MAKALAH AGROHIDROLOGI

Metode-metode dalam Memprediksi Produktivitas Lahan

(Untuk Memenuhi Tugas Mata Kuliah Agrohidrologi)

DISUSUN OLEH :

FARHANA ALIYAH VIDIANTI

05.13.19.1912

1F

KEMENTERIAN PERTANIAN

BADAN PENYULUHAN DAN PENGEMBANGAN SDM PERTANIAN

POLITEKNIK PEMBANGUNAN PERTANIAN (POLBANGTAN) GOWA

PROGRAM STUDI BUDIDAYA TANAMAN HORTIKULTURA 2019/2020

 KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh

Puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya
sehingga saya dapat menyelesaikan tugas makalah yang berjudul “Metode-metode untuk
Memprediksi Produktivitas Lahan” ini tepat pada waktunya.
Adapun tujuan dari penulisan dari makalah ini adalah untuk memenuhi tugas pada
mata kuliah Agrohidrologi. Selain itu, makalah ini juga bertujuan untuk menambah
wawasan tentang metode-metode yang dapat digunakan untuk memprediksi produktivitas
lahanbagi para pembaca dan juga bagi penulis.
Saya mengucapkan terima kasih kepada ibu dosen yang telah memberikan tugas ini
sehingga dapat menambah pengetahuan dan wawasan sesuai dengan bidang studi yang
saya tekuni.
Saya juga mengucapkan terima kasih kepada semua pihak yang telah membagi
sebagian pengetahuannya sehingga saya dapat menyelesaikan makalah ini.
Saya menyadari, makalah yang saya tulis ini masih jauh dari kata sempurna. Oleh
karena itu, kritik dan saran yang membangun akan saya nantikan demi kesempurnaan
makalah ini.
Wassalamu’alaikum Warahmatullahi Wabarakatuh

Makassar, 17 Mei 2020

Penyusun,

Farhana Aliyah Vidianti

ii
 DAFTAR ISI

Sampul......................................................................................................................i
KATA PENGANTAR.............................................................................................ii
DAFTAR ISI..........................................................................................................iii
BAB I PENDAHULUAN.........................................................................................1
A. Latar Belakang...............................................................................................1
B. Rumusan Masalah..........................................................................................2
C. Tujuan Penulisan............................................................................................2
D. Manfaat Penulisan..........................................................................................2
BAB II PEMBAHASAN...........................................................................................3
A. Produksi Padi .................................................................................................3
B. Data Mining................................................................................................... 3
C. Klasifikasi ..................................................................................................... 3
D. Sistem Prediksi ..............................................................................................4
E. Penginderaan Jauh..........................................................................................4
F. Citra Landsat..................................................................................................5
G. Sistem Informasi Geografi.............................................................................5
H. Kesusaian Lahan Padi....................................................................................5
I. Metode Pelaksanaan.......................................................................................6
BAB III PENUTUP...................................................................................................8
A. Simpulan..........................................................................................................8
B. Saran................................................................................................................9
DAFTAR PU STAKA 6

iii
 BAB I
PENDAHULUAN
A. Latar Belakang

Pembangunan sektor pertanian masih menjadi perhatian utama pemerintah Indonesia saat
ini dan beberapa dasawarsa mendatang. Salah satu penyebabnya karena sebagain besar penduduk
indonesia terus bertambah relatif pesat, dengan konsekuensi ada penyediaan bahan pangan baik
dari segi kuantitas, kualitas maupun jenisnya dalam jumlah yang memadai. Menurut Mubyarto
Indonesia merupakan negara pertanian di mana pertanian memegang peranan penting dari
keseluruhan perekonomian nasional. Hal ini dapat ditunjukkan dari banyaknya penduduk atau
tenaga kerja yang hidup atau bekerja pada sektor pertanian dan produk nasional yang berasal dari
pertanian. Menurut Tati Nur Mala Produksi atau hasil pertanian dalam arti luas tergantung dari
faktor genetik dan varietas yang di tanam, lingkungan termasuk anatara lain tanah, iklim dan
teknologi yang dipakai. Sedangkan dalam arti sempit terdiri dari varietas tanaman, tanah, iklim
dan faktorfaktor non-teknis seperti ketrampilan petani, biaya atau sarana produksi dan alat-alat
yang digunakan.
Perubahan dan perkembangan yang terjadi saat ini mengakibatkan peningkatan
kompleksitas data dan informasi. Kenyataan ini menjadikan semakin sulit dan rumit dalam
membangun sebuah prediksi ke depan. Secara umum bercocok tanam padi mencakup
persemaian, pemindahan atau penanaman, pemeliharaan (termasuk pengairan, penyiangan,
perlindungan tanaman, serta pemupukan) dan panen. Masih banyak faktor yang mempengaruhi.
Dari sisi bibit sudah membutuhkan pengetahuan dan pertimbangan banyak hal Ketersediaan air
irigasi juga memberikan banyak pengaruh, pengetahuan tentang ini juga membutuhkan
pengelolaan khusus. Semua tahapan bercocok tanam padi adalah sebuah kesinambungan.
Kompleksitas semakin tinggi dengan tingkat ketidakpastian yang sering muncul. Sangat
dibutuhkan sebuah konsep pendukung keputusan yang mampu mengolah data dengan
karakteristik tersebut menjadi sebuah pengetahuan yang akurat dan valid. Pengetahuan tersebut
dapat menjadi acuan bagi petani dalam melakukan cocok tanam dengan baik dan pada akhirnya
meningkatkan produktivitas
Di sisi lain, pertanian saat ini membutuhkan pengelolaan lebih seksama, mengingat
banyak faktor yang mempengaruhi keberhasilan sebuah proses bercocok tanam. Faktor tersebut
adalah kondisi lingkungan/ cuaca, ketersediaan benih/ bibit, ketersediaan obat dan pupuk dan
kondisi tanah. Keempat faktor tersebut menjadi acuan dalam menentukan waktu tanam untuk
mendapatkan hasil yang maksimal.
Kalender tanam yang ada saat ini dan dikeluarkan oleh Departemen Pertanian hanya
fokus pada faktor cuaca sehingga akurasi dalam memberikan waktu tanam yang cocok kurang
maksimal. Perlu untuk melakukan penguatan kalender tanam tersebut dengan memasukkan
ketiga faktor lainnya. Dengan melihat kondisi tersebut akan dilakukan penelitian untuk membuat
sebuah prediksi kalender tanam, dengan menambah acuan ketiga faktor di atas.
Sistem prediksi yang dibangun menggunakan metode naive bayes. Pemilihan metode
berdasarkan sifat-sifat dari naive bayes sebagai classifier yaitu:
- Mampu mengisolir data yang tidak perlu atau tidak relevan
- Metode yang memiliki inti dari perhitungan probabilitas
- Memiliki kecepatan proses dan akurasi tinggi untuk database dengan ukuran besar.
- Mampu menangani atribut yang banyak dan tidak saling bergantung (interdependency).

1
B. Rumusan masalah
1. Apa saja metode-meode yang digunakan dalam memperoleh produktivitas lahan?
2. Bagaimana cara atau metode pelaksanaan dari metode metode tersebut?

C. Tujuan Penulisan
1. Mengetahui metode-metode apa saja yang dapat digunakan untuk dapat memprediksi
produktivitas lahan.
2. Mengetahui cara pelaksanaan metode-metode tersebut.

D. Manfaat Penulisan
Agar pembaca dan saya sendiri selaku penulis, dapat belajar lebih banyak dan
mengetahui apa saja metode-metode yang dapat digunakan untuk memprediksi
produktivitas lahan.

2
 BAB II
PEMBAHASAN
A. Produksi Padi

Produksi padi adalah jumlah output atau hasil panen padi dari luas lahan petani selama satu
kali musim tanam dalam bentuk Gabah Kering Panen (GKP) yang diukur dalam satuan kilogram
(kg). Produktivitas padi adalah produksi padi per satuan luas lahan yang digunakan dalam
berusahatani padi. Salah satu hasil bercocok tanam yang dilakukan dengan penanaman bibit padi
dan perawatan serta pemupukan secara teratur sehingga menghasilkan suatu produksi padi yang
dapat dimanfaatkan. Padi tersebut kemudian diproses menjadi beras, yang mana beras itu sendiri
akan diolah menjadi nasi. Nasi merupakan sumber kalori utama yang banyak mengandung unsur
karbohidrat yang sangat tinggi sehingga sangat bermanfaat dan menjadikan sebagai bahan
pangan utama. Data Produktifitas padi adalah sebuah ukuran dari keberhasilan sebuah proses
produksi pertanian padi. Ukuran yang dilakukan adalah dalam satu luas atau bidang sawah
membutuhkan modal bibit, pupuk, pengobatan dan tenaga kerja dapat menghasilkan padi dalam
ukuran berat (kg). Selanjutnya nilai nilai tersebut diilakukan konversi terhadap nilai rupiah.

B. Data Mining

Konsep data mining adalah sebuah proses melakukan pengolahan data histori kejadian
kejadian terdahulu dan dipergunakan sebagai dasar untuk membangun sebuah pengetahuan.
Dalam kasus penelitian ini pengetahuan yang dibangkitkan adalah sebuah prediksi dari sebuah
kasus.
Analisis data mining berupa kegiatan mengamati data yang didapatkan serta pola produksi
padi. Dari pola produksi padi dapat ditentukan faktor - faktor yang mempengaruhi produktivitas
tanaman padi. Faktor yang mempengaruhi adalah:
1. Kondisi Cuaca atau Iklim berupa curah hujan (musim kering, musim hujan dan lainnya).
2. Kondisi Tanah (Tingkat Kekersan tanah, pH dan kandungan nutrisi tanah)
3. Ketersediaan Bibit
4. Ketersediaan Pupuk dan Obat
Dalam membangun sebuah data mining diperlukan Kumpulan data Training yang menjadi
dasar acuan prediksi, kemudian metoda classificatioan ditentukan sesuai dengan karakteristik
data training. Data training dapat dikatagorikan menjadi Katagori dan Kontinu. Katagori meniliki
data dengan nilai diskrit atau level seperti Kurang, Cukup dan Sedang. Untuk Kontinu data
training berbentuk nilai atau angka kontinyu.
Untuk menangai data training dengan bentuk Katagori dapat dipergunakan Meroda Decision
Tree atau Naive Bayes. Sedangkan untuk data training dengan bentuk kontinyu dapat
dipepgurnkan K Nearest Neighbor. Namun ketentuan ini tidak mutlak, data training bebrbentuk
kontnyu dapat juga mempergunakan Naive Bayes, tetapi memerlukan proses katagorisasi data
trainingnya. Demikian pula sebaliknya. Pemilihan metoda klasifikasi yang tepat nerupakan salah
satu modal keberhasilan data mining yang dibangun.

C. Metoda Klasifikasi

1. K Nearest Neighbor

3
Metoda klasifikasi ini memnggunakan konsep perhitungan jarak terdekat dengan sebuah titik.
Proses prediksi yang dilakukan adalah menentukan ukuran jarak dalam angka terhadap sebuah
titik yang menjadi identikan dari grup atau kelas. Penetuan jarak menggunakan ruang Euclidian.

2. Decision Tree (Algortma C45)

Metoda klasifikasi ini adalah membangun sebuah pohon keputusan dimulai dari node root
sampai ke anaknya. Penurunan pohon keputusan menggunakan konsep pemecahan sampel data.
Pemisahan menggunakan perhitungan entropi atau formula logaritma. Semua node kecuali
terbawah (leaf node) didasarkan pada himpunan dari kondisi atribut. Node terbawah atau leaf
adalah atribut target. Proses prediksi dilakukan dengan memberikan masukan ke atribut secara
berurutan dari Root sampai leaf melalui path/jalur sesuai kondisi.

3. Naïve Bayes
Metoda naïve bayes didasarkan pada perhitungan peluang atau probabilitas setiap kejadian.
Metoda ini dapat menangai sejumlah variabel masukan yang independen atau tidak memiliki
ketergantungan. Prediksi dilakukan dengan menghitung peluang sebuah kejadian berdasarkan
kumpulan kejadian kejadian yang sudah terekam.
Perbandingan ketiga metode tersebut ditunjukan pada tabel 1:
Karakteristik K Nearest Neighbor Decision Tree Naïve Bayes
Data Training Kontinyu Katagori Katagori
Konsep Jarak Euclidian Space Entropi Probabilistik
Hasil Akhir Rumus Jarak Terdekat Urutan Rule (if then Perhitungan Peluang
else)

D. Sistem Prediksi
Sistem prediksi adalah hasil yang diperoleh dari Data Mining setelah dilakukan proses
training atau klasifikasi. Melalui metoda K NN akan diperoleh klasifikasi berdasarkan jarak
terdekat di ruang Euclidian. Dengan Decision Tree akan diperoleh sebuah Rule dan dengan
Naive Bayes akan diperoleh perhitungan probabilistik atau peluang.
K-NN akan melakukan proses pengelompokan terhadap kondisi atau data baru.
Pengelompokan atau klasifikasi tersebut adalah proses prediksi. Decision Tree akan memberikan
jawaban berdasarkan tahapan Rule yang dihasilkan untuk data baru. Hasil jawaban Rule tersebut
adalah prediksi. Sedangkan Metoda Naïve Bayes akan menghitung peluang data baru.
E. Penginderaan Jauh

Penginderaan jauh berasal dari kata remote sensing yang memiliki arti suatu ilmu dan
seni untuk memperoleh data dan informasi dari suatu objek, daerah atau gejala dengan cara
menganalisis data yang diperoleh dengan menggunakan alat, tanpa kontak langsung
terhadap objek, daerah, atau gejala yang dikaji (Lillesand & Kiefer, 1997). Alat yang
dimaksud adalah alat perekam yang tidak berhubungan langsung dengan objek dapat
berupa wahana (platform) seperti satelit, pesawat udara, balon udara dan sebagainya.
Data penginderaan jauh yang dihasilkan dapat berupa data visual (citra) dan data citra
numerik atau digital. Data visual merupakan gambaran dari objek yang direkam yang sering

4
disebut dengan citra. Menurut Homby (Sutanto, 1995)citra adalah gambaran yang tampak
pada cermin atau melalui lensa kamera. Sedangkan Simonett (1983) mengemukakan bahwa
citra adalah gambaran suatu objek, biasanya berupa gambar objek yang dihasilkan dengan
cara optik, elektro-optik, optik mekanik atau elektronik.

F. Citra Landsat

Citra Landsat adalah hasil perekaman satelit Landsat (Land Satellite). Landsat
merupakan satelit sumber daya bumi asal Amerika Serikat yang dikelola bersama oleh NASA
dan USGS. Landsat diluncurkan pertama kali pada tahun 1972 dengan nama ERTS-1
(Earth Resources Technology Satellite-1). Proyek eksperimental tersebut sukses lalu
dilanjutkan dengan peluncuran yang kedua. Landsat mengalami perkembangan yang pesat
sampai pada tahun 1991 sudah mencapai satelit Landsat-5 yang diluncurkan ke antariksa.
Selama kurun waktu tersebut dengan kecanggihan teknologi terjadi perubahan desain
sensor pada Landsat. Generasi terbaru dari satelit landsat yaitu Landsat 8 yang di
luncurkan tanggal 11 Februari 2013.
Landsat 8 memiliki kemampuan untuk merekam citra dengan resolusi spasial yang
bervariasi. Variasi resolusi spasial mulai dari 15 meter sampai 100meter serta dilengkapi
oleh 11 saluran (band) dengan resolusi spektral yang bervariasi. Landsat 8 dilengkapi dua
instrumen sensor yaitu OLI dan TIRS. Landsat 8 mampu mengumpulkan 400 scenescitra atau
150 kali lebih banyak dari Landsat 7 dalam satu hari perekamannya.

G. Sistem Informasi Geografi

Menurut Arronof (1989) dalam (Danoedoro, 1996)Sistem Informasi Geografi

merupakan sistem informasi yang mendasarkan pada kerja dasar komputer yang
mampu memasukkan, mengelola (memberi dan mengambil kembali), manipulasi, analisis
data serta keluaran. Penanganan data geografi menjadi lebih mudah dan efisien dengan
menggunakan SIG, hal ini disebabkan kemampuan sistem untuk kompilasi, penyimpanan,
pembaruan dan perubahan, manipulasi, analisis dankombinasi, penyajian. Hasil pengolahan
data melalui analisis dan manipulasi akan dihasilkan suatu informasi baru sesuai tujuan analisis
dan manipulasi yang dilakukan. Sistem informasi geografi berfungsi untuk mengelola
data yang berupa informasi keruangan (spasial).

H. Kesesuaian Lahan Padi

Kesesuaian lahan merupakan penggambaran tingkat kecocokan sebidang lahan untuk

penggunaan lahan tertentu (Sitorus, 1985). Kerangka dasarnya adalah membandingkan
persyaratan yang diperlukan untuk penggunaan lahan tertentu dengan sifat sumberdaya
yang ada di lahan tersebut. Menurut FAO (1983) suatu wilayah dapat memiliki kelas
kesesuaian lahan yang berbeda sesuai dengan karakteristiknya. Setiap tanaman memiliki
kebutuhan hara yang berbeda-beda sehingga tingkat kesesuaian lahan untuk masing masing
tanaman berbeda pula. Kesesuaian lahan berfungsi untuk memberi informasi mengenai
suatu lahan sehingga diharapkan dapat mengoptimalkan hasil produksi terutama di sektor

5
pertanian (Departemen Pertanian, 1983).

I. Metode Pelaksanaan
1. Metode Pengambilan Sampel
Pengambilan sampel penelitian ini menggunakan metode proportional random sampling.
Metode proportional random sampling merupakan metode penentuan titik sampel berdasarkan
proporsi luasan agihan lahan sawah. Semakin luas lahan sawah maka jumlah titik sampel akan
semakin banyak disesuaikan dengan total titik sampel yang akan diambil. Pengambilan sampel
dilakukan secara menyebar dan acak disemua lahan pertanian yang telah diidentifikasi melalui
citra Landsat 8. Berikut ini adalah persamaan yang digunakan untuk mengetahui jumlah titik
sampel di setiap jenis kesesuaian lahan.
n = X÷N
Keterangan: n = Jumlah sampel yang diinginkan setiap strata.
N = Luas total lahan pertanian padi di Kabupaten Brebes.
X = Luas lahan pertanian padi setiap strata.
N1 = Banyaknya sampel.

2. Metode Pengumpulan Data

Terdapat dua cara pengumpulan data yang digunakan dalam penelitian ini yaitu
pengumpulan data primer dan sekunder. Data primer yang digunakan adalah citra Landsat 8 yang
direkam pada tanggal 24 Agustus 2015 scene 121/65 dan data hasil survei langsung dilapangan.
Data sekunder dalam penelitian kali ini adalah peta kesesuaian lahan pertanian Kabupaten
Brebes dan peta administrasi Kabupaten Brebes tahun 2013 yang berupa Shapefile.

3. Teknik Pengolahan Data

-Tahapan Persiapan
Tahapan persiapan merupakan tahapan awal penelitian yang meliputi studi pustaka
terhadap literatur-literatur dan sumber referensi yang berkaitan dengan penelitian. Penentuan
jenis data yang akan digunakan dalam penelitian ini juga dipersiapkan sesuai dengan metode
penelitian yang akan digunakan. Pengumpulan data diperoleh dan diolah oleh instansi-instansi
terkait serta dari berbagai sumber referensi terpercaya.
-Tahapan Pelaksanaan
Tahap pelaksanaan meliputi tahapan pengolahan data pra lapangan, survei lapangan, dan
pengolahan data pasca lapangan.
-Pengolahan Data Pra Lapangan
Pengolahan data pra lapangan digunakan sebagai data sementara untuk mempermudah
ketika survei lapangan. Pengolahan data pra lapangan meliputi pengolahan citra Landsat mulai
dari koreksi radiometrik hingga menjadi penggunaan lahan pertanian. Selain itu juga untuk
mempersiapkan peta kesesuaian lahan yang akan digunakan untuk meningkatkan tingkat

6
keakuratan estimasi produksi lahan pertanian padi.

4. Survei Lapangan
Dilakukan untuk mengecek hasil identifikasi lahan pertanian padi yang telah dibuat
sebelumnya serta digunakan untuk mengetahui tingkat produktivitas lahan pertanian padi melalui
wawancara langsung dengan para petani. Survei yang dilakukan berdasarkan titik sampel yang
telah dibuat sebelumnya menggunakan metode proportional random sampling. Terdapat 30 titik
sampel yang tersebar secara acak berdasarkan luas area dari tingkat kesesuaian lahan. Kegiatan
survei lapangan dilakukan untuk mengetahui luas lahan pertanian, produksi pertanian, jumlah
panen, dan kendala yang dihadapi petani.
-Pengolahan Data Pasca Lapangan Tahapan
Pengolahan data pasca lapangan digunakan untuk mengolah data hasil survei lapangan
sehingga peta yang dihasilkan mampu merepresentasikan keadaan asli dilapangan. Pengolahan
data pasca lapangan diantaranya memperbaiki identifikasi lahan pertanian padi dan peta
kesesuaian lahan pertanian apabila tidak sesuai dengan keadaan dilapangan serta mengolah data
hasil wawancara untuk memperoleh produktivitas pertanian padi rata-rata disetiap peta
kesesuaian lahan.

7
 BAB III
PENUTUP

A. Simpulan
Kita dapat mengetahui bahwa banyak metode-metode yang dapat digunakan dalam
produktivitas lahan. Dengan menggunakan data-data yang akurat dapat mempermudah
dalam mengetahui cara melakukan produktivitas lahan.

B. Saran

Alangkah lebih baiknya jika metode-metode yang akan hadir berikutnya lebih sederhana dan
lebih mudah diaplikasikan.

8
 DAFTAR PUSTAKA

Badan Pusat Statistik. (2016). Luas Panen, Produksi, dan Produktivitas Padi
Menurut Kabupaten/Kota di Provinsi Jawa Tengah. Jawa Tengah.
Danoedoro, P. (1996). Pengolahan Citra Digital Teori dan Aplikasi Dalam
Bidang Penginderaan Jauh. Yogyakarta: Fakultas Geografi UGM.
Dinas Pertanian dan Kehutanan. (2008). Tanaman Padi. Jakarta: Departemen
Pertanian dan Kehutanan.
FAO. (1983). Reconnaissance Land Resource Surveys 1:250.000 Scale Atlas
Format Procedures. Bogor: Center For Soil Research.
Hasyim, H. (2006). Padi. Medan: FP-USU Press.
Karsyno, F., & Pasadaran, E. (2004). Ekonomi Padi dan Beras Indonesia. Jakarta:
Badan Penelitian dan Pengembangan Pertanian, Departemen Pertanian.
Lillesand, T. M., & Kiefer, R. W. (1997). Penginderaan Jauh dan Interpretasi
Citra. Yogyakarta: Diterjemahkan oleh Dulbahri, Prapto Suharsono,
Hartono, Suharyadi: Sutanto (penyunting). Gadjah Mada University Press.
Noer, M. (2008). Estimasi Produksi Tanaman Padi Sawah Di Kabupaten Bekasi,
Karawang, dan Subang Tahun 2007. Jakarta: Program Studi Geografi,
FMIPA, Universitas Indonesia.
Said, H. I., Subiyanto, S., & Yuwono, B. D. (2015). Analisis Produksi Padi
Dengan Penginderaan Jauh dan Sistem Informasi Geografi Di Kota
Pekalongan. Jurnal Geodesi Undip, Volume 4, Nomor 1.
Setiono. (2015). Analisis Produksi Padi Di Kabupaten Kulonprogo Tahun 2014 Menggunakan
Citra Landsat 8. Surakarta: Program Studi Geografi, Fakultas Geografi, UMS.
Simonett, D. S. (1983). The Development and Principles of Remote Sensing, In:
Gastellu and Etcheorry. Remote Sensing With SPOT, An Assessment of
SPOT Capability in Indonesia. Yogyakarta: Universitas Gadjah Mada.
Sitanggang, G. (2010). Kajian Pemanfaatan Satelit Masa Depan: Sistem
Penginderaan Jauh Satelit (Landsat-8). Peneliti Bidang Bangfatja, LAPAN.
Sitorus, S. (1985). Evaluasi Sumber Daya Lahan. Bandung: Tarsito.
Surako, R. (2016). Analisis Produktifitas Rata-rata Lahan Padi Sawah Tahun
2015 Di Kecamatan Gatak Kabupaten Sukoharjo. Surakarta: Program
Studi Geografi, Fakultas Geografi, UMS.
Sutanto. (1995). Penginderaan Jauh Dasar. Yogyakarta: Badan Penerbit Fakultas
Geografi (BPFG) Universitas Gadjah Mada.
Tika, M. P. (2005). Metode Penelitian Geografi. Jakarta: PT Bumi Aksara.
Triyanto, J. (2006). Analisis Produksi Padi Di Jawa Tengah. Semarang:
Universitas Diponegoro Semarang.
USGS. (2013). Landsat 8 Fact Sheet. Amerika Serikat: U.S. Geological Survey.
http://landsat.usgs.gov/Landsat8_Using_Product.php. Diakses 16 Februari 2017. Pukul
13.37 WIB.
Wahyuto, W., & Heryanto, B. (2006). Pendugaan Produksi Tanaman Padi Sawah
Melalui Analisis Citra Satelit. Bogor: Balai Besar Litbang Sumberdaya
Lahan Pertanian.

9
Winangun, Y. W. (2005). Membangun Karakter Petani Organik dalam Era
Globalisasi. Yogyakarta: Kanisius Media.

10