KOMBINASI SURVEI KERANGKA SAMPEL AREA DAN REMOTE SENSING UNTUK ESTIMASI LUAS TANAMAN PADI DI MASA PANDEMI (KSA-Hybrid) Studi Kasus di Provinsi Lampung

##plugins.themes.bootstrap3.article.main##

Isnaeni Nur Khasanah Dwi Wahyu Triscowati Arif Handoyo Widyo P. Buana Kadir Kadir

Abstract

Pelaksanaan Survei Kerangka Sampel Area (KSA) di masa pandemi dihadapkan pada potensi penurunan realisasi pengamatan sampel akibat restriksi yang membatasi pergerakan masyarakat di sejumlah wilayah. Pembatasan Sosial Berskala Besar dan penerapan protokol kesehatan yang ketat untuk memutus rantai penyebaran Covid-19 mengakibatkan petugas tidak dapat melakukan kunjungan lapangan untuk mengamati fase tumbuh tanaman padi di beberapa sampel subsegmen. Pelaksanaan Survei KSA bertumpu pada pengamatan lapangan terhadap puluhan ribu titik amatan. Hal ini tidak operasional untuk wilayah dengan pembatasan sosial ketat atau yang terletak di daerah remote. Sebagai solusi, pengamatan titik amat sampel KSA dapat dilakukan dengan bantuan remote sensing. Penelitian ini mengkombinasikan Survei KSA dan remote sensing dalam mengestimasi luas tanaman padi yang disebut KSA-Hybrid. Fase tumbuh tanaman padi di lokasi sampel subsegmen KSA Provinsi Lampung diprediksi dengan model machine learning berdasarkan data citra satelit Landsat-8. Estimasi luasan setiap fase kemudian diperoleh dengan menggunakan metode yang diterapkan pada KSA rutin. Hasil evaluasi menunjukkan bahwa terdapat perbedaan yang cukup signifikan antara estimasi luas panen KSA-Hybrid dan KSA rutin. Selain itu, tingkat kesesuaian antara hasil KSA-Hybrid dan KSA rutin untuk amatan bulan Juni 2020 bervariasi antar kabupaten/kota pada rentang 62-76 persen. Pengembangan KSA-Hybrid dapat dilakukan dengan meningkatkan performa model machine learning dan penggunaan citra satelit dengan resolusi yang lebih tinggi.

##plugins.themes.bootstrap3.article.details##

How to Cite
KHASANAH, Isnaeni Nur et al. KOMBINASI SURVEI KERANGKA SAMPEL AREA DAN REMOTE SENSING UNTUK ESTIMASI LUAS TANAMAN PADI DI MASA PANDEMI (KSA-Hybrid). Jurnal Aplikasi Statistika & Komputasi Statistik, [S.l.], v. 12, n. 2, p. 53-62, dec. 2020. ISSN 2615-1367. Available at: <https://jurnal.stis.ac.id/index.php/jurnalasks/article/view/284>. Date accessed: 15 apr. 2021. doi: https://doi.org/10.34123/jurnalasks.v12i2.284.
Section
Komputasi Statistik

References

BPN. (2019). Luas Lahan Baku Sawah Nasional Tahun 2019. Keputusan Menteri ATR/Kepala BPN No. 686/SK-PG.03.03/XII/2019. Kementerian Agraria dan Tata Ruang/Badan Pertanahan Nasional. Jakarta.
BPS. (2017). Pengantar Kerangka Sampel Area. Website KSA BPS. BPS, Jakarta. Cited in https://ksa.bps.go.id/index.php. [12 September 2020]
BPS. (2018). Pedoman Teknis Pendataan Statistik Pertanian Tanaman Pangan Terintegrasi dengan Metode Kerangka Sampel Area (KSA) 2018. Jakarta: Badan Pusat Statistik.
FAO. (2017). Global Strategy to improve Agricultural and Rural Statistics (GSARS): Handbook on Remote Sensing for Agricultural Statistics. GSARS Handbook: Rome.
Ghimire B, Rogan J, Galiano VR, Panday P, Neeti N. (2012). An Evaluation of Bagging, Boosting, and Random Forests for Land- Cover Classification in Cape Cod, Massachusetts, USA. GIScience & Remote Sens. 49(5):623–643. https://doi:10.2747/1548-1603.49.5.623
Hastie T, Tibshirani R, Friedman J. (2009). The Elements of Statistical Learning (Data Mining, Inference, and Prediction). New York [AS]: Springer.
Marsuhandi, Arif Handoyo dkk. (2019). Pemanfaatan Ensemble Learning Dan Penginderaan Jauh Untuk Pengklasifikasian Jenis Lahan Padi. Prosiding Seminar Nasional Official Statistics 2019. Politeknik Statistika STIS. Jakarta. https://doi.org/10.34123/semnasoffstat.v2019i1.247
Ruslan, Kadir. (2019). Memperbaiki Data Pangan Indonesia Lewat Metode Kerangka Sampel Area. Center for Indonesian Policy Studies. Jakarta. https://doi.org/10.35497/287781
Triscowati, Dwi Wahyu dkk. (2019). Classification of Rice-Plant Growth Phase Using Supervised Random Forest Method Based on Landsat-8 Multitemporal Data. International Jurnal of Remote Sensing and Earth Sains (Ijreses), Volume 16 No 2 2019. https://dx.doi.org/10.30536/j.ijreses.2019.v16.a3217
Triscowati, Dwi wahyu dan Wijayanto, Arie Wahyu. (2019). Peluang dan Tantangan Dalam Pemanfaatan Teknologi Penginderaan Jauh dan Machine Learning Untuk Prediksi Data Tanaman Pangan yang Lebih Akurat. Prosiding Seminar Nasional Official Statistics 2019. Politeknik Statistika STIS. Jakarta. https://doi.org/10.34123/semnasoffstat.v2019i1.230
United States Geological Survey [USGS]. (2018). Landsat 8 (L8) Data User Handbook. South Dakota [USA]: USGS.
UNSD. (2017). Earth Observation for Official Statistics. Satellite Imagery and Geospatial Data Task Team Report. United Nations.