A. Inventarisasi daftar pustaka dari jurnal International Journal of Remote
Sensing 1. Maxwell, A., Warner, T. and Fang, F., 2018. Implementation of machine-learning classification in remote sensing: an applied review. International Journal of Remote Sensing, 39(9), pp.2784-2817. 2. Cheng, Y., Yu, L., Xu, Y., Liu, X., Lu, H., Cracknell, A., Kanniah, K. and Gong, P., 2018. Towards global oil palm plantation mapping using remote-sensing data. International Journal of Remote Sensing, 39(18), pp.5891-5906. 3. Shanmugapriya, P., Rathika, S., Ramesh, T. and Janaki, P., 2019. Applications of Remote Sensing in Agriculture - A Review. International Journal of Current Microbiology and Applied Sciences, 8(01), pp.2270-2283. 4. Wulder, M., Coops, N., Roy, D., White, J. and Hermosilla, T., 2018. Land cover 2.0. International Journal of Remote Sensing, 39(12), pp.4254-4284. 5. Wulder, M., Coops, N., Roy, D., White, J. and Hermosilla, T., 2018. Land cover 2.0. International Journal of Remote Sensing, 39(12), pp.4254-4284. 6. Kays, R., Sheppard, J., Mclean, K., Welch, C., Paunescu, C., Wang, V., Kravit, G. and Crofoot, M., 2018. Hot monkey, cold reality: surveying rainforest canopy mammals using drone-mounted thermal infrared sensors. International Journal of Remote Sensing, 40(2), pp.407-419. B. Resume artikel jurnal “Towards global oil palm plantation mapping using remote-sensing data” 1) Latar belakang dan tujuan penelitian Landasan ide : Industri kelapa sawit dapat mengembangkan ekonomi lokal dan meningkatakan kesempatan kerja. Namun, ekspansi kelapa sawit tanpa perencanaan rasional bisa menimbulkan dampak lingkungan negatif seperti deforestasi dan peningkatan emisi gas rumah kaca. Maka dari itu diperlukan peta perkebunan kelapa sawit global yang akurat untuk menentukan kesesuaian habitat sehingga bisa mempromosikan pembangunan berkelanjutan. Namun, studi saat ini hanya terbatas pada distribusi kelapa sawit regional. Tujuan yang ingin diperoleh a. Memetakan luasan perkebunan kelapa sawit di negara- negara produsen utama di dunia menggunakan data penginderaan jauh (PALSAR 2 dan gambar resolusi tinggi dari Google Earth) b. Mengeksplorasi persamaan, perbedaan, karakteristik sebaran perkebunan kelapa sawit di berbagai wilayah di dunia dari segi iklim dan medan 2) Metode Metode yang digunakan: penelitian survey Subjek penelitian : kuantitatif, yakni 15 negara yang memiliki lebih dari satu juta ha area panen kelapa sawit di dunia menurut FAO 2014 (Indonesia, Malaysia, Nigeria, Thailand, Ghana, Guinea, Pantai Gading, Ekuador, Kolombia, Kongo, Papua Nugini, Kamerun, Honduras, Brasil, dan Guatemala) Teknik pengumpulan data : observasi Alat pengumpul data : Produk ALOS-2 PALSAR-2 resolusi 25 m (Level 1.5) dengan Fine Mode Dual Polarization Analisis data yang digunakan : kuantitatif, yakni interpolasi bilinear hingga resolusi 100 m, yang merupakan skala estimasi area kelapa sawit yang paling akurat dibandingkan dengan resolusi lainnya. Lalu, citra PALSAR dimanipulasi untuk menghasilkan dua lapisan lagi (HH-HV dan HH/HV) menggunakan polarisasi HH dan HV 3) Hasil dan pembahasan : Akurasi kelapa sawit di Malaysia, Indonesia, dan Tahiland di atas 70%, sedangkan Nigeria dan Ghana di bawah 70% Luas perkebunan kelapa sawit Indonesia mencapai 16,25 Mha pada tahun 2016, melebihi 119% dan 77% perkiraan FAO (7,43 Mha) dan USDA (9,20 Mha) Nigeria adalah wilayah kelapa sawit terbesar di Afrika dengan luas kelapa sawit 2,86 Mha Lahan yang ditutupi dengan perkebunan kelapa sawit di Amerika Latin dan Oseania mencapai total area 1,10 Mha Kelapa sawit Asia Tenggara sebagian besar tumbuh di daerah elevasi rendah (0–200 m), Afrika 0–600 m hingga 800 m, dan di Amerika Latin, di bawah 400 m. Di Asia Tenggara, kelapa sawit ditanam di tempat dengan curah hujan 1500–4000 mm, di Afrika1000–3500 mm, dan di Amerika Latin 2000–3000 mm. Ada kesalahan klasifikasi terdeteksi di peta ini 4) Kesimpulan : Perkebunan kelapa sawit terutama berada di daerah dataran rendah, daerah datar, hangat dan basah, tetapi ada perbedaan regional terutama di medan.