Perpustakaan Digital ITB

Bawang merah merupakan salah satu komoditas hortikultura yang strategis karena merupakan bahan pangan pokok di Indonesia. Produksinya perlu ditingkatkan seiring dengan pertumbuhan jumlah permintaan. Penggunaan metode plastik mulsa adalah salah satu upaya untuk meningkatkan produktivitas pertanian, namun residu plastik yang dihasilkan dapat mencemari tanah dan bahkan tanaman jika tidak diolah dengan baik. Penerapan smart agriculture dengan pendekatan penginderaan jauh menjadi tren saat ini untuk menghasilkan pemetaan lahan yang akurat. Penelitian ini bertujuan membangun model prediksi pertumbuhan bawang merah, klasifikasi plastik mulsa, dan prediksi hasil panen bawang merah. Model dibangun menggunakan citra multispektral dan RGB yang diambil di Kabupaten Malang dan Humbang Hasundutan menggunakan drone. Hasil menunjukkan bahwa model MobileNetV2 dengan citra RGB menghasilkan nilai akurasi terbaik untuk prediksi pertumbuhan tanaman sebesar 84,8% dan klasifikasi plastik mulsa sebesar 98,9%. Kinerja yang rendah pada indeks vegetasi disebabkan oleh kurangnya kemampuan citra multispektral untuk membedakan label dengan nilai reflektansi yang mirip. Model XGBoost untuk prediksi hasil panen hanya mencapai akurasi 57,1%. Hal ini menunjukkan bahwa model belum mampu menangkap hubungan antara data masukan citra dan keluaran berat panen dengan baik karena keterbatasan dataset. Penelitian ini memberikan kontribusi pada petani dan pemangku kepentingan dalam aplikasi pemantauan lahan bawang merah secara komprehensif di Indonesia. Petani dapat melakukan perencanaan dan pemantauan baik tanaman bawang merah maupun plastik mulsa. Kombinasi model yang dibangun dapat membantu petani untuk meningkatkan produksi pertanian dan mengurangi potensi kegagalan panen.