Jurnal Sosial dan Teknologi (SOSTECH)

Volume 1, Number 8, August 2021

p-ISSN 2774-5147 ; e-ISSN 2774-5155

How to cite:

Yudha Achmad Perlambang

, R. Suharyadi

dan Retnadi Heru Jatmiko

. (2021). Pemanfaatan Citra Sentinel 2

untuk Memprediksi Sebaran Hama Wereng Cokelat di Sebagian Wilayah Kabupaten Pangandaran. Jurnal

Sosial dan Teknologi (SOSTECH), 1(8): 848-855

E-ISSN:

2774-5155

Published by:

https://greenvest.co.id/

PEMANFAATAN CITRA SENTINEL 2 UNTUK MEMPREDIKSI SEBARAN

HAMA WERENG COKELAT DI SEBAGIAN WILAYAH KABUPATEN

PANGANDARAN

Yudha Achmad Perlambang

, R. Suharyadi

dan Retnadi Heru Jatmiko

Universitas Gadjah Mada

1,2 dan 3

[email protected]m

, [email protected]

dan ret[email protected]

Diterima:

12 Juli 2021

Direvisi:

28 Juli 2021

Disetujui:

14 Agustus

2021

Abstrak

Hama wereng cokelat merupakan salah satu hama yang paling sering

menyerang tanaman padi, pendeteksian hama ini akan sangat membantu dalam

pengendalian hama yang efektif. Penginderaan jauh merupakan suatu sistem

yang dapat merekam perubahan yang terjadi di permukaan bumi, termasuk

kerusakan yang disebabkan hama. Tujuan penelitian yaitu membuat peta

prediksi sebaran hama wereng cokelat dengan menggunakan parameter saluran

spektral citra sentinel 2. Metode penelitian yang digunakan yaitu permodelan

dilakukan dengan menggunakan Maximum Entrophy (Maxent) dengan input

berupa saluran spectral citra sentinel 2 dengan resolusi spasial 20 m. Maxent

merupakan salah satu pemodelan yang dapat menggambarkan sebaran suatu

spesies, dengan pemodelan ini diharapkan mampu memprediksi sebaran hama

mengunakan satelit penginderaan jauh sebagai input. Berdasarkan model yang

dihasilkan, probabilitas tertinggi yang didapatkan model untuk memprediksi

sebaran hama adalah sebesar 0,694 dengan kinerja model yang dipresentasikan

sebagai Area Under Curve (AUC) yang memiliki nilai 0,514.

Kata kunci : Penginderaan Jauh, Sebaran Hama, Wereng Cokelat,

Maximum Entrophy

Abstract

Brown aphrodisiac pest is one of the pests that most often attack rice plants,

this pest detection will be very helpful in effective pest control. Remote sensing

is a system that can record changes occurring on the earth's surface, including

damage caused by pests. The purpose of the study was to make a predictive of

any brown aphrodisiac pest using spectral channel parameters of sentinel

imagery 2. The research method used is modeling done using Maximum

Entrophy (Maxent) with input in the form of spectral channels sentinel imagery

2 with a spatial resolution of 20 m. Maxent is one of the modeling that can

describe the distribution of a species, with this modeling is expected to predict

the spread of pests using remote sensing satellites as inputs. Based on the

resulting model, the highest probability that the model obtained to predict pest

spread was 0.694 with the performance of the model presented as Area Under

Curve (AUC) which has a value of 0.514.

Keywords : Remote Sensing, Pest Distribution, Brown Leafhoppers,

Maximum Entrophy

Pemanfaatan Citra Sentinel 2 untuk Memprediksi Sebaran

Hama Wereng Cokelat di Sebagian Wilayah Kabupaten

Pangandaran

e-ISSN 2774-5155

p-ISSN 2774-5147

Yudha Achmad Perlambang

, R. Suharyadi

dan Retnadi Heru Jatmiko

849

PENDAHULUAN

Hama dalam bidang pertanian biasa disebut sebagai Organisme Pengganggu

Tanaman (OPT) yang dapat memengaruhi hasil dari budidaya (Syarifah, 2020) sehingga

tidak sesuai dengan yang diharapkan (Juliawan et al., 2018), hama merupakan salah satu

risiko yang ada ketika melakukan praktik budidaya tanaman (Anugrah et al., 2016).

Tanaman padi pun tidak luput dari adanya hama (Heviyanti & Mulyani, 2016), salah satu

hama yang sering menyerang tanaman padi adalah hama wereng cokelat (Musthofa,

2020). Kerusakan yang disebabkan oleh hama wereng cokelat ini dapat menyebabkan

penururan produksi padi hingga sebesar 90% (Ningsih, 2016).

Adanya teknologi yang bisa mendeteksi kerusakan–kerusakan yang disebabkan

oleh hama wereng cokelat (Majid, 2021) ini diperlukan agar pendeteksian hama ini bisa

lebih mudah dan pengendaliannya bisa lebih cepat. Penginderaan jauh merupakan suatu

sistem yang dapat meningkatkan akurasi dalam memprediksi serangan hama yang terjadi

di hutan (Noor Rahmadana Putra & Saputra, 2021).

Salah satu satelit penginderaan jauh yang ada merupakan satelit sentinel 2. Satelit

ini memiliki 13 saluran spectral yang memiliki panjang gelombang 443,9 nm sampai

2202,4 nm, saluran spectral yang paling efektif digunakan untuk monitoring status

vegetasi pada citra sentinel 2 ini merupakan saluran spectral pada red edge (saluran 5, 6

dan 7) dengan panjang gelombang 703,9 nm, 740,2 nm dan 782,5 nm (Kumbula et al.,

2019).

Beberapa penelitian yang melibatkan pengaruh serangan hama teradap perubahan

nilai spectral pada citra telah dilakukan. (Wang et al., 2017) telah mencoba untuk meneliti

pengaruh serangan penyakit rice brown spot (RBS) dan rice seath blight (RSB), hasil dari

penelitian ini menunjukkan bahwa tanaman padi sehat akan memiliki nilai pantulan

spectral lebih tinggi dibandingkan dengan tanaman padi terserang kedua penyakit ini.

Tanaman padi yang terserang tiga hama yaitu red spider mites, mealybug dan aphid serta

menunjukkan bahwa nilai spectral dari tanaman padi sehat akan lebih tinggi jika

dibandingkan dengan tanaman padi terserang hama dan penurunan nilai spectral akan

semakin bertambah seiring dengan bertambahnya hari serangan hama.

Penelitian tentang pengaruh serangan hama wereng cokelat terhadap nilai spectral

juga telah dilakukan oleh beberapa peneliti. (Liu & Sun, 2016) pada penelitiannya

menemukan bahwa nilai spectral pada kanopi tanaman padi akan sangat bergantung pada

densitas serangan hama wereng cokelat, dimana nilai spectral pada area inframerah dekat

akan terdeteksi lebih rendah dari biasanya. Hal serupa juga diungkapkan (Prasannakumar

et al., 2014) pada penelitiannya yang menunjukkan bahwa semakin parah serangan hama

wereng cokelat pada tanaman padi, maka nilai pantulan spectral yang ditimbulkan oleh

tanaman padi akan semakin menurun.

Beberapa penelitian yang telah disebutkan sebelumnya menunjukkan bahwa ketika

suatu tanaman terserang hama atau penyakit, maka akan menyebabkan pada penurunan

pantulan nilai spectral dari tanaman tersebut. Suatu model diperlukan untuk memafaatkan

perubahan nilai spectral yang terjadi akibat kerusakan pada tanaman agar dapar

memprediksi sebaran penyebab kerusakan tersebut. Penelitian ini bertujuan untuk

membuat peta prediksi sebarang hama wereng cokelat dengan menggunakan parameter

saluran spektral citra sentinel 2. Hasil dari penelitian ini dapat dimanfaatkan untuk

pendeteksian hama wereng cokelat melalui citra satelit sehingga penangan dan

pengendalian hama wereng cokelat dapat berlangsung lebih cepat.

Vol. 1, No. 8, pp. 848-855, August 2021

850 http://sostech.greenvest.co.id

METODE PENELITIAN

Species Distribution Modelling (SDM) merupakan satu pemodelan yang dapat

menggambarkan sebaran satu spesies, pemodelan ini dapat digunakan untuk memodelkan

distribusi hama wereng cokelat yang menyerang tanaman padi, salah satu tool dari SDM

ini merupakan Maxent (maximum entropy modelling) (Urbani et al., 2017).

Model Maxent menggunakan data kehadiran saja untuk memodelkan potensi

sebaran spesies dan menggunakan variabel lingkungan sebagai input yang menentukan

keberadaan spesies (Urbani et al., 2017). Menurut penelitian ini, variabel lingkungan

yang digunakan sebagai input merupakan saluran spectral dari citra sentinel 2. Beberapa

penelitian telah menujukkan bahwa kerusakan yang dilakukan oleh serangan hama akan

menyebabkan perbedaan nilai spectral antara tanaman sehat dan terserang hama,

perbedaan nilai inilah yang dijadikan dasar dalam pembangunan model.

Setting parameter yang digunakan pada pemodelan Maxent pada penelitian ini

adalah sebagai berikut convergence threshold (0,00001), replicates (10), replicate run

type (bootstrap), regularization multiplier (1), maximum number of iterations (500),

random test percentage (25) dan parameter lain diset default sesuai dengan yang

diberikan Maxent, dengan format output yang diset menjadi logistic. Parameter yang

digunakan dalam penelitian ini merujuk pada penelitian yang dilakukan oleh (Rusman,

2016) dengan sedikit perubahan pada replicate type.

Kinerja model ditentukan berdasarkan luasan yang berada di bawah kurva Receiver

Operating Characteristics (ROC) luas area ini disebut dengan Area Under The Curve

AUC yang merupakan salah satu output yang dihasilkan model (Kumbula et al., 2019).

Nilai AUC yang digunakan untuk menentukan kinerja model berada pada rentang

nilai 0,5 – 1, dimana pada nilai 0,5 – 0,7 model diklasifikasikan sebagai kurang bagus,

nilai 0,7 – 0,8 diklasifikasikan sebagai bagus dan model yang memiliki nilai di atas 0,9

diklasifikasikan sebagai sangat bagus (Fand et al., 2020) dan (Kumbula et al., 2019).

Saluran citra sentinel 2 yang digunakan dalam penelitian ini merupakan seluruh

saluran spectral yang ada pada citra sentinel 2, kecuali untuk saluran 1, saluran 9 dan

saluran 10 karena resolusi spasialnya (60 m) dan sensitivitasnya terhadap aerosol dan

awan. Koreksi atmosfer terlebih dahulu dilakukan agar citra yang dipakai memiliki nilai

pantulan di bawah atmosfer atau BOA (bottom of atmosphere). Upscalling citra juga

dilakukan pada saluran dengan resolusi spasial 10 m, agar semua input memiliki resolusi

spasial yang sama yaitu 20 m. Jika kita ingin mengetahui lebih jelasnya, saluran citra

yang digunakan dapat dilihat pada tabel 1.

Tabel 1. Saluran citra sentinel 2 yang digunakan dalam model

No.

Saluran

Penamaan dalam model

Saluran 2 – Blue

b02_20

Saluran 3 – Green

b03_20

Saluran 4 – Red

b04_20

Saluran 5 – Vegetation red edge

b05_20

Saluran 6 – Vegetation red edge

b06_20

Saluran 7 – Vegetation red edge

b07_20

Saluran 11 – SWIR (2)

b11_20

Saluran 12 – SWIR (3)

b12_20

Saluran 8A – Narrow NIR

b8a_20

Sumber: European Space Agency (2012) dalam (Kumbula et al., 2019) dengan modifikasi

Pemanfaatan Citra Sentinel 2 untuk Memprediksi Sebaran

Hama Wereng Cokelat di Sebagian Wilayah Kabupaten

Pangandaran

e-ISSN 2774-5155

p-ISSN 2774-5147

Yudha Achmad Perlambang

, R. Suharyadi

dan Retnadi Heru Jatmiko

851

Penelitian dilakukan pada tahun 2020 dengan menggunakan citra dengan tanggal

perekaman 16 Februari 2018 dengan daerah kajian merupakan sebagian wilayah di

Kabupaten Pangandaran.

HASIL DAN PEMBAHASAN

Peta sebaran hama wereng cokelat yang dihasilkan pada pemodelan ini dapat

dilihat pada gambar 1. Pada gambar 1 terlihat daerah yang memiliki nilai probabilitas

serangan hama wereng ditandai dengan warna merah, sedangkan daerah yang memiliki

nilai probabilitas rendah ditandai dengan warna hijau, diantara kedua warna tersebut

terdapat warna kuning dan kuning kemerahan yang menandakan bahwa daerah tersebut

memiliki nilai probabilitas sedang. Nilai probabilitas yang dihasilkan oleh model berada

pada angka 0,326 – 0,694. Jika dikonversi ke dalam persen nilai tertinggi yang dihasilkan

oleh model memiliki probabilitas terjadi serangan hama wereng cokelat sebesar 69,4%.

Gambar 1. Peta sebaran hama wereng cokelat di daerah penelitian

Kurva respon dari seluruh saluran spectral yang digunakan dalam model data

dilihat pada gambar 2. Kurva respon ini menunjukkan bagaimana pengaruh dari setiap

saluran spectral terhadap nilai output yang dihasilkan.

Vol. 1, No. 8, pp. 848-855, August 2021

852 http://sostech.greenvest.co.id

Gambar 2. Kurva respon dari seluruh saluran yang digunakan dalam model

Sumbu x pada kurva gambar 2 menunjukkan nilai piksel dari setiap saluran,

sedangkan sumbu y pada kurva menunjukkan nilai output yang dihasilkan model.

Terlihat pada gambar 2 bahwa kurva pada saluran 03 merupakan satu–satunya kurva yang

tidak memiliki kenaikan nilai output sepanjang kenaikan nilai piksel, hal ini berarti

bahwa saluran 03 tidak terlalu berpengaruh besar terhadap output yang dihasilkan.

Sedangkan pada saluran 02, saluran 06, saluran 12 dan saluran 8A terlihat pada gambar 2

bahwa setiap kenaikan nilai piksel pada keempat saluran ini akan berpengaruh pada

tingginya nilai output, yang berarti bahwa model mendefinisikan hama wereng cokelat

berada pada nilai piksel pada saluran 02, saluran 06, saluran 12 dan saluran 8A tinggi,

dan tanaman padi terdeteksi sehat ketika nilai piksel pada keempat saluran ini rendah.

Selain kelima saluran sebelumnya (saluran 02, 03, 06, 12 dan 8A) nilai output tertinggi

berada ketika nilai piksel berada pada angka kecil, hal ini berarti ketika nilai piksel pada

saluran 04, 05, 07 dan 11 tinggi, model mendeteksi tanaman padi sehat pada titik

tersebut, sedangkan ketika keempat saluran ini memiliki nilai piksel rendah, model

mendeteksi titik tersebut terserang oleh hama wereng cokelat. Kontribusi dari setiap

saluran yang digunakan dalam model dapat dilihat pada tabel 2 dan tersaji dalam persen.

Persen kontribusi pada tabel 2 merupakan persentase kontribusi dari setiap saluran

terhadap output yang dihasilkan.

Tabel 2. Persen kontribusi dari setiap saluran terhadap output.

Variable

Persen Kontribusi (%)

Saluran 02

30,2

Saluran 03

Saluran 04

0,3

Saluran 05

8,6

Saluran 06

30,8

Saluran 07

5,5

Saluran 11

2,8

Saluran 12

0,1

Saluran 8A

1,7

Sumber: Hasil analisis data

Penurunan output yang didapatkan seiring kenaikan nilai piksel pada saluran 04,

05, 07 dan 11 ini didukung pernyataan beberapa penelitian sebelumnya yang menyatakan

bahwa pada tanaman terserang hama, nilai spectral yang dipantulkan oleh tanaman

tersebut akan lebih rendah dibandingkan dengan nilai pantulan spectral ketika tanaman

Pemanfaatan Citra Sentinel 2 untuk Memprediksi Sebaran

Hama Wereng Cokelat di Sebagian Wilayah Kabupaten

Pangandaran

e-ISSN 2774-5155

p-ISSN 2774-5147

Yudha Achmad Perlambang

, R. Suharyadi

dan Retnadi Heru Jatmiko

853

itu sehat (Wang et al., 2017); (Liu & Sun, 2016). Hal ini terlihat pada kurva respon dari

saluran 05, 06, 07, 11 dan 12.

Kinerja model dipresentasikan sebagai nilai AUC dalam model Maxent. Menurut

pemodelan ini, nilai AUC yang dihasilkan dan juga kurva ROC dari model dapat dilihat

pada gambar 3. Pada gambar 3 terlihat garis hitam yang merupakan garis yang

menggambarkan kurva ROC dari suatu prediksi random, nilai AUC dari prediksi random

ini yaitu sebesar 0,5. Nilai AUC dari model (0,712) yang bernilai lebih besar dari nilai

AUC prediksi random menandakan bahwa model yang terbentuk lebih baik dari suatu

prediksi random. Hal ini juga digambarkan dengan garis merah yang merupakan kurva

ROC untuk model yang berada di atas kurva garis hitam pada gambar 3. Nilai AUC pada

gambar 3 merupakan nilai AUC rata – rata dari 10 kali pengulangan training data yang

dilakukan oleh model sedangkan nilai AUC test data yang dihasilkan oleh model adalah

sebesar 0,514.

Gambar 3. Kurva ROC dari model yang dihasilkan

KESIMPULAN

Sebaran hama wereng cokelat yang dihasilkan oleh model dengan menggunakan

saluran spectral sebagai input dapat dilihat pada gambar 1. Pada gambar 1 terlihat

bagaimana sebaran hama wereng cokelat yang dihasilkan oleh model dan daerah–daerah

terserang hama yang dihasilkan oleh model. Akan tetapi nilai AUC yang dihasilkan oleh

model menunjukkan bahwa model yang dihasilkan masih berada pada kelas kurang

bagus, nilai AUC training data model yaitu 0,712 dan untuk test data yaitu sebesar 0,514.

Banyak hal yang bisa diperbaiki dalam pembangunan model ini seperti penggunaan

model lain selain Maxent; pengunaan variabel lingkungan seperti suhu, kelembaban dan

curah hujan sebagai input atau dengan penggunaan saluran spectral dengan resolusi

spasial yang lebih detail. Harapannya penelitian kali ini dapat dijadikan acuan untuk

kedepannya dalam pengembangan teknologi untuk mendeteksi serangan dan sebaran

hama wereng cokelat.

Vol. 1, No. 8, pp. 848-855, August 2021

854 http://sostech.greenvest.co.id

BIBLIOGRAFI

Anugrah, I. S., Sumedi, S., & Wardana, I. P. (2016). Gagasan dan implementasi system

of rice intensification (SRI) dalam kegiatan budidaya padi ekologis (BPE). Analisis

Kebijakan Pertanian, 6(1), 75–99.

Fand, B. B., Shashank, P. R., Suroshe, S. S., Chandrashekar, K., Meshram, N. M., &

Timmanna, H. N. (2020). Invasion risk of the South American tomato pinworm

Tuta absoluta (Meyrick)(Lepidoptera: Gelechiidae) in India: predictions based on

MaxEnt ecological niche modelling. International Journal of Tropical Insect

Science, 1–11.

Heviyanti, M., & Mulyani, C. (2016). Keanekaragaman Predator Serangga Hama Pada

Tanaman Padi Sawah (Oryzae sativa, L.) di Desa Paya Rahat, Kecamatan Banda

Mulia, Kabupaten Aceh Tamiang. Jurnal Penelitian Agrosamudra, 3(2), 28–37.

Juliawan, D., Puspasari, R., & Sianturi, C. J. M. (2018). Aplikasi Peminjaman dan

Pengembalian Lcd Proyektor Berbasis Android dan Web Service. IT

(INFORMATIC TECHNIQUE) JOURNAL, 5(2), 162–171.

Kumbula, S. T., Mafongoya, P., Peerbhay, K. Y., Lottering, R. T., & Ismail, R. (2019).

Using Sentinel-2 multispectral images to map the occurrence of the cossid moth

(Coryphodema tristis) in eucalyptus nitens plantations of mpumalanga, South

Africa. Remote Sensing, 11(3), 278.

Liu, X.-D., & Sun, Q.-H. (2016). Early assessment of the yield loss in rice due to the

brown planthopper using a hyperspectral remote sensing method. International

Journal of Pest Management, 62(3), 205–213.

Majid, D. I. Z. (2021). Pengaruh pemberian insektisida nabati dari tanaman maja (Aegle

marmelos) terhadap mortalitas hama (wereng cokelat dan penggerek batang padi

kuning) dan respon pertumbuhan tanaman padi. UIN Sunan Ampel Surabaya.

Musthofa, A. S. (2020). Rancang Bangun Dan Analisa Alat Perangkap Hama Wereng

Pada Tanaman Padi Dengan Metode Night Trap Menggunakan Microcontroller.

Politeknik Negeri Bengkalis.

Ningsih, N. F. (2016). Pengaruh ekstrak daun kumis kucing (Orthosiphon aristatus)

terhadap mortalitas hama wereng coklat (Nilaparvata lugens). LenteraBio: Berkala

Ilmiah Biologi, 5(1).

Noor Rahmadana Putra, M., & Saputra, A. (2021). Identifikasi Fase Pertumbuhan

Tanaman Padi Berbasis Obia (Object-Based Image Analysis) Menggunakan Foto

Udara Format Kecil (Studi Kasus: Desa Sidoharjo, Kecamatan Polanharo,

Kabupaten Klaten). Universitas Muhammadiyah Surakarta.

Prasannakumar, N. R., Chander, S., & Sahoo, R. N. (2014). Characterization of brown

planthopper damage on rice crops through hyperspectral remote sensing under field

conditions. Phytoparasitica, 42(3), 387–395.

Rusman, D. (2016). Prediksi kehadiran badak sumatera (Dicerorhinus sumatrensis) dan

analisis struktur lanskap habitatnya di taman nasional bukit barisan selatan.

Universitas Gadjah Mada.

Syarifah, R. N. K. (2020). Pemanfaatan Gulma Mimosa invisa sebagai Pengendali

Organisme Pengganggu Tanaman. Biofarm: Jurnal Ilmiah Pertanian, 16(2).

Urbani, F., D’Alessandro, P., & Biondi, M. (2017). Using Maximum Entropy Modeling

(MaxEnt) to predict future trends in the distribution of high altitude endemic insects

in response to climate change. Bulletin of Insectology, 70(2), 189–200.

Wang, X., Zhang, X., & Zhou, G. (2017). Automatic detection of rice disease using near

infrared spectra technologies. Journal of the Indian Society of Remote Sensing,

45(5), 785–794.

Pemanfaatan Citra Sentinel 2 untuk Memprediksi Sebaran

Hama Wereng Cokelat di Sebagian Wilayah Kabupaten

Pangandaran

e-ISSN 2774-5155

p-ISSN 2774-5147

Yudha Achmad Perlambang

, R. Suharyadi

dan Retnadi Heru Jatmiko

855

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0

International License