LAPORAN AKHIR

INTERPRETASI DATA PENGINDERAAN JAUH UNTUK SURVEI

PENGGUNAN LAHAN DAN VEGETASI

(DPJP 115)

Disusun oleh:

Nama : Nandian Nafi Setyan

NIM : 18/426117/SV/15259

Kelompok : IDPJPLV-2

Asisten : 1. Alviani Shita Eka .P

2. Meida Istiqomah
3. Sri Rejeki Wulandari

PROGRAM DIPLOMA

PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFI

SEKOLAH VOKASI

UNIVERSITAS GADJAH MADA

YOGYAKARTA

2019
 KATA PENGANTAR

Puji syukur saya panjatkan kepada Allah SWT yang Maha Esa atas segala
limpahan rahmat dan karunia-Nya, sehingga saya dapat menyelesaikan laporan
akhir praktikum Interpretasi Data Penginderaan Jauh untuk Survei Penggunaan
Lahan dan Vegetasi ini.

Laporan akhir Interpretasi Data Penginderaan Jauh untuk Survei

Penggunaan Lahan dan Vegetasi ini merupakan salah satu syarat wajib yang harus
diselesaikan di Program Studi Penginderaan Jauh dan Sistem Informasi Geografi.
Laporan akhir ini sebagai pelengkap dari praktikum yang telah dilaksanakan
selama satu semester.

Penyusunan laporan ini tidak lepas dari saran dan bantuan berbagai pihak.
Oleh karena itu, saya mengucapkan banyak terima kasih kepada orangtua saya,
atas segala dukungan yang diberikan selama ini, kepada Ibu Warsini, S.Si., M.Sc
selaku dosen pembimbing, kepada Mba Alviani Shita .P, Mba Meida Istiqomah,
dan Mba Sri Rejeki Wulandari selaku asisten praktikum IDPJPLV yang telah
memberi banyak masukan dan ilmunya, tak lupa kepada seluruh teman-teman
sehingga laporan akhir praktikum Interpretasi Data Penginderaan Jauh untuk
Survei Penggunaan Lahan dan Vegetasi dapat diselesaikan.

Terlepas dari semua itu, saya menyadari bahwa masih terdapat banyak
kekurangan dalam laporan akhir ini. Oleh karena itu, saya mengharapkan saran
dan kritik dari pembaca agar kedepannya dapat lebih baik lagi.

Akhir kata semoga laporan akhir ini dapat memberikan manfaat bagi diri
saya sendiri maupun kepada seluruh pembaca.

Yogyakarta, 20 Mei 2019

Nandian Nafi Setyan

 DAFTAR ISI

Halaman Judul...........................................................................................................i

Kata Pengantar.........................................................................................................ii

Daftar Isi.................................................................................................................iii

BAB I PENDAHULUAN

1.1 Tujuan.............................……....……........................................................iv

1.1.1 Tujuan umum

1.1.2 Tujuan khusus

BAB II DASAR TEORI

BAB III LAPORAN PRAKTIKUM

Acara 1 : Pengenalan Bentuk-Bentuk Penggunaan Lahan pada Berbagai

Jenis CItra Penginderaan Jauh

Acara 2 : Pemetaan Penutup Lahan dan Penggunaan Lahan pada Foto

Udara Skala Detail

Acara 3 : Pemetaan Penutup Lahan dan Penggunaan Lahan dengan Citra

Satelit

Acara 4 : Latihan Estimasi Kerapatan Kanopi

Acara 5 : Pemetaan Perubahan Penggunaan Lahan Menggunakan Data

Penginderaan Jauh Multiteporal

Acara 6 : Estimasi Produksi Pertanian (Padi) Menggunakan Data

Penginderaan Jauh

Acara 7 : Pemetaan Kerapatan Vegetasi Menggunakan Transformasi Indeks

Vegetasi
 Acara 8 : Acara Lapangan

BAB IV KESIMPULAN

DAFTAR PUSTAKA..........................................................................................…v
 BAB I

PENDAHULUAN

1.1 TUJUAN

1.1.1 Tujuan Umum

1. Mengetahui, menganalisis, dan memahami berbagai macam interpretasi

data penginderaan jauh untuk survei penggunaan lahan dan vegetasi.

1.1.2 Tujuan Khusus

Acara 1 :
1. Mengidentifikasi bentuk-bentuk penggunaan lahan pada berbagai citra
penginderaan jauh.
Acara 2 :
1. Melakukan interpretasi pada citra satelit, sekaligus untuk membuat peta
penutup lahan atau penggunaan lahan sementara.
Acara 3 :
1. Melakukan Interpretasi Citra Satelit, sekaligus untuk membuat peta
penutup lahan dan penggunaan lahan sementara.
Acara 4 :
1. Melakukan klasifikasi multispektral pada citra penginderaan jauh
multitemporal dengan benar.
Acara 5 :
1. Melakukan estimasi kerapatan kanopi pada foto udara.

Acara 6 :

1. Melakukan estimasi produksi pertanian, khususnya estimasi produksi padi

berdasarkan pendekatan ekologi bentanglahan.
Acara 7 :

1. Melakukan pemetaan kerapatan vegetasi menggunakan transformasi indeks

vegetasi secara digital menggunakan software penginderaan jauh.

Acara 8 :

1. Melakukan pengukuran kerapatan vegetasi vertikal dan horizontal

sebagian Hutan Wanagama Gunungkidul.
 BAB II
DASAR TEORI

Pengenalan Bentuk-Bentuk Penggunaan Lahan pada Berbagai Jenis CItra

Penginderaan Jauh

Penggunaan lahan dapat diartikan sebagai suatu bentuk pemanfaatan lahan

oleh manusia untuk mencukupi kebutuhan hidupnya (Malingreau, 1978) Citra
penginderaan jauh dapat digunakan dalam pemetaan penggunaan lahan secara
detail maupun semi detail sesuai dengan karakteristik dan jenis citranya.

Data satelit Landsat biasanya digunakan dalam penginderaan jauh untuk

klasifikasi tutupan lahan (Gumma dkk., 2011; Gong dkk., 2013) Citra satelit
Landsat 8 merupakan citra satelit menengah dengan resolusi spasial 30 meter.
Citra Landsat 8 memiliki 11 band dan setiap saluran yang memiliki karakteristik
berbeda. Data citra Quickbird juga dapat digunakan untuk pemetaan penggunaan
lahan. Citra Quickbird merupakan citra resolusi tinggi dengan resolusi spasial
pankromatik 61 cm dan multispektral mencapai 2,44 meter dan memiliki 4 saluran
ditambah 1 saluran pankromatik.

Pemetaan Penutup Lahan dan Penggunaan Lahan pada Foto Udara Skala
Detail

Pemetaan penggunaan lahan menggunakan citra satelit telah banyak

dilakukan terkait dengan banyaknya kebutuhan data penggunaan lahan untuk
berbagai keperluan manusia. (Malingreau, 1978). Penggunaan lahan sendiri
menurut (Kaiser, 1995). merupakan suatu hasil akhir dari segala macam bentuk
aktivitas manusia yang dilakukan guna memenuhi kebutuhan hidupnya dari mulai
karakteristik kepemilikian, struktur, dan penggunaan ruang. Peta penggunaan
lahan berisi hasil deliniasi dari berbagai jenis penggunaan lahan di suatu daerah
kajian (Campbell, 2002).

Perbandingan peta tentatif penggunaan lahan dengan foto udara adalah

pada peta tentatif penggunaan dapat teridentifikasi jenis-jenis bangunan seperti
bangunan sekolah, fasilitas umum seperti masjid dan kantor pos, serta bangunan
perkantoran seperti kantor desa atau kantor kecamatan. Jenis-jenis bangunan tidak
dapat diidentifikasi pada foto udara karena hanya terlihat dari bagian atas
sehingga sulit membedakannya. Perbandingan peta tentatif penggunaan lahan
dengan foto udara yang lain adalah pada peta tentatif kenampakan objek di
simbolkan dengan simbol area sehingga pada peta tentatif penggunaan lahan
terdapat legenda peta, sedangkan pada foto udara kenampakan objek ditampilkan
aslinya sehingga tidak terdapat legenda.

Pemetaan Penutup Lahan dan Penggunaan Lahan dengan Citra Satelit

Penginderaan jauh merupakan sebuah ilmu tentang suatu pengukuran atau

perolehan data pada objek permukaan bumi dari satelit atau instrumen lain
diatas atau jauh dari objek yang dikaji (Colwell, 1984). Penggunaan citra satelit
untuk memetakan penutup lahan maupun penggunaan lahan telah banyak
dilakukan. Penutup lahan berkaitan dengan jenis kenampakan yang ada
dipermukaan bumi contohnya vegetasi, lahan kosong, dan lahan terbangun. Istilah
penggunaan lahan berkaitan dengan hasil pengolahan manusia yang
memanfaatkan suatu lahan untuk tujuan tertentu contohnya seperti sawah,
pemukiman, dan perkantoran (Lillesand & Kiefer, 1988). Pemanfaatan citra satelit
sebagai sumber informasi pemetaan penggunaan lahan tentunya dipengaruhi oleh
resolusi citra baik resolusi spasial maupun resolusi spektral dan skala. Semakin
tinggi resolusi spasial citra, maka kenampakan objek akan lebih detaildan banyak
sehingga mudah diinterpretasi (Hansen MC, 2000).

Perbandingan penggunaan komposit false color dan true color pada citra
untuk pengamatan penggunaan lahan memiliki tingkat kemudahan dan kesulitan
interpretasi sesuai dengan objek yang diamati. Apabila dilakukan pengamtan
terhadap objek vegetasi maka akan lebih mudah bila digunakan komposit false
color karena klasifikasi vegetasi menggunakan komposit false color sangat
banyak dan perbedaan kontras warna antar vegetasi kerapatan rendah atau
vegetasi kerapatan sedang mudah diamati. Sedangkan apabila dilakukan
pengamatan untuk objek seperti lahan terbangun dan lahan kosong akan lebih
mudah dilakukan dengan citra komposit true color karena kenampakan objek
lebih mudah dibedakan penggunaan lahannya.

Latihan Estimasi Kerapatan Kanopi

Vegetasi sebagai salahsatu kenampakan objek yang dominan yang terdapat

pada permukaan bumi tentunya membutuhkan analisis dan kajian yang
menyeluruh. Dalam melakukan kajian atau analisis yang berkaitan dengan
vegetasi, tentunya akan berkaitan dengan kanopi. Tutupan kanopi merupakan
bagian atas dari vegetasi yang memberikan perlindungan pada lingkungan di
bawahnya (Kuchler, 1967). Tutupan kanopi yang merujuk pada proporsi
keseluruhan kanopi terhadap satuan luas per bidang permukaan disebut kerapatan
kanopi. Keberadaan informasi kerapatan kanopi sangat penting untuk dikaji
karena kanopi pada tutupan vegetasi yang dapat menilai tentang informasi
jumlah pohon dalam suatu lahan dan tingkat kerapatan vegetasi (Riswanto, 2009).
Kajian mengenai informasi kerapatan kanopi pohon memerlukan watu yang
lama dan biaya tinggi,khususnya pada liputan yang luas. Teknologi
penginderaan jauh yang merekam secara langsung karakter vegetasi di permukaan
sehingga dapat mendeteksi sebaran vegetasi pada suatu wilayah, pola sebaran
vegetasi, kerapatan vegetasi serta luas vegetasi. Teknik NDVI (Normalized
Difference Vegetation Index) merupakan sebuah transformasi citra penajaman
spektral untuk menganalisa hal-hal yang berkaitan dengan vegetasi (Putra, 2011).

Pemetaan Perubahan Penggunaan Lahan Menggunakan Data Penginderaan

Jauh Multiteporal

Penggunaan lahan merupakan segala bentuk aktivitas manusia dalam

melakukan pengolahan terhadap suatu lahan untuk memenuhi kebutuhan
hidupnya. Kenampakan penggunaan lahan selalu berubah dari waktu ke waktu,
hal ini dikarenakan kebutuhan manusia dalam mengolah lahan yang selalu
bertambah. (Lillesand, 1994) Perubahan penggunaan lahan dapat terjadi secara
nonsistematik dan sistematik Perubahan penggunaan lahan secara nonsistematik
merupakan perubahan penggunaan lahan karena luasan tanah yang berkurang,
bertambah, maupun sama.. Perubahan penggunaan lahan sistematik merupakan
perubahan penggunaan lahan pada lokasi yang sama sehingga dapat diamati
dengan menggunakan citra multitemporal. (Murchacke, 1990) Citra multitemporal
merupakan citra yang menyajikan suatu kenampakan atau kondisi dengan waktu
perekaman berbeda. Pengamatan perubahan penggunaan lahan menggunakan citra
multitemporal dilakukan dengan mengamati kenampakan objek penggunaan lahan
pada dua citra yang berbeda waktu perekamannya. (Estes, 1992)

Perubahan penggunaan lahan dilakukan dengan klasifikasi supervised dan

unsupervised. (Mukhaiyar, 2010) Klasifikasi supervised merupakan klasifikasi
terawasi, klasifikasi objek dilakukan terlebih dahulu oleh penganalisis
berdasarkan interpretasi objek. Hasil klasifikasi objek dijadikan komputer untuk
mengenali objek lain yang memiliki nilai pixel yang identik dengan klasifikasi
analis. Sedangkan metode unsupervised merupakan metode klasifikasi citra yang
dilakukan oleh komputer sehingga analis tidak dapat menentukan kelas
kenampakan objek. Keunggulan metode supervised adalah analis dapat
menetapkan banyak klasifikasi objek yang diinginkan. Kekurangan klasifikasi
supervised adalah ouput yang diperoleh akan tidak sesuai dengan keadaan
dilapangan apabila melakukan kesalahan saat membuat training area. Keunggulan
klasifikasi unsupervised adalah menguarangi kesalahan interpretasi objek yang
dilakukan analis. Kekurangan metode unsupervised adalah hubungan antar respon
spektral dengan kelas informasi menjadi tidak konstan.

Estimasi Produksi Pertanian (Padi) Menggunakan Data Penginderaan Jauh

Tanaman padi yang menghasilkan beras merupakan sumber pemenuh

kebutuhan pangan terpenting di Indonesia. Dalam rangka mendukung program
ketahanan pangan, maka dituntut kecepatan dan ketepatan informasi sumberdaya
pertanian yang lebih kuantitatif (Karsyno 2004). Penginderaan jauh sebagai suatu
teknologi yang telah berkembang pesat dan pemanfaatannyapun telah mencakup
berbagai aspek yang tentunya dapat digunakan untuk melakukan monitoring
kondisi fisik tanaman padi sehingga dapat dilakukan estimasi produksi padi.
Penginderaan jauh satelit yang mengindera permukaan bumi secara periodik dan
mencakup luasan lahan. Pendekatan ini mempunyai keunggulan dalam hal
kecepatan penyediaan informasi, akurat, periodik, dan mencakup daerah yang luas
dan sulit di jangkau (Said 2015). Citra satelit disamping dapat menyajikan luasan
dan pesebaran, juga dapat menyajikan tingkat kehijauan tanaman padi. Terdapat
hubungan antara tingkat kehijauan tanaman (greenness) dengan produktivitas
tanaman padi sawah. Berdasarkan teori tersebut produktivitas padi dapat
dipetakan menggunakan teknik penginderaan jauh dengan transformasi NDVI
(Normalized Difference Vegetation Index) (Wahyunto 2006).

Estimasi hasil panen padi memerlukan berbagai data atau informasi.

Informasi yang diperlukan untuk melakukan estimasi hasil panen padi diantaranya
adalah luas areal persawahan dan pola penanaman padi yang dilakukan dalam
setahun. Informasi mengenai luasan area persawahan dapat diketahui melalui citra
penginderaan jauh, sedangkan untuk mengetahui pola penanaman padi dalam
setahun diperlukan survei lapangan.

Pemetaan Kerapatan Vegetasi Menggunakan Transformasi Indeks Vegetasi

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.

Acara Lapangan

Analisis vegetasi merupakan suatu cara untuk mempelajari susunan dan

struktur vegetasi atau masyarakat tumbuh-tumbuhan (Choi HA, 2012). Analisis
vegetasi dapat digunakan untuk mempelajari susunan dan bentuk vegetasi yang
meliputi mempelajari tegakan hutan yaitu tegakan tingkat pohon dan mempelajari
tegakan tumbuhan bawah (Myneni RB, 1994). Analisis vegetasi akan
menghasilkan informasi secara kuantitatif mengenai struktur atau kerapatan
vegetasi.

Kerapatan vegetasi secara umum dapat dibedakan mejadi dua, yaitu

kerapatan vegetasi secara vertikal dan kerapatan vegetasi secara horizontal.
Kerapatan horizontal berkaitan dengan tingkat penutupan permukaan tanah oleh
vegetasi. Sedangkan kerapatan vertikal berkaitan dengan ketebalan kanopi secara
vertikal, yang pada umumnya berhubungan dengan jumlah layer (Lillesand TM,
1997).

Analisis kerapatan vegetasi juga dapat diketahui dengan metode lainnya.

Metode lain 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). Permukaan vegetasi yang memiliki rentang nilai NDVI 0.1
menunjukkan padang rumput dan semak belukar, nilai lebih dari 0.1 hingga 0.8
menunjukkan hutan hujan tropis, dan nilai NDVI mendekati +1 menunjukkan
tutupan vegetasi. Kelas tutupan vegetasi dibedakan menjadi vegetasi jarang,
sedang dan lebat menurut nilai NDVI. Nilai NDVI 0.2343 – 0.2813 menunjukan
vegetasi jarang, nilai NDVI 0.2814 – 0.3143 menunjukkan vegetasi sedang, dan
nilai NDVI 0.3144 – 0.6294 menunjukkan vegetasi lebat (Jaya, 2014).
 BAB IV

KESIMPULAN

ACARA 1 :

1. Bentuk penggunaan lahan telah diklasifikasikan secara SNI menjadi beberapa

tingkat yaitu tingkat 1,2,3, dan 4. Pengamatan penggunaan lahan
menggunakan berbagai jenis citra memiliki tingkatan yang berbeda karena
masing-masing citra memiliki karakterteristik yang berbeda pula seperti citra
yang mampu mengamati objek secara detail dan semi detail.

ACARA 2 :

1.Citra foto udara merupakan dasar atau sumber untuk pembuatan peta tentatif
penggunaan lahan. Oleh karena itu diperlukan interpretasi objek dengan
benar mengacu pada klasifikasi penggunaan lahan SNI. Hasil interpretasi
berupa klasifikasi penggunaan lahan dari citra foto diubah menjadi berbagai
simbol ketika penyalinan ke peta tentatif penggunaan lahan.

ACARA 3 :

1.Interpretasi citra satelit dilakukan untuk mendapatkan informasi tentang

klasifikasi penggunaan lahan pada suatu daerah kajian. Informasi hasil
interpretasi citra satelit merupakan dasar data yang digunakan untuk
pembuatan peta penutup dan penggunaan lahan.

ACARA 4 :

1.Estimasi kerapatan kelas kanopi merupakan analisa atau perkiraan yang

ditentukan ketika melakukan kajian kerapatan kanopi suatu wilayah
berdasarkan interpretasi awal. Nilai estimasi tersebut kemudian dicocokkan
dengan hasil perhitungan nilai kerapatan kanopi. Apabila estimasi kerapatan
kanopi yang telah ditentukan sebelumnya lebih besar daripada hasil
perhitungan kerapatan kanopi maka disebut overstimate, sedangkan apabila
 estimasi kerapatan kanopi yang telah ditentukan sebelumnya lebih rendah
daripada hasil perhitungan kerapatan kanopi maka disebut understimate.

ACARA 5 :

1. Klasifikasi spektral citra penginderaan jauh multitemporal terdiri atas

klasifikasi supervised dan klasifikasi unsupervised. Klasifikasi supervised
salahsatu jenisnya adalah maksimum likelihood, sedangkan klasifikasi
unsupervised terdiri atas Isodata dan K-Means.

ACARA 6 :

1. Estimasi produksi pertanian dilakukan untuk mengetahui produktivitas dari

suatu lahan sawah dalam setahun. Informasi mengenai produktivitas padi
dapat digunakan untuk melakukan analisis ketahanan pangan suatu wilayah.

ACARA 7 :

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.

ACARA 8 :

1. Analisis kerapatan vegetasi dilakukan secara vertikal dan analisis kerapatan

vegetasi secara horizontal. Analisis vegetasi secara vertikal dilakukan dengan
pengukuran ukuran lingkar batang pohon dan tinggi pohon baik tinggi pohon
dengan cabang dan tinggi pohon tanpa cabang. Analisis kerapatan vegetasi
secara horizontal dilakukan dengan melakukan pemotretan tutupan kanopi
vegetasi yang menutupi permukaan.
 DAFTAR PUSTAKA

Campbell, J. (2002). Introdaction to Remote Sensing. New York: The Guilford

Press.

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

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

Choi HA, L. W. (2012). Determining the Effect of Green Spaces On Urban Heat
Distribution Using Satellite Imagery. Asian Journal of Atmospheric
Environment , 6(2):127-135.

Colwell, R. N. (1984). The Visible Portion of The Spectrum, In Remote Sensing of

Environment. London.

Danoedoro. P. (1996). Pengolahan Citra Digital, Teori dan Aplikasinya dalam

Penginderaan Jauh. Yogyakarta: Fakultas Geografi Universitas Gadjah
Mada.

Estes, J. E. (1992). Remote Sensing and GIS Integration: Research needs Status
and Trends. ITC Journal, No. 1, Halaman 2-9.

Gong P, Wang J, Yu L, Zhao YC, Zhao YY, Liang L, Niu ZG, Huang XM, Fu
HH, Liu S, Li CC, Li XY, Fu W, Liu CX, Xu Y, Wang XY, Cheng Q, Hu
LY, Yao WB, Zhang H, Zhu P, Zhao ZY, Zhang HY, Zheng YM, Ji LY,
Zhang YW, Chen H, Yan A, Guo JH, Wang L, Liu XJ, Shi TT, Zhu MH,
Chen YL, Yang GW, Tang P, Xu B, Giri C, Clinton N, Zhu ZL, Chen J,
Chen J. 2013. Finer Resolution Observation and Monitoring of Global
land Cover: First Mapping Results with Landsat TM and ETM+ Data.
International Journal of Remote Sensing. 34: 2607-2654.

Gumma MK, Thenkabail PS, Hideto F, Nelson A, Dheeravath V, Busia D, Rala

A. 2011. Mapping Irrigated Areas of Ghana Using Fusion of 30 m and
250 m Resolution Remote Sensing Data. Remote Sensing. 3: 816-835.
Hansen MC, D. R. (2000). Global Land Cover Classification at 1 km Spatial
Resolution Using a Classification Tree Approach. International Journal
of Remote Sensing, 21: 1331-1364.

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.

Jaya, I. (2014). Analisis Citra Digital. Bogor: IPB.

Kaiser. (1995). Urban Land use Planning. 4th Edition. Chicago:

Univeristy of Illinois.

Karsyno, F., & Pasadaran, E.(2004). Ekonomi Padi dan Beras Indonesia. Jakarta:
Badan Penelitian dan Pengembangan Pertanian, Departemen Pertanian

Kuchler, A. W. (1967). Vegetation Mapping. New York: The Ronald Press

Company

Lillesand, T. M. ( 1994). Remote Sensing and Image Interpretation. Second

Edition. New York: John Wiley & Sons, Inc.

Lillesand TM, K. R. (1997). Penginderaan Jauh dan Interpretasi Citra.

Yogyakarta: Gadjah Mada University Press.

Lillesand, & Kiefer. (1988). Penginderaan Jauh dan Sistem Interpretasi Citra.
Yogyakarta: UGM Press.

Malingreau, J. (1978). Penggunaan Lahan Pedesaan Penafsiran Citra untuk

Inventarisasi dan Analisisnya. Yogyakarta: UGM Bokosurtanal.

Myneni RB, W. D. (1994). On the Relationship Between FAPAR and NDVI.

Remote Sensing of Environment , 49: 200-211.

Mukhaiyar, R. (2010). Klasifikasi Penggunaan Lahan dari Data Remote Sensing.

Jurnal Teknologi dan Informasi, Vol 2(1):1-15.
Murchacke, P. C. (1990). Map Use Reading, Analysis and Interpretation.
Wisconsin: J.P. Publication Medison.

Putra, E. (2011). Penginderaan Jauh dengan ER Mapper. Yogyakarta : Graha

Ilmu

Riswanto, E. (2009). Evaluasi Akurasi Klasifikasi Penutupan Lahan

Menggunakan Citra Alos Palsar Resolusi Rendah Studi Kasus Di Pulau
Kalimantan. Bogor: Institut Pertanian Bogor .

Said, H. I., Subiyanto, S., & Yuwono, B. D. "Analisis Produksi Padi Dengan
Penginderaan Jauh dan Sistem Informasi Geografi Di Kota Pekalongan."
Jurnal Geodesi Undip, 2015: Volume 4, Nomor 1.

Wahyunto, dkk. "Pendugaan Produktivitas Tanaman Padi Sawah Melaluii

Analisis Citra Satelit." Jurnal Informatika Pertanian , 2006: Volume
2015.