LAPORAN PENGINDERAAN JAUH

DAN INTERPRETASI CITRA

Dosen : Dr. Khursatul Munibah
Asisten :
1. Rian Rahmat Afwar P A14120009
2. Ardhito Sakti
A14120082
3. Duita Sari
A14120087

TRANSFORMASI ( NDVI dan TASSELED CAP )

RIDO AGUSMAN
A14150011

BAGIAN PENGINDERAAN JAUH DAN INFORMASI SPASIAL

DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN
FAKULTAS PERTANIAN
INSTITUT PERTANIAN BOGOR
2016
1. Pendahuluan

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

2. Bahan dan Metode

- Bahan
Bahan yang diperlukan praktikum ini adalah Laptop dan citra hasil koreksi
radiometric
-Metode
a. NDVI
Buka Erdas maka muncul tampilan seperti gambar dibawah

Klik Open file

Lalu pilih citra hasil koreksi radiometric

Lalu Klik Raster Klik Multispectral dan pilih NDVI

Pilih sensor Landsat 7

Setelah itu klik OK

Tunggu proses ekstrak sampai selesai

Setelah selesai akan muncul citra seperti dibawah

b. Tasseled Cap

Klik spektral pada citra Radiometrik

Pilih sensor Landsat 5-6

Klik ignore zero in stats lalu klik OK

Tunggu proses sampai selesai

Klik open file dan pilih hasil Tasseled cap

Akan muncul pada layer dan pilih band 123

3. Hasil dan Pembahasan

Tabel NDVI Laut Dalam
Lokasi

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

Tabel NDVI Laut Dangkal

Lokasi

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

Tabel NDVI Pemukiman

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

Tabel NDVI Sawah Vegetatif

Lokas
i

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

Tabel NDVI Hutan

Lokasi

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

Tabel NDVI Kebun Campuran

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

Tabel NDVI Lahan Kering

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

Tabel Kejelasan tutupan lahan

LD
LD
LK
PK
SV

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

Tabel Tasseled Cap

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

Tabel Kejelasan Obyek pada TC

LD
LD

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

0.1 0.2 0.3 0.4 0.5

-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

0.1 0.2 0.3 0.4 0.5

-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

Transformasi NDVI merupakan salah satu teknik yang telah digunakan

secara luas untuk berbagai aplikasi penginderaan jauh (Liang 2004). Normalizes
Vegetation Index (NDVI) merupakan metode standar yang digunakan untuk
membandingkan tingkat kehijauan vegetasi atau membadingkan kandungan
klorofil pada tumbuhan. NDVI merupakan indeks vegetasi sederhana namun
memiliki sensifitas yang paling tinggi terhadap perubahan kerapatan tajuk
vegetasi dibanding indeks vegetasi lainnya (Wibowo et al. 2010). Tanaman
memilliki kemampuan menyerap cahaya merah oleh klorofil serta pemantulan
cahaya infra merah dekat oleh mesofil pada daun akan membuat nilai kecerahan
yang diterima pada kedua band tersebut akan jauh berbeda. Perbandingan
keduanya mampu menyajikan tingkat kehijauan tumbuhan yang biasa kita kenal
dengan NDVI (Pragoyo 2007).
Transformasi NDVI menggunakan data citra Landsat 7

yang telah

dikoreksi radiometrik. Berdasarkan data hasil praktikum didapatkan bahwa nilai

NDVI terendah pada objek laut dalam dan nilai NDVI tertingi pada hutan, nilai
tersebut berbanding lurus dengan kerapatan suatu objek, semakin rapat suatu
objek, semakin tingi pula nilai NDVI nya. Hal ini sesuai dengan Waas et al.
(2010)

yang

menyatakan

bahwa

nilai

NDVI

kurang

dari

mengindikasikan badan air, es, dan salju, serta NDVI untuk wilayah
bervegetasi diatas 0.1.

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.
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.