Abstrak - Pertanian presisi atau precision farming (PF) merupakan suatu sistem pengelolaan lahan pertanian
yang berbasis informasi keragaman lahan, tanaman, dan iklim untuk menghasilkan suatu keputusan terbaik
dengan tujuan untuk memperoleh keuntungan yang optimal, berkelanjutan, dengan tetap menjaga dan melindungi
kelestarian lingkungan. Penerapan PF di perkebunan kelapa sawit dimaksudkan untuk mempermudah
manajemen kebun dalam mengambil suatu keputusan terhadap berbagai permasalahan yang terjadi. Sistem
pengelolaan perkebunan kelapa sawit yang kebanyakan masih dilakukan secara konvensional, baik dalam hal
kultur teknis tanaman, pengelolaan tenaga kerja, maupun sistem administrasi, dinilai kurang optimal untuk
menjamin keberlanjutan usaha perkebunan kelapa sawit. Oleh karenanya, PF mulai dikembangkan di perkebunan
kelapa sawit dalam upaya mengelola seluruh keberagaman permasalahan yang ada secara cepat dan tepat
sehingga dapat diambil keputusan yang tepat menyangkut manajemen yang sesuai secara spesifik baik dari segi
lokasi, cara, maupun waktu.
Kata kunci: Precision farming, Geographic Information System, remote sensing
kelapa sawit di suatu daerah menyediakan banyak sederhana dan cepat dengan adanya perkembangan
lapangan pekerjaan bagi masyarakat sekitar, dan teknologi tersebut. Dalam dunia pertanian,
mempercepat introduksi berbagai teknologi pada perkembangan teknologi telah banyak diadopsi dan
daerah tersebut. Namun demikian, perkembangan dimanfaatkan sebagai suatu sistem yang dikenal
perkebunan kelapa sawit yang pesat tersebut bukan dengan istilah precision farming (PF). Pada prinsipnya
tanpa tantangan, berbagai permasalahan muncul terdapat lima komponen utama dari PF yaitu: (1)
pada sistem usaha perkebunan kelapa sawit, mulai mengukur keragaman, (2) menganalisis keragaman,
dari permasalahan non teknis seperti isu pencemaran (3) mengambil keputusan, (4) menerapkan perlakuan
lingkungan dan sosial masyarakat, sampai sesuai keragaman, dan (5) menilai serta mengevaluasi
permasalahan teknis seperti rendahnya produktivitas hasil yang berguna sebagai feedback solusi perbaikan
tanaman. selanjutnya. Melalui berbagai proses tersebut, maka
Perusahaan perkebunan merupakan resources penerapan PF pada suatu lahan pertanian akan
base corporate yang artinya keunggulan kinerja baru memudahkan petani untuk mengidentifikasi,
akan muncul manakala perusahaan mampu menganalisis, dan mengelola seluruh variabilitas
mengakses dan mengelola sumberdaya yang tersedia informasi yang ada dengan cepat, tepat, dan spesifik,
secara optimal. Permasalahannya, kondisi sehingga dapat diterapkan manajemen yang sesuai
sumberdaya yang ada di banyak perkebunan kelapa pada suatu lahan pertanian.
sawit saat ini sangat terbatas, baik sumberdaya Seperti yang telah diuraikan sebelumnya bahwa
manusia maupun sumberdaya lahannya. Sistem perkembangan perkebunan kelapa sawit di
pengelolaan perkebunan kelapa sawit yang Indonesia dihadapkan pada berbagai permasalahan
kebanyakan masih dilakukan secara konvensional, terutama masalah teknis yang menyebabkan
baik dalam hal kultur teknis tanaman, pengelolaan rendahnya produktivitas tanaman jauh dari
tenaga kerja, maupun sistem administrasi, dinilai potensinya. Sementara itu, tingginya biaya produksi
kurang optimal untuk menjamin keberlanjutan usaha akibat input yang tidak sesuai, tidak efisiennya
perkebunan kelapa sawit. Oleh karenanya, precision metode yang diterapkan serta kurang teraturnya
farming mulai dikembangkan di perkebunan kelapa sistem administrasi, berpotensi mengancam
sawit dalam upaya mengelola seluruh keberagaman keberlanjutan usaha perkebunan kelapa sawit di
permasalahan yang ada secara cepat dan tepat Indonesia. Menghadapi berbagai permasalahan
sehingga dapat diambil keputusan yang tepat tersebut mendorong para petani kelapa sawit
menyangkut manajemen yang sesuai secara spesifik (planters) dan seluruh stake holders mulai
baik dari segi lokasi, cara, maupun waktu. Tentunya menyadari pentingnya untuk mengadopsi berbagai
sudah banyak teknologi PF yang diterapkan pada teknologi untuk diterapkan dalam manajemen
perusahaan perkebunan kelapa sawit, terutama pada perkebunan kelapa sawit sebagai suatu sistem
aspek pengolahan hasil atau pabrik kelapa sawit, precision farming. Dalam kaitannya dengan
namun dalam makalah ini dibahas dan dipaparkan penerapan PF pada perkebunan kelapa sawit
penerapan dan tantangan PF di perkebunan kelapa terdapat beberapa komponen dasar dari PF, yaitu
sawit dari aspek tanaman untuk mendukung teknologi GPS (Global Positioning System), teknologi
agroindustri yang berkelanjutan. GIS (Geographic Information System), teknologi
remote sensing atau penginderaan jauh, dan teknologi
variable-rate application yang mencakup teknologi
PENERAPAN PRECISION FARMING (PF) DI sensor dan berbagai peralatan mesin.
PERKEBUNAN KELAPA SAWIT
Perkembangan teknologi informasi selalu Aplikasi PF Untuk Penentuan Posisi Dan
membawa perubahan bagi kehidupan manusia di Pemetaan Sebagai Dasar Pengelolaan
segala bidang, tidak terkecuali pada bidang pertanian Perkebunan Kelapa Sawit.
atau perkebunan. Berbagai tantangan yang dahulunya
dianggap sebagai suatu hal yang rumit untuk Perkembangan teknologi GPS dan GIS telah
dipecahkan karena hanya bisa dilakukan secara banyak digunakan sebagai suatu sistem PF di
manual dan memakan waktu yang lama menjadi lebih perkebunan kelapa sawit, diantaranya untuk
56
Potensi dan tantangan penerapan precision farming dalam upaya membangun perkebunan kelapa sawit yang berkelanjutan
memetakan area tanaman secara lebih cepat dan sehingga penentuan dosis pupuk dapat dilakukan
tepat, sebagai alat bantu navigasi peralatan berat lebih tepat.
seperti traktor, serta berbagai aspek perkebunan
kelapa sawit lainnya (Cheng et al., 2016; 2018; Pemanfaatan teknologi remote sensing juga
Miettinen et al., 2019; Rendana et al., 2016). telah banyak digunakan di perkebunan kelapa
(Nordiana et al., 2013) mengembangkan teknologi sawit sebagai suatu metode yang sangat berguna
GPS dan GIS sebagai suatu peralatan yang dapat untuk memonitor status dan perkembangan
digunakan untuk merancang peta areal perkebunan kelapa sawit. (Chong et al., 2017)
perkebunan yang meliputi area blok tanaman, menyatakan bahwa penggunaan teknologi remote
parit, jalan, jembatan, serta komponen kebun sensing di perkebunan kelapa sawit dapat
lainnya sehingga dengan teknologi ini sangat membantu planters dan stake holders untuk
bermanfaat bagi planters untuk menyusun rencana menentukan manajemen kebun yang efisien dan
kerja dan pembiayaan secara lebih tepat ketika ingin melakukan investigasi efek praktik di perkebunan
membuka areal perkebunan kelap sawit yang baru. kelapa sawit terhadap lingkungan. Teknologi
Sementara itu, (Akmal et al., 2018) mengembangkan remote sensing dapat dimanfaatkan untuk
teknologi GPS dan GIS berbasis webGIS yang melakukan estimasi luas areal perkebunan kelapa
digunakan sebagai dasar pengelolaan perkebunan sawit secara akurat berdasarkan klasifikasi
dalam rangka mencapai pemupukan yang lebih efektif penutupan lahan dengan bantuan citra landsat
dan efisien. Demikian juga halnya, (Wahid et al., 2002) (Nooni et al., 2014), near-infra red atau NIR dari
juga mengembangkan teknologi GPS dan GIS sebagai kandungan klorofil tanaman (Shafri et al., 2011),
dasar penentuan titik sampling pengambilan daun struktur kanopi (De Petris et al., 2019; Razali et al.,
berdasarkan keragaman pertumbuhan tanaman 2014; Teng et al., 2015).
Gambar 1. Contoh penerapan PF dengan memanfaatkan teknologi drone dan remote sensing untuk menghitung
jumlah tanaman di perkebunan kelapa sawit.
Teknologi remote sensing yang dikombinasikan berbagai rencana kerja lainnya. Namun, perhitungan
dengan drone juga sudah dimanfaatkan secara jumlah pohon secara manual akan membutuhkan
spesifik dalam manajemen perkebunan kelapa biaya yang mahal, waktu yang cukup lama, serta
sawit untuk menghitung jumlah pohon secara rentan terhadap kesalahan akibat faktor human error.
cepat dan tepat (Gambar 1). Jumlah tanaman yang
akurat sangat dibutuhkan sebagai dasar untuk Penerapan PF melalui pemanfaatan teknologi
menentukan biaya perawatan tanaman termasuk remote sensing untuk menghitung jumlah pohon
pemupukan, memonitoring dan mengestimasi secara cepat dan tepat telah banyak dilakukan dan
produksi, perencanaan replanting tanaman, serta terbukti sangat membantu managemen kebun
57
Eko Noviandi Ginting dan Dhimas Wiratmoko
dalam mengelola perkebunan kelapa sawit diidentifikasi melalui gejala yang muncul, seperti
(Fitrianto et al., 2017; Rizeei et al., 2018; Santoso akumulasi daun tombak lebih dari 3, kemudian adanya
et al., 2016; Shafri et al., 2011; Wang et al., 2018). busuk pada pangkal batang, dan memucatnya warna
daun. Namun ketika gejala tersebut muncul, biasanya
tanaman sudah terserang sangat parah sehingga sulit
Pemanfaatan PF Untuk Mengestimasi Umur untuk mempertahankannya. Selain itu, sering juga
Tanaman, Mendeteksi Serangan Hama Dan ditemukan tanaman tanpa gejala tersebut ternyata
Penyakit, dan Mengestimasi Produksi Tanaman juga terserang Ganoderma, kemudian tanaman
Kelapa Sawit tumbang. Dengan penerapan PF yang mengadopsi
Informasi tentang umur tanaman sangat teknologi remote sensing tanaman yang terserang
bermanfaat dalam manajemen perkebunan kelapa penyakit tersebut dapat dideteksi secara cepat dan
sawit, diantaranya sebagai dasar untuk monitoring dan tepat. (Santoso et al., 2011) memanfaatkan teknologi
estimasi produksi, monitoring anomali pertumbuhan satelit remote sensing Quickbird dengan resolusi tinggi
tanaman, sehingga dapat diputuskan suatu praktik untuk mengidentifikasi serangan Ganoderma
manajemen yang tepat. Pada sistem konvensional, berdasarkan indeks tanaman yang disusun
umur tanaman dapat diketahui melalui catatan berdasarkan refelksi cahaya dari klorofil tanaman.
manajemen kebun ketika pertama kali tanaman kelapa Selanjutnya Shafri and Hamdan (2009) dan Liaghat et
sawit di tanam di lapangan. Namun tidak jarang karena al., (2014) juga mengembangkan teknologi deteksi
sistem administrasi yang kurang baik di suatu kebun, penyakit Ganoderma menggunakan citra
sering terjadi kehilangan data atau tidak tercatanya hyperspectral yang disusun berdasarkan indeks
dengan baik tentang informasi tanam tersebut. Kasus tanaman dengan karakteristik spectral tertentu. Selain
ini sering ditemukan ketika terjadi take over antara dua serangan penyakit, PF juga sudah diterapkan untuk
perusahaan perkebunan kelapa sawit. Akibatnya, mendeteksi serangan hama seperti ulat kantong
manajemen kebun akan kesulitan untuk sebagaimana yang telah dilakukan oleh Aziz et al.,
merencanakan dan menerapkan praktik manajemen (2012) yang mengukur refleksi spectral dari daun
yang tepat pada areal tanaman. Dengan menerapkan tanaman untuk mengidentifikasi tingkat keparahan
PF dengan teknologi remote sensing maka informasi serangan hama. Pemanfaatan drone yang dilengkapi
tentang umur tanaman ini dapat diketahui dengan dengan berbagai sensor multispectral seperti infra-
cepat dan tepat (Gambar 2). Penelitian tentang merah thermal, dan hyperspectral untuk menangkap
penerapan PF untuk mengestimasi umur tanaman pantulan atau spectral dari warna hijau daun tanaman
telah banyak dilakukan, diantaranya estimasi dan informasi lainnya juga sudah banyak
berdasarkan leaf area index (LAI) dengan dimanfaatkan di perkebunan kelapa sawit Shamshiri et
mengumpulkan data tentang parameter biofisika al., 2016; Uktoro 2017). Dengan sistem ini akan
tanaman seperti bayangan, kekasaran permukaan, dihasilkan peta status kesehatan tanaman yang akan
karakteristik tajuk tanaman dan respon spectral sangat membantu untuk menentukan prioritas
tanaman (Bréda 2003; Chemura et al. 2014; Fawcett et perawatan pada blok-blok tanaman di perkebunan
al. 2019; McMorrow 2001; Mubin et al. 2019; Tan et al. kelapa sawit.
2013). Penerapan PF di perkebunan kelapa sawit
Deteksi serangan hama penyakit secara cepat dan juga sudah dilakukan untuk mengestimasi
tepat sangat dibutuhkan dalam pengelolaan produksi tanaman (Gambar 3). Estimasi produksi
perkebunan kelapas sawit, karena melalui hasil dalam manajemen perkebunan kelapa sawit
deteksi dini tersebut dapat membantu manajemen selalu dilakukan untuk menentukan program
kebun untuk menentukan perlakuan yang harus kerja perkebunan yang tepat untuk memperoleh
diterapkan untuk mencegah meluasnya serangan keuntungan yang optimal. Penerapan PF untuk
hama dan penyakit tersebut. Salah satu penyakit yang mengestimasi tanaman didasarkan pada
banyak menyerang dan mengakibatkan kerugian di informasi mengenai faktor-faktor yang
perkebunan kelapa sawit adalah penyakit yang mempengaruhi produksi seperti kondisi iklim,
disebabkan jamur Ganoderma. Secara konvensional kondisi tanah, umur tanaman, dan faktor lainnya.
tanaman yang terserang Ganoderma dapat Saat ini PF yang banyak diterapkan di
58
Potensi dan tantangan penerapan precision farming dalam upaya membangun perkebunan kelapa sawit yang berkelanjutan
perkebunan kelapa sawit untuk mengestimasi produksi seperti curah hujan, kesuburan tanah,
produksi didasarkan pada informasi indeks serangan hama penyakit, dan faktor internal
tanaman yang diturunkan foto satelit Quickbird seperti jumlah tanaman, varietas tanaman, dan
(Balasundram et al., 2013; Darmawan et al., umur tanaman dapat dianalisis menggunakan
2016; Khamiz et al., 2005; Setyowati et al., berbagai teknologi komputerisasi untuk
2016). Namun demikian, melalui kombinasi dari mendapatkan model prediksi produksi yang
informasi faktor eksternal yang mempengaruhi akurat dalam bentuk software.
Gambar 2. Contoh penerapan PF untuk mengidentifikasi umur tanaman di perkebunan kelapa sawit. Sumber:
Faucett et al. (2019)
Gambar 3. Contoh penerapan PF untuk mengestimasi produksi tanaman dengan menggunakan drone. Sumber:
Shamshiri et al. (2018)
59
Eko Noviandi Ginting dan Dhimas Wiratmoko
Penerapan PF Dalam Bidang Perawatan Tanaman adalah Precipalm (Precision Agriculture Platform for
dan Mekanisasi di Perkebunan Kelapa Sawit Oil Palm), yaitu sebuah sistem rekomendasi
Salah satu kegiatan perawatan tanaman yang pemupukan dengan pemodelan matematis yang
sangat penting di dalam manajemen perkebunan memanfaatkan band warna dari daun tanaman
kelapa sawit adalah pemupukan. Kegiatan kelapa sawit dengan bantuan citra satelit untuk
pemupukan di perkebunan kelapa sawit biasanya menentukan kadar hara makro N, P, K, dan Mg
diawali dengan pengambilan contoh daun dan tanah tanaman. Dengan sistem ini keputusan pemupukan
untuk selanjutnya dianalisis di laboratorium sebelum menyangkut dosis dan jenis pupuk yang akan
menghasilkan dosis pupuk yang tepat. Tentu saja diaplikasikan dapat ditentukan dengan cepat dan
kegiatan ini memerlukan waktu yang panjang dan akurat sehingga menjadi lebih efisien. Selain itu,
biaya yang tidak sedikit. Namun dengan penerapan pemantauan status hara tanaman juga dapat
PF maka proses ini dapat dipersingkat dan lebih dilakukan dengan menggunakan spectral tanaman
praktis serta murah. Salah satu bentuk PF dalam yang ditentukan oleh kandungan klorofil daun
bidang pemupukan di perkebunan kelapa sawit yang (Rendana et al., 2016) (Gambar 4). Dengan adanya
diperkenalkan oleh Institut Pertanian Bogor (IPB) status hara tanaman ini maka kegiatan pemupukan
akan lebih tepat sasaran.
Gambar 4. Contoh penerapan PF untuk memetakan status hara tanaman secara akurat. Sumber: Rendana et al.
(2016).
Selain di bidang pemupukan, PF di perkebunan buah atau yang dikenal dengan CPO (Crude Palm Oil).
kelapa sawit juga sudah diarahkan untuk Jika buah mentah terpanen maka akan menghasilkan
mengidentifikasi kematangan tandan buah segar rendemen yang rendah, sebaliknya jika buah yang
(TBS) secara tepat. Kematangan buah merupakan hal dipanen terlalu matang maka kualitasnya akan
yang cukup krusial pada manajemen perkebunan menurun karena tingginya kandungan asam lemak
kelapa sawit, karena menyangkut rendemen atau bebas (ALB). Oleh karenanya, penelitian PF untuk
jumlah kandungan minyak buah dan kualitas minyak perkebunan kelapa sawit juga sudah diarahkan pada
60
Potensi dan tantangan penerapan precision farming dalam upaya membangun perkebunan kelapa sawit yang berkelanjutan
pemanfaatan teknologi sensor dan remote sensing kapabilitas tenaga kerja itu sendiri. Sebagai contoh,
untuk mengidentifikasi kematangan buah dengan pada kegiatan panen secara konvensional selalu
tepat. (Shabdin et al. 2016) melakukan penelitian digunakan sepenuhnya tenaga manusia. Namun
untuk menghasilkan suatu kamera dengan resolusi pada daerah-daerah tertentu dimana tenaga
yang tinggi yang mampu mengidentifikasi kematangan manusia sangat terbatas sering mengakibatkan
buah berdasarkan indeks warna buah. terjadinya penundaan panen yang berakibat
terhadap kerugian yang akan ditanggung
Penerapan PF di perkebunan kelapa sawit perusahaan. Dengan adanya mekanisasi di
banyak menyentuh pada aspek mekanisasi perkebunan kelapa sawit maka produktivitas dan
pekerjaan yang awalnya dilakukan secara manual. efisiensi pekerjaan dapat ditingkatkan. Beberapa
Industri kelapa sawit merupakan industri yang mekanisasi yang telah diterapkan di perkebunan
sangat tergantung pada tenaga kerja mulai dari kelapa sawit diantaranya adalah: alat panen
penanaman sampai dengan processing. Akibatnya, mekanis, alat pengangkut TBS, alat pengutip
beberapa pekerjaan di kebun kelapa sawit menjadi berondolan, dan alat penabur pupuk (Abd Rahim et
kurang efektif dan efisien baik akibat terbatasnya al., 2017; Fairuz et al., 2018; Shuib et al., 2010)
jumlah tenaga kerja maupun berkaitan dengan (Gambar 5).
Gambar 5. Beberapa contoh penerapan PF pada aspek mekanisasi peralatan di perkebunan kelapa sawit, contoh
mekanisasi alat panen (atas), alat pengutip dan pengangkut TBS (tengah) dan alat penabur pupuk (bawah).
Sumber: Shuib et al. (2017), Sumber: Shuib et al. (2017), http://www.aarsb.com.my/fertilizer-management-
application; http://www.agrina-online.com/detail-berita/2019/02/05/10/6438/perkebunan--mekanisasi-
pemupukan-di-kebun-sawit
61
Eko Noviandi Ginting dan Dhimas Wiratmoko
62
Potensi dan tantangan penerapan precision farming dalam upaya membangun perkebunan kelapa sawit yang berkelanjutan
63
Eko Noviandi Ginting dan Dhimas Wiratmoko
Na'Aim M. (2016). An investigation of age and McMorrow J. (2001). Linear regression modelling for
yield of fresh fruit bunches of oil palm based on the estimation of oil palm age from Landsat TM.
ALOS PALSAR 2. In IOP Conference Series: Int. J. Remote Sens. 22(12):2243–2264.
Earth and Environmental Science, p. doi:10.1080/01431160117188.
Fairuz S, Manaf A, Jahim J, Harun S, Amru A, Luth I. Miettinen J, Gaveau DLA, Liew SC. (2019).
(2018). Industrial Crops & Products Comparison of visual and automated oil palm
Fractionation of oil palm fronds ( OPF ) mapping in Borneo. Int. J. Remote Sens.
hemicellulose using dilute nitric acid for 4 0 ( 2 1 ) : 8 1 7 4 – 8 1 8 5 .
fermentative production of xylitol. 115(May doi:10.1080/01431161.2018.1479799.
2 0 1 7 ) : 6 – 1 5 . Mubin NA, Nadarajoo E, Shafri HZM, Hamedianfar A.
doi:10.1016/j.indcrop.2018.01.067. (2019). Young and mature oil palm tree
Fawcett D, Azlan B, Hill TC, Kho LK, Bennie J, detection and counting using convolutional
Anderson K. (2019). Unmanned aerial vehicle neural network deep learning method. Int. J.
(UAV) derived structure-from-motion Remote Sens. 40(19):7500–7515.
photogrammetry point clouds for oil palm doi:10.1080/01431161.2019.1569282.
(Elaeis guineensis) canopy segmentation and Mulla DJ. (2013). Twenty five years of remote sensing
height estimation. Int. J. Remote Sens. in precision agriculture: Key advances and
4 0 ( 1 9 ) : 7 5 3 8 – 7 5 6 0 . remaining knowledge gaps. Biosyst. Eng.
doi:10.1080/01431161.2019.1591651. 1 1 4 ( 4 ) : 3 5 8 – 3 7 1 .
Fitrianto AC, Tokimatsu K, Sufwandika M. (2017). doi:10.1016/j.biosystemseng.2012.08.009.
Estimation the Amount of Oil Palm Trees Nooni IK, Duker AA, Van Duren I, Addae-Wireko L,
Production Using Remote Sensing Technique. Osei Jnr EM. (2014). Support vector machine to
In IOP Conference Series: Earth and map oil palm in a heterogeneous environment.
Environmental Science, p. Int. J. Remote Sens. 35(13):4778–4794.
Godwin RJ, Wood GA, Taylor JC, Knight SM, Welsh doi:10.1080/01431161.2014.930201.
JP. (2003). Precision farming of cereal crops: A Nordiana AA, Omar W, Ab Ghani E, Zaki A, Mohamed
review of a six year experiment to develop AT, Hashim Z, Kamaruddin N. (2013). Land
management guidelines. Biosyst. Eng. Evaluation For Oil Palm Cultivation Using
84(4):375–391. doi:10.1016/S1537- Geospatial Information Technologies.
5110(03)00031-X.
De Petris S, Boccardo P, Borgogno-Mondino E.
Khamiz A, Ismail Z, Haron K, Mohamed AT. (2005). (2019). Detection and characterization of oil
Nonlinear Growth Models for Modeling Oil Palm palm plantations through MODIS EVI time
Yield Growth. J. Math. Stat. 1(3):225–233. series. Int. J. Remote Sens. 40(19):7297–7311.
doi:10.3844/jmssp.2005.225.233. doi:10.1080/01431161.2019.1584689.
Khanal S, Fulton J, Shearer S. (2017). An overview of Pierpaoli E, Carli G, Pignatti E, Canavari M. (2013).
current and potential applications of thermal Drivers of Precision Agriculture Technologies
remote sensing in precision agriculture. Adoption: A Literature Review. Procedia
Comput. Electron. Agric. 13922–32. Technol. 8(Haicta):61–69.
doi:10.1016/j.compag.2017.05.001. doi:10.1016/j.protcy.2013.11.010.
Liaghat S, Ehsani R, Mansor S, Shafri HZM, Meon S, Razali SM, Marin A, Nuruddin AA, Shafri HZM, Hamid
Sankaran S, Azam SHMN. (2014). Early HA. (2014). Capability of integrated MODIS
detection of basal stem rot disease imagery and ALOS for oil palm, rubber and
(Ganoderma) in oil palms based on forest areas mapping in tropical forest regions.
hyperspectral reflectance data using pattern Sensors (Switzerland) 14(5):8259–8282.
recognition algorithms. Int. J. Remote Sens. doi:10.3390/s140508259.
3 5 ( 1 0 ) : 3 4 2 7 – 3 4 3 9 .
doi:10.1080/01431161.2014.903353. Rendana M, Rahim SA, Idris WMR, Lihan T, Rahman
64
Potensi dan tantangan penerapan precision farming dalam upaya membangun perkebunan kelapa sawit yang berkelanjutan
65
Eko Noviandi Ginting dan Dhimas Wiratmoko
66