Rekomendasi pemupukan umumnya disusun setiap tahun untuk mengkoreksi kebutuhan hara tanaman melalui kegiatan pemupukan. Hara daun dalam penyusunan rekomendasi pemupukan merupakan bagian kecil dari beberapa parameter yang digunakan. Beberapa peneliti telah melakukan prediksi hara daun tanaman kelapa sawit memanfaatkan data satelit multispektral dan pengukuran spectroradiometer dengan hasil yang bervariasi. Penelitian prediksi hara daun kelapa sawit dengan pesawat tanpa awak dan kamera multispektral ini dilakukan karena belum ada kajian mengenai penggunaan teknologi tersebut untuk prediksi hara daun kelapa sawit. Tujuan penelitian ini adalah membandingkan performa pendugaan hara daun dari berbagai variasi komposisi variabel berupa 3 saluran dan beberapa indeks vegetasi, serta untuk menentukan analisis regresi terbaik. Band hijau, merah, dan inframerah dekat dari kamera multispektral Mapir Survey 3, serta indeks vegetasi simpleratio, normalized difference vegetation index, dan green NDVI digunakan sebagai variabel bebas dalam analisis regresi sederhana, regresi polinomial, regresi berganda, dari variabel terseleksi dengan teknik recursive feature elimination dengan metode regresi linear dan random forest, dan regresi berganda polinomial dengan variabel tidak bebas (respons) berupa analisis daun dari 20 sampel yang meliputi hara N, P, K, Ca, Mg, dan B. Model penduga terbaik dari penelitian ini adalah model regresi berganda polinomial dari variabel terseleksi menggunakan teknik RFE metode random forest. Variabel bebas hanya mampu menduga hara daun 2N, P, K, dan Mg dengan nilai R² sebesar 0,9415 hingga 0,9991, Adjusted R² sebesar 0,7223 hingga 0,9837, serta nilai Residual Standard Error (RSE) sebesar 0,0045 hingga 0,0340.

Nilai hara daun di perkebunan kelapa sawit berperan penting untuk keperluan penyusunan rekomendasi pemupukan yang umumnya dilakukan setiap satu tahun sekali (Corley&Tinker,2003;Goh,2004;Prabowoetal.,2010;Wittetal.,2005). Hasil analisis daun secara konvensional dilakukan dengan menggunakan analisis daun di laboratorium yang diambil dari daunke-17 untuk tanaman menghasilkan dan daun ke-9 pada tanaman belum menghasilkan(Rendanaetal.,2015;Santosoetal.,2019). Perkembangan teknologi penginderaan jauh oleh beberapa peneliti digunakan untuk menduga hara daun tanaman kelapa sawit menggunakan datacitra satellite maupun spectrometer (Rendana etal., 2015; Santoso et al., 2019; Yadegari et al.,2020). Perbandingan hasil dari beberapa penelitian tersebut disampaikan pada Tabel 1 yang menunjukkan bahwa penggunaan teknik penginderaan jauh oleh beberapa peneliti untuk pendugaan haradaun diperkebunan kelapa sawit tidak ada yang menggunakan citra yang diambil dari drone dan kamera multispektral. mengevaluasi efektivitas penggunaan kamera multispektral yang dipasang pada pesawat tanpa awak (UAV) dalam memprediksi kandungan hara daun tanaman kelapa sawit, seperti N, P, K, Ca, Mg, dan B. Untuk menganalisis efektivitas pemupukan dapat mengeksplorasi penggunaan indeks vegetasi seperti NDVI, GNDVI, dan simple ratio untuk memantau kandungan hara pada daun kelapa sawit. Analisis ini berguna untuk pengembangan rekomendasi pemupukan yang lebih akurat berdasarkan data multispektral yang diambil dari UAV. Penelitian ini dapat membandingkan berbagai teknik regresi, seperti regresi sederhana, regresi berganda, dan regresi polinomial, untuk menemukan model prediksi terbaik. Pertimbangan  mengenai pentingnya hasil analisis daun dalam proses penentuan dosis dalam kegiatan pemupukan, kecepatan dalam menyediakan informasi kandungan hara untuk monitoring kebutuhan hara bagi tanaman,dan belum adanya penelitian pendugaan hara daun menggunakan drone dan kamera multispectral menghasilkan pemikiran bahwa penelitian mengenai pendugaan hara daun menggunakan drone dan kamera layak untuk dilakukan.

Tujuan dari pendugaan hara daun adalah membandingkan performa pendugaan hara daun N, P, K, Ca, Mg,dan B dari berbagai variasi komposisi variabel berupa 3 saluran(band) kamera multispektral dan indeks vegetasi, serta untuk menentukan analisis regresiter baik dalam pendugaan hara daun tanaman kelapa sawit tersebut. Tabel 1. Penelitian pendugaan hara daun tanaman kelapa sawit menggunakan teknik penginderaan jauh Table Research esonthe oil palm leaf nutrients contents prediction with remotesen singtechniques Penulis Bahan/Alat Metode analisis Hasil ¹Rendanaet al., 2015 Citra satelit dan pengukuran lapangan ²Santosoet al., 2018 Data spectral dari pengukuran spectroradio meter Review dan perbandingan dari beberapa penelitian Regresi sederhana sertam ultivariant analisis dan PCR Sensor hyper spectral dan multispectral berpotensidigunakan untuk pendugaanharaIndek vegetasi baru dan formula pendugaan hara N, P, K, Ca,Mg, B, Cu, dan Zn dengan akurasi 0,77-0,99 ³Yadegari, Shamshiri, Shariff, Balasundram, dan Mahns, 2020 Data satellite multispectral Analisis regresi antara beberpaindeks vegetasi dengan kandungan hara daun NMSAVI mempunyai koefisien determinasi 0,93 untuk pendugaan kandungan hara NBAHAN DANMETODEL okasi PenelitianPenelitian ini dilaksanakan padatanggal 1Agustus 2019 yang meliputi kegiatan pengambilan sampel daun dan perekaman image menggunakan Unmanned Aerial Vehicle (UAV) dan kamera multispektral.

Pendugaan hara daun N, P, K, Ca, Mg, dan B dilakukan dengan menggunakan analisis regresi sederhana, regresi berganda (multivariate regression), regresi polinomial, dan regresi multivarian polynomial (polynomial multi variate regression) dari variabel yang digunakan yaitu band merah, hijau, NIR, NDVI, GNDVI, dan SR (Santoso,Tani, Wang, & Segah, 2019) disoftware R (R CoreTeam,2016;RStudio,2015). Regresi sederhana dilakukan dengan menggunakan semua variabel secara individu. Analisis regresi selanjutnya dilakukan dengan polynomial sampai dengan orde 5. Regresi berganda dilakukan dengan menggunakan variabel yang terseleksi menggunakan teknik recursive feature elimination (RFE) (Gromski et al., 2014). Recursive feature elimination (RFE) merupakan cara pemilihan variabel berdasarkan pendekatan backwards feature selectiondengan metode regresi linear (lmFuncs) dan random forest(rfFuncs) di package “Caret” (Kuhn, 2015) yang dioperasikan di softwareR. Model yang terbangun pada regresi berganda tidak menggunakan seluruh variabel bebas namun menggunakan variabel terseleksi dari RFE metode lm dan RF. Variabel bebas yang terseleksi dari RFE metode lm adalah sebanyak 4 variabel yang meliputi band 1, band 2, band 3, dan NDVI. Model regresi terbaik dalam menduga kandungan hara daun N adalah model regresi berganda polinomial orde 5 dengan variabel terseleksi dari RFE metode RF dengan nilai Residual Standard Error (RSE) 0,0340. Model penduga hara daun P terbaik ditunjukkan oleh model regresi berganda polinomial orde 4 dengan nilai RSE 0,0045. Model regresi berganda polinomial orde 3 merupakan model penduga hara daun K dan Mg dengan nilai RSE berturut-turut 0,0162 dan 0,0172.

Hasil penelitian ini akan menjadi dasar dalam penelitian lanjutan terkait dengan pemanfaatan prediksi hara daun N, P, K, dan Mg untuk kegiatan penyusunan rekomendasi pemupukan. Akhir dari penelitian adalah paket teknologi penyusunan rekomendasi pemupukan yang didasarkan tidak hanya pada prediksi hara daun tetapi gabungan dari banyak parameter yang sumber datanya diekstrak dari image hasil perekaman UAV dan kamera multispektral, sehingga rekomendasi pemupukan dapat disesuaikan dengan kebutuhan tanaman baik untuk pertumbuhan vegetatif maupun generatif secara cepat dan tepat.

Heri Santoso dan Winarna 26 Maret 2021, View of The Exploration of The Oil Palm Leaf Nutrients Content Using Unmanned Aerial Vehicle and Multispectral Camera