a. Latar Belakang
Penginderaan Jauh merupakan seni dan dalam ekstraksi informasi
mengenai suatu objek, wilayah atau fenomena yang dikaji (Lillesand dan Kiefer
1987). Sistem Informasi Geografi merupakan seperangkat sistem yang digunakan
untuk melakukan pengelolaan, analisis dan manipulasi informasi yang
mempunyai rujukan keruangan dalam suatu sistem pemecahan masalah (Projo
Danoedoro 1996).
NDVI (Normalized Difference Vegetation Index) merupakan suatu
pengukur vegetasi yang sesnsitif dan sangat mantap yang menggunakan
perbedaan energi spektral yang dipantulkan oleh kanopi vegetasi pada panjang
gelombang spektrum elektromagnetik merah dan inframerah dekat. Saat ini hanya
nilai NDVI yang telah digunakan secara operasional untuk pengamatan vegeatsi
global. Bentuk ratio dari NDVI ini dimaksudkan untuk memperkecil keragaman
yang disebabkan oleh perubahan kondisi irradiansi yang diakibatkan oleh
perubahan sudut matahari, topografi, kondisi atmosferik dan penutupan awan.
b.Tinjauan Pustaka
Indeks vegetasi merupakan nilai yang diperoleh dari gabungan beberapa
spektral band spesifik dari citra penginderaan jauh. Gelombang indeks vegetasi
diperoleh dari energi yang dipancarkan oleh vegetasi pada citra penginderaan jauh
untuk menunjukkan ukuran kehidupan dan jumlah dari suatu tanaman.
Tanamanmemancarkan dan menyerap gelombang yang unik sehingga keadan ini
dapat di hubungakan dengan pancaran gelombang dari objek-objek yang lain
sehingga dapat dibedakan antara vegetasi dan objek selain vegetasi.
Nilai indeks vegetasi (IV) merupakan salah satu parameter hasil ekstraksi
datapenginderaan jauh yang digunakan sebagai parameter fisisvegetasi. Nilai IV
ini dapatmencerminkan tingkat kehijauan dan kondisi vigor vegetasi (Malingreau
1986) dan penerapannya dapat melengkapi informasi tentang dinamika vegetasi
dalam skala global (Justice et al 1986). Oleh karena itu data IV tersebut dapat
dimanfaatkan untuk tujuan pemantauan kondisi lahan bervegetasi pada suatu
wilayah yang cukup luas. Dari pengkajian pengkajian yang telah dilakukan
diperoleh bahwa IV tidak hanya berguna dalam hal manfaatnya untuk mendeteksi
perubahan dan pemantauan kondisi permukaan, pendugaan beberapa parameter
biofisik vegetasi tetapi juga didapatkan bahwa penggunaan IV memiliki
keterbatasan keterbatasan. Keterbatasan keterbatasan yang berasal dari
berbagai pengaruh eksternal meliputi : kalibrasi dan karakteristik instrumen,
kondisi liputan dan bayangan awan, pengaruh pengaruh atmosferis yang
disebabkan oleh keragaman tingkat kandungan aerosol, kandungan uap air, dan
awan awan residual, serta konfigurasi dari matahari-target-sensor dan interaksi
interaksi yang dihasilkan dari permukaan dan atmosfer yang anisotropiterhadap
besarnya sinyal yang menjadi sangat dipengaruhi oleh sudut datangnya.
Transformasi Kauth dan Thomas atau tasseled cap adalah transformasi
yang memanfaatkan feture space pada keempat saluran sekaligus. Prinsip
transformasi ini adalah penyusunan kembali sumbu-sumbu saluran (empat saluran
MSS) dalam ruang spektral sehingga sumbu-sumbu tersebut terputar (terotasi) ke
arah-arah tertentu, yang saling ortogonal. Masing-masing sumbu ini tidak lagi
disebut sebagai saluran MSS4, MSS5, MSS6, dan MSS7, melainkan sebagai
sumbu kecerahan (brightness), kehijauan (greeness), kelayuan (yellowness), dan
ketidaktentuan (none such)
c.Tujuan
- Mahasiswa bisa memgetahui kerapatan objek
- Mahasiswa membedakan objek vegetasi dengan non-vegetasi
d. Manfaat
- Mahasiswa sudah mengetahui tentang kerapatan objek
- Mahasiswa sudah bisa menbedakan dengan jelas antar objek
- Bahan
Bahan yang diperlukan praktikum ini adalah Laptop dan citra hasil koreksi
radiometric
-Metode
a. NDVI
Buka Erdas maka muncul tampilan seperti gambar dibawah
b. Tasseled Cap
Lokasi
Nilai
213354.50
-885532.50
-0.436
268935.28
-721710.90
-0.460
111112.07
-872056.21
-0.432
290581.86
-899999.97
-0.414
240597.95
-885831.30
-0.427
Printscreen
Lokasi
Nilai
Printscreen
244198.91
-752242.52
-0.345
263283.15
-755921.41
-0.233
269836.17
-755921.41
-0.271
277193.95
-755231.62
-0.328
229598.32
-737871.86
-0.358
Lokasi
Lokasi
X
Nilai
Printscreen
294554.54
-757796.33
0.052
129611.63
-775600.34
0.069
133522.80
-772341.16
0.051
134961.01
-772903.87
0.062
140496.38
-776159.39
0.023
Lokasi
X
Nilai
Printscreen
315688.5
8
307975.6
7
319498.5
7
317640.0
3
320241.9
8
-774251.16
0.200
-772439.09
0.267
-765980.69
0.280
-768954.34
0.218
-763703.99
0.282
Lokasi
X
Nilai
Printscreen
163018.20
-772972.80
0.264
203165.18
-788618.35
0.399
236671.10
-803420.31
0.365
172745.30
-786017.75
0.383
187963.83
-780572.59
0.374
Lokasi
Lokasi
X
Nilai
Printscreen
261461.07
-825864.73
0.136
264143.11
-827031.92
0.149
262330.25
-823157.85
0.216
248771.01
-818787.11
0.208
259949.56
-820306.54
0.253
Lokasi
Lokasi
X
Nilai
Printscreen
191260.80
-813665.05
-0.054
181320.32
-812531.49
-0.059
177701.64
-812313.49
-0.001
181930.70
-804247.75
-0.056
191522.39
-807168.86
-0.037
LK
2
PK
1
1
SV
1
1
1
HT
1
1
1
3
KC
1
1
1
3
LK
1
1
2
1
HT
KC
LK
Keterangan :
2
1
LD = Laut Dalam
LK = Laut Dangkal
PK = Perkotaan
SV = Sawah Vegetasi
HT = Hutan
KC = Kebun Campuran
LK = Lahan Kerng
1 = Dapat dibedakan dengan tegas
2 = Kurang dapat dibedakan
3 = Tidak dapat dibedakan
Koordinat
Kelas
X
B
Y
Printscreen
Laut
Dala
m
280964.9
7
-716778.44
10.490
-0.793 -3.329
-748475.59
10.532
-0.814 -3.306
Laut
Dang
kal
237578.09
Perko
taan
232572.45
-746267.92
11.080
-0.829 -3.571
309371.98
-774147.93
10.665
-0.659 -3.378
Sawa
h
veget
asi
Hutan
214785.86
-808910.60
10.671
-0.595 -3.332
222807.43
-808844.71
10.694
-0.613 -3.368
Kebu
n
Camp
uran
Laha
n
Kern
190561.30
-815894.01
10.598
-0.709 -3.360
LK
PK
SV
LK
Brigt 1
PK
Brigt 1
SV
Brigt 1
HT
Brigt 1
KC
Brigt 1
LK
Brigt 1
Green 1
Green 1
Green 1
Green 1
Green 1
Green 1
Wet 1
Wet 2
Brigt 1
Wet 1
Brigt 1
Wet 1
Brigt 1
Wet 2
Brigt 3
Wet 2
Brigt 2
Green 1
Green 1
Green 1
Green 3
Green 2
Wet 1
Wet 1
Brigt 1
Wet 1
Brigt 1
Wet 3
Brigt 3
Wet 1
Brigt 1
Green 2
Green 1
Green 1
Green 1
Wet 2
Wet 1
Brigt 1
Wet 1
Brigt 2
Wet 1
Brigt 1
Green 1
Green 2
Green 1
Wet 1
Wet 2
Wet 1
HT
KC
Brigt 1
Brigt 1
Green 2
Green 1
Wet 2
Wet 1
Brigt 3
Green 2
Wet 2
LK
Keterangan :
LD = Laut Dalam
LK = Laut Dangkal
PK = Perkotaan
SV = Sawah Vegetasi
HT = Hutan
KC = Kebun Campuran
LK = Lahan Kerng
1 = Dapat dibedakan dengan tegas
2 = Kurang dapat dibedakan
3 = Tidak dapat dibedakan
NDVI - Brightness
11.2
11
10.8
Laut Dalam
Laut Dangkal
10.6
Brightness
Perkotaan
Sawah Vegetasi
10.4
Hutan
Kebun Campuran
10.2
Lahan Kering
10
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
NDVI
Brighness - NDVI
0.5
0.4
0.3
0.2
Laut Dalam
0.1
NDVI
Laut Dangkal
0
10.4 10.5 10.6 10.7 10.8 10.9
-0.1
-0.2
11.1 11.2
Perkotaan
Sawah Vegetasi
Hutan
Kebun Campuran
Lahan Kering
-0.3
-0.4
-0.5
Brightness
NDVI Greeness
11
0
-0.5 -0.4 -0.3 -0.2 -0.1 0
-0.1
-0.2
-0.3
Laut Dalam
-0.4
Laut Dangkal
-0.5
Sawah Vegetasi
-0.6
Hutan
-0.7
Lahan Kering
Perkotaan
Greeness
Kebun Campuran
-0.8
-0.9
NDVI
Greeness NDVI
0.5
0.4
0.3
0.2
0.1
NDVI
-0.85
-0.8
-0.75
-0.7
-0.65
-0.6
0
-0.55
-0.1
-0.2
-0.3
-0.4
-0.5
Greeness
Laut Dalam
Laut Dangkal
Perkotaan
Sawah Vegetasi
Hutan
Kebun Campuran
Lahan Kering
NDVI Wetness
-3.15
-0.5 -0.4 -0.3 -0.2 -0.1 0
-3.2
-3.25
-3.3
-3.35
Laut Dangkal
Perkotaan
Wetness
-3.4
-3.45
-3.5
-3.55
-3.6
NDVI
Wetness NDVI
Laut Dalam
Sawah Vegetasi
Hutan
Kebun Campuran
Lahan Kering
0.5
0.4
0.3
0.2
0.1
NDVI
-3.6
-3.55
-3.5
-3.45
-3.4
-3.35
0
-3.3 -3.25
-0.1
-0.2
-0.3
Laut Dalam
Laut Dangkal
Perkotaan
Sawah Vegetasi
Hutan
Kebun Campuran
Lahan Kering
-0.4
-0.5
Wetness
Brightness Greeness
0
10.4 10.5 10.6 10.7 10.8 10.9
11
11.1 11.2
-0.1
-0.2
-0.3
Laut Dalam
Laut Dangkal
-0.4
Perkotaan
Greeness
-0.5
Sawah Vegetasi
Hutan
-0.6
Kebun Campuran
Lahan Kering
-0.7
-0.8
-0.9
Brightness
Greeness Brightness
11.2
11
10.8
10.6
Brightness
Laut Dalam
Laut Dangkal
Perkotaan
Sawah Vegetasi
10.4
Hutan
Kebun Campuran
10.2
-0.85
-0.8
-0.75
-0.7
-0.65
Greeness
Brightness - Wetness
-0.6
10
-0.55
Lahan Kering
-3.15
10.4 10.5 10.6 10.7 10.8 10.9
11
11.1 11.2
-3.2
-3.25
-3.3
Laut Dalam
Laut Dangkal
-3.35
Perkotaan
Wetness
-3.4
Sawah Vegetasi
Hutan
-3.45
Kebun Campuran
Lahan Kering
-3.5
-3.55
-3.6
Brightness
Wetness Brightness
11.2
11
10.8
10.6
Brightness
Laut Dalam
Laut Dangkal
Perkotaan
Sawah Vegetasi
10.4
Hutan
Kebun Campuran
10.2
-3.6
-3.55
-3.5
-3.45
-3.4
Wetness
Greeness Wetness
-3.35
-3.3
10
-3.25
Lahan Kering
-0.85
-0.8
-0.75
-0.7
-0.65
-3.15
-0.6
-3.2
-3.25
-3.3
-3.35
Laut Dalam
Laut Dangkal
Perkotaan
Wetness
-3.4
-3.45
-3.5
Sawah Vegetasi
Hutan
Kebun Campuran
Lahan Kering
-3.55
-3.6
Greeness
Wetness Greeness
-3.6
-3.55
-3.5
-3.45
-3.4
-3.35
-3.3
0
-3.25
-0.1
-0.2
-0.3
Laut Dalam
-0.4
Laut Dangkal
Perkotaan
Greeness
-0.5
-0.6
-0.7
-0.8
-0.9
Wetness
Pembahasan
Sawah Vegetasi
Hutan
Kebun Campuran
Lahan Kering
yang telah
yang
menyatakan
bahwa
nilai
NDVI
kurang
dari
mengindikasikan badan air, es, dan salju, serta NDVI untuk wilayah
bervegetasi diatas 0.1.
tingkat
kecerahan
(brightness),
kehijauan
(greenness),
dan
kelembaban (wetness) dari angka-angka digital di setiap band pada citra Landsat.
Nilai-nilai dalam tasseled cap dapat digunakan untuk menganalisis kekeringan
(Shofiyati et al. 2007). Transformasi Tasseled Cap mempunyai beberapa
keunggulan diantaranya: menyediakan informasi yang baik untuk daerah
pertanian karena mampu memisahkan area vegetasi pada lahan kering dan lahan
basah, mampu mendefinisikan data spektral citra yang berhubungan dengan
karakteristik fisik obyek di permukaan bumi, digunakan pada daerah dimana
gangguan atmosfer sangat besar, misalnya kabut, awan, dan bayangan awan
(Wihantika et al. 2006).
Berdasarkan data praktikum didapatkan bahwa objek laut dalam dan laut
dangkal memiliki nilai brightness dan greeness terendah dibandingkan obek yang
lainnya, namun memiliki nilai wetness tertingi diantara objek yang lainnya. Hal
ini dapat diketahui bahwa badan air memiliki kemampuan untuk menyerap cahaya
tinggi sehingga cenderung gelap, tidak mengandung vegetasi, serta memiliki
tingkat kelembaban rendah. Hal ini berbeda dengan objek vegetasi (sawah, hutan,
dan kebun campuran) yang cenderung memiliki nilai brightness, greeness, dan
wetness menengah diantara objek lainnya. Berdasarkan data tersebut dapat
diketahui bahwa objek bervegetasi cenderung memantulkan cahaya, serta
mengandung kelembaban yang cukup untuk tanaman. Objek perkotaan dan lahan
kering memiliki nilai brightness yang cukup tinggi dan nilai greeness dan wetness
yang cukup rendah. Hal ini menunjukkan bahwa untuk lahan kering dan lahan
terbangun memiliki kemampuan memantulkan cahaya yang baik, tidak
mengandung vegetasi serta memiliki kemampuan yang cukup rendah. Indeks
Kecerahan memberikan informasi bahwa permukaan cerah dipantulkan lebih
tinggi dari pada permukaan yang lembab, warna hijau merupakan pantulan dari
permukaan tanah yang cerah sehingga dapat diinterpretasikan bahwa wilayah
wilayah tersebut merupakan daerah yang mempunyai tingkat kelembaban rendah
(Raharjo 2010).
4.Kesimpulan
Praktikum ini dapat disimpulkan bahwa NDVI tertinggi adalah hutan
karena hutan memiliki tingkat kehijauan dan kerapatan yang sangat tinggi dan
NDVI terendah adalah laut dalam karena tidak memiliki kerapatan yang rendah.
Transformasi Tasseled Cap merupakan formula matematik untuk menghitung
tingkat kecerahan (brightness), kehijauan (greenness), dan kelembaban (wetness)
dari angka-angka digital di setiap band pada citra Landsat. Badan air memiliki
kemampuan untuk menyerap cahaya tinggi sehingga cenderung gelap, tidak
mengandung vegetasi, serta memiliki tingkat kelembaban rendah. Objek
bervegetasi cenderung memantulkan cahaya, serta mengandung kelembaban yang
cukup untuk tanaman. Objek perkotaan dan lahan kering memiliki kemampuan
memantulkan cahaya yang baik, tidak mengandung vegetasi serta memiliki
kemampuan yang cukup rendah.
5.Daftar Pustaka
Danoedoro, P. 1996. Beberapa Teknik Operasi dalam Sistem Informasi
Geografis. Yogyakarta (ID) : Puspics UGM Bakosurtanal.
Hucte
Justice et al. 1986. Monitoring Liast African Vegetation Using AVHIUi
Data. Internationl Journal Remote Sensing. 7(9): 1453-1474.
Lillesand TM, Kiefer RW. 1987. Penginderaan Jauh dan Interpretasi
Citra. Yogyakarta (ID) : Gadjah Mada University Press.
Liang S. 2004. Quantitative Remote Sensing of Land Surface. New
Jersey(US): John Wiley & Sons, Inc.
Malingreau J P. 1986. Global Vegetation Dynamics: Satellit Observation
Over Asia. International Journal of Remote Sensing. 7(9) :1121-1146.
Pragoyo T. 2007. Aplikasi SIG untuk memahami fenomena tutupan lahan
dengan citra satelit. Jurnal Teknik Lingkungan. 8(2): 137-142.
Raharjo P D. 2010. Teknik pengindraan jauh dan sistem informasi
geografis untuk identifikasi potensi kekeringan. Makara Teknologi. 14(2): 97-105.
Shofiyati R, Kuncoro D. 2007. Inderaja untuk mengkaji kekeringan di
lahan pertanian. Informatika Pertanian. 16(1): 923-936.
Waas H J D, dan Nababan B. 2005. Pemetaan dan analisis index vegetasi
mangrove di pulau saparua, maluku tengah. Jurnal Ilmu dan Teknologi Kelautan
Tropis. 2(1): 50-58.
Wibowo H, Hadi M P, Suharyadi. 2010. Transformasi NDVI untuk
estimasi nilai koefisien aliran kasus DAS Citarum Hulu. Limnotek. 17(2): 138146.
Wihantika K, dan Agus A. 2006. Analisis perubahan luas pertanian lahan
kering menggunakan transformasi tasseled cap, studi kasus: Puncak, Jawa Barat.
Jurnal Infrastruktur dan Lingkungan Binaan. 2(1): 29-35.