PENGINDERAAN JAUH
MODUL 4
TRANSFORMASI SPEKTRAL
UI =
Dimana:
UI = indeks perkotaan (Urban Index)
B7 = citra Landsat saluran 7 (inframerah tengah II)
B4 = citra Landsat saluran 4 (inframerah dekat)
75 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
76 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
77 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
Dari hasil transformasi menggunakan metode NDVI diperoleh nilai berkisar antara -1
sampai 1. Dari hasil analisis indeks yang berada antara -1 hingga 0 merupakan obyek non
vegetasi sedangkan indeks antara 0,2 hingga 0,8 adalah vegetasi.
78 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
0.376 40%
0.322 35%
Gambar 1.4 Regresi Kerapatan Vegetasi
79 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
80 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
Dalam pengklasifikasian nilai NDVI kemudian dicari nilai terbesar dan terkecilnya
serta dibuat 5 kelas untuk menentukan klasifikasi kerapatan vegetasi. Untuk membagi
klasifikasi tersebut dapat menggunakan tool density slice dari NDVI dibagi menjadi 5
kelas, kelas 1 memiliki interval -0.5056 hingga -0.2045 dengan warna merah, kelas 2
memiliki interval nilai -0.2045 hingga 0.0966 dengan warna hijau, kelas 3 memiliki
interval 0.0966 hingga 0.3978 dengan warna biru, kelas 4 memiliki nilai interval 0.3978
hingga 0.6989 dengan warna kuning dan kelas 5 memiliki interval 0.6989 hinggal 1.000
dengan warna cyan. Dari hasil pengklasifikasian tersebut menunjukkan bahwa kelas 3
mendominasi daerah dimana vegetasi tersebut mempunyai kerapatan yang rendah.
Vegetasi yang memiliki kerapatan sedang ditunjukkan pada kelas 4 dan vegetasi
kerapatan tinggi pada kelas 5. Namun untuk vegetasi kerapatan tinggi memiliki
persentase yang sangat sedikit.
81 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
Simple Ratio (SR) merupakan indeks vegetasi yang paling lama dan terkenal. Simple
Ratio (SR) adalah rasio dari pantulan yang paling tinggi. nilai dari SR antara 0 sampai
lebih dari 30, sedangkan julat yang umum untuk vegetasi hijau antara 2 hingga 8. Untuk
menghitung SR dirumuskan dengan:
82 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
83 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
2.5*((float(b4)-float(b3))/((float(b4))+(6*float(b3))-(7.5*float(b1))+1))
84 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
85 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
Berdasarkan nilai histogram di atas, nilai hasil transformasi Enhanced Vegetation Index
(EVI) berkisar antara -595 hingga 480. Namun nilai yang terdapat dalam histogram tersebut
tidak sesuai dengan indeks EVI. Ketidaksesuian ini sering terjadi namun tidak berpengaruh
terhadap hasil transformasi.
ARVI = (float(b4)-2*float(b3)+float(b1))/(float(b4)+2*float(b3)-float(b1))
86 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
87 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
Hasil transformasi Atmospherically Resistant Vegetation Index (ARVI) yang dapat dilihat
pada histogram dengan nilai maksimum -43 dan nilai minimum 49. Namun nilai yang terdapat
dalam histogram tersebut tidak sesuai dengan indeks ARVI. Perbandingan Transformasi
NDVI, SR, EVI, dan ARVI.
NDVI SR
EVI ARVI
88 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
Transformasi NDVI memanfaatkan beberapa saluran dari citra satelit Landsat 7 yaitu band
3 (saluran merah) dan band 4 (saluran inframerah dekat). Kelebihan kedua saluran ini untuk
identifikasi vegetasi adalah obyek akan memberikan tanggapan spektral yang tinggi (Swain,
1978). Perhitungan perbandingan sifat respon obyek terhadap pantulan sinar merah dan
Inframerah dekat dapat menghasilkan nilai dengan karakteristik khas yang dapat digunakan
untuk memperkirakan kerapatan atau kondisi kanopi/kehijauan tanaman.
Seperti yang ditampilkan pada gambar 1.1 yang merupakan hasil dari transformasi
Normalized Difference Vegetation Index (NDVI). Tampilan tersebut membantu untuk melakukan
analisis untuk kerapatan vegetasi. Nilai indeks pada NDVI antara -1 sampai 1, namun dalam
pembedaan obyek mempunyai nilai indeks yang berbeda. Untuk obyek vegetasi mempunyai
range antara 0,2 hingga 0,8 sedangkan untuk obyek non vegetasi berkisar antara -1 hingga 0.
Untuk mengetahui kerapatan vegetasi dapat dihitung dengan regresi linier dimana:
y = ax + b
y = 1.068x - 0.023
x = y-b/a
Dari hasil regresi tersebut dianalisis sehingga memperoleh persentase kerapatan vegetasi.
Pada gambar 1.6, nilai pada histogram menunjukkan bahwa nilai minimum adalah -120
sedangkan nilai maksimum hingga 115. Dari histogram tersebut menjelaskan bahwa semakin
tinggi nilai tiap pikselnya maka kerapatan vegetasi akan semakin tinggi. Demikian sebaliknya
apabila nilai pikselnya rendah maka kerapatan vegetasi juga rendah. Untuk mengetahui
persentase kerapatan vegetasi juga harus melakukan cek lapangan sehingga mendapatkan nilai
yang akurat. Sebelum diklasifikasikan, perbedaan antara daerah vegetasi dan non-vegetasi tidak
begitu jelas karena terdapat warna kelabu. Oleh karena itu perlu terlebih dahulu mencari batas
antara vegetasi dan non-vegetasi.
89 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
Setelah dilakukan transfromasi NDVI, vegetasi yang rapat ditandai dengan warna putih
yang berona cerah. Transformasi Simple Ratio (SR) memiliki nilai indeks antara 0 hingga lebih
dari 30. Berdasarkan hasil analisis pada gambar 1.10, histogram tersebut menunjukkkan nilai
indeks antara 0 hingga 4.115. Dari transformasi SR ini apabila nilai rasio dari indeks tersebut
mendekati nilai 30, maka vegetasi akan semakin rapat. Namun pada histogram tersebut
menggambarkan indeks nilai yang sangat rendah. Pada citra hasil transformasi SR vegetasi
tampak berwarna putih cerah sedangkan non vegetasi berwarna hitam.
Transformasi NDVI memanfaatkan beberapa saluran dari citra satelit Landsat 7 yaitu band
3 (saluran merah) dan band 4 (saluran inframerah dekat). Kelebihan kedua saluran ini untuk
identifikasi vegetasi adalah obyek akan memberikan tanggapan spektral yang tinggi (Swain,
1978). Perhitungan perbandingan sifat respon obyek terhadap pantulan sinar merah dan
Inframerah dekat dapat menghasilkan nilai dengan karakteristik khas yang dapat digunakan
untuk memperkirakan kerapatan atau kondisi kanopi/kehijauan tanaman.
Seperti yang ditampilkan pada gambar 1.1 yang merupakan hasil dari transformasi
Normalized Difference Vegetation Index (NDVI). Tampilan tersebut membantu untuk melakukan
analisis untuk kerapatan vegetasi. Nilai indeks pada NDVI antara -1 sampai 1, namun dalam
pembedaan obyek mempunyai nilai indeks yang berbeda. Untuk obyek vegetasi mempunyai
range antara 0,2 hingga 0,8 sedangkan untuk obyek non vegetasi berkisar antara -1 hingga 0.
Untuk mengetahui kerapatan vegetasi dapat dihitung dengan regresi linier dimana:
y = ax + b
y = 1.068x - 0.023
diperoleh nilai R² = 0.959
x = y-b/a
dari hasil regresi tersebut dianalisis sehingga memperoleh persentase kerapatan vegetasi.
Pada gambar 1.6, nilai pada histogram menunjukkan bahwa nilai minimum adalah -120
sedangkan nilai maksimum hingga 115. Dari histogram tersebut menjelaskan bahwa semakin
tinggi nilai tiap pikselnya maka kerapatan vegetasi akan semakin tinggi. Demikian sebaliknya
apabila nilai pikselnya rendah maka kerapatan vegetasi juga rendah. Untuk mengetahui
90 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
persentase kerapatan vegetasi juga harus melakukan cek lapangan sehingga mendapatkan nilai
yang akurat. Sebelum diklasifikasikan, perbedaan antara daerah vegetasi dan non-vegetasi tidak
begitu jelas karena terdapat warna kelabu. Oleh karena itu perlu terlebih dahulu mencari batas
antara vegetasi dan non-vegetasi. Setelah dilakukan transfromasi NDVI, vegetasi yang rapat
ditandai dengan warna putih yang berona cerah.
Transformasi Simple Ratio (SR) memiliki nilai indeks antara 0 hingga lebih dari 30.
Berdasarkan hasil analisis pada gambar 1.10, histogram tersebut menunjukkan nilai indeks antara
0 hingga 4.115. Dari transformasi SR ini apabila nilai rasio dari indeks tersebut mendekati nilai
30, maka vegetasi akan semakin rapat. Namun pada histogram tersebut menggambarkan indeks
nilai yang sangat rendah. Pada citra hasil transformasi SR vegetasi tampak berwarna putih cerah
sedangkan non vegetasi berwarna hitam.
Transformasi Enhanced Vegetation Index (EVI) memiliki nilai indeks berkisar antara -1
sampai 1 sedangkan nilai vegetasi antara 0.2 sampai 0.8. Pada gambar 1.11 dapat dilihat bahwa
vegetasi pada citra hasil transormasi EVI ditunjukkan dengan warna putih hingga abu-abu berona
gelap, sedangkan non vegetasi ditunjukkan dengan warna putih dengan rona sangat cerah.
Klasifikasi vegetasi dan non vegetasi dalam EVI berbeda dengan SR dilihat dari warna yang
mendominasi daerah vegetasi dan non vegetasi.
91 | P a g e
MODUL PENGOLAHAN DATA
PENGINDERAAN JAUH
ARVI, ambang untuk pembedaan kelas antara vegetasi dan non vegetasi yang tidak terlalu tegas.
Hal ini menyebabkan indeks NDVI lebih baik digunakan untuk mengetahui tingkat kerapatan
vegetasi dibandingkan dengan SR, EVI dan ARVI.
REFERENSI
Danoedoro, Projo, 1999. Pedoman Praktikum Penginderaan Jauh Dasar. Fakultas Geografi
Universitas Gadjah Mada : Yogyakarta.
Kiefer, dan Lillesand. 1990. Penginderaan Jauh dan Interpretasi Citra (Diterjemahkan oleh
Dulbahri, Prapto Suharsono, Hartono, dan Suharyadi) Yogyakarta: Gadjah Mada
University Press.
92 | P a g e