Praktikum Pengindraan Jauh

Terapan
DETEKSI KAWASAN TERBANGUN/ NDBI (NORMALIZED DIFFERENCE
BUILT-UP INDEX)

Brilliant Izzul Auliya | 17/416836/SV/14574 | 21/10/2019

Judul
DETEKSI KAWASAN TERBANGUN/ NDBI (Normalized Difference Built-Up Index)

Tujuan
Praktikum ini bertujuan untuk :

1. Mahasiswa mengetahui cara perhitungan untuk analisis NDBI.

2. Mahasiswa memahami konsep serta cara melakukan pengolahan change detection
dengan citra yang memiliki resolusi temporal berbeda.

Alat dan Bahan

ALAT
1. Seperangkat komputer
2. Software ENVI Standard

BAHAN
1. Citra Landsat Palu tanggal 23 September 2018
2. Citra Landsat Palu tanggal 2 Oktober 2018
3. Modul Praktikum PJ Terapan Minggu 9

PAGE 1
Langkah Kerja

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

1. Hasil Cek Statistik Citra Sebelum Pengolahan

a) Citra Sebelum Bencana (23/09/2018)

b) Citra Setelah Bencana (02/10/2018)

PAGE 3
2. Hasil NDBI

Hasil NDBI Citra Sebelum Bencana Hasil NDBI Citra Setelah Bencana
Sebelum pewarnaan : Sebelum pewarnaan :

Setelah pewarnaan : Setelah pewarnaan :

Hasil Nilai Maksimum dan Minimum

Tanggal NDBI min NDBI max

23/09/18 -0,804315 0,339610
02/10/18 -0,792606 0,327652

PAGE 4
3. Hasil Komposit Band 6,5,2
Hasil Komposit Citra Sebelum Hasil Komposit Citra Setelah
Bencana Bencana

4. Hasil Pembuatan ROI

a) Citra Sebelum Bencana
ROI Pemukiman ROI Lahan Terbuka

ROI Vegetasi ROI Laut

b) Citra Setelah Bencana

ROI Pemukiman ROI Lahan Terbuka

PAGE 5
 ROI Vegetasi ROI Laut

5. Hasil Klasifikasi Supervised

Citra Sebelum Bencana Citra Setelah Bencana

PAGE 6
 Gambar pada tabel diatas sekaligus menampilkan nilai ROI Separibility
dari masing-masing ROI. Dapat dilihat bahwa nilai ROI Separibility berkisar
antara 1,9 sampai dengan 2. Nilai tersebut menunjukkan bahwa keterpisahan antar
kelas objek ROI yan digunakan sudah bagus. Nilai ROI Separibility tertinggi adalah
2, semakin nilai ROI Sparibility mendekati angka 2 maka kualitas dalam pemilihan
objek ROI dapat dikatakan sudah bagus.

6. Hasil Change Detection

a) Pixel Count

b) Percentage (%)

Melalui hasil change detection diatas, kita dapat mengetahui perbedaan

terhadap objek pada citra yang diakibatkan oleh bencana alam gempa dan tsunami
pada area tersebut. Objek yang mengalami perubahan paling besar adalah objek
pemukiman. Dari hasil change detection diatas diperoleh bahwa perubahan objek
pemukiman menjadi lahan terbuka adalah 34,232% dan perubahan pemukiman
menjadi vegetasi adalah 12,093%.

7. Menjawab Soal
a) Berdasarkan konsep yang sudah dijelaskan pada pertemuan materi NDVI,
jelaskan mengapa nilai NDBI adalah -1 s/d 1!
Jawaban : nilai NDBI adalah -1 s/d 1. Nilai tersebut menunjukkan rentang
pantulan spektral dari objek citra yang melibatkan saluran SWIR1 dan NIR.
Nilai NDBI diperoleh menggunakan rumus :

PAGE 7
 NDBI = (𝑆𝑊𝐼𝑅 – 𝑁𝐼𝑅)/(𝑆𝑊𝐼𝑅 + 𝑁IR)

Nilai NDBI adalah 1 dengan asumsi bahwa pada citra tersebut didominasi
oleh lahan terbangun. Nilai 1 tersebut diperoleh apabila kanal SWIR
memantulkan gelombangnya secara keseluruhan (100%) dan tidak ada
gelombang yang dipancarkan oleh kanal NIR (0%).
Nilai NDBI adalah -1 dengan asumsi bahwa pada citra tersebut didominasi
oleh lahan tidak terbangun (objek selain lahan terbangun seperti vegetasi,
perairan, lahan terbuka, dll). Nilai -1 tersebut diperoleh apabila kanal SWIR
tidak memantulkan gelombangnya sama sekali (0%) dan kanal NIR
memantulkan gelombangnya secara keseluruhan (100%).

b) Jelaskan mengapa komposit band 6,5,2 digunakan pada kasus bencana di Palu?
Jawaban : ketiga band tersebut dipilih karena kombinasi antara ketiga band
tersebut dapat menampilkan visual citra untuk keperluan ekstraksi lahan
terbangun yang terbaik. Band 6 (SWIR) cocok digunakan untuk
mengidentifikasi objek bangunan, band 5 (NIR) cocok digunakan untuk
mengidentifikasi objek vegetasi, dan band 2 (Blue) cocok digunakan untuk
mengidentifikasi objek perairan.

Kesimpulan
Berdasarkan praktikum “DETEKSI KAWASAN TERBANGUN/ NDBI (Normalized
Difference Built-Up Index)” dapat disimpulkan sebegai berikut :

Change Detection digunakan untuk melihat perubahan dari objek-objek pada citra
dengan resolusi temporal yang berbeda. Komposit band 652 merupakan kombinasi band
yang sangat cocok digunakan untuk deteksi perubahan lahan setelah bencana gempa dan
tsunami. Kombinasi tersebut dapat menampilkan dengan cukup jelas perubahan dari
objek-objek pada citra seperti objek vegetasi, perairan, lahan terbuka, dan pemukiman
(bangunan).

PAGE 8