Praktikum Pengindraan Jauh

Terapan
DETEKSI KAWASAN TERDAMPAK AIR / NDWI ( NORMALIZED
DIFFERENCE WATER INDEX)

Annisa Rizky Nurfadillah| 17/416835/SV/14573 | 27 Oktober 2019

Judul
Deteksi Kawasan Terdampak Air / NDWI ( Normalized Difference Water Index )

Tujuan
Praktikum ini bertujuan untuk :

1. Mahasiswa mampu melakukan deteksi kawasan tedampak air / NDWI.

2. Mahasiswa mampu membedakan kawasan terdampak air dengan citra yang
berresolusi temporal yang berbeda.
3. Mahasiswa mampu mengetahui manfaat band SWIR-1, NIR dan Green.

Alat dan Bahan

ALAT
1. Seperangkat Komputer /Laptop
2. Koneksi Internet
3. Software Envi Standart 5.3

BAHAN
1. Modul Praktikum Minggu 11.
2. Data Praktikum berupa Citra Daerah Jakarta tanggal 6 juli 2018 (Sebelum Banjir)
3. Data Praktikum berupa Citra Daerah Jakarta tanggal 13 Desember 2018 (Saat atau
sesudah Banjir)

PAGE 1
Langkah Kerja
Buatlah dalam bentuk diagram alir.

PAGE 2
Hasil dan Pembahasan
Hasil yang diperoleh dalam praktikum ini adalah sebagai berikut.

Dalam praktikum kali ini data yang digunakan yaitu berupa 2 data citra daerah
yang terdampak banjir dan sebelum banjir. Untuk praktikum kali ini, daerah yang dipilih
yaitu daerah Jakarta.

Untuk memulai analisa NDWI, citra yang digunakan harus ter-reflektan terlebih
dahulu, oleh karena itu, dibawah ini merupakan hasil reflektan pada masing-masing citra.

Data Citra daerah pacitan pada tanggal 6 Data Citra daerah pacitan pada tanggal 13
Juli 2018 Desember 2018

Untuk mengetahui nilai minimum dan nilai maksimum dari masing-masing citra ,
diperlukan untuk melakukan pengecekan statistic. Berikut merupakan hasil Cek Statistics
pada masing-masing data reflectance

Hasil Cek Statistik Citra 6 Juli 2018 Hasil Cek Statistik Citra 13 Desember 2018

Nilai reflektan merupakan hasil dari nilai DN yang terkoreksi, sehinggan

merupakan nilai murni objek yang digunakan sebagai penentuan klasifikasi pada
prosesselanjutnya. Nilai reflektan diperoleh melalui perubahan nilai DN menjadi nilai
radians kemudian nilai radian diubah menjadi nilai reflectan.

PAGE 3
 NDWI (Normalized Water Index) adalah indeks yang digunakan untuk ekstraksi
tubuh air dari citra satelit. NIR diserap oleh tubuh air dan dipantulkan oleh tumbuhan
dan tanah. Formula NDWI adalah sebagai berikut.

NDWI

Dibawah ini merupakan hasil hitungan NDBI dengan formula tersebut. Hasil yang
diperoleh berupa citra dengan warna greyscale.

Sebelum Banjir 6 Juli 2018 Sesudah Banjir 13 Desember 2018

Dari hasil perhitungan NDWI yang telah dilakukan diperoleh hasil nilai minimum
dan maksimum sebagai berikut:
Tanggal NDWI Min NDWI Maks
6 Juli 2018 -0.738412 1.000000
13 Desember 2018 -0.696335 1.000000
Dari hasil diatas pada nilai compute static hasil proses NDWI memiliki kisaran -1
sampai 1, hal ini di sebabkan, NDWI bekerja untuk mendeteksi indeks air yang memiliki
nilai DN terendah yaitu sekitar -1 dan untuk nilai DN positif maka merupakan nilai untuk
objek lainya seperti vegetasi dan non vegetasi, sehingga band yang digunakan pada NDWI
adalah band green dan NIR, diamana band green berfungsi untuk mendeteksi vegetasi,
dan band NIR berfungsi membedakan air dan daratan. NDWI pada dasarnya digunakan
untuk mengetahui keberadaan air yang terletak di permukaan bumi, sehingga dapat
digunakan sebagai salah satu analisa area terdampak bencana.

Berdasarkan hasil NDWI yang telah dilakukan, berupa citra berwarna greyscale,
maka hasil tersebut membantu dalam melakukan deteksi kawasan banjir, untuk
menunjang proses deteksi kawasan terdampak air (banjir) /NDWI dilakukan dengan
melakukan klasifikasi secara visual maupun digital. Untuk proses klasifikasi secara visual
dilakukan dengan melakukan kombinasi band. Kombinasi band merupakan metode yang
melakukan penggabungan beberapa band citra sesuai dengan karakteristiknya guna

PAGE 4
mendapatkan visualisasi informasi yang dibutuhkan, digunakan untuk mencari kombinasi
yang paling sesuai.

Pada praktikum kali ini kombinasi band yang digunakan yaitu kombinasi band
6,5,3 proses NDWI memiliki kisaran -1 sampai 1, hal ini di sebabkan, NDWI bekerja untuk
mendeteksi indeks air yang memiliki nilai DN terendah yaitu sekitar -1 dan untuk nilai DN
positif maka merupakan nilai untuk objek lainya seperti vegetasi dan non vegetasi,
sehingga band yang digunakan pada NDWI adalah band green dan NIR, diamana band
green berfungsi untuk mendeteksi vegetasi, dan band NIR berfungsi membedakan air dan
daratan.

NDWI pada dasarnya digunakan untuk mengetahui keberadaan air yang terletak
di permukaan bumi, sehingga dapat digunakan sebagai salah satu analisa area terdampak
bencana.

. Komposit band disini berfungsi untuk membuat Roi’s karena hasil displaynya
dapat dilihat dan dibedakan objeknya secara visual dibandingkan dengan hasil NDWI
yang berwarna grayscale, apabila warnanya diubahpun sangat sulit untuk membedakan
objek yang ada karena dibagi berdasarkan rentang nilai max dan min. Menggunakan band
6 (SWIR-1), band 5 (NIR) dan band 3 (Green) dimana band tersebut cocok untuk
mendeteksi Kawasan banjir atau terdampak air. Dibawah ini merupakah tampilan hasil
NDWI dengan komposit band 6,5,3

Dikarekan daerah yang dilakukan penelitian mengalami bencana banjir, banyak air
menggenang dan lumpur yang naik kedaratan dan pemukiman tercampur dengan air dan
lumpur, sehingga diperlukan band citra yang mampu memisahkan antara pemukiman dan
lumpur guna mengidentifikasi perubahan objek.

Deteksi dengan menggunakan klasifikasi secara digital dilakukan dengan

melakukan pembuatan ROI dengan menggunakan hasil kombinasi band sebelumnya,
dimana ROI di buat berdasarkan kelas-kelas yang akan diklasifikasikan. Dalam praktikum

PAGE 5
kali ini kelas yang akan diklasifikasi terdapat3 jenis kelas, yaitu pemukiman, perairan,
lahan terbuka dan vegetasi. Berikut merupakan hasil tampilan ROI Separability pada
masing-masing citra.
a. ROI separiSebelum Banjir 6 Juli 2018

b. ROI Sesudah Gempa dan Tsunami2 Oktober 2018

Nilai ROI Separibility diatas cukup baik karena nilainya berkisar antara 1-2 atau
dapat dikatakan lebih dari 1 adalah juga sudah baik. Apabila nilainya masih dibawah 1,
maka nilai tersebut dikatakan jelek dan harus dilakukan pengambilan sampel ulang. Dari
gambar diatas dapat dilihat bahwa nilai ROI Separibility dari keempat sampel yang
digunakan berkisar antara 1,9-2,0 sehingga nilai ROI Separibility dapat dikatakan baik

Setelah hasil ROI Separibility telah sesuai, kemudian dilakukan klasifikasi

supervised. Dibawah ini merupakan hasil Klasifikasi Supervised dengan menggunakan
metode Maximum Likehood Classification.

PAGE 6
 Sebelum Banjir 6 Juli 2018 Sesudah Banjir 13 Desember 2018

Klasifikasi supervised digunakan karena merupakan klasifikasi dengan

perhitungan algoritma berdasarkan kualitas ROI yang telah dibuat sebelumnya
secara jelas dan terkontrol, jadi hasilnya akan lebih akurat dibandingkan
klasifikasi lainnya.

Untuk melihat lebih jelas nya perubahan yang terjadi dilakukan proses Change
Detection hasil Klassifikasi Supervised
a. Pixel Count

b. Precentage

PAGE 7
 c. Area

c. Reference

Berdasarkan hasil change detection diatas dapat dilihat bahwa area yang
berubah ialah pada class pemukiman (non-vegetasi, perairan dan karena pada saat
itu terjadi bencana alam, sedangkan vegetasi sedikit mengalami perubahan. Class
pemukiman berubah menjadi vegetasi, class vegatasi berubah menjadi perairan dan
di perairan berubah menjadi pemukiman. Pada hasil ini diduga bahwa bencana alam
dapat membawa beberapa material yang bisa saja terdeteksi sebagai class yang
berbeda dari class awal yang ditentukan, dalam hal ini semua class yang berubah
mempunyai presentase 100% dimana semua aspek sangat berpengaruh. Hasil dapat
dilihat pada table diatas dimana informasi berupa jumlah pixel, presentase
perubahan dan luas area mengalami perubahan yang cukup signifikan. Dari hasil
diatas dapat diketahui luas daerah yang berubah adalah 466156800 yang diperoleh
dari total perubahan pemukiman dan vegetasi.

Dari hasil NDWI diatas terlihat cukup kurang jelas, oleh karena itu
diperlukan untuk sharpening, agar hasil identifikasi lebih mudah . metode ini
bertujuan untuk penajaman visualisasi citra menggunakan warna HSV, untuk band
masukan dipilih false color berupa komposit citra 453, band ini dipilih karena
menghasilkan false color yang mampu membedakan objek air.

PAGE 8
 Gambar diatas merupakan hasil nilai reflektan dari NDWI hasil penajaman,
dimana nilai minimumnya yaitu -0,924528 dan nilai maksimumnya 1.00000.

Untuk membandingkan hasil hitungan NDWI hasil penajaman dan tidak dapat
dilihati dibawah ini.
NDWI Tanpa Penajaman NDWI Penajaman

Dari hasil perhitungan NDWI diatas dapat lihat perbedaan nilai reflektan yang
dihasilkan. Oleh karena itu apabila dilakukan klasifikasi dengan metode atau cara yang
berbeda, hasil nilai reflektan akan berbeda juga.

PAGE 9
Kesimpulan
Berdasarkan praktikum “Deteksi Kawasan Terdampak Air (Banjir) / NDWI
( Normalized Difference Water Index )” dapat disimpulkan bahwa metode NDWI
digunakan untuk ekstraksi Kawasan terdampak air / banjir dengan menggunakan band
SWIR1, NIR dan Green yang merupakan band dengan gelombang yang dapat ditangkap
oleh Kawasan Terdampak air seperti pemukiman,vegetasi atau yang lainnya. Penggunaan
NDWI dapat mempermudah perhitungan kerusakan dan kerugian serta area terdampak
dari bencana banjir di Jakarta. Proses deteksi ini digunakan untuk melihat perubahan dan
melihat area terdampak bencana dapat dilakukan dengan berbagai cara yaitu NDWI,
komposit band, change detection yang sama sama memerlukan dua bahan citra yakni
sebelum dan saat atau setelah terjadinya bencana.Change detection digunakan untuk
menganlisis perubahan lahan yang terjadi sebelum bencana dan pada saat bencana alam
itu terjadi dimana semua class yang ditentukan berubah 100% dikarenakan hasil dari ROI
yang kurang menyeluruh dalam pengambilan sampelnya. Seluruh hasil pengolahan dapat
digunakan untuk mempermudah proses analisa mengenai daerah terdampak bencana,
sehingga mampu untuk membantu pengambilan kebijakan. Nilai reflektan yang
dihasilkan tidak sama dengan hasil setiap klasifikasi yang dilakukan, dapat dikatakan
bahwa setiap klasifikasi hasil nilai reflektan yang dihasilkan berbeda-beda.

PAGE 10