Peningkatan Akurasi Identifikasi Penyakit Busuk Pangkal Batang di Perkebunan Kelapa Sawit Menggunakan Unmanned Aerial Vehicle (UAV) dan Machine Learning

Abstrak

Penyakit busuk pangkal batang (BSR) yang disebabkan oleh jamur Ganoderma sp pada tanaman kelapa sawit masih menjadi penyakit utama dan belum ada tindakan pengendaliannya yang efektif. Perlakuan kultur teknis untuk memperpanjang umur tanaman masih menjadi tindakan utama dalam pengendalian penyakit BSR ini. Ketepatan identifikasi dan klasifikasi tanaman sehat dan terinfeksi penyakit BSR secara cepat dan tepat sangat diperlukan untuk mendukung perlakuan kultur teknis. Penelitian ini melanjutkan penelitian Santoso (2020) untuk identifikasi dan klasifikasi tanaman kelapa sawit sehat dan terinfeksi penyakit BSR dengan menggunakan pendekatan remote sensing dari image yang direkam oleh kamera multispektral tiga band dan machine learning. Tujuan utama dari penelitian ini adalah meningkatkan akurasi interpretasi tanaman sehat dan terinfeksi penyakit BSR dengan penambahan variabel berupa sepuluh indeks vegetasi yang memanfaatkan ketiga band dari kamera multispektral (merah, hijau, dan near infrared/NIR) dan penerapan enam belas machine learning classification model. Hasil penelitian menunjukkan model random forest dan stochastic gradient boosting mampu meningkatkan akurasi interpretasi menjadi 87.18 % dari 79.49 % dan kappa value menjadi 0.69 dari 0.48. Peningkatan akurasi ini tidak lepas dari variabel penting dalam fiting model yang digunakan dalam penelitian ini yang didominasi oleh variabel dari indeks vegetasi dan band merah. Model ini perlu diuji untuk mengidentifikasi tanaman sehat dan terinfeksi penyakit BSR dengan taraf insidensi rendah dan sedang.