USULAN PRAKTIK KERJA LAPANGAN

PENENTUAN KEBUTUHAN DAN DISTRIBUSI BENIH PADI DI JAWA

TENGAH DENGAN ANALISIS NDVI CITRA LANDSAT 8 BERBASIS
WEBGIS

Oleh :
Fathan Johansyah
NIM A0B020017

KEMENTERIAN RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2023
 USULAN PRAKTIK KERJA LAPANGAN

PENENTUAN KEBUTUHAN DAN DISTRIBUSI BENIH PADI DI JAWA

TENGAH DENGAN ANALISIS NDVI CITRA LANDSAT 8 BERBASIS
WEBGIS

Oleh :
Fathan Johansyah
NIM A0B020017

Diajukan Sebagai Salah Satu Syarat untuk Melaksanakan Praktik Kerja

Lapangan pada Pendidikan Diploma Tiga Fakultas Pertanian Universitas
Jenderal Soedirman

KEMENTERIAN RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2023

i
 USULAN PRAKTIK KERJA LAPANGAN

PENENTUAN KEBUTUHAN DAN DISTRIBUSI BENIH PADI DI JAWA

TENGAH DENGAN ANALISIS NDVI CITRA LANDSAT 8 BERBASIS
WEBGIS

Oleh :
Fathan Johansyah
NIM A0B020017

Diterima dan disetujui

Tanggal :

Mengetahui :
Wakil Dekan Bidang Akademik, Pembimbing,

Dr. Ir. Hidayah Dwiyanti, M.Si. Drs. Prasmadji Sulistyanto, M.Si.

NIP 19620906 198703 2 001 NIP 19611116 198903 1 002

ii
 PRAKATA

Puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa yang
telah melimpahkan kasih dan karunia-Nya, sehingga penulis dapat menyusun
Usulan Praktik Kerja Lapangan yang berjudul “Penentuan Kebutuhan dan
Distribusi Benih Padi di Jawa Tengah dengan Analisis NDVI Citra Landsat 8
Berbasis WebGIS”. Penulisan Usulan Praktik kerja Lapangan ini tidak lepas dari
bantuan dan bimbingan banyak pihak. Oleh karena itu, penulis mengucapkan
terima kasih yang sebesar-besarnya kepada:
1. Dekan dan Wakil Dekan Bidang Akademik Fakultas Pertanian Universitas
Jenderal Soedirman yang telah memberikan izin untuk melaksanakan Praktik
Kerja Lapangan.
2. Drs. Prasmadji Sulistyanto, M.Si. selaku dosen pembimbing Praktik Kerja
Lapangan yang telah banyak memberikan saran dan bimbingannya dalam
penulisan usulan praktik kerja lapangan ini.
3. Kepala Divisi Penjualan Benih PT Sang Hyang Seri beserta seluruh
jajarannya yang telah memberikan izin untuk melaksanakan Praktik Kerja
Lapangan.
4. Keluarga yang selalu mendukung dan memotivasi dalam penyusunan
proposal usulan Praktik Kerja Lapangan.
5. Teman-teman Program Studi Diploma Tiga Perencanaan Sumberdaya Lahan
angkatan 2020 Fakultas Pertanian Universitas Jenderal Soedirman.
6. Semua pihak yang telah memberikan bantuan dalam penelitian maupun
penyusunan penulisan usulan Praktik Kerja Lapangan.
Penulis menyadari usulan praktik kerja lapangan ini masih jauh dari kata
sempurna. Oleh karena itu, kritik dan saran yang membangun sangat penulis
harapkan.

Purwokerto, 23 Februari 2023

Fathan Johansyah

iii
 DAFTAR ISI

Halaman

DAFTAR TABEL.....................................................................................................v
I. PENDAHULUAN .............................................................................................1
II. TINJAUAN PUSTAKA.....................................................................................4
A. Citra Landsat 8 ..........................................................................................4
B. Analisis NDVI Secara Umum ...................................................................4
C. Penentuan Kebutuhan dan Distribusi Benih dengan NDVI ......................5
D. WebGIS ....................................................................................................6
III. METODE PRAKTIK KERJA LAPANGAN ...................................................8
A. Waktu dan Tempat Pelaksanaan ...............................................................8
B. Materi dan Praktik Kerja Lapangan .........................................................8
C. Pelaksanaan Praktik Kerja Lapangan.......................................................8
D. Analisis Metode Pengumpulan Data ........................................................9
IV. JADWAL PELAKSANAAN PRAKTIK KERJA LAPANGAN ..................10
DAFTAR PUSTAKA .............................................................................................11

iv
 DAFTAR TABEL

Tabel Halaman
1. Hubungan Nilai NDVI dengan Usia Tanaman .....................................................6
2. Jadwal Pelaksanaan Praktik Kerja Lapangan .....................................................10

v
 I. PENDAHULUAN

Indonesia merupakan salah satu negara dengan sektor pertanian terbesar di

dunia. Dalam artikel yang ditulis oleh Iqbal (2021), Indonesia merupakan negara
produksi padi terbesar ketiga didunia pada tahun 2020 menurut data Food and
Agriculture Organization (FAO) dengan 54,65 juta ton diikuti luasan panen seluas
10,66 juta ha. Dalam artikel yang ditulis oleh Sarnita (2022), Indonesia juga
merupakan negara pengkonsumsi beras terbanyak kelima di Asia menurut data
United States Departmen of Agriculture (USDA) dengan total konsumsi 154 kg per
orang per tahun. Sehingga kebutuhan akan tanaman padi sangat besar di Indonesia.
Maka dari itu perlu dilakukan berbagai strategi baik oleh pemerintah maupun
swasta agar kebutuhan dan distribusi benih padi terlaksana.
Salah satu strategi dalam memperkuat ketahanan pangan dan meningkatkan
produktivitas pertanian adalah pembentukan BUMN PT Sang Hyang Seri pada
tahun 1971 untuk mengemban misi memperkuat sektor pertanian, khususnya
dengan menyokong upaya pemerintah dalam mengupayakan ketahanan pangan
nasional secara berkesinamungan. Misi ini secara substansial diwujudkan melalui
berbagai bisnis inti yang dijalankan perusahaan dari waktu ke waktu, salah satunya
adalah produksi benih padi (PT Sang Hyang Seri, 2023).
Jawa Tengah merupakan salah satu provinsi dengan sektor pertanian
terbesar dibanding provinsi lain. Menurut BPS (2020), Provinsi Jawa Tengah
merupakan provinsi terbesar dalam hasil ton gabah kering giling (GKG) sebesar
9,65 juta ton pada tahun 2019 menurut data yang dirilis oleh Kementerian
Pertanian. Jawa Tengah juga merupakan provinsi terbesar kedua setelah Jawa
Timur dalam luas panen padi dalam setahun dengan luasan 1,67 juta ha pada tahun
2019.
Wilayah Jawa Tengah sangatlah luas, dalam mengidentifikasi luasan lahan
sawah tiap musim nya akan sangat sulit dilakukan apabila harus menjangkau tiap
daerah. Untuk memantau luasan lahan sawah tiap musimnya dalam skala wilayah
yang sangat besar, metode yang paling cocok digunakan ialah penggunaan teknik

1
penginderaan jauh. Satelit Landsat 8 merupakan salah satu satelit penginderaan jauh
yang datanya terbuka untuk umum dan dapat diunduh secara gratis (Loveland and
Irons, 2016). Satelit Landsat memiliki resolusi temporal 16 hari serta resolusi
spasial 30 m. Indeks Vegetasi dari citra satelit multitemporal ini dapat digunakan
untuk memetakan musim tanam di lahan sawah dengan melihat tinggi rendahnya
kerapatan vegetasi pada jangka waktu tertentu dan dalam wilayah yang luas.
PT Sang Hyang Seri tiap tahunnya menyusun rencana kerja dan anggaran
perusahaan (RKAP) dalam penentuan target penjualan dan distribusi benih padi
tiap bulannya. Penentuan ini hanya berdasarkan survei dan penjualan bulan
sebelumnya, sehingga seringkali target penjualan beberapa kantor cabang tidak
terpenuhi. Dalam mempermudah penyusunan target penjualan dan distribusi benih
padi, dibutuhkan data sebaran musim tanam padi tiap kabupaten nya secara
terperinci, yaitu kapan dimulainya fase penanaman dan kapan dimulainya fase
pemanenan, hingga berapa luasan lahan sawah tiap masing masing musim tanam.
Sehingga dapat diatur dengan mudah target distribusi benih padi tiap bulan
berdasarkan potensi wilayah per musimnya.
Permasalahan awal dari pelaksanaan PKL ini adalah tidak adanya data
musim tanam padi di PT Sang Hyang Seri sehingga tidak diketahui kebutuhan dan
distribusi benih padi untuk menentukan target penjualan benih tiap bulannya.
Rumusan masalah pada praktik kerja lapangan ini adalah sebagai berikut:
1. Bagaimana penentuan kebutuhan benih padi di PT Sang Hyang Seri
2. Bagaimana penentuan distribusi benih tiap bulan di PT Sang Hyang Seri
Tujuan dari pelaksanaan praktik kerja lapangan adalah sebagai berikut:
1. Menentukan kebutuhan benih tanaman padi tiap kabupaten di Jawa Tengah
pada tahun 2022.
2. Menentukan distribusi benih tanaman padi tiap bulan di Jawa Tengah pada
tahun 2022.
Manfaat dari penelitian ini bagi mahasiswa dan perusahaan adalah :
1. Menambah wawasan dan ilmu terkait analisis NDVI untuk kegunaan pemetaan
luasan tanam padi pada setiap musim nya.
2. Mengetahui secara langsung mengenai kebutuhan dan distribusi benih tanaman

2
 padi.
3. Mempermudah perusahaan menyusun target penjualan dan distribusi benih.

3
 II. TINJAUAN PUSTAKA

A. Citra Landsat 8

Lembaga Penerbangan dan Antariksa Nasional (2013) menyatakan Citra

satelit merupakan salah satu sumber data yang digunakan dalam teknik
penginderaan jauh dan/atau sistem informasi geografis. Teknologi citra satelit ini
pertama kali dipelopor oleh NASA. Citra Landsat 8 merupakan citra yang
diluncurkan pada tanggal 11 Februari 2013 ditugaskan menjadi satelit pengamat
bumi, sejak citra Landsat 1 pada tahun 1972. Citra ini memiliki dua sensor yaitu
Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS). Kedua
sensor ini memiliki resolusi spasial 30 meter (visible, NIR, SWIR), 100 meter
(thermal), dan 15 meter (pankromatik). Landsat 8 merupakan citra yang memiliki
orbit Sun-Synchronous pada ketinggian 705 km. Landsat 8 menangkap rentang
spektrum gelombang elektromagnetik yang lebih panjang, sehingga citra landsat
terbaru ini dirasa sangat cocok untuk melaksanakan analisis NDVI.

B. Analisis NDVI Secara Umum

Dalam sistem informasi geografis, metode indeks vegetasi yang paling

banyak digunakan untuk melakukan analisis terhadap komponen vegetasi yaitu
NDVI, karena mampu menangkap kerapatan vegetasi hijau pada resolusi spasial 30
m. Parameter yang digunakan untuk melakukan analisis terhadap keadaan vegetasi
suatu wilayah adalah indeks kehijauan berbasis spektrum, yang berfungsi untuk
mengukur serta memantau pertumbuhan tanaman (vigor), tutupan vegetasi, dan
produksi biomassa dari data satelit multispektral (Arnas et al., 2020).
Menurut Nunung et al. (2020) rumus analisis NDVI adalah nilai dihitung
sebagai rasio antar pantulan yang terukur dari kanal 4 atau kanal red dan kanal
near infrathermal red (NIR) atau kanal 5. Kedua kanal ini digunakan karena hasil
ukurannya dipengaruhi oleh penyerapan klorofil, memudahkan dalam pembedaan

4
antara lahan bervegetasi, lahan terbuka, dan air serta peka terhadap biomassa
vegetasi. Nilai NDVI berkisar antara -1 hingga +1. Kedua kanal ini digunakan
karena hasil perhitungannya dipengaruhi oleh penyerapan klorofil, sehingga
memudahkan dalam menganalisis tingkat kehijauan suatu vegetasi. Untuk
menghitung nilai NDVI menggunakan persamaan berikut :
𝑁𝐼𝑅 −𝑅𝐸𝐷
NDVI = 𝑁𝐼𝑅 +𝑅𝐸𝐷

C. Penentuan Kebutuhan dan Distribusi Benih dengan NDVI

Nuarsa & Nishio (2007) dalam penelitiannya menyatakan terdapat hubungan

yang erat antara nilai NDVI dengan usia tanaman. Nilai NDVI cenderung
meningkat sejak awal pertumbuhan tanaman, hingga mencapai puncak yang disebut
sebagai nilai NDVI maksimal dan terus mengalami penurunan sampai akhirnya
tanaman tersebut mati. Dari hasil penelitian ini juga mengatakan bahwa nilai NDVI
dapat mengindikasikan kandungan klorofil pada tanaman. Pengamatan vegetasi
umumnya dilakukan dengan membandingkan tingkat kecerahan saluran merah
(red) dengan saluran inframerah dekat (near Infrared / NIR). Secara umum cahaya
merah diserap oleh klorofil, dan cahaya infra merah dekat dipantulkan oleh jaringan
mesofil daun. Hal ini menunjukkan bahwa selain digunakan untuk menganalisis
tingkat kerapatan vegetasi metode NDVI juga dapat digunakan untuk menganalisis
tanaman lebih lanjut.
Nunung et al. (2020) dalam penelitiannya membuktikan bahwa analisis
NDVI dapat digunakan untuk memetakan luasan tanaman padi pada masing-masing
musim tanam. Dalam penelitiannya menyatakan bahwa nilai NDVI tanaman padi
berkisar antara rentang 0.2 dari fase tanam hingga tertinggi adalah 1 saat fase
generatif. Lebih lanjut, Aulia (2013) dalam penelitiannya menyatakan ada
hubungan antar usia tanaman padi dengan nilai NDVI yang diperoleh. Terdapat
perbedaan usia tanaman padi terhadap rentang nilai NDVI.
Dari tiga penelitian yang dibahas pada paragraf diatas dapat disimpulkan
bahwa NDVI berkaitan erat dengan fase pertumbuhan tanaman padi dan usia
tanaman padi, sehingga terdapat klasifikasi nilai NDVI tanaman padi, yaitu :

5
Tabel 1. Hubungan Nilai NDVI dengan Usia Tanaman
Usia Tanaman/Fase Tumbuh Nilai NDVI
3-6 MST / Vegetatif 0.2 – 0.6
6-14 MST / Generatif 0.6 – 0.9
14-17 MST / Bera 0.1 – 0.2

Setelah diketahui usia tanaman melalui Analisis NDVI, maka kebutuhan dan
distribusi benih suatu wilayah pada periode waktu tertentu dapat diketahui.
Kebutuhan benih padi menurut pedoman perusahaan yaitu 1 ha lahan sawah
membutuhkan 25 kg benih padi. Setelah diketahui waktu musim tanam dan
masing masing lokasinya, maka kebutuhan dan distribusi benih di Jawa Tengah
pada periode waktu tertentu akan diketahui.

D. WebGIS

WebGIS merupakan Sistem Informasi Geografi berbasis web yang terdiri

dari beberapa komponen yang saling terkait. WebGIS merupakan gabungan antara
design grafis pemetaan, peta digital dengan analisis geografis, pemrograman
komputer, dan sebuah database yang saling terhubung menjadi satu bagian web
desain dan web pemetaan. (Andre et al., 2017)
Penggunaan data spasial khususnya di era modern ini semakin dibutuhkan.
Data musim tanam padi merupakan data penting yang harus dimiliki perusahaan
yang bergerak di bidang penjualan benih. Penggunaan peta dalam bentuk media
cetak dirasa kurang maksimal, dikarenakan tidak semua pembaca peta memiliki
kemampuan dalam menginterpretasi peta, salah satunya adalah peta musim tanam
padi yang didalamnya terdapat informasi mengenai periode musim tanam
berlangsung, kebutuhan benih tiap daerah, dan distribusi benih pada periode
musim tertentu. Maka dari itu dibutuhkan webGIS agar pembaca peta yang awam
pun dapat dengan mudah menginterpretasi peta dalam bentuk web sehingga
informasi mengenai musim tanam padi, kebutuhan benih padi, dan distribusi
benih padi dapat dipahami dengan baik. Hasil akhir dari webGIS adalah berupa

6
web peta layaknya google maps yang dapat dilihat dan dipahami dengan mudah
oleh semua orang. WebGIS adalah solusi mudah bagi orang yang ingin
mengoperasikan peta tetapi tidak memiliki kemampuan dalam menjalankan
software GIS atau kemampuan menginterpretasi peta

7
 III. METODE PRAKTIK KERJA LAPANGAN

A. Waktu dan Tempat Pelaksanaan

Praktik Kerja Lapangan akan dilaksanakan di PT Sang Hyang Seri Kantor

Pusat Gedung Graha Gabah, Jakarta Selatan. Waktu pelaksanaan dimulai dari
tanggal 27 Februari sampai 5 Mei 2023.

B. Materi dan Praktik Kerja Lapangan

Objek yang akan dikaji pada praktik kerja lapangan ini adalah mengenai
distribusi benih padi di Jawa Tengah dalam bentuk peta musim tanam berbasis
WebGIS. Hasil akhir dari praktik kerja lapangan ini adalah data musim tanam padi
dan peta distribusi benih padi di Jawa Tengah berbasis Webgis. Secara rinci, objek
yang dikaji pada praktik kerja lapangan ini adalah :
1. Data Musim Tanam Padi di Jawa Tengah pada tahun 2022 berupa luasan
tanam, lokasi penanaman, dan waktu penanaman.
2. Pengolahan Peta Kebutuhan dan Distribusi Benih per bulan tahun 2022 di
Jawa Tengah berbasis WebGIS.

C. Pelaksanaan Praktik Kerja Lapangan

Pelaksanaan Praktek Kerja Lapang (PKL) ini dilaksanakan melalui tiga tahap
yaitu sebagai berikut:
1. Tahap persiapan
Kegiatan pada tahap persiapan adalah penyelesaian administrasi dan
melengkapi syarat pelaksanaan Praktik Kerja Lapangan, studi pustaka yang
berhubungan dengan masalah yang dikaji serta penyusunan Usulan Praktik
Kerja Lapangan.
2. Tahap Pengambilan data
Kegiatan pada tahap pengambilan data adalah pengumpulan data yang

8
 dibutuhkan meliputi data primer dan data sekunder, lalu dilanjutkan dengan
pengolahan data dan analisis data.
3. Tahap pelaporan
Kegiatan pada tahap penyelesaian adalah menyusun data yang diperoleh pada
saat pelaksanaan Praktik Kerja Lapangan dan penyusunan Laporan Tugas
Akhir atau Laporan Praktik Kerja Lapangan.

D. Analisis Metode Pengumpulan Data

Data yang diambil pada praktik kerja lapangan ini berupa data primer dan
data sekunder.
1. Data primer berupa Citra Landsat 8 yang telah didelineasi pada wilayah sawah
yang diunduh melalui aplikasi Google Earth Engine.
2. Data Sekunder diperoleh dari studi Pustaka yang relevan dengan penelitian ini
dan wawancara bersama narasumber Anggarda Gumelar, S.E terkait dengan
pembuatan dan pengolahan peta berbasis WebGIS.

9
 IV. JADWAL PELAKSANAAN PRAKTIK KERJA
LAPANGAN

Kegiatan Praktik Kerja Lapangan di Kantor Pusat PT Sang Hyang Seri yang
terletak di Gedung Graha Gabah, Duren Tiga, Kec. Pancoran, Kota Jakarta
Selatan, DKI Jakarta 12760 yaitu berpartisipasi aktif dan ikut serta dalam kegiatan
yang sudah ditetapkan, sesuai dengan topik kajian yang diambil. Adapun jadwal
pelaksanaan dan rencana kegiatan tercantum pada Tabel 2.
Tabel 2. Jadwal Pelaksanaan Praktik Kerja Lapangan
Minggu ke -
No. Jenis Kegiatan 1 2 3 4 5 6 7 8 9 10
1. Persiapan
2. Pengambilan data
3. Analisis data
4. Pelaporan

10
 DAFTAR PUSTAKA

Andre, H., Moehammad, A., & Bambang, D. Y. 2017. Pembuatan Aplikasi

WebGIS Informasi Pariwisata dan Fasilitas Pendukungnya di Kabupaten
Kudus. Jurnal Geodesi UNDIP, 6(4): 51-59.
Arnas, H., Pegita, U. D., Taufiq, F., Novia, F. S. S., & Nadifa, S. R. 2021.
Pemanfaatan Citra Landsat 8 Dalam Mengidentifikasi Nilai Indeks
Kerapatan Vegetasi (NDVI) Tahun 2013 dan 2019 (Area Studi: Kota
Bandar Lampung). Jurnal Geosains dan Remote Sensing, 2(1):8-15
Aulia, H. S., Agung, B. C., & Agus, W. 2013. Penggunaan Algoritma NDVI dan
EVI Pada Citra Multispektral Untuk Analisa Pertumbuhan Padi. Jurnal
Geoid, 9(1): 7-10.
Badan Pusat Statistik. 2020. “Luas Panen, Produksi, dan Produktivitas Padi
Menurut Provinsi 2019”, https://www.bps.go.id/indicator/53/1498/2/luas-
panen-produksi-dan-produktivitas-padi-menurut-provinsi.html, diakses
pada 12 Februari 2022 pukul 12.03.
Iqbal, A. M. 2021. “ Indonesia Penghasil Beras Ketiga Terbesar di Dunia”,
https://mediaindonesia.com/ekonomi/393247/indonesia-peringkat-ketiga-
penghasil-beras-terbesar-di-dunia, diakses pada 12 Februari 2023 pukul
13.15.
I Wayan Nuarsa & Fumihiko Nishio. 2007. Relationships Between Rice Growth
Parameters and Remote Sensing Data. International Journal of Remote
Sensing and Earth Sciences, 4:102-112.
Lembaga Penerbangan dan Antariksa Nasional. 2013. “Landsat-8”, inderaja-
catalog.lapan.go.id/application_data/default/pages/about_Landsat-8.html,
diakses pada 12 Februari 2022 pukul 12.03.
Loveland, R. & R. Irons. 2016. Landsat 8: The plans, the reality and the legacy.
Remote Sensing of Environment, 185:1-6.
Nunung, N. T., Willem, A. S., & Johanes, P. H. 2020. Transformasi Indeks
Vegetasi Citra Landsat 8 OLI untuk Pemetaan Musim Tanam pada Lahan

11
 Sawah di Kabupaten Buru, Provinsi Maluku. Jurnal Budidaya Pertanian,
16 (2): 197-205.
PT Sang Hyang Seri. 2023. “Company Profile PT Sang Hyang Seri”,
http://ptsanghyangseri.co.id/sejarah-perusahaan, diakses pada 12 Februari
2023 pukul 12.50.
Sarnita, Sadya. 2022. “Negara-negara Asia Paling Banyak Konsumsi Beras pada
2021”, https://dataindonesia.id/sektor-riil/detail/negaranegara-asia-paling-
banyak-konsumsi-beras-pada-2021, diakses pada 12 Februari 2023 pukul
12.25.

12