Perpustakaan Digital ITB

Kelapa sawit (Elaeis guineensis) telah menjadi tanaman penghasil minyak terpenting di seluruh dunia. Produksi minyak sawit yang meningkat terutama didasarkan pada perluasan areal budidaya ke dalam kawasan hutan, yang menyebabkan kerusakan lingkungan yang serius. Peningkatan hasil perkebunan yang ada merupakan jalur potensial untuk mengurangi dampak ekologis yang tidak diinginkan dari pertanian kelapa sawit. Diperkirakan permintaan global akan terus meningkat dari waktu ke waktu. Dengan banyaknya sektor kelapa sawit, Asia Tenggara menjadi salah satu faktor terpenting dalam perekonomian kelapa sawit dunia. Kelapa sawit dikenal sebagai tanaman penghasil minyak paling efisien secara global. Pada usia 25 tahun ke atas, pohon-pohon tua ditebang untuk memulai siklus peremajaan kelapa sawit untuk mempertahankan produktivitas perkebunan dan kelangsungan ekonomi. Untuk itu diperlukan perencanaan serta pemantauan yang dapat mendukung kebijakan peremajaan bukan sekedar pengembangan alami untuk mengganti tanaman sawit yang telah mencapai siklus 25 tahun, tetapi dilakukan by desain, dan tidak lagi melakukan ekspansi. Kebijakan Peremajaan kelapa sawit memiliki peran yang kuat dalam meningkatkan industri kelapa sawit, Peremajaan juga merupakan kunci dalam mencapai Sustainable Development Goals (SDG) khususnya Economic Fields (SDG8), Social Fields (SDG6) dan Environment (SDG3). Penelitian ini mengintegrasikan data – data penginderaan jauh dengan menggunakan Metode Machine Learning Random Forest yang selanjutnya akan di identifikasi lahan kelapa sawit yang sesuai dan lahan yang tidak sesuai untuk dipetakan menjadi perubahan lahan untuk mendukung desain dan perencanaan pengambilan keputusan yang mendukung kebijakan peremajaan kelapa sawit.