LAPORAN PRATIKUM

IDENTIVIKASI KERAPATAN PADA VEGETASI

Oleh :
NAMA : Achmad Fahri
NIM : 18331001

Dosen Pengampu:
Sri Kandi Putri , M.Sc

D3 TEKNOLOGI PENGINDERAAN JAUH

FAKULTAS ILMU SOSIAL
UNIVERSITAS NEGERI PADANG
2020
 IDENTIVIKASI KERAPATAN VEGETASI

I.TUJUAN
Adapun pratikum ini adalah mampu menggunakan metode NDVI untuk
melihat kerapatan pada vegetasi
II. ALAT DAN BAHAN
1. Citra landsat kota medan 2006 ,2010,20014,2018
2. Laptop / komputer
3. Software Arcgis dan envi
III. DASAR TEORI
Indeks Vegetasi
Pemanfaatan data satelit penginderaan jauh untuk memetakan sumberdaya
saat ini telah banyak digunakan. Pemantauan nilai indeks vegetasi menggunakan
resolusi spasial yang tinggi dapat digunakan asalkan citra tersebut memiliki kanal-
kanal yang dibutuhkan dalam algoritma perhitungan indeks vegetasi. Pemanfaatan
citra satelit dengan resolusi spasial yang tinggi sangat diperlukan di daerah
perkotaan yang mempunyai tingkat keragaman tutupan lahan yang
heterogen dan daerah yang memiliki potensi sumberdaya tinggi (Liang S et al,
2007). Indeks vegetasi merupakan suatu algoritma yang diterapkan terhadap citra
satelit, untuk menonjolkan aspek kerapatan vegetasi ataupun aspek lain yang
berkaitan dengan kerapatan, misalnya biomassa, Leaf Area Index (LAI),
konsentrasi klorofil. Atau lebih praktis,
indeks vegetasi adalah merupakan suatu transformasi matematis yang
melibatkan beberapa saluran sekaligus untuk menghasilkan citra baru yang lebih
representatif dalam menyajikan aspek-aspek yang berkaitan dengan vegetasi
(Danoedoro, 1996). Selanjutnya dikatakan Jensen (1998) bahwa metode analisa
indeks vegetasi ada beberapa macam antara lain; NDVI (Normalized Difference
Vegetation Index), GI (Green Indeks) dan WI (Wetness Index). Pengertian lainnya
adalah Indeks vegetasi adalah suatu formulasi pengolahan data inderaja secara
digital yang dapat diarahkan secara khusus untuk mengkaji informasi tematik dari
lahan bervegetasi.
1. Metode NDVI Pada umunya, respon spektral citra satelit memiliki
sesnsivitas terhadap kerapatan vegetasi (indeks luas dan daun), tajuk pohon dan
kandungan air di daun tumbuhan. Pertambahan kerapatan vegetasi akan terjadi dari
lahan terbuka menjadi tahap suksesi, akan tetapi pantulan dalam spektrum sinar
tampak berkurang karena adanya penambahan luasan daun dan penyerapan.
Hubungan antara respon spektral pada spektrum sinar tampak dan inframerah
dengan kerapatan vegetasi dapat dijelaskan dengan suatu indeks yang disebut
indeks vegetasi (Huete, 1998). Indeks vegetasi adalah kombinasi matematis antara
band merah dengan band Near Infra-Red (NIR) yang telah lama digunakan sebagai
indikator kondisi vegetasi dan keberadaan yang sering dikenal dengan sebutan
Normalized Difference Vegetation Index (NDVI). Metode skala lanskap (NDVI)
adalah metode yang memperhitungkan besaran nilai kehijauan vegetasi yang
diperoleh dari pengolahan sinyal digital data nilai kecerahan (brightness) beberapa
kanal data sensor satelit dari citra satelit. Intan Philiani, Livinia Saputra, Loecky
Harvianto, Anggi Afif 214
Pada dasarnya, NDVI mengukur kemiringan (slope) antara nilai asli band
merah dan band infra merah di angkasa dengan nilai band merah dan infra merah
yang ada dalam tiap piksel citra. Berikut adalah algoritma perhitungan NDVI:
𝑁𝐷𝑉𝐼 = 𝐵𝑎𝑛𝑑 𝐵−𝐵𝑎𝑛𝑑 𝐴 𝐵𝑎𝑛𝑑 𝐵+𝐵𝑎𝑛𝑑 𝐴 Keterangan : Band A : Band Red Band
B : Band Near Infra-Red (NIR) Nilai NDVI berkisar dari -1 sampai dengan 1
dengan klasifikasi -1 sampai 0 termasuk ke dalam kelompok bukan vegetasi dan 0
sampai dengan 1 termasuk kelompok vegetasi.
Penginderaan jauh (remote sensing) sering disingkat inderaja adalah ilmu
dan seni untuk memperoleh informasi tentang suatu obyek, daerah, atau fenomena
melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung
dengan obyek, daerah, atau fenomena yang dikaji (Lillesand dan Kiefer dalam
Putra, 2011). Citra Landsat 8 merupakan generasi terbaru Landsat 7 yang memiliki
sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor
(TIRS) yang memiliki resolusi spasial 30 m dan panchromatic 15 m. kelebihan dari
Landsat 8 adalah adanya kanal Near Infra Red (NIR-Kanal 5) dengan menggunakan
kombinasi RGB yang tepat akan menunjukkan lokasi vegetasi. Data Landsat
generasi sebelumnya, tingkat keabuan (Digital Number-DN) berkisar pada 0-256
sedangkan pada data citra LANDSAT-8 memiliki tingkat keabuan 0-4096. Hal ini
disebabkan oleh adanya peningkatan sensitifitas yang semula tiap piksel memiliki
kuantifikasi 8 bit sekarang telah meningkat menjadi 12 bit. Peningkatan ini
menjadikan proses interpretasi objek di permukaan menjadi lebih mudah.
Pemanfaatan citra satelit yang mempunyai resolusi spasial yang tinggi sangat
efektif dalam mendeteksi penampakan obyek di permukaan bumi. Pemanfaatan
citra Landsat dengan resolusi spasial 30 m sangat efektif dalam mengklasifikasi
daerah dengan tutupan yang homogen, akan tetapi berkurang keakurasiannya untuk
daerah yang heterogen (Yuksel, dkk, 2008 dalam Asyakur dan Adnyana, 2009).
IV. LANGKAH-LANGKAH KERJA

1. Langkah pertama yaitu lakukan calibration radiometrik yaitu untuk yaitu

untuk memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai
piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral obyek
yang sebenarnya. Dengan menggunakan software ENVI
- Open software ENVI

- Open file citra landsat

- Lakukan pengkompositan band 321 (natural color )

- Lakukan proses raidiometric calibration > pilih di toolbox raidiometric

calibration > klik radiometric calibration > pilih citra multispectral.
 ]

-lakukan penggubahan pada ouput intellegue menjadi BIL > lakukan tempat
penyimpanan yang di ingginkan > klik ok

Lakukan koreksi radiometric pada landsat 2006,2009,2014 dan 2018

2. Lakukan langkah menggunakan metode NDVI pada soft ware arcgis

3.
4.
PEMBAHASAN
Pada proses pratikum ini yaitu mengidentifikasi kerapatan vegetasi pada
citra landsat kota medan dengan tahun yang berbeda yaitu tahun
2006,2009,2014,dan 2018. Saat mengindentifikasi menggunakan teknologi
berbasis digital dengan menggunakan metode alisis image NDVI sebagai untuk
melihat krapatan vegetasi dengan band Nir-ifrared untuk membedakan setiap tahun
nya .
Dari hasil klasifikasi yang dilakukan dapat kita lihat pada citra landsat tahun
2006 tampak kelihata kerapatan vegetasi pada bagian barat dari laut ,juga pada
bagian barat dari pemukiman tampak juga kerapatan vegetasi dan juga pada bagian
selatan dari laut tampat vegetasi masi terlihat sangat rapat pada bagian dekat
pemukiman vegetasi terlihat agak renggang.
Dari hasil klasifikasi citra tahun 2009 dibandingkan dengan tahun2006 yaitu
di bagian selatan dari laut tampak terlihat dari semula yang vegetasi sangat rapat
berubah menjadi rapat dan terlihat sedikit kerenggangan vegetasi pada daerah
tersebut sebenarnya tinggat perubahanya sangat lah tidak jauh berbeda dari tahun
2006.
Dari hasil klasifikasi citra tahun 2014 dibandingkan dengan tahun 2009 ,
tampak dibagian selatan laut pada tahun 2009 vegetasi di bagian tersebut tampat
terlihat rapat dan sedikit vegetasi renggang dan menggalami perubahan sangat
deratis pada tahun 2014 vegetasi di bagian tersebut sebagian berubah menjadi tidak
ada vegetasi dan sedikit vegetasi renggang dan pada daerah dekat pemukiman nya
vegetasi renggang sangat lah tidak lagi berubah jadi daerah padat pemukiman
Dari hasil citra tahun 2018 sangat lah tidak jauh berbeda dengan dengan
citra tahun 2014 perbedaan nya hanya di bagian selatan dari pemukiman yang dulu
nya tampak vegetasi disana sebelum nya vegetasi rapat menjadi vegetasi renggang
di karenakan vaktor terdapat pembanggunan pemukiman baru di daerah tersebut.
KESIMPULAN
NDVI merupakan salah satu produk standar NOAA (National Oceanic
and Atmospheric Administration) , satelit cuaca yang berorbit polar namun
memberi perhatian khusus pada fenomena global vegetasi.

NDVI berada pada nilai -1 sampai dengan 1. Yakni pada -1 vegetasi beradapada
klasifikasi dengan kerapatan jarang dan 1 berada pada klasifikasi dengankerapatan
rapat..

Transformasi NDVI berpengaruh pada tingkat daya serap klorofil (zat hijaudaun)
dari vegetasi pada citra. Vegetasi yang memiliki tingkat kerapatantinggi dapat
disimpulkan bahwa vegetasi tersebut mengandung klorofil.

Warna Cyan mewakili kenampakan Air dan Awan, warna Merah mewakili
kenampakan yang tidak bervegetasi, warna Orange3 mewakili kenampakan dengan
kerapatan vegetasi jarang, warna Yellow1 mewakili kenampakan dengan kerapatan
vegetasi sedang, dan warna Green2 mewakili kenampakan dengan kerapatan
vegetasi tinggi
 DAFTAR PUSTAKA
Intan Philiani , Livinia Saputra , Loecky Harvianto , Anggi Afif
Muzaki.2016. PEMETAAN VEGETASI HUTAN MANGROVE MENGGUNAKAN
METODE NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI
DESA ARAKAN, MINAHASA SELATAN, SULAWESI UTARA . Department of
Environmental Engineering, Surya University
Di akses pada tanggal 02-03-2020 pukul 11:23