Electronic Theses and Dissertation

Kabupaten Aceh Besar merupakan salah satu wilayah penghasil padi di Provinsi Aceh. Pemantauan kondisi tanaman padi secara cepat dan akurat diperlukan untuk mendukung pengelolaan budidaya yang lebih efektif. Salah satu pendekatan yang dapat digunakan adalah penginderaan jauh menggunakan citra Unmanned Aerial Vehicle (UAV) berbasis citra RGB yang dianalisis menggunakan indeks Visible Atmospherically Resistant Index (VARI). Penelitian ini bertujuan untuk memetakan kondisi kesehatan tanaman padi secara spasial menggunakan citra UAV dan indeks VARI serta menganalisis distribusi kondisi vegetasi pada beberapa waktu pengamatan. Penelitian ini juga memberikan informasi mengenai dinamika kondisi vegetasi tanaman padi secara spasial dan temporal berdasarkan empat waktu pengamatan menggunakan citra UAV berbasis RGB.
Penelitian ini menggunakan metode penginderaan jauh berbasis UAV dengan pendekatan analisis spasial menggunakan Sistem Informasi Geografis (SIG). Data diperoleh melalui akuisisi citra UAV pada umur tanaman 26, 33, 41, dan 51 hari setelah tanam (HST). Pemilihan waktu pengamatan dilakukan untuk menggambarkan perubahan kondisi vegetasi selama fase pertumbuhan vegetatif, sedangkan pelaksanaan akuisisi citra disesuaikan dengan kondisi cuaca serta kelayakan operasional UAV sehingga interval antar waktu pengamatan tidak selalu sama. Citra yang diperoleh diolah menggunakan Agisoft Metashape untuk menghasilkan orthomosaic, kemudian dianalisis menggunakan ArcGIS Pro dengan bantuan ArcPy untuk menghitung indeks VARI menggunakan rumus (Green − Red)/(Green + Red − Blue).
Hasil penelitian menunjukkan bahwa pada 26 HST kategori tanaman dengan nilai VARI rendah mendominasi area penelitian dengan luas 1,5055 ha (50,86%). Pada pengamatan berikutnya terjadi perubahan distribusi kategori vegetasi yang ditunjukkan oleh meningkatnya luas kategori kesehatan sedang hingga mencapai 1,8827 ha (63,60%) pada 51 HST. Sebaliknya, kategori tanaman dengan nilai VARI rendah menurun menjadi 0,7876 ha (26,61%), sedangkan kategori non-vegetasi berkurang menjadi 0,2268 ha (7,66%). Hasil ground check menunjukkan adanya kesesuaian antara nilai VARI dan kondisi visual tanaman padi di lapangan, sehingga indeks VARI mampu menggambarkan variasi tingkat kehijauan vegetasi secara spasial dan temporal.
Secara keseluruhan, penelitian ini menunjukkan bahwa pemanfaatan citra UAV berbasis RGB dan indeks VARI mampu memetakan distribusi kondisi vegetasi kesehatan tanaman padi secara cepat dan akurat sehingga berpotensi menjadi informasi pendukung dalam pemantauan kesehatan tanaman dan pengelolaan pertanian presisi. Meskipun demikian, penelitian ini masih memerlukan pengembangan melalui penambahan data validasi lapangan yang lebih rinci, kombinasi dengan indeks vegetasi lainnya, serta integrasi analisis sifat tanah dan faktor lingkungan untuk meningkatkan akurasi interpretasi kondisi vegetasi.

Aceh Besar Regency is one of the rice-producing regions in Aceh Province. Rapid and accurate monitoring of rice crop conditions is necessary to support more effective cultivation management. One approach that can be used is remote sensing using imagery. Unmanned Aerial Vehicle (UAV) based on RGB imagery analyzed using the indexVisible Atmospherically Resistant Index (VARI). This study aims to map the health condition of rice plants spatially using UAV imagery and the VARI index and analyze the distribution of vegetation conditions over several observation periods. This study also provides information on the dynamics of rice vegetation conditions spatially and temporally based on four observation periods using RGB-based UAV imagery. This study used a UAV-based remote sensing method with a spatial analysis approach using a Geographic Information System (GIS). Data were obtained through UAV image acquisition at plant ages of 26, 33, 41, and 51 days after planting (DAP). The selection of observation times was carried out to describe changes in vegetation conditions during the vegetative growth phase, while the implementation of image acquisition was adjusted to weather conditions and the operational feasibility of the UAV so that the intervals between observation times were not always the same. The obtained images were processed using Agisoft Metashape to produce orthomosaics, then analyzed using ArcGIS Pro with the help of ArcPy to calculate the VARI index using the formula(Green − Red)/(Green + Red − Blue). The results of the study showed that at 26 HST, the plant category with a low VARI value dominated the study area with an area of ​​1.5055 ha (50.86%). In subsequent observations, there was a change in the distribution of vegetation categories as indicated by an increase in the area of ​​the moderate health category to 1.8827 ha (63.60%) at 51 HST. Conversely, the plant category with a low VARI value decreased to 0.7876 ha (26.61%), while the non-vegetation category decreased to 0.2268 ha (7.66%). Results ground checks hows that there is a match between the VARI value and the visual condition of rice plants in the field, so that the VARI index is able to describe variations in the level of greenness of vegetation spatially and temporally. Overall, this study demonstrates that the use of RGB-based UAV imagery and the VARI index can quickly and accurately map the distribution of rice plant vegetation health conditions, potentially providing supporting information for plant health monitoring and precision agriculture management. However, this research still requires further development through the addition of more detailed field validation data, combination with other vegetation indices, and integration of soil properties and environmental factor analysis to improve the accuracy of vegetation condition interpretation.