkelaskan seusai dibandingkan dengan total pixel-nya.

Persawahan padi di Indonesia umumnya pada setiap petaknya dimiliki oleh pemilik yang berbeda, sehingga pada penentuan jenis dan periode tanam seringkali ditemukan perlakuan yang tidak seragam. Kondisi ini dapat menyebabkan kendala dalam hal pengaruh kadar pemupukan, waktu dan jumlah irigasi setiap petak sawah, dan potensi munculnya hama pengganggu akibat pola perlakukan tanaman yang berbeda tersebut. Hasil pengamatan di area sawah di Desa Karang Tengah, Bogor menunjukkan hampir 68% area persawahan telah ditanami dengan detail 20% area masa penanamannya lebih awal oleh pemilik sawah,  sedangkan 48% kondisi baru ditanami padi. Informasi luasan ini juga membantu pemilik sawah untuk dapat mengukur kebutuhan bibit padi yang dibutuhkan untuk ditanami maupun keperluan pupuk yang nantinya akan digunakan.

Peneliti BRIN, Sutomo, menuturkan informasi lain yang diperoleh dari data pemetaan drone ialah dapat membuat kajian identifikasi mengenai pola tanaman yang telah tumbuh; apakah tumbuh secara baik dan seragam atau terdapat pertumbuhan yang terhambat. Pendekatan visual dengan menekankan pada unsur pola dan kerapatan pada kelompok kelas petak tanaman padi masa penanamannya lebih awal maka terlihat beberapa area di beberapa petak mengalami perbedaan tumbuh bahkan ada yang tidak tumbuh, hal ini dapat dijadikan rujukan.

Ketinggian terbang drone akan mempengaruhi skala detail informasi serta bagaimana pola dan kondisi tutupan vegetasi padinya. Semakin tinggi terbang drone, hasil data pemetaan drone akan semakin terbatas informasinya. Sedangkan semakin rendah akan semakin detail informasi yang diperoleh nantinya. Penggunaan Drone DJI Mavic 2 Pro dengan tinggi terbang 10 meter, di persawahan di Desa Subamia, Tabanan. Untuk mengurangi risiko gagal panen, drone diterbangkan di atas areal padi yang sedang diserang hama.”Kami memilih pada areal padi yang mengalami serangan hama tungro dengan varietas padi yang ditanam adalah Inpari 32. Tungro adalah penyakit virus pada padi yang menyebabkan tanaman tumbuh kerdil dan berkurangnya jumlah anakan,” kata Sutomo yang juga penerima Beasiswa Gelar RISET-Pro tahun 2013.

Pelepah dan helaian daun memendek dan daun yang terserang sering berwarna kuning sampai kuning-jingga (oranye). Wereng hijau adalah serangga utama yang menyebarkan virus tungro. Adapun usaha pencegahan atau preventif dengan penyemprotan bahan kimia dan melakukan tambal sulam terhadap tegakan padi yang prosentase daun menguningnya mengalami lebih dari 50% dari individunya. Pemanfaatan data drone di sini untuk menginventarisir dalam upaya pengambilan keputusan dalam melakukan kegiatan preventif dalam mengurangi risiko gagal panen akibat serangan tungro. Pemanfaatan pemetaan drone diharapkan memberikan informasi nilai pantulan objek daun padi yang terserang tungro untuk bahan inventaris dengan pendekatan GRVI.

Penentuan ukuran kelas untuk menentukan serangan tungro didasarkan pada analisis training area yang terindikasi terkena tungro. Kemudian dengan analisis statistik didasarkan nilai rerata dan standar deviasi dengan penentuan batas atas dan bawah dapat ditentukan rentang kelas GRVI yang mengalami serangan tungro yaitu antara nilai 0,1094 – 0,1279.

Hasil pemetaan indikasi serangan tungro dengan pendekatan GRVI mendapatkan ketelitian pemetaan 86% dengan koefisien kappa 0,74. Hasil ini dianggap cukup efektif, mengingat data drone merupakan data dengan kelebihan resolusi spasial yang tinggi namun keterbatasan spektral inilah yang menjadikan nilai akurasi untuk analisis kaitannya serangan hama masih di sekitar 86%.

Kajian analisis kondisi serangan trungo tanaman padi di petak sawah yang dikaji menunjukkan bahwa tumbuhan padi yang masih hijau tiap individu mencapai 53%. Oleh karena itu, dalam upaya antisipasinya disarankan untuk menggunakan obat kimia untuk penanganan tungronya. Kondisi pola kerusakan tersebut dan umur padi masih sekitar 3-4 minggu diharapkan nantinya akan bisa terselamatkan dan mampu mendapatkan panen yang diharapkan. Penelitian ini sudah dipublikasikan di dua jurnal yang berbeda yaitu di Short Communication: Plant  diversity utilization and land cover composition in the Subak Jatiluwih, Bali, Indonesia. Biodiversitas Journal of Biological Diversity 22:1424-1432. Publikasi lainnya yang memuat hasil penelitian drone untuk tanaman pokok ini diberi judul “Pemanfaatan Data Drone Dalam Monitoring Tanaman Padi”.

Source : https://risetpro.brin.go.id/web/2021/09/22/drone-digunakan-untuk-membantu-petani-mengurangi-risiko-gagal-panen/