ACARA 7

PEMETAAN KERAPATAN VEGETASI MENGGUNAKAN

TRANSFORMASI INDEKS VEGETASI

I. Tujuan
1. Melakukan pemetaan kerapatan vegetasi menggunakan transformasi indeks
vegetasi secara digital menggunakan software penginderaan jauh.

II. Alat dan Bahan

2.1 Alat
1. Laptop
2. Alat Tulis
3. Software ENVI Classic 64-bit
2.2 Bahan
1. Citra landsat 8 Sebagian Jawa Tengah dan DIY perekaman 19 Mei 2018

III. Langkah Kerja

Input citra yang akan dilakukan

Citra landsat 8 Sebagian pemrosesan yaitu Citra landsat 8
Jawa tengah dan DIY Sebagian Jawa Tengah dan DIY
perekaman 19 Mei 2018 Band 4 dan Band 5

Pembuatan tabel parameter koreksi Ubah digital number band 4 dan

radiometrik yang diambil dari band 5 ke radiance dengan cara
metadata yang telah tersedia memasukkan rumus pada band
math (𝐿𝜆 = 𝑀𝐿 × 𝑄𝑐𝑎𝑙 + 𝐴𝐿)

Buka software Envi Classic 64-bit

untuk mulai melakukan Hitung nilai ESUN Band 4 dan Band 5
pemrosesan transfomasi NDVI dengan memasukkan rumus pada band
math yang diambil dari metadata
 Hitung nilai Path Radiance (LP) Band Ubah niai range min dan max
4 dan Band 5 dengan memasukkan density slice,
rumus pada band math yang diambil red min : -1 ; max : 0,32
green min : 0,32 ; max : 0,42
dari metadata
Blue min : 0,42 ; max : 1

Ubah nilai radiance ke reflectance Simpan citra hasil klasifikasi

Band 4 dan Band 5 dengan NDVI dan buat layout peta
memasukkan rumus pada band math hasil klasifikasi NDVI pada
software Envi
dengan rumus

Lakukan transformasi indeks vegetasi

dengan memasukkan rumus pada band 1. Tabel Parameter Untuk
math yaitu Koreksi Radiometrik

2. Peta Tentatif Kerapatan

Vegetasi Metode NDVI
Sebagian Daerah Jateng
Cek hasil nilai NDVI dengan dan DIY Tahun 2018
menampilkan dialog Statistic Result,
dengan nilai min : -0.977623 dan max :
0.978463, apabila terdapat perbedaan
maka terjadi kesalahan

Tampilkan citra hasil transformasi

NDVI

Buka jendela density slice dan ubahlah

nilai min dan max pada density slice

Keterangan: Input Proses Output

IV. Hasil Praktikum
1. Tabel Parameter Untuk Koreksi Radiometrik (terlampir)
2. Peta Tentatif Kerapatan Vegetasi Metode NDVI Sebagian Daerah Jateng
dan DIY Tahun 2018 (terlampir)

V. Pembahasan
Sebaran vegetasi dapat diketahui secara efektif dengan melakukan
pendekatan indeks vegetasi menggunakan citra penginderaan jauh
(Champbell dan Wynne 2011). Indeks vegetasi merupakan suatu algoritma
yang digunakan bertujuan untuk menonjolkan aspek kerapatan vegetasi
ataupun aspek lain yang berkaitan dengan kerapatan. Indeks vegetasi adalah
suatu transformasi matematis yang melibatkan tiga saluran sekaligus yaitu
saluran merah (red), hijau(green), dan inframerah dekat (near infrared)
(Hidayati 2012).
Analisis kerapatan vegetasi dapat diketahui dengan beberapa metode.
Salah satu metode yang digunakan untuk mengetahui suatu kerapatan
vegetasi adalah metode NDVI (Normalized Difference Vegetation Index)
(Kuchler, 1967). Metode NDVI merupakan metode kombinasi antara
penisbahan dan pengurangan citra sehingga dapat digunakan untuk
melakukan analisis kondisi vegetasi (Danoedoro. P 1996). Informasi yang
dapat disajikan diantaranya adalah kerapatan vegetasi,luas lahan, dan
kondisi vegetasi.
Transformasi indeks vegetasi dilakukan terhadap citra Landsat 8
Sebagian Jawa Tengah dan DIY. Saluran yang digunakan untuk melakukan
transformasi indeks vegetasi adalah saluran 4 dan saluran 5. Saluran 4 dan
saluran 5 digunakan untuk melakukan analisis kerapatan vegetasi karena
pada saluran 4 dan saluran 5 sensitif atau peka terhadap vegetasi. Sebelum
dilakukan transformasi indeks vegetasi metode NDVI diperlukan beberapa
tahapan terlebih dahulu. Tahapan-tahapan tersebut diantaranya adalah
pengubahan digital number ke nilai radiance, menghitung niali ESUN,
menghitung nilai path radiance, setelah itu nilai radiance diubah ke dalam
 nilai reflectance. Pada tahapan ini terdapat sedikit kesulitan,hal tersebut
dikarenakan diperlukan ketelitian yang tinggi ketika memasukkan berbagai
macam rumus pada band math. Apabila tahapan tersebut telah dilakukan
barulah dapat dilakukan proses transformasi vegetasi menggunakan NDVI.
Nilai NDVI yang didapatkan haruslah memiliki nilai min : -0.977623 dan
max : 0.978463, apabila terdapat perbedaan maka terjadi kesalahan pada
proses sebelumya atau ketika memasukkan rumus radiance atau reflectance.
Hasil proses transformasi indeks vegetasi akan menghasilkan citra
baru. Citra baru hasil transformasi indeks vegetasi tentunya menyajikan
informasi lebih baik dan lengkap untuk melakukan analisis kerapatan
vegetasi. Informasi yang ditampilkan diantaranya mengenai berbagai
macam klasifikasi kerapatan vegetasi yaitu vegetasi kerapatan rendah,
vegetasi kerapatan sedang, dan vegetasi kerapatan tinggi. Klasifikasi
vegetasi tersebut kemudian dilakukan pengubahan range density slice
sehingga menampilkan gradasi warna hijau pada setiap klasifikasi kerapatan
vegetasi. Gradasi warna yang ditampilkan tentunya akan memudahkan
proses analisis kerapatan vegetasi.

VI. Kesimpulan
1. Transformasi indeks vegetasi dilakukan untuk mengetahui informasi
mengenai kerapatan vegetasi. Transformasi indeks vegetasi dapat
dilakukan dengan menggunakan software Envi. Hasil proses transformasi
indeks vegetasi akan menampilkan klasifikasi kerapatan vegetasi dengan
gradasi warna. Hal tersebut tentunya memudahkan proses analisis
kerapatan vegetasi.
 DAFTAR PUSTAKA

Champbell, James B, and Randolph H Wynne. Introduction to Remote Sensing:

Fifth Edition. New York: The Guilford Press, 2011.

Danoedoro. P. Pengolahan Citra Digital, Teori dan Aplikasinya dalam

Penginderaan Jauh. Yogyakarta: Fakultas Geografi Universitas Gadjah
Mada, 1996.

Hidayati, Iswari Nur. Ekstraksi Data Indeks Vegetasi Untuk Evaluasi Ruang
Terbuka Hijau Di Kabupaten Sleman Berdasarkan Citra Penginderaan
Jauh. Yogyakarta: Fakultas Geografi, Universitas Gadjah Mada, 2012.

Kuchler, A. WKuchler, A. W. Vegetation Mapping. New York: The Ronald Press

Company, 1967.