Potensi Pesawat Udara Nir Awak (PUNA) Alap-Alap Sebagai Teknologi Artificial Intelegence Untuk Pemetaan Lahan Pertanian Produktif
DOI:
10.25047/agriprima.v4i2.367Issue:
Vol. 4 No. 2 (2020): SEPTEMBERKeywords:
Alap-Alap, Indraja, Lahan pertanian, PUNA, PemetaanArticles
Downloads
How to Cite
Downloads
Metrics
Abstract
Informasi sumber daya lahan berupa data digital merupakan salah satu data yang menjadi pertimbangan utama pembuat kebijakan dalam menentukan arah pembangunan yang berkelanjutan. Sebagai negara agraris, pelayanan informasi mengenai produktivitas lahan yang cepat dan akurat diperlukan untuk memantau pemanfaatan lahan di Indonesia. Salah satu upaya penyediaan informasi produktivitas lahan adalah melalui implementasi teknologi 4.0 di sektor pertanian. Artificial intelligence (AI) merupakan teknologi utama yang mendukung implementasi teknologi 4.0. Keberadaan AI dinilai sangat potensial dan prospektif untuk memantau lahan pertanian produktif di Indonesia. Pengembangan Pesawat Udara Nir Awak (PUNA) Alap-Alap yang dilengkapi dengan muatan sensor kamera berpotensi diaplikasikan sebagai teknologi AI untuk pemetaan lahan pertanian produktif. Sensor kamera PUNA Alap-Alap berkemampuan 24 Mega Pixel mampu mendapatkan data kondisi lahan pertanian bahkan kondisi tanaman atau vegetasi yang tumbuh di lahan pertanian. Penggunaan sensor kamera mempunyai kelebihan dibandingkan sensor satelit yaitu tidak terkendala tutupan awan, data yang diperoleh realtime dan mempunyai akurasi yang sangat baik. PUNA Alap-Alap menawarkan solusi alternatif untuk melakukan indraja dalam mendukung kegiatan pertanian. Salah satu kelebihan teknologi ini adalah biaya operasional relatif murah dan pengaturan operasi fleksibel sesuai dengan kebutuhan, sehingga operasional PUNA Alap-Alap untuk menghasilkan gambar orthopoto di lahan pertanian produktif cukup efesien. Data akurasi yang dihasilkan oleh PUNA Alap-Alap yaitu Ground Sampling Distance (GSD) 10 cm/pixel dengan sapuan pengambilan data pemetaan 1700 Ha per jam pada ketinggian terbang 1500 ft. Kelebihan lain adalah PUNA Alap-Alap mampu terbang secara mandiri selama 6 jam tanpa henti, hal ini memungkinkan data pemetaan yang diperoleh mempunyai kualitas dan kuantitas yang baik.
References
Bosak, K. (2013). Secrets of UAV Photomapping. http://s3.amazonaws.com/DroneMapper_US/documentation/pteryx-mapping-secrets.pdf
Guno, Y. (2017). Pemanfaatan Pesawat Udara Nir Awak (PUNA) Untuk Pemantauan Mitigasi Bencana Gunung Berapi. Majalah Ilmiah Pengkajian Industri, 11(3), 231–238. https://doi.org/10.29122/mipi.v11i3.2486
Kiessling, K. (2013). Getting started with Agisoft PhotoScan. http://www.atelier3d.levillage.org/IMG/pdf/Getting_started_with_Agisoft_Photoscan.pdf
Luhmann, T. (2010). Close Range Photogrammetry for Industrial Applications. ISPRS Journal of Photogrammetry and Remote Sensing, 65(6), 558–569. https://doi.org/10.1016/j.isprsjprs.2010.06.003
Mubekti, & Sumargana, L. (2016). Pendekatan Kerangka Sampel Area untuk Estimasi dan Peramalan Produksi Padi. Jurnal Pangan, 25(2), 71–72.
Shofiyanti, R. (2011). Teknologi Pesawat Tanpa Awak Untuk Pemetaan dan Pemantauan Tanaman dan Lahan Pertanian. Informatika Pertanian, 20(2), 58–64.
Suroso, I. (2016). Peran Drone/Unmanned Aerial Vehicle ( UAV ) Buatan STTKD dalam Dunia Penerbangan. Pengembangan Kebijakan Dan Regulasi Penerbangan Dan Antariksa: Problema Dan Tantangan, 104–112. https://doi.org/10.30536/p.sinaskpa.i.12
Wolf, P. R., DeWitt, B. A., & Wilkinson, B. E. (2013). Elements of Photogrammetry with Applications in GIS (4th ed.). McGraw-Hill Education.
Zanmiller, M. (2013). Piccolo Software-in-Loop (SiL) Setup Guide. http://www.cloudcaptech.com/products/detail/piccolo-SL1
Author Biographies
Yomi Guno, Badan Pengkajian dan Penerapan Teknologi (BPPT)
Aditya Inzani Wahdiyat, Badan Pengkajian dan Penerapan Teknologi (BPPT)
Winda Nawfetrias, Badan Pengkajian dan Penerapan Teknologi (BPPT)
License
Copyright (c) 2020 Yomi Guno, Aditya Inzani Wahdiyat, Winda Nawfetrias
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
You are free to:
- Share — copy and redistribute the material in any medium or format.
- Adapt — remix, transform, and build upon the material for any purpose, even commercially.
Under the following terms:
- Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
