Identifikasi Fase Pertumbuhan Tanaman Padi Dengan Object
Based Image Analysis Serta Perbandingan Dengan Metode
Maximum Likelihood Dan Minimum Distance
Fabil Al Barru Romadhon Mu’an
Universitas Lampung
Bandarlampung, Indonesia
fabilalbarru@gmail.com
Abstract— The Object Based Image Analysis (OBIA) method
with specifications whose analysis process is based on spectral and
spatial appearances is considered capable of accommodating
images with object appearances in medium spatial resolution
images. The segmentation and classification process can be carried
out to obtain accurate land cover information and obtain a study on
the use of the Object Based Image Analysis method in land cover
classification of rice fields in rajabasa.
The technological development of the industrial revolution
5.0 provides convenience in obtaining data on rice productivity,
one of which is using Google Earth photos to support the results
of this research. The purpose of this study is to determine the
distribution of the growth phase of rice plants based on Google
Earth photos and to analyze the estimated productivity of rice
plants based on the growth phase based on OBIA (Object-Based
Image Analysis). The research method used is a quantitative
descriptive method with a field survey approach in the form of
aerial photography to obtain small format aerial photos and a
survey of sample point validations for the growth phase and
productivity of rice plants.
Keywords— Agriculture, Productivity, Drone Technology,
OBIA, WebGIS
I. PENDAHULUAN
Indonesia adalah negara agraris dimana penduduknya
sebagian besar berprofesi sebagai petani. Menurut (Fergie
Joanda Kaunang, Reymon Rotikan, 2018) pertanian
merupakan salah satu seKtor industri yang menjadi bagian
pekerjaan dalam pemenuhan kebutuhan pokok seperti
tanaman pangan pertanian.
Padi merupakan komoditas tanaman pangan penghasil
beras yang memegang peranan penting dalam kehidupan
ekonomi Indonesia. Yaitu beras sebagai makanan pokok
sangat sulit digantikan oleh bahan pokok lainnya.
Diantaranya jagung, umbiumbian, sagu dan sumber
karbohidrat lainnya. Sehingga keberadaan beras menjadi
prioritasutama masyarakat dalam memenuhi kebutuhan
asupan karbohidrat yang dapat mengenyangkan dan
merupakan sumber karbohidrat utama yang mudah diubah
menjadi energi. Padi sebagai tanaman pangan dikonsumsi
kurang lebih 90% dari keseluruhan penduduk Indonesia
untuk makanan pokok sehar i-hari (Saragih,2001)..
II. METODE PENELITIAN
Pada kajian ini, software yang digunakan adalah
Quantum GIS dan eCognition yang dalam pengoperasiannya
terdapat banyak pilihan algoritma untuk digunakan. Data
yang diolah berasal dari citra google earth di area Rajabasa
Jaya, Kecamatan Rajabasa, Bandar Lampung.
Data yang digunakan yaitu data berupa koordinat dari
lokasi yang digunakan, serta objek yang akan
diklasifikasinan. Dengan menggunakan metode Klasifikasi
Maximum Likelihood, Minimum Distance dan Obia
(eCognition).
Langkah awal sebelum melakukan klasifikasi baik
dengan metode object based image analysis, maximum
likelihood dan minimum distance. Dilakukan georeferencing
dengan tools yang tersedia pada software Quantum GIS
dengan menggunakan data koordinat yang diambil manual
dengan mobile topographer.
Proses klasifikasi object based image analysis dilakukan
setelah dilakukan metode segmentasi dengan mentukan
parameter skala yang paling optimal sebagai objek terkecil
yang mampu diinterpretasikan secara digital dan visual,
yang diawali dengan penentuan algoritma. Dalam
pengamatan ini digunakan algolitrma multiresolution
segmentation dimana user dapat mengatur scale parameter,
shape dan compactness masing-masing sesuai dengan
besarnya data yang digunakan. Pada kajian ini diatur scale
parameter, shape dan compactness masing- masing 100,
0.3, dan 0.9.
Dilakukan juga metode klasifikasi serta pengaturan
feature space dengan langkah awal membuat kelas-kelas
baru dengan warna berbeda lalu membuat sample dan
mengatur nearest neighbor untuk menetapkan feature space.
Kemudian dilakukan check separability untuk melihat
sebaran (hasil akan lebih baik apabila sebaran semakin
terpisah).
Metode terakhir yang dilakukan yaitu uji akurasi dengan
accuracy assessment sehingga menghasilkan akurasi dengan
nilai tertentu, dapat dilihat terdapat pula nilai mean dan
standard deviasi.
Pada metode Maximum Likelihood dan Minimum
Distance pertama-tama dilakukan penginputan Training
Sample dengan menggunakan data koordinat yang diambil
sebelumnya pada saat survey lapangan. Lalu selanjutnya
dilakukan proses klasifikasi berdasarkan Maximum
Likelihood dan Minimum Distance.Tahap selanjutnya sama
dengan klasifikasi segmentasi object based image analysis
dilakukan uji akurasi dengan menginput hasil klasifikasi
Maximum Likelihood dan Minimum Distance sebelumnya,
dan dilakukan uji akurasi berdasarkan training input
samplenya. Lalu dilakukan Perbandingan antara keduanya
untuk mengetahui mana yang lebih baik antara Maximum
Likelihood dan Minimum Distance. Dan terakhir ketiganya
dibandingkan satu sama lain.
1
 Gambar 1 Proses Georeferencing Gambar 5 Nilai Mean dan Standard Deviasi

Gambar 2 Proses Segmentasi pada eCognition Gambar 6 Penginputan training sample MaximumLiklihood
Dan Minimum Distance

Gambar 3 Proses Klasifikasi pada eCognition

Gambar 7 Hasil Klasifikasi MaximumLiklihood

Gambar 4 Uji Akurasi pada eCognition

2

Gambar 8 Hasil Klasifikasi Minimum Distance
III. HASIL DAN PEMBAHASAN
Ujiakurasi dilakukan pada klasifikasi tutupan lahan
bertujuan untuk menguji tingkat kemiripan atau
kesesuaian peta tutupan lahan yang diperoleh dari proses
klasifikasi tutupan lahan dengan keadaan sebenarnya,
(Ramadhan et al 2018) .
Berikut adalah Hasil Klasifikasi dan Uji akurasi.
Gambar 9 Peta Klasifikasi Minimum Distance
Gambar 10 Peta Klasifiaksi Maximumlikelihood
Gambar 11 Peta Klasifikasi Object Based Image Analysis
Hasil klasifikasi yang dilakukan dengan beberapa
metode diantanya Object Based Image Analysis ,
Maximum Likelihood dan Minimum Distance dengan
memanfaatkan software QuantumGIS dan eCOgnintion
dapat diperoleh 3 peta yang mampu membandingkan
perbedaan tutupan lahan pada sawah di Rajabasa Jaya,
Kecamatan Rajabasa, Bandarlampung. Proses klasifikasi
dilakukan dengan data lapangan berupa koordinat lapangan
dari aplikasi Mobile Topographer.
Berdasarkan hasil klasifikasi pada gambar 9, gambar 10
dan gambar 11. Dapat terlihat perbedaan yang signifikan
terhadap masing masing metode klasifikasi yang digunakan
baik Object Based Image Analysis , Maximum Likelihood
dan Minimum Distance.
IV. KESIMPULAN
Persebaran fase pertumbuhan tanaman padi di
Kecamatan rajabasa menunjukkan terjadinya
pengelompokan atau cluster-cluster penanaman padi.
Klasifikasi fase pertumbuhan tanaman padi berbasis
Object-Based Image Analysis atau OBIA memiliki tingkat
keakuratan yang tinggi. Pembatasan segmen akan terlihat
jelas dan detail jika menggunakan metode Segmentation
Multiresolution. Tetapi mungkin akan mendapatkan hasil
yang lebih akurat lagi apabila menggunakan foto
udara/drone. Karena masih terdapat sedikit kesalahan dalam
tingkat keakuratannya namun klasifikasi Object-Based
Image Analysis tentu lebih baik bila dibandingkan dengan
Maximum Likelihood dan Minimum Distance.
Sedangkan untuk Maximum Likelihood, terlihat lebih
unggul dibandingkan Minimum Distance dengan tingkat
keakuratan untuk Maximum Likelihood, Overall accuracy
[%] = 69.1960 dan Kappa hat classification = 0.6308
sedangkan untuk Minimum Distance Overall accuracy [%]
= 59.9412 dan Kappa hat classification = 0.521.
3
 V. DAFTAR PUSTAKA
Ariwahid, A. N., Sukmono, A., & Subiyanto, S. (2019).
Jurnal Geodesi Undip Oktober 2019 FUZZY
ANALYTICAL HIERARCHY PROCESS
Jurnal Geodesi Undip Oktober 2019. Geodesi
UNDIP, 8, 79–89.

https://ejournal3.undip.ac.id/index.php/geodesi/article/
view /25148
Avicienna, M., Tjahjono, B., & Sutandi, A. (2012). Selection
For Sustainable Rice Field Agricultural Land
Using Remote Sensing Technique. J. Tanah
Lingkungan, 14(2), 56–65.
Nur, S., Yaisa, A., Yanuarsyah, I., & Hudjimartsu, S. A.
(2019). Identifikasi Sawah Dengan Kombinasi
Object-Base Image Analysis (OBIA) Pada Citra
Foto Udara.
Putra, M. N. R. (2021). Identifikasi Fase Pertumbuhan
Tanaman Padi Berbasis Obia ( Object-Based
Image Analysis ) Menggunakan Foto Udara
Format Kecil.
Donggulo, C. V, Lapanjang, I. M., & Made, U. (2017).
Pertumbuhan dan Hasil Tanaman Padi (Oryza sativa
L) Pada Berbagai Pola Jajar Legowo dan
Jarak Tanam. J. Agroland, 24(1), 27–35.