PRAKTIKUM 6 & 7

LAPORAN PRAKTIKUM

PENGINDERAAN JAUH DAN INTERPRETASI CITRA

Mata Kuliah : Pengindraan Jauh

Dosen Pengampu : Listumbinang Halengkara, S.Si, M.Sc.

Semester : Genap

Disusun oleh :

Eni Ayu Lestari (1613034006)

PROGRAM STUDI PENDIDIKAN GEOGRAFI

JURUSAN PENDIDIKAN ILMU PENGETAHUAN SOSIAL
FAKULTAS KEGURUAN ILMU PENDIDIKAN
UNIVERSITAS LAMPUNG
2018
 ACARA 6 & 7

KOREKSI GEOMETRIK dan RADIOMETRIK serta KLASIFIKASI

NDVI untuk ANALISIS KERAPATAN VEGETASI

I. Tujuan

1. Mempraktekkan penggunaan perangkat lunak / software PCD untuk

membuka dan menampilkan citra satelit serta melakukan proses konversi
citra.

2. Melakukan identifikasi obyek pada citra berdasarkan nilai atau karakteristik

spektralnya.

3. Melakukan penajaman citra dengan penyusunan citra komposit warna.

II. Alat dan Bahan

Alat yang digunakan meliputi antara lain :

a. Komputer / Laptop : 1 perangkat

b. Sofware ENVI 5.0 : 1 buah

Bahan yang digunakan antara lain :

1. Foto Udara : Citra Satelit Landsat 8

III. Tinjauan Pustaka

1. Koreksi Geometrik

Geometrik merupakan posisi geografis yang berhubungan dengan distribusi

keruangan (spatial distribution). Geometrik memuat informasi data yang mengacu
bumi (geo-referenced data), baik posisi (system koordinat lintang dan bujur)
maupun informasi yang terkandung di dalamnya.

Menurut Mather (1987), koreksi geometrik adalah transformasi citra hasil

penginderaan jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam
bentuk, skala dan proyeksi. Transforamasi geometrik yang paling mendasar
adalah penempatan kembali posisi pixel sedemikian rupa, sehingga pada citra
digital yang tertransformasi dapat dilihat gambaran objek dipermukaan bumi yang
terekam sensor. Pengubahan bentuk kerangka liputan dari bujur sangkar menjadi
jajaran genjang merupakan hasil transformasi ini. Tahap ini diterapkan pada citra
digital mentah (langsung hasil perekaman satelit), dan merupakan koreksi
kesalahan geometric sistematik.

Geometrik cita penginderaan jauh mengalami pergeseran, karena orbit satelit

sangat tinggi dan medan pandangya kecil, maka terjadi distorsi geometric.
Kesalahan geometrik citra dapat tejadi karena posisi dan orbit maupun sikap
sensor pada saat satelit mengindera bumi, kelengkungan dan putaran bumi yang
diindera. Akibat dari kesalahan geometric ini maka posisi pixel dari data inderaja
satelit tersebut sesuai dengan posisi (lintang dan bujur) yang sebenarnya.

Kesalahan geometrik citra berdasarkan sumbernya kesalahan geometric pada cita

penginderaan jauh dapat dikelompokkan menjadi dua tipe kesalahan, yaitu
kesalahan internal (internal distorsion), dan kesalahan eksternal (external
distorsion). Kesalahan geometrik menurut sifatnya dapat dibedakan menjadi dua
jenis yaitu kesalahan sistematik dan kesalahan random. Kesalahan sistematik
merupakan kesalahan yang dapat diperkirakan sebelumnya, dan besar
kesalahannya pada umumnya konstan, oleh karena itu dapat dibuat perangkat
lunak koreksi geometrik secara sitematik. Kesalahan geometri yang bersifat
random (acak) tidak dapat diperkirakan terjadinya, maka koreksinya harus ada
data referensi tambahan yang diketahui. Koreksi geometrik yang biasa dilakukan
adalah koreksi geometrik sistemik dan koreksi geometrik presisi.

Kesalahan geometrik internal disebabkan oleh konfigurasi sensornya, akibat

pembelokan arah penyinaran menyebabkan distorsi panoramic (look angle), yang
terjadi saat cermin scan melakukan penyiaman (scanning). Besarnya sudut
pengamatan (field of view) satelit pada proses penyiaman akan mengakibatkan
perubahan luas cakupan objek. Distorsi panoramic sangat besar pengaruhnya pada
sensor satelit resolusi rendah seperti rendah NOAA-AVHRR dan MODIS, namun
citra resolusi tinggi seperti Landsat, SPOT, IKONOS, Quickbird, dan ALOS
bebas dari distorsi panoramic, karena orbitnya yang tinggi dengan medan pandang
kecil hampir tidak terjadi pergeseran letak oleh relief pada data satelit tersebut.
Distorsi yang disebabkan perubahan atau pembelokan arah penyiaman bersifat
sistematik, dapat dikoreksi secara sistematik. Kesalahan geometric menyebabkan
perubahan bentuk citra.

Koreksi geometric dilakukan sesuai dengan jenis atau penyebab kesalahannya,

yaitu kesalahan sistematik dan kesalahan random, dengan sifat distorsi geometric
pada citra. Koreksi geometrik mempunyai tiga tujuan, yaitu:
1. Melakukan rektifikasi (pembetulan) atau restorasi (pemulihan) citra agar
koordinat citra sesuai dengan koordinat geografis.
2. Meregistrasi (mencocokan) posisi citra dengan citra lain yang sudah
terkoreksi (image to image rectification) atau mentransformasikan system
koordinat citra multispectral dan multi temporal.
3. Meregistrasi citra ke peta atau transformasi system koordinat citra ke
koordinat peta (image to map rectification), sehingga menghasilkan citra
dengan system proyeksi tertentu.

Koreksi geometrik yang biasa dilakukan adalah koreksi geometrik sistematik dan
koreksi geometric presisi. Masing-masing sebagai berikut.
1. Koreksi geometrik sistematik melakukan koreksi geomertri dengan
menggunakan informasi karakteristik sensor yaitu orientasi internal
(internal orientation) berisi informasi panjang focus system optiknya dan
koordinat titik utama (primary point) dalam bidang citra (image space)
sedangkan distorsi lensa dan difraksi atmosfer dianggap kecil pada sensor
inderaja satelit, serta orientasi eksternal (external orientation) berisi
koordinat titik utama pada bidang bumi (ground space) serta tiga sudut
relative antara bidang citra dan bidang bumi.
2. Koreksi geometrik presisi pada dasarnya adalah meningkatkan ketelitian
geometric dengan menggunakan titik kendali / control tanah (Ground
Control Point biasa disingkat GCP). GCP dimaksud adalah titik yang
diketahui koordinatnya secara tepat dan dapat terlihat pada citra inderaja
satelit seperti perempatan jalan dan lain-lain.
Koreksi geometrik citra dapat dilakukan dalam empat tahap yang mencakup
sebagai berikut:
A. Memilih metode setelah mengetahui karakteristik kesalahan geometrik dan
tersedianya data referensi. Pemilihan metode tergantung pada jenis data
(resolusi spasial), dan jenis kesalahan geometric (skew, yaw, roll, pitch)
data.
B. Penentuan parameter yang tidak diketahui didefinisikan dari persamaan
matematika antara system koordinat citra dan system koordinat geografis,
untuk menentukan menggunakan parameter kalibarasi data atau titik
control tanah.
C. Cek akurasi dengan verifikasi atau validasi sesuai dengan criteria, metode,
dan data citra, maka perlu dicari solusinya agar diperoleh tingkat ketelitian
yang lebih baik. Solusinya dapat dilakukan dengan menggunakan metode
lain, atau bila data referensi yang digunakan tidak akurat atau perlu
diganti.

D. Interpolasi dan resampling untuk mendapatkan citra geocoded presisi

(akurat). Beberapa pilihan Geocoding Type yang sudah tersedia pada
perangkat lunak, seperti Tryangulation, Polynomial, Orthorectify using
 ground control poinr, Orthorectify using exterior orientation, Map to map
projection, Point registration, Rotation. Kegunaan setiap tipe geocoding
adalah (a) Tryangulation untuk koreksi geometric data yang mengalami
banyak pergeseran skew dan yawa, atau data yang tidak sama ukuran pixelnya
pada satu set data. (b) Polynomial untuk koreksi geometrik data citra yang
mengalami pergeseran linear, ukuran pixel sama dalam satu set data resolusi
spasial tinggi dan rendah. (c) Orthorectify untuk mengoreksi citra secara
geometris, berdasarkan ketinggian geografisnya. Koreksi geometrik jika tidak
menggunakan Orthorectify, maka puncak gunung akan bergeser letaknya dari
posisi sebenarnya, walaupun sudah dikoreksi secara geometerik. (d) Rotation
untuk koreksi geometrik citra karena terjadi pergeseran citra yang terputar,
baik searah jarum jam maupun sebaliknya.

Teknik koreksi geometrik triangulasi dilakukan koreksi secara linear dalam setiap
segitiga yang dibentuk oleh tiga GCP dan daerah yang mempunyai kesalahan
geometric besar diberikan GCP lebih banyak. Persyaratan pengambilan titik di
lapangan adalah (a) teridentifikasi jelas pada citra satelit, (b) wilayah harus
terbuka agar tidak terjadi multipath, (c) permukaan tanah stabil, tidak pada daerah
yang sedang atau akan dibangun, (d) Lokasi pengukuran aman dan tidak ada
gangguan

2.Koreksi Radiometrik

Koreksi radiometri ditujukan untuk memperbaiki nilai piksel supaya sesuai

dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan
atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai
pantulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan
merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan
atau lebih kecil karena proses serapan.

Menurut Andree Ekadinata et al (2008: 48- 49) mengatakan bahwa koreksi

radiometrik adalah proses untuk meniadakan gangguan (noise) yang terjadi akibat
pengaruh atmosferik maupun karena pengaruh sistematik perekaman citra.
Koreksi radiometrik sendiri memiliki berbagai macam metode untuk melakukan
koreksi radiometric pada citra satelit. Metode yang paling sederhana adalah
metode DOS (Dark Object Substraction) yaitu mengasumsikan bahwa nilai digital
objek tergelap di permukaan bumi haruslah nol. Nilai digital pada masing- masing
saluran (band) disebuah citra satelit tidak selalu nol. Koreksi radiometrik
menggunakan DOS dengan asumsi dapat mengurangi nilai digital pada masing-
masing kanal sehingga didapatkan nilai nol untuk objek dengan pantulan rendah.
Jika y adalah nilai spectral masing- masing piksel dan kisarannya adalah ymin –
ymax maka koreksi radiometrik menggunakan DOS adalah:
ykoreksi = y - ymin
Misalnya saluran (band) 1 di citra Landsat memiliki rentang nilai antara 25- 230.
Nilai minimum 25 merupakan kesalahan karena nilai seharusnya adalah nol.
Koreksi radiometrik dilakukan dengan persamaan sebagai berikut:
Nilai piksel terkoreksi = nilai piksel – 25
Nilai piksel merupakan hasil bit coding informasi spectral dari obyek bayangan di
permukaan bumi. Informasi spectral ini mencapai detector pada sensor dalam
bentuk radiansi spectral dengan satuan miliWatt cm-2sr-1µm-1. Secara teoritik,
pada suatu sistem penginderaan jauh ideal, nilai pantulan spectral yang terekam di
detector. Namun pada spectrum tampak dan perluasannya (0,36 – sekitar 0,9 µm),
informasi spectral obyek di permukaan bumi biasanya mengalami bias, karena ada
hamburan dari obyek lain di atmosfer, khususnya partikel debu, uap air dan gas
triatomik. Dengan adanya bias maka diperlukan koreksi untuk memperbaiki nilai
piksel supaya sesuai dengan yang seharusnya. Rumus umum koreksi nilai piksel
pada setiap scene adalah dengan mengurangi setiap nilai citra yang akan dikoreksi
dengan nilai bias (Abdur Rahman, 2011: 24):
BVterkoreksi = BVahli – bias
Pencarian nilai bias dapat dilakukan dengan beberapa cara, antara lain dengan
penyesuaian histogram (histogram adjustment), penyesuaian regresi, kalibrasi
bayangan (shadow calibration), dan metode pencar (metode bronsveld). Selain
metode DOS masih banyak metode lain yang dapat digunakan untuk melakukan
koreksi radiometrik.
Berikut pendeskripsian mengenai metode- metode tersebut, yaitu koreksi relatif,
koreksi absolut dan koreksi atmosfer:
1. Koreksi relatif merupakan proses koreksi radiometrik yang dilakukan pada
citra dengan sensor yang sama akan tetapi direkam pada waktu yang berbeda.
Proses koreksi dilakukan dengan membangun korelasi berdasarkan nilai
spektral pada lokasi- lokasi yang tidak mengalami perubahan di kedua citra
tersebut. Koreksi ini biasanya dilakukan untuk dalam proses pemetaan
tutupan lahan multiwaktu (time series).
2. Koreksi absolut merupakan koreksi radiometric yang mengubah kembali nilai
digital menjadi nilai pantulan sinar matahari yang sebenarnya. Faktor- faktor
yang dipertimbangkan dalam koreksi ini adalah mencakup sudut elevasi
matahari, jarak bumi- matahari dan sebagainya.
3. Koreksi atmosfer merupakan salah satu algoritma koreksi radiometrik yang
relatif baru. Koreksi ini dilakukan dengan mempertimbangkan berbagai
parameter atau indikator atmosfer dalam proses koreksi termasuk faktor
musim dan kondisi iklim di lokasi perekaman citra (misalnya tropis, sub-
tropis dan lain- lain). Secara umum dapat dikatakan bahwa koreksi atmosfer
merupakan pengembangan dari koreksi absolut. Kelebihannya adalah pada
kemampuannya untuk memperbaiki gangguan atmosfer seperti kabut tipis,
asap, dan lain- lain.

3. Normalized Difference Vegetation Index

NDVI (Normalized Difference Vegetation Index) adalah perhitungan citra yang

digunakan untuk mengetahui tingkat kehijauan, yang sangat baik sebagai awal
dari pembagian daerah vegetasi. NDVI dapat menunjukkan parameter yang
berhubungan dengan parameter vegetasi, antara lain, biomass dedaunan hijau,
daerah dedaunan hijau yang merupakan nilai yang dapat diperkirakan untuk
pembagian vegetasi.

Seperti perhitungan pada citra rasio, pada citra normalisasi juga menggunakan
data channel 1 dan channel 2. Channel 1 terdapat dalam bagian dari spektrum
dimana klorofil menyebabkan adanya penyerapan terhadap radiasi cahaya yang
datang yang dilakukan saat fotosintesis, sedangkan channel 2 terdapat dalam
daerah spektral dimana struktur daun spongy mesophyll menyebabkan adanya
pantulan terhadap radiasi cahaya. Perbedaan respon dari kedua channel ini dapat
diketahui dengan transformasi rasio perbandingan satu channel dengan channel
yang lain.

Perbandingan antara kedua channel adalah pertimbangan yang digunakan untuk

mengurangi variasi yang disebabkan oleh topografi dari permukaan bumi. Hal ini
merupakan kompensasi dari variasi pancaran sebagai fungsi dari elevasi matahari
untuk daerah yang berbeda dalam sebuah citra satelit. Perbandingan ini tidak
menghilangkan efek additive yang disebabkan oleh atmospheric attenuation,
tetapi komponen dasar untuk NDVI dan vegetasi saling berhubungan. Latar
belakang daratan berfungsi sebagai pemantul sinyal yang terpisah dari vegetasi,
dan berinteraksi dengan vegetasi melalui hamburan yang sangat banyak dari
energi radiasi.

Tabel Pembagian obyek berdasarkan nilai NDVI

Daerah Pembagian Nilai NDVI

Awan es, awan air, salju <0

Batuan dan lahan kosong 0 – 0.1

Padang rumput dan semak 0.2 – 0.3

belukar

Hutan daerah hangat dan 0.4 – 0.8

hutan hujan tropis
𝑁𝐼𝑅 − 𝑟𝑒𝑑
𝑁𝐷𝑉𝐼 =
𝑁𝐼𝑅 + 𝑟𝑒𝑑

Rentang nilai NDVI adalah antara -1.0 hingga +1.0. Nilai yang lebih besar dari
0.1 biasanya menandakan peningkatan derajat kehijauan dan intensitas dari
vegetasi. Nilai diantara 0 dan 0.1 umumnya merupakan karakteristik dari bebatuan
dan lahan kosong, dan nilai yang kurang dari 0 kemungkinan mengindikasikan
awan es, awan uap air dan salju. Permukaan vegetasi memiliki rentang nilai NDVI
0.1 untuk lahan savanna (padang rumput) hingga 0.8 untuk daerah hutan hujan
tropis. Nilai NDVI dapat diperoleh yaitu dengan membandingkan pengurangan
data channel 2 dan channel 1 dengan penjumlahan dari kedua channel tersebut.
Beberapa rumus NDVI untuk beberapa citra satelit :

NOAA AVHRR: X1= Band1 X2 = Band2

MSS: X1 = Band2 X2 = Band4
TM5: X1= Band3 X2 = Band4
TM7: X1 = Band3 X2 = Band4
SPOT: X1 = Band2 X2 = Band3

IV Langkah Kerja

Kita dapat melakukan langkah kerja praktikum dengan baik dan sistematis, antara
lain

Analisis Koreksi Radiometrik terhadap Citra Landsat 8 pada Program ENVI

5.0 :

1. Buka Program ENVI 5.0

2. Buka file citra Landsat 8 dengan cara Klik File lalu Pilih Open
3. Pilih file Landsat 8 dengan format TIFF (band 1 – 7 + 9)
4. Tampilkan Citra Landsat 8 lalu kemudian pilih Toolbox klik Global
Correction. Namun biasanya Koreksi Geometrik sudah dilakukan
sebelumnya karena hal ini untuk mencegah kesalahan pada :
 Kesalahan Sistematis : Utamanya disebabkan oleh sensor
 Kesalahan Acak : Kesalahan disebabkan oleh rotasi bumi
dan prilaku sensor ketika melakukan pengambilan data
 5. Untuk Melakukan Koreksi Radiometrik. Gunakan fasilitas
Radiometric Correction yang ada pada Toolbox.
6. Cara sederhana yang dilakukan yaitu dengan menentukan Citra
Landsat mana yang akan kita koreksi radiometriknya. Pilih fasilitas
Statistics lalu pilih Computer Statics.

7. Pilih file Landsat 8 dengan format TIFF (band 1 – 7 + 9). Klik OK

8. Pada jendela Computer Statistics Parameters klik OK
9. Jika hasil penghitungan menunjukan nilai minimal tiap band tidak nol
0 maka perlu dilakukan koreksi radiometric. Namun jika hasilnya
menunjukkan tiap band sudah 0 maka tidak perlu dilakukan koreksi
ulang dan Citra Landsat 8 siap diproses lebih lanjut.

Melakukan penajaman citra dengan penyusunan citra komposit warna :

1. Lakukan penggabungan pada beberapa band agar kita dapat membuat

citra komposit warna citra Lansat 8 tersebut.

Gunakan fasilitas File Open

2. File citra Landsat penggabungan band 1,2,3,4,5,6,7, dan 9.

3. Untuk NDVI gunakan Toolbox. Pilih Spectral pilih Vegetation pilih
NDVI

4. Maka akan muncul jendela NDVI Input File pilih citra penggabungan
sebagai input lalu klik OK. Dan Pada window NDVI Calculation
Parameter gati NDVI Bands Red menjadi angka 4 dan Near IR
menjadi 5.

5. Akan di peroleh kenampakan citra baru hasil klasifikasi NDVI seperti

pada gambar Berkut:
6. Citra Hasil Klasifkasi NDVI akan Memilki Nilai Spectral dengan
range -1 sampai denan 1, di mana semakin mendekati agka 1 berarti
vegetasi semakin rapat. Untuk melihat range nilai spektral hasil
klasifikasi NDVI gunakan Statistic-Computer Statistic pada
Toolbox.
7. Lakukan untuk langkah selanjutnya pilihpengkelasan ulang pada citra
hasil menjadi 5 kelas. Classification-Raster color Slices yang ada
pada toolbox lalu pilih hasil analisis NDVI sebagai Input File

8. Setelah di ganti Default Raster Color Slices

V. Hasil

File citra Landsat dibawah ini adalah penggabungan band 1,2,3,4,5,6,7, dan 9 :

Koreksi Geometrik
 Koreksi Radiometrik

Hasil Klasifikasi Citra NDVI untuk Kerapatan Vegetasi

Hasil Yang Sudah Sesuai Dengan Nilai Spectral Hasil Analisis Ndvi

Hasil Analisis Kerapatan Vegetasi yang terbaik

VI. Pembahasan

Resolusi (disebut juga resolving power = daya pisah) adalah kemampuan suatu
sistim optik-elektronik untuk membedakan informasi yang secara spasial
berdekatan atau secara spektral mempunyai kemiripan (Swain dan Davis, 1978).
Pengertian ini akhirnya berkembang, dengan menambahkan aspek waktu
(temporal) didalamnya. Dalam bidang Penginderaan Jauh, terdapat empat konsep
resolusi yang sangat penting, yaitu resolusi spasial, resolusi spektral, resolusi
radiometrik, dan resolusi temporal. Dalam praktek pengolahan citra digital,
resolusi layar juga memegang peranan penting.

Pengertian praktis resolusi spasial adalah ukuran terkecil obyek yangmasih dapat
dideteksi oleh sistim pencitraan. Semakin kecil obyek (terkecil) yagn dapat
terdeteksi, semakin halus atau tinggi resolusinya. Begitu pula sebaliknya, semakin
besar ukuran obyek terkecil yang dapat terdeteksi, semakin kasar atau rendah
resolusinya. Citra SPOT yang beresolusi 10 dan 20 meter dapat disebut beresolusi
(lebih) tinggi, dibandingkan dengan citra Landsat TM yang beresolusi 30 meter,
ataupun Landsat MSS yang beresolusi 79 meter.

Ukuran dalam meter ini juga menunjukkan bahwa obyek yang lebih kecil
daripada resolusi itu (misal 79 meter) tidak akan dapat dikenali, atau
dipresentasikan sebagai obyek itu sendiri secara individual. Obyek tersebut akan
tercatat sebagai satu sel penyusun citra (pixel = picture element, elemen gambar).
Yang sebenarnya memuat informasi beberapa obyek. Piksel semacam ini disebut
mixed-pixel (mixel) (Kannegeieter, 1987). Mixel diperlawankan dengan piksel
murni (pure pixel) yang memuat informasi satu jenis obyek saja. Obyek berupa
liputan padang rumput yang luas mempunyai kemungkinan untuk menyajikan
sejumlah besar piksel murni. Semakin besar resolusinya, semakin besar
kemungkinan suatu citra untuk menyajikan banyak mixel.

Dalam pengoreksi yang di lakukan untuk koreksi geometrik maupun koreksi

radometrik di gunakan urutan sesuai dengan panduan dalam hal koreksi ini jika di
lakkan tidk dengan tepat maka tidak akan menghasilkan oreksi yang sesuai yang
di inginkan. Pengoreksian geometrik yang di lakukan sudah benar karena banyak
bermunculan karena koreksi yang terdapat di dalam geometrik terdapat koreksi
internal di mana di setiap zoom nya di koreksi.

Salah satu hasil pengoreksian yang di lakukan oleh koreksi geometri yang
terdapat keakuratan pada setiap Zoom nya.

Koreksi yang di lakukan pada pengoreksian Radiometrik akan di katakan benar

apabila band yang terdapat pada koreksi radiometrik jumlahnya 0 maka dari itu
koreksi di nyatakan benar. Sedangkan citra Landsat 8 yang sudah terkoreksi akan
menamplkan histrogram dengan nilai yang berbeda-beda untuk masing-masing
kanal yang mana nilai ini sudah merupakan hasil dari nilaikoreksi ToA.
 Analisis Transformasi NDVI

Dari pengamatan hasil Trasformasi NDVI di atas, Dilihat secara visual bahwa
daerah yang memiliki kerapatan vegetasi yang rendah memiliki gradasi warnanya
memiliki 4 gradisi warna yaitu warna ungu, merah, kuning, dan hijau. Daerah
dengan kerapatan vegetasi yang tinggi terdapat di warna merah sedangkan daerah
dengan kerapatan yang rendah terdapat di warna hijau kerapatan yang sedang
terdapat di warna kuning sedangkan di warna yang ungu adalah daerah
denganbanyaknya aliran air.

Nilai tingkat kerapatan vegetasi diperoleh dari klasifikasi nilai transformasi indeks
vegetasi NDVI yang telah dilakukan pada citra Landsat 7 dan Landsat 8.
Klasifikasi nilai kerapatan mangrove didasarkan pada tabel di bawah ini :
Hasil transformasi indeks vegetasi citra Landsat 7 dan 8 didapatkan nilai digital
citra yang bervariasi. Transformasi NDVI landsat 7 menghasilkan citra dengan
nilai digital -0,6 – 0,97778, nilai tersebut berdasarkan kriteria kerapatan mangrove
menyebar untuk semua kerapatan. Sedangkan untuk landsat 8 dengan nilai digital
-1 – 1, juga menyebar untuk semua kerapatan. Dari data di atas dapat di ketahui
bahwa setiap landsat dari landsat 1-8 memiliki nilai digita yang berbeda-beda dari
masing-masing landsat tersebut.

Dari hasil di atas dapat di ketahui bahwa citra yang di hasilkan dengan kerapatan
>21 yaitu dengan kerapatan yang tinggi sehingga warna yang nampak di dalam
citra tersebut iyalah warna merah.

Tutupan lahan yang di gunakan pada citra di atas adalah penggunaan lahan untuk
vegetasi sebagian besar dan terdapat badan air di bagian pinggir hasil citra
tersebut. Tutupan lahan vegetasi pada NDVI adalah 0.5739 Minimum dan
>0.57391 Maksimum.
 VII. Kesimpulan

Pengoreksian yang di lakukan pada citra Lnadsat 8 terdapat 2 koreksi yaitu

koreksi geometri dan koreksi radiometrik. Pada koreksi geometrik menganalisis
tentang masalah yang terdapat ada koreksi tersebut yaitu masalah yang terdapat
pada pixel. Sedangkan untuk megetahui keakurratan yang terdapat pada koreksi
radiometrik yaitu dengan menggunakan digital number jika number yang di
hasilkan berjumlah 0 maka hasil yang dapat di pastikan pas koreksi Radiometrik
benar. Analisis tentang kerapatan vegetasi oleh NIDV terdapat 3 warna yang
terdapat di dalamna yait warna merah dengan kerapatan tinggi sedangkan warna
hijau dengan kerapat renda. Penggunaan lahan yang terdapat pada citra tersebut
sebagiaan besar rurupan lahan vegetasi.

VIII Daftar Pustaka

Danoedoro Projo. 1996. Pengolahan Citra Digital. Yogyakarta. Fakultas Geografi

Universitas Gadjah Mada.

Januar Dafid dkk.2016 Analisis Penggunaan Ndvi Dan Bsi Untuk Identifikasi
Tutupan Lahan Pada Citra Landsat 8, Jawa Tengah.
https://media.neliti.com/media/publications/79903-ID-analisis-penggunaan-
ndvi-dan-bsi-untuk-i.pdf ( di akses 04 juni 2018)

Petunjuk Praktikum Pemrosesan Citra Digital. 2009. Prodi Karotgrafi dan

Penginderaan Jauh Fakultas Geografi UGM.

Ridwan, 2016 Koreksi Radiometrik Dan Geometrik

http://rikiridwana.blogspot.com/2012/06/koreksi-geometrik.html( Di Akses
Pada Tanggal 2 juni 2018 )