TUGAS PRESENTASI

INDERAJA TERAPAN
MATERI: NDVI dan DVI

Dosen Pengampu: Abdul Basith, ST, M.Sc, Ph.D

Dibuat Oleh:

ERLA EKA MARTINA [15/380720/SV/08527]

GANTANG FU [15/380722/SV/08529]

RETNO ASTUTI PRATIWI [15/380731/SV/08538]

ZAFFA HISA [15/380734/SV/08541]

PROGRAM STUDI D.III TEKNIK GEOMATIKA

DEPARTEMEN TEKNOLOGI KEBUMIAN
SEKOLAH VOKASI
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2017/2018
Dewasa ini, data penginderaan jauh telah banyak digunakan untuk mengidentifikasi tutupan lahan dan
kerapatannya baik secara manual maupun secara digital (Wu et al., 1985 dan McCloy and Hall, 1991 dalam
Roy et al., 1996). Teknik interpretasi visual yang dilakukan secara manual cenderung subyektif dan sangat
tergantung pada kemahiran interpreter dan pemahaman interpreter terhadap pengetahuan kondisi
lapangan. Teknik klasifikasi secara digital yang mendasarkan pada pantulan spektral telah dilaporkan
menghasilkan ketelitian yang lebih tinggi (Roy et al., 1996). Namun demikian, dengan meningkatnya
jumlah resolusi spektral dan resolusi spasial telah memungkinkan analisis persentase tutupan lahan secara
lebih baik lagi. Salah satu diantaranya adalah transformasi indeks vegetasi. Transformasi indeks vegetasi
umumnya digunakan untuk memperoleh suatu informasi baru dengan cara mempertajam sekaligus
menghilangkan informasi yang lain ataupun dengan cara mengurangi dimensionalitas datanya
(Danoedoro, 2012).

Cambell (2011) menjelaskan, Indeks vegetasi atau VI (vegetation index), dianalisa berdasarkan nilai-nilai
kecerahan digital, dilakuakan untuk percobaan mengukur biomassa atau vegetatif. Sebuah VI terbentuk
dari kombinasi dari beberapa nilai spektral dengan menambahkan, dibagi, atau dikalikan dengan cara yang
dirancang untuk menghasilkan nilai tunggal yang menunjukkan jumlah atau kekuatan vegetasi dalam
pixel. Tingginya nilai dari VI mengidentifikasi piksel ditutupi oleh besarnya proporsi vegetasi sehat. Bentuk
paling sederhana dari VI adalah rasio antara dua nilai digital dari band spektral yang terpisah. Beberapa
rasio band didefinisikan dengan menerapkan pengetahuan tentang perilaku spektral vegetasi hidup. Rasio
band antara pengukuran reflektansi di bagian terpisah spektrum. Rasio efektif dalam meningkatkan atau
mengungkapkan informasi laten saat ada hubungan terbalik antara dua tanggapan spektral dengan
biofisik yang sama fenomena. Jika dua fitur memiliki perilaku spektral yang sama, rasio memberikan
sedikit tambahan informasi, tetapi jika mereka memiliki respon spektral sangat berbeda, rasio antara dua
nilai memberikan nilai tunggal yang singkat mengungkapkan kontras antara dua reflectances. Untuk
vegetasi hidup, strategi ini bisa sangat efektif karena hubungan terbalik antara kecerahan vegetasi pada
sinar merah dan inframerah, hal ini menunjukan bahwa ada, penyerapan sinar merah (R) oleh klorofil dan
refleksi yang kuat dari inframerah (IR) radiasi oleh jaringan mesofil memastikan bahwa nilai-nilai merah
dan inframerah akan sangat berbeda dan rasio IR / R pada tanaman tumbuh aktif akan tinggi. Tanpa ada
vegetasi permukaan, termasuk air terbuka, fitur buatan manusia, tanah kosong, dan mati atau vegetasi
stres, tidak akan menampilkan respon spektral tertentu, dan rasio akan menurun pada besaranya.
Didalam proses indeks vegetasi band inframerah dan band merah diprioritaskan, dikarenakan band ini
sangat kontras dan menampilkan citra saluran baru dengan meprioritaskan kerapatan vegetasi. Indeks
vegetasi adalah besaran nilai kehijauan vegetasi yang diperoleh dari pengolahan sinyal dijital data nilai
kecerahan (brightness) beberapa kanal data sensor satelit. Untuk pemantauan vegetasi, dilakukan proses
pembandingan antara tingkat kecerahan kanal cahaya merah (red) dan kanal cahaya inframerah dekat
(near infrared). Fenomena penyerapan cahaya merah oleh klorofil dan pemantulan cahaya inframerah
dekat oleh jaringan mesofil yang terdapat pada daun akan membuat nilai kecerahan yang diterima sensor
satelit pada kanalkanal tersebut akan jauh berbeda. Pada daratan non-vegetasi, termasuk diantaranya
wilayah perairan, pemukiman penduduk, tanah kosong terbuka, dan wilayah dengan kondisi vegetasi yang
rusak, tidak akan menunjukkan nilai rasio yang tinggi (minimum). Sebaliknya pada wilayah bervegetasi
sangat rapat, dengan kondisi sehat, perbandingan kedua kanal tersebut akan sangat tinggi (maksimum)
(Suniana. 2008).
Sumber: (Modifikasi dari Richardson dan Wiegand,1977 dalam Danoedoro, 2012).
Bila diperhatikan, tampak bahwa feauture space yang dibentuk oleh saluran inframerah dengan saluran
merah menghasilkan sebaran yang lebih lebar. Terlihat pula piksel-piksel vegetasi ternyata mengelompok
pada sudut kiri atas, lalu piksel-piksel tanah kering berona cerah pada kanan atas, dan pikselpiksel tanah
basah berona sangat gelap berdekatan dengan titik asal.

Analisis Kehijauan (Broadband) kehijauan adalah salah satu langkah yang paling sederhana dari kuantitas
umum dan pantulan vegetasi hijau. Mereka adalah kombinasi pengukuran reflektansi yang sensitif
terhadap efek gabungan konsentrasi klorofil daun, luas daun kanopi, dedaunan menggumpal, dan bentuk
kanopi. VI (Vegetation Index) ini dirancang untuk memberikan ukuran jumlah keseluruhan dan kualitas
bahan klorovil vegetasi, yang penting untuk memahami keadaan vegetasi untuk tujuan apapun. VI ini
merupakan pengukuran integratif faktor ini dan juga berkorelasi dengan penyerapan pecahan
photosynthetically radiasi aktif dari kanopi dedaunan tanaman yang menjadi atap hutan) dan tumbuhan
piksel. Mereka tidak memberikan informasi kuantitatif pada satu faktor biologis atau lingkungan, tetapi
korelasi yang luas telah ditemukan antara kehijauan broadband VI dan kanopi.

Broadband kehijauan VI membandingkan pengukuran reflektansi dari puncak reflektansi vegetasi di

kisaran dekat-inframerah untuk pengukuran lain yang diambil dalam rentang merah, di mana klorofil
menyerap foton untuk menyimpan menjadi energi melalui fotosintesis. Penggunaan pengukuran
inframerah-dekat, dengan kedalaman penetrasi yang lebih besar melalui kanopi dari merah,
memungkinkan terdengar dari jumlah total vegetasi hijau di kolom sampai jenuh sinyal pada tingkat yang
sangat tinggi. Karena fitur ini spektrum cukup luas, banyak dari indeks kehijauan broadband dapat bekerja
secara efektif, bahkan dengan data gambar yang dikumpulkan dari sensor multispektral broadband,
seperti AVHRR, Landsat TM, dan QuickBird. Aplikasi termasuk vegetasi fenologi (pertumbuhan) studi,
penggunaan lahan dan penilaian dampak iklim, dan pemodelan produktivitas vegetasi.

JENIS INDEKS VEGETASI

1. Normalized Difference Vegetation Index (NDVI)

Indeks ini merupakan ukuran yang sehat, vegetasi hijau. Kombinasi formulasi perbedaan normalisasi dan
penggunaan tertinggi penyerapan dan pantulan daerah klorofil membuatnya kuat atas berbagai kondisi.
Hal ini dapat, bagaimanapun, jenuh dalam kondisi vegetasi yang lebat ketika LAI menjadi tinggi

Nilai indeks ini berkisar dari -1 sampai 1. Kisaran umum untuk vegetasi hijau 0,2-0,8.

NDVI, rentang nilai -1 s.d. 1

Pembagian kelas  5 kelas

Nilai vegetasi = 0.4 s.d. 0.8

Jadi mengapa banyak warna biru dan hijau

Reference: Rouse, J., R. Haas, J. Schell, and D. Deering. Monitoring Vegetation Systems in the Great
Plains with ERTS. Third ERTS Symposium, NASA (1973): 309-317.

2. Difference Vegetation Index (DVI)

Indeks ini membedakan antara tanah dan vegetasi, tetapi tidak memperhitungkan perbedaan antara
reflektansi dan cahaya yang disebabkan oleh efek atmosfer atau bayangan.

Reference: Tucker, C. "Red and Photographic Infrared Linear Combinations for Monitoring Vegetation.
Remote Sensing of Environment 8 (1979): 127–150.

Dvi, mendekati 0

Pembagian kelas = 5kelas

Jadi mengapa banyak warna biru dan kuning

Natural Colour (Band 4,R; Band 3,G; Band 2,B)

Tahun 2015 Tahun 2013

Band Near Infared (Band 5)

2015 2013
Band Red (Band 4)

2015 2013

Hasil NDVI
Hasil DVI

Langkah kerja:

1. Mengidentifikasi lokasi yang akan dilakukan analisis, dalam latihan kali ini yaitu daerah Jawa
Tengah dengan citra Landsat 8.
2. Crop daerah yang dimaksud dengan menggunakan menu File  Save Image File dengan spatial
subset yang diinginkan.
3. Setelah didapat daerah crop natural colour, buka landsat tadi untuk band NIR dan band Red
untuk dilakukan cropping.
4. Setelah didapat citra crop dengan lokasi yang sama, lakukan penghitungan analisis spektral
masing-masing band dengan formula NDVI maupun DVI pada menu Basic Tools  Band Math.
5. Setelah didapat hasil penghitungan menggunakan formula tadi, klasifikasikan nilai tunggal hasil
operasi perhitungan formula tadi.