https://doi.org/10.1016/j.nxsust.2026.100307

GORONTALO – Pemupukan nitrogen merupakan salah satu faktor penting dalam meningkatkan produktivitas tanaman jagung. Namun, pemberian pupuk yang tidak sesuai kebutuhan tanaman dapat menyebabkan pemborosan biaya sekaligus meningkatkan risiko pencemaran lingkungan. Menjawab tantangan tersebut, tim peneliti Universitas Negeri Gorontalo (UNG) mengembangkan pendekatan pemetaan nitrogen tanaman jagung dengan memanfaatkan citra satelit Sentinel-2 dan teknologi pembelajaran mesin (machine learning).

Penelitian berjudul “Integrating Sentinel-2 Vegetation Indices and Random Forest Models for Nitrogen Mapping in Tropical Agroecosystems” ini melibatkan Muhammad Isra, Laode Muhamad Irsan, Sakinah Ahyani Dahlan, Widya Rahmawaty Saman, dan Yoyanda Bait. Para penulis berasal dari Program Studi Teknologi Pangan dan Program Studi Agribisnis, Fakultas Pertanian, Universitas Negeri Gorontalo.

Studi yang dipublikasikan dalam jurnal internasional Next Sustainability, Volume 7 (2026), artikel 100307, tersebut mengkaji kemampuan citra satelit dalam memperkirakan kandungan nitrogen daun jagung pada kondisi agroekosistem tropis di Kecamatan Suwawa Tengah, Kabupaten Bone Bolango, Gorontalo.

Dalam penelitian ini, tim menggabungkan data pengukuran nitrogen daun di laboratorium dengan informasi spektral dari citra Sentinel-2. Tiga indeks vegetasi digunakan, yaitu Normalized Difference Vegetation Index (NDVI), Soil-Adjusted Vegetation Index (SAVI), dan Visible Atmospherically Resistant Index (VARI). Indeks tersebut membantu menggambarkan kondisi vegetasi berdasarkan pantulan cahaya dari permukaan tanaman.

Sebanyak 50 sampel daun jagung dikumpulkan dari lima titik pengamatan yang telah ditentukan koordinatnya. Sampel kemudian dianalisis menggunakan metode Kjeldahl untuk memperoleh data kandungan nitrogen yang selanjutnya dibandingkan dengan informasi dari citra satelit.

Hasil analisis menunjukkan bahwa NDVI memiliki hubungan individual paling kuat dengan kandungan nitrogen daun, dengan nilai koefisien determinasi (R²) sebesar 0,82. Ketika ketiga indeks vegetasi digabungkan melalui regresi linear berganda, nilai R² meningkat menjadi 0,87.

Kinerja terbaik diperoleh melalui algoritma Random Forest, dengan nilai R² sebesar 0,88, RMSE 0,18, dan MAE 0,12. Hasil tersebut menunjukkan bahwa model ini mampu memperkirakan kandungan nitrogen dengan kinerja lebih baik dibandingkan pendekatan regresi linear dan Support Vector Regression yang turut diuji dalam penelitian.

Keunggulan pendekatan ini tidak hanya terletak pada kemampuan memperkirakan kandungan nitrogen, tetapi juga pada penyajian informasi secara spasial. Peta yang dihasilkan memperlihatkan variasi kandungan nitrogen daun jagung di area penelitian, dengan nilai perkiraan berkisar antara 2,60 hingga 3,40 persen.

Informasi tersebut penting karena kebutuhan nitrogen tanaman tidak selalu seragam di seluruh lahan. Perbedaan kondisi tanah, pertumbuhan tanaman, dan lingkungan mikro dapat menyebabkan variasi status hara dalam satu hamparan pertanian. Melalui pemetaan, pengelolaan pupuk berpeluang dilakukan secara lebih spesifik sesuai kondisi masing-masing bagian lahan, bukan dengan memberikan dosis yang sama secara menyeluruh.

Pemanfaatan Sentinel-2 juga menawarkan pendekatan pemantauan yang bersifat non-destruktif, sehingga kondisi tanaman dapat diperkirakan melalui pengamatan satelit tanpa harus terus-menerus mengambil sampel daun. Ketersediaan data satelit yang dapat diakses secara terbuka menjadi salah satu potensi untuk mendukung pengembangan pertanian presisi.

Meski demikian, tim peneliti menegaskan bahwa hasil tersebut masih merupakan pembuktian awal pada skala lahan dan kondisi penelitian tertentu. Model dikembangkan berdasarkan 50 sampel dari lima titik pengamatan pada satu fase pertumbuhan vegetatif jagung. Karena itu, penerapannya pada wilayah, musim, dan fase pertumbuhan yang berbeda masih memerlukan pengujian lebih lanjut.

Penelitian selanjutnya perlu memperluas cakupan lokasi dan waktu pengamatan, sekaligus mengintegrasikan data dari berbagai sensor, termasuk pengamatan menggunakan pesawat nirawak atau Unmanned Aerial Vehicle (UAV). Langkah tersebut diharapkan dapat meningkatkan ketelitian pemetaan dan memperkuat kemampuan model dalam menghadapi keragaman kondisi pertanian tropis.

Secara keseluruhan, penelitian ini memperlihatkan potensi integrasi penginderaan jauh dan kecerdasan buatan sebagai pendukung pengambilan keputusan dalam pengelolaan nutrisi tanaman. Pendekatan tersebut dapat menjadi salah satu landasan pengembangan sistem pemupukan yang lebih tepat sasaran, efisien dalam penggunaan input, serta mendukung keberlanjutan produksi jagung di wilayah tropis.