2014

MINI TUTORIAL
IDENTIFIKASI KERUSAKAN
Studio Ichio Global GIS

ICHIO GROUP

HUTAN MANGROVE
MENGGUNAKAN CITRA
LANDSAT TAHUN 2003 DAN 2013

[TUTORIAL BY ICHIO GLOBAL GIS]

 Indonesia merupakan negara kepulauan yang memiliki lebih dari 17.500 pulau dengan
panjang garis pantai diperkirakan lebih dari 81.000 km. Secara fisik, Indonesia merupakan negara
kepulauan terbesar di dunia, dengan luas laut sekitar 3,1 juta km2 (0,3 juta km2 perairan teritorial dan
2,8 juta km2 perairan nusantara) atau 62% dari luas teritorialnya (Dahuri et al., 2002). Keberadaan
hutan mangrove di suatu kawasan pesisir merupakan ciri khas vegetasi laut tropis dan sub tropis.
Hutan mangrove biasanya terdapat antara 25º LU dan 25º LS dimana suhu relative konstan. Uniknya
tumbuhan ini mampu tumbuh dan berkembang pada daerah pasang surut, pantai berlumpur dan
lingkungan anaerob.
Peranan mangrove dapat dilihat baik dari segi ekologis maupun ekonomis. Secara ekologis,
daun mangrove merupakan penghasil bahan organik, akarnya merupakan tempat berlindung
invertebrata yang menempel, sebagai peredam gelombang dan badai, pelindung pantai dari abrasi,
penahan lumpur dan juga sebagai perangkap sedimen. Selain itu akar mangrove juga merupakan
tempat pemijahan (spawning ground), asuhan (nursery ground) dan tempat mencari makan (feeding
ground) biota laut. Secara ekonomis kulit kayu mangrove dapat diambil taninnya yang digunakan
untuk obat, batang pohonnya dapat digunakan untuk bahan bakar dan bahan baku produksi arang.
Selain itu, kayunya dapat digunakan untuk bahan baku pembuatan rumah, kertas dan kayu bantalan
rel kereta api. Kayu pohon dari jenis mangrove dikenal sangat kuat sebagai pondasi suatu bangunan.
Hal ini dikarenakan tumbuhan tersebut hidup di daerah yang tergenang air, sehingga kayunya tahan
air dan tidak mudah lapuk.
Aspek pemanfaatan mangrove secara ekonomis yang berlebihan dan tidak mengindahkan
kelestariannya, mengakibatkan semakin berkurangnya luas vegetasi mangrove. Hutan mangrove
mengalami pergeseran fungsi menjadi pemukiman, tambak dan bahkan tanah kosong akibat
penebangan secara besar-besaran.
Akibatnya terjadi abrasi pantai, banjir, sedimentasi dan berkurangnya keanekaragaman
sumber daya alam laut. Penginderaan jauh antariksa telah membawa dimensi baru untuk mengerti
dampak manusia terhadap kerapuhan bumi dan basis sumberdaya yang saling berhubungan, serta
tidak hanya untuk mengetahui keajaiban alam dan proses operatif planet kita (Lillesand dan Kiefer,
1990). Kawasan mangrove merupakan salah satu objek alam yang mempunyai peranan penting di
daerah pesisir. Akan tetapi sulit dicapai dan dilalui karena luasannya yang besar dan struktur
komunitasnya yang kompleks. Sistem penginderaan jauh menawarkan metode dengan berbagai
keunggulan diantaranya biaya yang murah dan dalam memetakan luas vegetasi mangrove dapat
diperoleh sesuai dengan kebutuhan.

Studio Ichio Global GIS | 1

 Pada penelitian ini citra yang digunakan adalah Citra Landsat 7 ETM+ perekaman April
2003 dan Citra landsat 8 OLI/TIRS perekaman Mei 2013. Citra Landsat 7 ETM+ dan Citra
Landsat 8 OLI/TIRS dapat diperoleh dari http://earthexplorer.usgs.gov/. Pengolahan citra
diproses menggunakan aplikasi Er-Mapper 7.1. Adapun cara pengolahan citra menggunakan
aplikasi Er-Mapper diuraikan sebagai berikut.

Langkah-Langkah Untuk L7
1. Stack Layer (Penggabungan Band)
Tahap awal yang harus dilakukan dalam pengolahan citra penginderaan jauh yaitu layer
stacking dimana tahap ini merupakan proses penggabungan beberapa band menjadi satu
sehingga menjadi citra multilayer. Pada penelitian ini digunakan citra Landsat 7 ETM+ dengan
band yang digunakan yaitu band 1-5 dan 7. Adapun proses layer stacking dijelaskan pada
gambar sebagai berikut:

Gambar Stacking Citra

Studio Ichio Global GIS | 2

 Gambar Save As
Dengan mengimport/menggabungkan band 1-5 dan 7 diperoleh hasil citra komposit band
321 seperti berikut

Gambar Komposit Band 321

Studio Ichio Global GIS | 3

2. Koreksi Radiometrik (Atmosferik)
Koreksi Radiometrik yang diterapkan pada citra yaitu dengan koreksi atmosferik dimana
ada 2 tahap koreksi yaitu conversion to radiance dan radiance to reflectance.
a) Conversion to radiance (DN ke Radians)
Perhitungan radians dapat menggunakan formula sebagai berikut :
(Lmax-Lmin)/(DNmax-DNmin)*(DN-DNmin)+Lmin

B1=((191.6+6.2)/(255-1))*((i1-1)-6.2)

B2=((196.5+6.4)/(255-1))*((i1-1)-6.4)

B3=((152.9+5)/(255-1))*((i1-1)-5)

B4=((141.1+5.1)/(255-1))*((i1-1)-5.1)

B5=((31.06+1)/(255-1))*((i1-1)-1)

B7=((10.8+0.35)/(255-1))*((i1-1)-0.35)

Cara menginput formula yaitu:

- Open algorithm Klik

- Load datashet file .ers (L7.ers) tampilan pseudo layer

- Duplikat pseudo layer sebanyak band yang ada Klik , dalam hal ini ada 6 band, kemudian beri
nama B1 – B6 dan cocokan input sesuai Band.

Studio Ichio Global GIS | 4

 Gambar Tampilan Algorithm

- Setelah itu Klik , maka muncul tampilan formula editor, masukan formula yang telah
didapat dengan rumus di atas sesuai dengan bandnya.

Gambar Formula Editor

Studio Ichio Global GIS | 5

 - Klik Appy changes

Lakukan langkah ini pada semua Band

Setelah input formula selesai pada semua band Save As dengan nama baru. Disimpan
dengan nama L7radians.ers

b) Radians ke Reflectance

Where:

= Unitless planetary reflectance

= Spectral radiance at the sensor's aperture

= Earth-Sun distance in astronomical units

from nautical handbook or interpolated
from values listed in Table 11.4

= Mean solar exoatmospheric irradiances

= Solar zenith angle in degrees

Nilai ESUN untuk Landsat ETM+

Band Watts/ (meter squared *µm)
1 1997.000
2 1812.000
3 1533.000

Studio Ichio Global GIS | 6

 4 1039.000
5 230.800
7 84.900
8 1362.000

Akusisi data 09-04-2003 99 (d)=1.00155

SUN_AZIMUTH = 65.51131818 cos 0.414513481

Langkah-langkahnya sama dengan radians di atas hanya kali ini inputnya adalah file .ers

dari radian L7radians.ers. berikut formula yang akan diinput dalam formula editor:

B1=((3.1459*i1*1.00155*1.00155)/(1997*0.414513481))

B2=((3.1459*i1*1.00155*1.00155)/(1812*0.414513481))

B3=((3.1459*i1*1.00155*1.00155)/(1533*0.414513481))

B4=((3.1459*i1*1.00155*1.00155)/(1039*0.414513481))

B5=((3.1459*i1*1.00155*1.00155)/(230.8*0.414513481))

B7=((3.1459*i1*1.00155*1.00155)/(84.9*0.414513481))

Cara menginput formula yaitu:

- Open algorithm Klik

- Load dataset file .ers (L7.ers) tampilan pseudo layer

- Duplikat pseudo layer sebanyak band yang ada Klik , dalam hal ini ada 6 band, kemudian beri
nama B1 – B6 dan cocokan input sesuai Band.

Studio Ichio Global GIS | 7

 Gambar Tampilan Algorithm

- Setelah itu Klik , maka muncul tampilan formula editor, masukan formula yang telah
didapat dengan rumus di atas sesuai dengan bandnya.

Gambar Formula Editor

- Klik Appy changes

Studio Ichio Global GIS | 8

 Lakukan langkah ini pada semua Band

Setelah input formula selesai pada semua band Save As dengan nama baru.

3. Koreksi Geometrik
Geometrik merupakan posisi geografis yang berhubungan dengan distribusi keruangan
(spatial distribution) yang memuat informasi data yang mengacu bumi (geo-referenced data),
baik posisi (sistem koordinat lintang dan bujur) maupun informasi yang terkandung di dalamnya
(Purwadhi dan Sanjoto, 2008:83). Data citra harus dikoreksi geometrik terhadap sistem koordinat
bumi, supaya semua informasi data citra yang telah sesuai keberadaannya di bumi. Dalam
koreksi geometrik mengenal dua istilah yaitu registrasi dan rektifikasi.
Registrasi adalah proses koreksi geometrik dari citra belum terkoreksi dengan citra yang
sudah terkoreksi. Rektifikasi adalah proses koreksi geometrik antara citra belum terkoreksi
dengan peta. Dalam Er Mapper 7.1 sendiri terdapat empat tipe pengoperasian rektifikasi yaitu:
image to map rectification, image to image rectification, map to map transformation
(mentransformasikan data yang terkoreksi menjadi datum atau map projection yang baru), image
rotation (memutar citra menjadi beberapa derajat).
Koreksi geometrik diperlukan untuk menempatkan piksel-piksel citra pada posisi
koordinat yang tepat. Kesalahan penempatan piksel terjadi karena berbagai faktor baik faktor
internal maupun eksternal sensor penginderaan jauh. Citra Landsat 7ETM+ yang digunakan
dalam penelitian ini merupakan citra landsat level 1T yang artinya pada level tersebut citra sudah
terkoreksi geometri. Namun acuan yang digunakan dalam koreksi geometri menggunakan data
DEM. Dalam penelitian ini dilakukan koreksi geometri ulang dengan acuan citra QuickBird
tahun 2002 yang telah terkoreksi geometri dari BAPPEDA Brebes dengan harapan untuk
menurunkan tingkat RMSE (kesalahan geometri). Adapun hasil dari koreksi geometri yang
dilakukan pada Landsat 7RTM+ 2003 mendapatkan hasil RMSE terkecil 0.00 dan RMSE
terbesar 0.13 dengan rata-rata RMSE sebesar 0.15 dari 20 titik GCP yang dibuat.
Proses koreksi geometrik dapat dijelaskan sebagai berikut,
1. Panggil citra yang akan dikoreksi
2. Dari menu bar pilih procces > geocoding wizard
3. Pada kotak dialog geocoding wizard terdapat 5 tahap yang dilakukan
4. Start: masukkan citra yang akan dikoreksi, pilih polynomial

Studio Ichio Global GIS | 9

 5. Polynomial setup: pilih linear
6. GCP setup: masukkan citra yang menjadi referensi (acuan)
7. GCP edit: pada tahap ini menentukan titik GCP, klik lokasi GCP pada citra Corrected
GCP sebagai titik acuan (koreksi) kemudian klik pada lokasi yang sama pada citra
Uncorrected GCP. Ketelitian pada tahap ini menentukan nilai RMS yang akan
didapatkan
8. Rectify: masukkan nama keluaran citra hasil koreksi, klik save file and start
rectification.

4. Pemotongan Citra (Cropping citra)

Dalam pemotongan Citra Landsat 7 dilakukan guna memperkecil daerah yang dikaji

sesuai dengan daerah penelitian, di mana diketahui ukuran satu scene citra (Purwadhi dan

Sanjoto, 2008:279). Pemotongan daerah pada pekerjaan ini menggunakan data vektor dan Save

As.

Studio Ichio Global GIS | 10

 Gambar Crooping Citra
Untuk menyimpan hasil pemotongan agar tetap menjadi citra multispektral 6 band, maka
pada RGB diubah menjadi pseudo layer dan copy menjadi 6 band dan beri nama sesuai bandnya.

5. Penajaman Citra (image enhancement)

Penajaman citra dilakukan untuk meningkatkan kemampuan analisis citra dengan
mempertajam kontras antar objek dalam suatu kenampakan. Proses ini dimulai dengan teknik
menerapkan linear stretch untuk membedakan secara jelas antara air, vegetasi mangrove dan,
vegetasi lainnya
Citra yang digunakan adalah citra komposit yang merupakan hasil penajaman (image
enhancement) dengan menggunakan teknik komposit warna semu. Citra komposit warna semu
yang dipakai adalah tiga kanal citra landsat berdasarkan susunan warna merah, hijau dan biru
(RGB) berturut-turut kanal 4, 5 dan 3. Tujuan dari penggabungan citra ini adalah untuk
menghasilkan citra yang komposit dan informatif sehingga memudahkan dalam prose klasifikasi.
Pada citra untuk mendeteksi atau membedakan secara visual vegetasi mangrove dan
vegetasi lain digunakan citra komposit warna semu RGB dari kombinasi band 4, 5 dan 3. Untuk
memperoleh kenampakan yang lebih jelas, dapat dilakukan penajaman terhadap citra warna
tersebut atau dapat juga dilakukan penajaman pada tiap-tiap kanal kemudian dikompositkan.

Studio Ichio Global GIS | 11

6. Klasifikasi Tak Terbimbing (Unsupervised Classification)
Klasifikasi tak terbimbing merupakan salah satu metode klasifikasi dimana komputer
secara otomatis menghitung dan mengenali nilai spektral yang ada pada citra. Ermapper 7.1
menggunakan algoritma ISOClass untuk menampilkan data citra dalam metode ini.
Tahapan dalam klasifikasi tak terbimbing ini adalah sebagai berikut :
a) Citra hasil crop (L7penajaman.ers) di hitung nilai pixcell nya dengan cara klik menu
Process lalu pilih Calculate Statistics

Studio Ichio Global GIS | 12

 Gambar Calculate Statistics
b) Setelah dihitung nilai pixcellnya klik menu Process kembali terus pilih Classification
dan pilih ISOCLASS Unsupervised Classification

Gambar ISOCLASS Unsupervised Classification

Studio Ichio Global GIS | 13

 Gambar citra hasil ISOCLASS Unsupervised Classification

7. Reklasifikasi
Setelah citra berhasil diklasifikasi akan didapatkan kelas klasifikasi sebanyak 30 kelas.
Karena sasaran dalam pekerjaan ini adalah mangrove maka peneliti hanya akan mengklasifikasi
laut, mangrove dan non-mangrove. Maka perlu dilakukan reklasifikasi atau klasifikasi ulang
untuk menentukan kelas laut, mangrove dan non-mangrove. Dalam proses reklasifikasi ini
peneliti menggunakan metode penggabungan kelas yang sama pada tiap kelas dengan bantuan
citra komposit band 453 yang difusikan dengan citra Quickbird tahun 2002. Dengan komposit
band 453 terlihat warna untuk laut ; hitam, warna untuk mangrove ; merah, dan selain itu adalah
non-mangrove.

Studio Ichio Global GIS | 14

 Gambar proses rektifikasi dengan bantuan citra komposit band 453 yang difusikan
dengan citra Quickbird tahun 2012

Menggabungkan kelas yang sama setelah merubah warna dengan ketentuan :

1. Kelas Laut diwakili oleh kelas Laut 1-7, 9, 11-12, dan 19.
2. Kelas Non Mangrove diwakili oleh kelas Non Mangrove 8, 10, 14-18, 20-21, 23-25, dan
28-30.
3. Kelas Mangrove diwakili oleh kelas Mangrove 13, 22, dan 26-27.

Memasukkan rumus penggabungan kelas ke formula :

if i1 >=1 and i1 <=7 then 1 else if i1 =8 then 2 else if i1 =9 then 1 else if i1 =10 then 2 else if
i1 >=11 and i1 <=12 then 1 else if i1 >=13 and i1 <=18 then 2 else if i1 =19 then 1 else if i1
>=20 and i1<=21 then 2 else if i1 =22 then 3 else if i1 >=23 and i1 <=25 then 2 else if i1 >=26
and i1 <=27 then 3 else if i1 >=28 and i1 <=30 then 2 else null

Studio Ichio Global GIS | 15

 Gambar citra yang sudah dikelaskan menjadi 3 kelas

8. Membuat Indeks Vegetasi NDVI

Analisis dengan menggunakan formula NDVI untuk mengetahui nilai tingkat kerapatan
mangrove. Berikut cara membuat NDVI :
Buka citra pantaibrebes.ers dan masukan formula NDVI nya (( Band 4 + band 3)/(band 4
- band 3))  rumus NDVI Yang ditulis pada kotak dialog formula adalah sebagai berikut :
((i1-i2)/(i1+i2))
dimana : Input 1 = band 4
Input 2 = band 3

Studio Ichio Global GIS | 16

9. Menggabungkan Layer
Menggabungkan NDVI dan class nya dan disave

Studio Ichio Global GIS | 17

10. Membuat Kelas Kerapatan Mangrove
Buka file hasil penggabungan (Class+NDVI.ers) lalu tuliskan rumus If i1 = 3 then i2 else
null

a) Liat rentangan citra nya

Ex. 0.634157 -( -0.388914)/3 = 0.341024
Jadi interval kelasnya adalah 0.341024, dapat ditentukan nilai kerapatannya:
Mangrove Jarang : (-0.388914) – (-0.047890)
Mangrove Sedang : (-0.047890) – 0.293134
Mangrove Lebat : 0.293134 –(0.634158

b) Membuat Kelasnya
Kelas 1 = Laut
Kelas 2 = Non Mangrove
Kelas 3 = Kerapatan Mangrove Jarang
Kelas 4 = Kerapatan Mangrove Sedang
Kelas 5 = Kerapatan Mangrove Lebat
rumus untuk membedakan kelas kerapatan vegetasinya :

Studio Ichio Global GIS | 18

 If i1=3 and (i2 >=-0.388914 and i2<-0.047890) then 3 else if i1=3 and (i2>=-
0.047890 and i2<0.293134) then 4 else if i1=3 and (i2>=0.293134) then 5 else if
i1=1 then 1 else if i1=2 then 2 else null

Simpan IEEE4byte dgn 0 value disimpan dengan nama kerapatan_mangrove_2003.ers

Langkah-Langkah Untuk L8
Pengolahan pada Citra Landsat 8 ini sama seperti pengolahan pada Citra Landsat 7
1. Stack Layer (Penggabungan Band)
Tahap awal yang harus dilakukan dalam pengolahan citra penginderaan jauh yaitu layer
stacking dimana tahap ini merupakan proses penggabungan beberapa band menjadi satu
sehingga menjadi citra multilayer

2. Koreksi Radiometrik (Atmosferik)

Koreksi Radiometrik yang diterapkan pada citra yaitu dengan koreksi atmosferik dimana
ada 1 tahap koreksi yaitu conversion DN reflectance.

conversion DN ke Reflectance

Studio Ichio Global GIS | 19

Perhitungan reflektans dengan input L8radians.ers dapat menggunakan formula sebagai berikut:
ρλ' = ((Mρ Qcal) + Aρ ) / sin (θSE)
Ket:
ρλ' = TOA planetary reflectance, without correction for solar angle. Note that ρλ' does not
contain a correction for the sun angle.
Mρ = Band-specific multiplicative rescaling factor from the metadata
(REFLECTANCE_MULT_BAND_x, where x is the band number)
Aρ = Band-specific additive rescaling factor from the metadata
(REFLECTANCE_ADD_BAND_x, where x is the band number)
Qcal = Quantized and calibrated standard product pixel values (DN)
sin (SUN_ELEVATION) 50.86883260 = 0.775703221

B1=((2.0000*i1) -0.100000)/ 0.775703221

B2=((2.0000*i1) -0.100000)/ 0.775703221

B3=((2.0000*i1) -0.100000)/ 0.775703221

B4=((2.0000*i1) -0.100000)/ 0.775703221

B5=((2.0000*i1) -0.100000)/ 0.775703221

B6=((2.0000*i1) -0.100000)/ 0.775703221

B7=((2.0000*i1) -0.100000)/ 0.775703221

B8=((2.0000*i1) -0.100000)/ 0.775703221

B9=((2.0000*i1) -0.100000)/ 0.775703221

3. Koreksi Geometrik
Geometrik merupakan posisi geografis yang berhubungan dengan distribusi keruangan
(spatial distribution) yang memuat informasi data yang mengacu bumi (geo-referenced data),
baik posisi (sistem koordinat lintang dan bujur) maupun informasi yang terkandung di dalamnya
(Purwadhi dan Sanjoto, 2008:83). Data citra harus dikoreksi geometrik terhadap sistem koordinat

Studio Ichio Global GIS | 20

bumi, supaya semua informasi data citra yang telah sesuai keberadaannya di bumi. Dalam
koreksi geometrik mengenal dua istilah yaitu registrasi dan rektifikasi.
Registrasi adalah proses koreksi geometrik dari citra belum terkoreksi dengan citra yang
sudah terkoreksi. Rektifikasi adalah proses koreksi geometrik antara citra belum terkoreksi
dengan peta. Dalam Er Mapper 7.1 sendiri terdapat empat tipe pengoperasian rektifikasi yaitu:
image to map rectification, image to image rectification, map to map transformation
(mentransformasikan data yang terkoreksi menjadi datum atau map projection yang baru), image
rotation (memutar citra menjadi beberapa derajat).

4. Pemotongan Citra (Cropping citra)

Dalam pemotongan Citra Landsat 8 dilakukan guna memperkecil daerah yang dikaji

sesuai dengan area of interest. Pemotongan daerah pada pekerjaan ini menggunakan data vektor

dan Save As.

Untuk menyimpan hasil pemotongan agar tetap menjadi citra multispektral 9 band, maka
pada RGB diubah menjadi pseudo layer dan copy menjadi 9 band dan beri nama sesuai bandnya.

5. Penajaman Citra (image enhancement)

Penajaman citra dilakukan untuk meningkatkan kemampuan analisis citra dengan
mempertajam kontras antar objek dalam suatu kenampakan. Proses ini dimulai dengan teknik
menerapkan linear stretch untuk membedakan secara jelas antara air, vegetasi mangrove dan,
vegetasi lainnya
Citra yang digunakan adalah citra komposit yang merupakan hasil penajaman (image
enhancement) dengan menggunakan teknik komposit warna semu. Citra komposit warna semu
yang dipakai adalah tiga kanal citra landsat berdasarkan susunan warna merah, hijau dan biru
(RGB) berturut-turut kanal 4, 5 dan 3. Tujuan dari penggabungan citra ini adalah untuk
menghasilkan citra yang komposit dan informatif sehingga memudahkan dalam prose klasifikasi.
Pada citra untuk mendeteksi atau membedakan secara visual vegetasi mangrove dan
vegetasi lain digunakan citra komposit warna semu RGB dari kombinasi band 4, 5 dan 3. Untuk
memperoleh kenampakan yang lebih jelas, dapat dilakukan penajaman terhadap citra warna
tersebut atau dapat juga dilakukan penajaman pada tiap-tiap kanal kemudian dikompositkan.

Studio Ichio Global GIS | 21

6. Klasifikasi Tak Terbimbing (Unsupervised Classification)
Klasifikasi tak terbimbing merupakan salah satu metode klasifikasi dimana komputer
secara otomatis menghitung dan mengenali nilai spektral yang ada pada citra. Ermapper 7.1
menggunakan algoritma ISOClass untuk menampilkan data citra dalam metode ini.

a) Citra hasil penajaman (L8penajaman.ers) dihitung nilai pixcell nya dengan cara klik
menu Process lalu pilih Calculate Statistics
b) Setelah dihitung nilai pixcellnya klik menu Process kembali terus pilih Classification
dan pilih ISOCLASS Unsupervised Classification
Maximum Iteration 99999
Desired percent unchanged 98.0
Sampling Row Interval 1
Sampling Column Interval 1
Maximum number of classes 30
Minimum members in a class (%) 0.01
Maximum standard deviation 4.5
Split separation value 0.0
Min. distance between class means 1

7. Reklasifikasi
Setelah citra berhasil diklasifikasi akan didapatkan kelas klasifikasi sebanyak 30 kelas.
Karena sasaran dalam pekerjaan ini adalah mangrove maka peneliti hanya akan mengklasifikasi
laut, mangrove dan non-mangrove. Maka perlu dilakukan reklasifikasi atau klasifikasi ulang
untuk menentukan kelas laut, mangrove dan non-mangrove. Dalam proses reklasifikasi ini
peneliti menggunakan metode penggabungan kelas yang sama pada tiap kelas dengan bantuan
citra komposit band 453. Dengan komposit band 543 terlihat warna untuk laut ; hitam, warna
untuk mangrove ; merah, dan selain itu adalah non-mangrove.

Menggabungkan kelas yang sama setelah merubah warna dengan ketentuan :

1. Kelas Laut diwakili oleh kelas Laut 1-2, 7-11, 13-14, 18-19, 21, dan 26.

Studio Ichio Global GIS | 22

 2. Kelas Non Mangrove diwakili oleh kelas Non Mangrove 3-6, 12, 15-17, 20, 23-24 dan 27-
30 .
3. Kelas Mangrove diwakili oleh kelas Mangrove 22, dan 25.

Memasukkan rumus penggabungan kelas ke formula :

if i1 >=1 and i1 <=2 then 1 else if i1 >=3 and i1 <=6 then 2 else if i1 >=7 and i1<=11
then 1 else if i1 =12 then 2 else if i1 >=13 and i1 <=14 then 1 else if i1 >=15 and i1
<=17 then 2 else if i1 >=18 and i1<=19 then 1 else if i1 =20 then 2 else if i1 =21 then 1
else if i1 =22 then 3 else if i1 >=23 and i1 <=24 then 2 else if i1 =25 then 3 else if i1 =
26 then 1 else if i1 >=27 and i1 <=30 then 2 else null

8. Membuat Indeks Vegetasi NDVI

Analisis dengan menggunakan formula NDVI untuk mengetahui nilai tingkat kerapatan
mangrove. Berikut cara membuat NDVI :
Buka citra pantaibrebes.ers dan masukan formula NDVI nya (( Band 4 + band 3)/(band 4
- band 3))  rumus NDVI Yang ditulis pada kotak dialog formula adalah sebagai berikut : ((i1-
i2)/(i1+i2))
dimana : Input 1 = band 4
Input 2 = band 3

9. Menggabungkan Layer
Menggabungkan NDVI dan class nya dan disave
Disimpan dengan nama L8Class+NDVI.ers

10. Membuat Kelas Kerapatan Mangrove

Buka file hasil penggabungan (Class+NDVI.ers) lalu tuliskan rumus If i1 = 3 then i2
else null
a) Liat rentangan citra nya
Ex. 0.575436 -0.160162/3 = 0.289399
Jadi interval kelasnya adalah0.289399, dapat ditentukan nilai kerapatannya:
Mangrove Jarang : 0.160162 – 0.298587

Studio Ichio Global GIS | 23

 Mangrove Sedang : 0.298587 – 0.437012
Mangrove Lebat : 0.437012 – 0.575436
b) Membuat Kelasnya
Kelas 1 = Laut
Kelas 2 = Non Mangrove
Kelas 3 = Mangrove Jarang
Kelas 4 = Mangrove Sedang
Kelas 5 = Mangrove Lebat
rumus untuk membedakan kelas kerapatan vegetasinya :
If i1=3 and (i2 >=0.160162 and i2<0.298587) then 3 else if i1=3 and (i2>=0.298587
and i2<0.437012) then 4 else if i1=3 and (i2>=0.437012) then 5 else if i1=1 then 1 else
if i1=2 then 2 else null
Simpan IEEE4byte dgn 0 value disimpan dengan nama kerapatan_mangrove_2013.ers

Studio Ichio Global GIS | 24

Membuka Arcgis 10.1
1. Mengkelaskan dengan menggunakan Reclassify
Mengkelaskan kerapatan_mangrove_2003.ers

Mengkelaskan kerapatan_mangrove_2013.ers

Studio Ichio Global GIS | 25

2. Mengubah data raster ke vektor
Mengubah L7_Reclassyfy ke vektor

Mengubah L8_Reclassyfy ke vektor

Studio Ichio Global GIS | 26

3. Mengisi Atribut Kedua File
Mengisi database Landcover masing-masing kelas
Untuk file l7_mangrove.shp

Untuk file l8_mangrove.shp

Studio Ichio Global GIS | 27

4. Mengoverlaykan Kedua File
Mengoverlaykan kedua file hasil pemotongan l7_mangrove.shp dan l8_mangrove.shp dan
disimpan dengan nama overlay_2003_2013.shp

5. Menganalisis Kerusakan Mangrove dengan Atribut

Analisis Kerusakan Mangrove :
a. Kerapatan Lebat (2003) berubah menjadi Laut (2013)
b. Kerapatan Lebat (2003) berubah menjadi Non Mangrove (2013)
c. Kerapatan Sedang (2003) berubah menjadi Laut (2013)
d. Kerapatan Sedang (2003) berubah menjadi Non Mangrove (2013)
e. Kerapatan Lebat (2003) berubah menjadi Kerapatan Jarang (2013)
f. Kerapatan Jarang (2003) berubah menjadi Laut (2013)
g. Kerapatan Jarang (2003) berubah menjadi Non Mangrove (2013)
h. Kerapatan Lebat (2003) berubah menjadi Kerapatan Sedang (2013)
i. Kerapatan Sedang (2003) berubah menjadi Kerapatan Jarang (2013)

Studio Ichio Global GIS | 28

6. Identifikasi Kerusakan Mangrove dari Tahun 2003-2013
Hasil identifikasi kerusakan mangrove Citra Landsat 7 tahun 2003 dengan Citra landsat 8
tahun 2013

Studio Ichio Global GIS | 29

Hasil Analisis Citra Landsat Temporal 2003 dan 2013

Kritik, saran, masukan ,pertanyaan mengenai tutorial ini dan info lebih lanjut silahkan ke
link di bawah ini :

https://www.facebook.com/thyeo.ciril?ref=tn_tnmn

https://www.facebook.com/IchioGlobalGis?ref=hl

http://thyeogeografi.blogspot.com/

https://www.facebook.com/groups/624926300858796/?fref=ts

Studio Ichio Global GIS | 30