Jurnal Pengelolaan Perkebunan
Vol. 4, No. 2, September 2023, pp. 26-37
ISSN 2549-144X
http://ojs.polteklpp.ac.id/index.php/JPP/index


http://doi.org/10.54387/jpp.v4i2.41 [email protected] 26
Program Pakar untuk Penentu Kesehatan Tanah dengan Metode
Backward Chaining berbasis Landsat Normalized Difference
Vegetation Index

Dian Pratama Putra
a,1*
, Nanda Satya Nugraha
b,1
, Betti Yuniasih
c,1
, Teddy Suparyanto
d,1
1 Program Studi Teknik Pertanian, Fakultas Teknologi Pertanian Institut Pertanian STIPER Yogyakarta, Sleman,
Yogyakarta, Indonesia
[email protected]*;
[email protected] ;
[email protected]
[email protected]
*Correspondent Author
Received: 18 Februari 2023 Revised: 21 Agustus 2023 Accepted: 20 September 2023
K A T A K U N C I ABSTR AK
Kesehatan Tanah
Kesuburan Tanah
Backward Chaining
NDVI
Sistem Pakar












KEYWORDS

Soil Health
Soil Fertility
Backward Chaining
NDVI
Expert System


Tingkat kesuburan tanah semakin menurun setiap tahunnya,
penurunan ini menjadikan tanah semakin tidak sehat dan berpotensi
untuk menurunkan produktivitas tanah, sehingga ini juga akan
mempengaruhi tingkat kesehatan tanah yang seiring dengan
menurunnya kesuburan tanah. Usaha yang dilakukan tergolong masih
kurang, kekurangan usaha ini disebabkan adanya disinformasi
pengelolaan tanah/lahan, mitigasi yang tidak tepat, dan sangat
kurangnya rekomendasi penanganan tanah terdegradasi. Hal ini
menyebabkan perlakuan setiap lahan dan rekomendasi setiap
penanganan lahan menjadi sesuatu yang sulit, padahal sangat mudah
untuk dilakukan. Rekomendasi dapat menggunakan sistem pakar
sebagai penentukkan pengelolaan lanjutan dan mitigasi
terdegradasinya lahan. Metode Backward Chaining memilih beberapa
kesimpulan yang mungkin dan mencoba membuktikan kesimpulan
tersebut dari bukti-bukti yang ada. Strategi pengambilan keputusan
atau kesimpulan dengan pencocokan fakta atau pernyataan sebagai
bahan penalaran program dimulai dari hipotesis terlebih dahulu, dan
untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta
yang ada dalam basis pengetahuan. Langkah yang dilakukan pada
penelitian ini adalah dengan mendapatkan data Landsat Normalized
Difference Vegetation Index (NDVI) dimana kategori output adalah
warna dari lahan hasil citra satelit yang dibagi menjadi 3 kategori yaitu
1) red; 2) green; 3) blue; dimana setiap warna tersebut terdiri dari
algoritma yang mengimplementasikan hasil dari tingkat kesehatan dan
kesuburan tanah. Hasil penelitian menyatakan bahwa dari
diimplementasikannya hasil survey dengan program pakar
memeberikan hasil yang sejalan dengan program pakar, dimana
kesehatan tanah yang rendah dengan nilai NDVI -1 s/d 0, pada
kesehatan tanah sedang nilai NDVI 0 s/d 0,33, dan pada kesehatan
tanah tinggi nilai NDVI 0,33 s/d 0,66.

Expert Program for Determining Soil Health using Backward
Chaining Method based on Landsat Normalized Difference
Vegetation Index

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
27 Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode… )
Pendahuluan
Degradasi lahan terjadi karena adanya kondisi lingkungan yang berubah dalam segi biofisik
akibat adanya aktivitas manusia terhadap suatu bentang lahan. Terjadinya degradasi lahan ini
kemudian mempengaruhi sifat fisik, kimia, dan biologi tanah. sehingga apabila tidak segera
dicegah maka akan menimbulkan kerusakan secara sistemis dan dinamis [1]. Degradasi lahan
juga menurunkan produktivas lahan, baik sementara ataupun tetap. Lahan yang terdegradasi
berdampak juga pada kesehatan dan kesuburan tanah/lahan tersebut, perlunya penanganan
secara terperinci dan komprehensif dibutuhkan dalam memberikan masukkan yang tepat
kepada masyarakat pembudidaya lahan tersebut.
Pada dasarnya, degradasi lahan disebabkan oleh penggunaan atau pengelolaan lahan yang
kurang tepat. penyebab utama dari degradasi lahan tersebut adalah erosi pada lahan yang
tidak tertutup oleh vegetasi. Prosesi degradasi tanah/lahan juga disebabkan oleh sifat fisik
tanah, dimana terjadinya pemadatan dan pembentukkan gumpalan tanah, pembentukan
pengubah struktur remah tanah akibat erosi terus menerus yang kemudian menimbulkan
kerusakan pada sektor daya sanggah tanah terhadap proses biologis yang kemudian
ABSTRACT
The level of soil fertility is decreasing every year, this decrease makes
the soil increasingly unhealthy and has the potential to reduce soil
productivity, so this will also affect the level of soil health along with
decreasing soil fertility. The efforts made are still lacking, the lack of
effort is due to disinformation on lands management, inappropriate
mitigation, and a very lack of recommendations for handling degraded
land. This causes the treatment of its and recommendations for each
land handling to be difficult, even though it is very easy to do.
Recommendations can use an expert system to determine advanced
management and mitigation of land degradation. The backward
chaining method selects several possible conclusions and tries to prove
these conclusions from the available evidence. Decision-making
strategies or conclusions by matching facts or statements as material
for program reasoning start with the hypothesis first, and to test the
truth of the hypothesis, facts must be found in the knowledge base. The
steps taken in this study were to obtain Landsat Normalized Difference
Vegetation Index (NDVI) data where the output category is the color of
the land resulting from satellite imagery which is divided into 3
categories, namely 1) Red; 2) Green; 3) Blue; where each color consists
of an algorithm that implements the results of the health and soil
fertility levels. The results of the study stated that the implementation
of the survey results with the expert program gave results that were in
line with the expert program, where soil health was low with an NDVI
value of -1 to 0, in medium soil health the value was NDVI 0 to 0.33, and
in high soil health NDVI value was 0.33 to 0.66.

This is an open-access article under the CC–BY-SA license.

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode…)
mempengaruhi ketersediaan humus serta perubahan makro, meso, dan mikro flora fauna
tanah, terakhir berdampak pada kesuburan tanah itu sendiri [2].
Kasus degradasi lahan yang terjadi menimbulkan sebuah polemik yang meluas, karena
penanganan perbaikannya salah, pengetahuan tidak tersampaikan, serta disinformasi yang
membingungkan menjadi faktor utama dalam polemik yang terjadi. Saat ini, Indonesia
memiliki lahan sub optimal seluas 136 juta hektar dan lahan siap pakai 34 juta hektar, tentu
dalam kasus ini merupakan kasus degradasi lahan yang masif, sehingga besar kemungkinan
terjadinya peningkatan degradasi lahan bertambah [3]. Oleh karena itu, perlu sebuah strategi
yang tepat untuk menangani kasus degradasi lahan ini.
Dewasa ini, digitalisasi sudah mengubah cara konvensional menjadi sebuah sistem digital
berupa teks, audio, angka, dan visual. Peran program pakar dalam hal ini, dapat sebagai
digitalisasi yang menjadi kebutuhan mutlak yang tidak bisa dihindari dan haruslah dihadapi.
Digitalisasi menjadikan seseorang yang tidak ahli menjadi seorang ahli hanya dengan
bermodalkan gadget (gawai), tentu dengan adanya proses ini menjadikan sebuah pemikiran
baru untuk memanfaatkan adanya digitalisasi tersebut. Proses digitalisasi tersebut
berkembang menjadi sebuah sistem pakar, dimana sistem pakar ini merupakan sistem
informasi berisi pengetahuan seorang pakar dan kemudian dimanfaatkan sebagai prosesi
konsultasi [1]. Pengetahuan sistem pakar ini juga mendukung dalam dunia pertanian dimana
sistem pakar yang diprogram untuk sektor pertanian dapat memberikan rekomendasi untuk
pengambilan keputusan secara cepat dan efisien daripada sistem non-pakar dalam
memecahkan masalah yang bersifat kompleks [4].
Pemanfaatan teknologi pengindraan jarak jauh dengan citra satelit atau drone merupakan
salah satu cara menentukkan suatu populasi tanaman penutup tanah serta penentu kesuburan
dan kesehatan tanah, sehingga data yang didapatkan bisa digunakan sebagai data yang bisa
diimplementasikan sebagai algoritma program pakar [4]. Menurut Yuniasih [5] indeks
Nomalized Difference Vegetation Index (NDVI) adalah salah satu bentuk indeks vegetasi yang
digunakan sebagai evaluator dan montoring kondisi tanaman, dalam kondisi ini NDVI sendiri
juga dapat diimplementasikan sebagai tingkat kesehatan dan kesuburan tanah. Fungsi lainnya
pada NDVI juga dapat digunakan untuk memonitor dan mengevaluasi kondisi tanaman kelapa
sawit dan dapat juga untuk mengestimasi produktivitas kelapa sawit [5], [6].
Implementasi NDVI dengan memberikan peta hasil citra satelit yang dikombinasikan
dengan program pakar dapat menjadi solusi untuk memberikan informasi secara
komprehensif kondisi kesehatan dan kesuburan tanah pada suatu kenampakan lahan tertentu.
Selain itu, hasil dari pembacaan program pakar dapat digunakan sebagai bahan pertimbangan
rekomendasi, strategi pengelolaan, dan aktifitas kelola pada lahan tersebut. Penggunaan

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
29 Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode… )
Metode Backward Chaining dapat mendukung adanya pengambilan keputusan yang baik
secara komprehensif, pengambilan keputusan ini didasari dari beberapa kesimpulan yang
mungkin dan mencoba membuktikan kesimpulan tersebut dari bukti-bukti yang ada. Strategi
pengambilan keputusan atau kesimpulan dengan pencocokan fakta atau pernyataan sebagai
bahan penalaran program dimulai dari hipotesis terlebih dahulu, dan untuk menguji
kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan.
Penelitian yang dilakukan oleh Putra et al., (2020) menyatakan bahwa kehilangan unsur
hara juga dipengaruhi oleh sifat fisik tanah, salah satunya adalah faktor dari tekstur tanah
sangat mempengaruhi ketersediaan hara dan memepengaruhi daya simpan hara tersebut.
Berdasarkan hasil penelitian, hasil analisa menyatakan bahwa perlakuan pemberian pupuk
100% akan hilang dalam waktu sekitar 3 bulan dengan tanah yang memiliki tekstur yang
didominasi pasiran. Pada penelitian tersebut juga dijelaskan bahwa kehilangan nutrisi dalam
pupuk yang diaplikasikan sebesar 54% dimana 15% kehilangan akibat terlindi (eluviasi), 21%
terbawa aliran atas tanah (Runoff), dan 18% kehilangan karena penguapan. Hasil penelitian
kemudian dibuat sistem pakarnya berbasis android yang kemudian memberikan pengetahuan
tentang kehilangan unsur hara didalam tanah berdasarkan kapasitas dari tekstur tanah.
Penelitian yang dilakukan oleh Putra et al., (2021b) juga menyatakan pada tanaman kelapa
sawit yang terkena defisiensi akan merusak warna daun, merusak klorofil, tertutupnya
stomata tanaman, dan memberikan kenampakan secara langsung pada daun sehingga sangat
mudah terdeteksi secara visual. Pada penelitian tersebut metode HPF (High Pass Filter) dan
edge detection memberikan hasil yang akurat, dimana defisiensi tanaman terlihat secara jelas
baik titik klorosis dan tepian daun yang membuat algoritma pada program berjalan dengan
baik. Pada metode HPF dan edge detection dapat menggunakan sistem NDVI dimana NDVI
akan mentransformasi gambar dalam bentuk pewarnaan RGB atau sRGB sehingga dapat
mendukung algoritma yang nantinya akan digunakan sebagai bahan - bahan pembuatan
program pakar. Penelitian mengenai NDVI yang juga dilakukan oleh Yuniasih & Adjie, (2022)
mendukung penelitian ini, dimana hasil survey yang dilakukan pada perkebunan sawit
menunjukan hasil bahwa kerapatan tanaman kelapa sawit termasuk dalam kategori tinggi dan
tingkat kesehatannya termasuk dalam kategori sangat sehat. Kelas kerapatan tinggi hasil
pengkelasan indeks NDVI sesuai dengan kondisi kerapatan tanaman di blok kebun kelapa
sawit yang memiliki nilai rerata Satuan Pohon per Hektar (SPH) 118 pohon/hektar. Kelas
kesehatan tanaman hasil NDVI sesuai dengan data Leaf Sampling Unit (LSU) yang
menunjukkan nilai kandungan makronutrien dan mikronutrien dalam jumlah yang cukup
tinggi.
Tujuan dari pemanfaatan citra satelit Sentinel 2 dapat menjadi alternatif untuk evaluasi

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode…)
kondisi kebun kelapa sawit secara cepat dan efisien sehingga pengambilan keputusan dalam
memitigasi kerusakan dari lahan dan menjaga kesuburan lahan tersebut dengan berbagai
macam pemanfaatan lahan.
Metode
Pelaksanaan Penelitian
Tahapan penelitian ini dilaksanakan berdasarkan beberapa tahapan, yaitu:
1. Persiapan penelitian meliputi persiapan perizinan lokasi penelitian, penentuan titik lokasi tim
surveyor lapangan, mengindentifikasi masalah pada lapangan, dan pengaturan parameter
pengambilan data berdasarkan masalah yang teridentifikasi.
2. Pembuatan algoritma dari data sekunder citra satelit dengan mengambil data peta yang sudah
diaplikasikan NDVI dan memetakan RGB-nya.
3. Pengambilan sampel tanah dari lapangan oleh tim surveyor dengan teknik stratified sampling
dengan pengelompokan komoditas tanaman.
4. Analisa Nitrogen, Fosfat, dan Kalium sampel tanah oleh tim laboratorium dengan metode
(Kjendahl untuk Nitrogen Total, Spektrofotometri untuk Kalium Tersedia, dan Bray-Olsen untuk
Fosfat Tersedia)
5. Pembuatan peta tanah disesuaikan dengan jenis tanah dan batas wilayahnya bersamaan untuk
peng-implementasian RGB sebagai penentu logika berfikir dari program.
6. Implementasi sistem pakar pada program dengan membuat logika berfikir program.
7. Pembuatan program pakar oleh tim programmer.
8. Uji coba program pakar.
9. Penyelesaian Program.
Waktu dan Tempat Penelitian
Waktu penelitian ini adalah bulan Juli 2023 s/d Agustus 2023. Tempat penelitian
merupakan taman kehati, dimana taman kehati dibawah perusahaan Danone Indonesia yaitu
Taman Kehati AQUA Klaten dan Taman Kehati Eroniti Gunung Kidul.
Metode Program yang digunakan dan Rancangan
Pada penelitian ini, metode yang digunakan adalah metode Backward Chaining. Metode ini
adalah pelacakan/pencarian kebelakang yang memulai logika berfikir program dari
kesimpulan yang terdiri dari fakta - fakta dan hipotesis suatu masalah. Metode Backward
Chaining memiliki aturan – aturan pembacaan berbentuk IF-THEN dan proses – proses

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
31 Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode… )
pencarian yang dimulai dari tujuan kemudian mencari solusi dari masalah yang dihadapi.
Dalam penerapan metode Backward Chaining dilakukan langkah – langkah untuk penyelesaian
masalah, yaitu: 1) Membuat basis pengetahuan; 2) Menentukan tabel keputusan pakar; 3)
Menentukan rule/aturan; 4) Menentukan goal/solusi. Rancangan percobaan pada penelitian
ini mengacu pada rancangan percobaan Panel.
Diagram Alir Penelitian
Percobaan Diagram Alir Penelitian

Gambar 1. Diagram Alir Penelitian
Parameter Penelitian
Dalam penelitian ini, parameter penelitian yang digunakan sebagai bahan penentu
algoritma penyusunan program pakar. Adapun parameter yang digunakan dalam penelitian ini

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode…)
adalah:
1. Karakteristik spektrum panjang gelombang
Karakteristik dari spektrum panjang gelombang citra satelit sentinel 2 tersaji pada table
1 dibawah ini:
Tabel 1. Karakteristik spektrum panjang gelombang dan resolusi spasial dari Citra Satelit
Sentinel 2
Band Spektrum Panjang Gelombang (µm) Resolusi Spasial
1 Coastal Aerosol 0.433-0.453 60
2 Blue 0.458-0.523 10
3 Green 0.543-0.578 10
4 Red 0.650-0.680 10
5 Vegetation Red Edge 1 0.698-0.713 20
6 Vegetation Red Edge 2 0.733-0.748 20
7 Vegetation Red Edge 3 0.765-0.785 20
8 Near Infrared (NIR) 0.785-0.900 10
9 Vegetation Red Edge 4 0.855-0.875 20
10 Water Vapour 0.855-0.875 60
11 SWIR-Cirus 1.365-1.385 60
12 SWIR 1 1.565-1.655 20
13 SWIR 2 2.100-2.280 20
Sumber: Yuniasih & Adjie, (2022)
2. Sumber data yang digunakan

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
33 Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode… )
Sumber data ini merupakan sumber data pra penelitian, sumber data ini akan lebih
meningkat apabila penelitian sudah dimulai. Adapun sumber data tersebut tersaji pada
tabel 2 dibawah ini:

Tabel 2. Sumber data penelitian
No Data Sumber
1 Citra satelit Sentinel 2 (data terbaru dari pihakk
Sentinel)
Laman USGS: https://earthexplorer.u sgs.gov/
2 Peta Taman Kehati AQUA Klaten PT. Tirta Investama Pabrik Klaten
3 Peta Taman Kehati Eroniti Gunung Kidul PT. Sarihusada Mahardhika Jogja Factory
4 Satuan angka RGB untuk Penentu Kesehatan dan
Kesuburan tanah
Literasi Jurnal [1][2][3]–[6][7][8]
5 Klasifikasi tingkat kesehatan tanaman (NDVI) Lillesand [8]
6 Klasifikasi kerapatan tanaman (NDVI) Lillesand [8]
3. Menghitung Indeks NDVI untuk refleksi kondisi lapangan
Indeks NDVI dapat dihitung dengan software ArcGIS, penghitungan nilai – nilai NDVI ini
menggunakan parameter Raster Calculator.
NDVI=
(NIR−R)
(NIR+R)

Pada NIR merupakan nilai reflektansi band inframerah dekat (Near Infrared) dan R
merupakan nilai reflektansi band merah [8].
Hasil dan Pembahasan
Penentuan klasifikasi kesehatan dan kesuburan tanah berdasarkan analisa laboratorium.
Klasifikasi ini berdasarkan hasil literasi jurnal yang ditulis oleh Putra et al., (2020); Saragih et
al., (2019); Suwarno, (2018). Adapun hasil tersebut tersaji pada tabel 3 dibawah ini:
Tabel 3. Klasifikasi kesehatan dan kesuburan tanah
No Parameter (Satuan) Nilai Rujukan Nilai Minimum
1
Nitrogen Total (%) 0.5-1.12 (+)* <0.5(-)**
2
Fosfat Tersedia (ppm) 32-35(+)* <32(-)**

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode…)
3
Kalium Tersedia (meq/100g) 0.80-1.00(+)* <0.80(-)**
4
C – Organik (%) 5(+)* <5(-)**
5
KPK/KTK (cmol(+)/kg) 30 – 35(+)* <30(-)**
*(+): Nilai rujukan tanah yang sehat dan subur
**(-): Nilai rujukan tanah yang tidak sehat dan kesuburan rendah
Pada pengklasifikasian ini juga akan didukung dengan data primer hasil analisa langsung
dilaboratorium, kemudian hasil tersebut disesuaikan dengan kondisi dilapangan.
Reklasifikasi kesehatan dan kesuburan tanah berdasarkan RGB. Reklasifikasi digunakan
sebagai dasar penentu algoritma pada sistem pewarnaan dari NDVI yang dikombinasikan
dengan hasil analisa laboratorium dan survey lapangan. Adapun nilai reklasifikasi tersebut
tersaji pada tabel 4, tabel 5, dan tabel 6 dibawah ini:
Tabel 4. Reklasifikasi kesehatan dan kesuburan tanah berdasarkan RGB yang didapatkan
dari peta NDVI
No Parameter Nilai NDVI Nilai R Nilai G Nilai B
1 Kesehatan dan kesuburan rendah -1 s.d 0 227 8 9
2 Kesehatan dan kesuburan sedang 0 s.d 0.33 145 224 40
3 Kesehatan dan kesuburan tinggi 0.33 s.d 0.66 56 167 0
Sumber: Yuniasih & Adjie, (2022), Putra et al., (2020), Firmansyah et al., (2021), dan Hasil Analisa
Laboratorium.
Diagram alir logika berfikir program dibuat untuk mendapatkan hasil bagaimana tingkat
kesehatan tanah, dalam penerapannya akan dicocokan dengan pembacaan program Bahasa
pemograman sehingga akan memberikan ketentuan yang sah saat berhubungan dengan hasil
analisa yang dilakukan. Parameter kesehatan tanah yang mewakili kesuburan lahan adalah
faktor-faktor fisik, kimia, dan biologi yang mempengaruhi produktivitas tanaman dan
kemampuan tanah untuk mendukung pertumbuhan tanaman dengan baik. Menurut Putra [9]
menyatakan bahwa kandungan organik tanah merupakan materi bahan organik dalam tanah
sangat penting. Bahan organik mempengaruhi struktur tanah, kapasitas menahan air,
ketersediaan nutrisi, dan aktivitas mikroba.
Tanah dengan kandungan organik yang tinggi cenderung lebih subur. Kemudian
ketersediaan nutrisi juga mencakup ketersediaan unsur hara penting seperti nitrogen (N),
fosfor (P), dan kalium (K), serta unsur hara makro dan mikro lainnya. Aktivitas mikroba

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
35 Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode… )
berperan sebagai penguraian bahan organik, sirkulasi nutrisi, dan pembentukan struktur
tanah yang baik [9]. Berdasarkan hal diatas, maka diambil kesimpulan dalam diagram alir
logika berfikir program dibawah ini:

Gambar 3. Diagram alir logika berfikir program
Berdasarkan hasil analisa dan mengikuti diagram alir logika berfikir program, didapatkan hasil
program komputer berbasis windows, program ini diharapkan mampu memberikan informasi
yang valid dan komprehensif dengan bagaimana cara mengetahui kesehatan tanah
berdasarkan nilai dari NDVI dan pengolahan RGB nya. Berikut ini merupakan gambar analisa

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode…)
peta NDVI pada sampel yang dibuat:
Gambar 4. Gambar hasil analisa pada program
Program pakar ini, kemudian dapat dimanfaatkan oleh masyarakat yang membutuhkan
termasuk pada beberapa jenis perkebunan yang bersifat monokultur yang dimana tiap
perlakuan pada lahan ini sangat berbeda daripada lahan dengan perlakuan multikultur. Pada
lahan – lahan monokultur terbaginya nutrisi pada tanaman akan berpusat pada suatu kondisi
yang labil akan ketersediaan C-Organik dan lamanya periode dalam perlakuan budidaya
monokultur [10].
Simpulan
Menggunakan sistem pakar sebagai penentu kesehatan dan kesuburan tanah untuk
memecahkan masalah terjadinya degradasi lahan. NDVI sebagai penentu algoritma dari
pewarnaan RGB pada peta untuk menentukan kesehatan dan kesuburan tanah. Gabungan hasil
algoritma dari NDVI dibaca oleh program pakar berdasarkan hasil survey yang dilakukan, hasil
survey menggunakan 3 jenis kerapatan untuk penentu kesuburan tanah yaitu pada kerapatan
rendah, sedang, dan tinggi yang kemudian diimplementasikan dan disesuaikan dengan hasil
analisa laboratorium untuk unsur - unsurnya. Program pakar ini menganalisa hasil kesehatan
tanah rendah dengan nilai NDVI -1 s/d 0, nilai NDVI 0 s/d 0,33 pada kesehatan tanah sedang,
dan nilai NDVI 0,33 s/d 0,66 pada kesehatan tanah tinggi. Kemudian, dalam penentu kesehatan
tanah diikuti dengan analisa RGB dengan nilai R: 227, nilai G: 8, dan nilai B: 9 untuk kesehatan
dan kesuburan rendah, kemudian kesehatan dan kesuburan sedang RGB dengan nilai R: 145,
nilai G: 224, dan nilai B: 40, sedangkan pada kesehatan dan kesuburan tinggi nilai R: 56, nilai
G: 167, dan nilai B:0. Berdasarakan hasil penelitian, penentuan kesehatan tanah ini dapat
memberikan keputusan pada suatu bidang lahan dan menentukkan sejauh mana tingkat
kesuburannya dengan harkat kesuburan rendah, sedang, dan tinggi.
Daftar Pustaka
[1] D. P. Putra, M. P. Bimantio, A. A. Sahfitra, T. Suparyanto, and B. Pardamean, “Simulation of
Availability and Loss of Nutrient Elements in Land with Android-Based Fertilizing Applications,”
in 2020 International Conference on Information Management and Technology (ICIMTech), 2020,
pp. 312–317.
[2] D. P. P. Saragih, A. Ma’as, and S. Notohadisuwarno, “Various Soil Types, Organic Fertilizers and
Doses with Growth and Yields of Stevia rebaudiana Bertoni M,” Ilmu Pertan. (Agricultural Sci.,
vol. 3, no. 1, p. 57, 2019, doi: 10.22146/ipas.33176.
[3] D. P. P. Suwarno, “Technosol Tanah Masa Depan,” AGROISTA J. Agroteknologi, vol. 2, no. 1, 2018.
[4] D. P. Putra, P. Bimantio, T. Suparyanto, and B. Pardamean, “Expert System for Oil Palm Leaves
Deficiency to Support Precision Agriculture,” in 2021 International Conference on Information
Management and Technology (ICIMTech) , 2021, vol. 1, pp. 33 –36, doi:
10.1109/ICIMTech53080.2021.9535083.
[5] B. Yuniasih and A. R. P. Adjie, “Evaluasi Kondisi Kebun Kelapa Sawit Menggunakan Indeks NDVI
dari Citra Satelit Sentinel 2,” Teknotan J. Ind. Teknol. Pertan., vol. 16, no. 2, pp. 127–132, 2022.

Jurnal Pengelolaan Perkebunan ISSN 2549-144X
Vol. 4, No. 2, September 2023, pp. 26-37
37 Dian Pratama Putraa et.al (Program Pakar untuk Penentu Kesehatan Tanah dengan Metode… )
[6] E. Firmansyah, B. Pardamean, C. Ginting, H. G. Mawandha, D. P. Putra, and T. Suparyanto,
“Development of Artificial Intelligence for variable rate application based oil palm fertilization
recommendation system,” in 2021 International Conference on Information Management and
Technology (ICIMTech), 2021, vol. 1, pp. 6–11.
[7] A. Ferhat et al., “A Geoelectric Approach for Karst Groundwater Analysis,” in IOP Conference
Series: Earth and Environmental Science, 2022, vol. 998, no. 1, p. 12012.
[8] T. Lillesand, R. W. Kiefer, and J. Chipman, Remote sensing and image interpretation. John Wiley &
Sons, 2015.
[9] D. P. Putra, R. A. Widyowanti, R. A. Renjani, and A. W. Krisdiarto, “Perombakan Bahan Limbah
Kelapa Sawit Dengan Metode Vermikompos,” BETA (Biosistem dan Tek. Pertanian), vol. 9, no. 1,
2020.
[10] A. Kusumawati, E. Hanudin, B. H. Purwanto, and M. Nurudin, “Composition of organic C fractions
in soils of different texture affected by sugarcane monoculture,” Soil Sci. Plant Nutr., vol. 66, no.
1, pp. 206–213, 2020, doi: 10.1080/00380768.2019.1705740.