LAPORAN PRAKTIKUM PENGOLAHAN CITRA DIGITAL

ACARA VII
TRANSFORMASI NDVI DAN NDBI

Pengampu:
Jumadi, P.hD
Hamim Hadibasyir, M.SIG

Asisten :
Abdurrohman A
Aditya Saifuddin
Ahmad Sirath Hadiyansah
Eka Budi Khoirul Umam
Khusna Furoida
Rizky Dwi Chandra

Disusun oleh :
Windhi Febrianingsih/E100170016
Senin, jam ke 3-4

LABORATORIUM SIG DAN PCD

FAKULTAS GEOGRAFI
UNIVERSITAS MUHAMMADIYAH SURAKARTA
2020
 ACARA VII
TRANSFORMASI NDVI DAN NDBI

I. TUJUAN
1. Mahasiswa mampu melakukan transformasi indeks vegetasi dan
indeks lahan terbangun menggunakan citra satelit pengindraan jauh

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Perangkat lunak ENVI 5.1
3. Perangkat lunak ArcGis
4. Citra satelit pengindraan jauh landsat 8 OLI/TIRS

III. DASAR TEORI

NDVI (Normalized Difference Vegetation Index) adalah perhitungan

citra yang digunakan untuk mengetahui tingkat kehijauan, yang sangat baik
sebagai awal dari pembagian daerah vegetasi. NDVI dapat menunjukkan
parameter yang berhubungan dengan parameter vegetasi, antara lain,
biomass dedaunan hijau, daerah dedaunan hijau yang merupakan nilai yang
dapat diperkirakan untuk pembagian vegetasi.
Seperti perhitungan pada citra rasio, pada citra normalisasi juga
menggunakan data channel 1 dan channel 2. Channel 1 terdapat dalam bagian
dari spektrum dimana klorofil menyebabkan adanya penyerapan
terhadap radiasi cahaya yang datang yang dilakukan saat fotosintesis,
sedangkan channel 2 terdapat dalam daerah spektral dimana struktur daun
spongy mesophyll menyebabkan adanya pantulan terhadap radiasi cahaya.
Perbedaan respon dari kedua channel ini dapat diketahui dengan transformasi
rasio perbandingan satu channel dengan channel yang lain.
Perbandingan antara kedua channel adalah pertimbangan yang
digunakan untuk mengurangi variasi yang disebabkan oleh topografi dari
permukaan bumi. Hal ini merupakan kompensasi dari variasi pancaran
sebagai fungsi dari
 elevasi matahari untuk daerah yang berbeda dalam sebuah citra satelit.
Perbandingan ini tidak menghilangkan efek additive yang disebabkan oleh
atmospheric attenuation, tetapi komponen dasar untuk NDVI dan vegetasi
saling berhubungan. Latar belakang daratan berfungsi sebagai pemantul sinyal
yang terpisah dari vegetasi, dan berinteraksi dengan vegetasi melalui
hamburan yang sangat banyak dari energi radiasi.
Tabel Pembagian obyek berdasarkan nilai NDVI

Daerah Pembagian Nilai NDVI

Awan es, awan air, salju <0

Batuan dan lahan kosong 0 – 0.1

Padang rumput dan semak 0.2 – 0.3

belukar

Hutan daerah hangat dan 0.4 – 0.8

hutan hujan tropis

NIR − RED
NDVI =
NIR + RED

Rentang nilai NDVI adalah antara -1.0 hingga +1.0. Nilai yang lebih besar
dari 0.1 biasanya menandakan peningkatan derajat kehijauan dan intensitas dari
vegetasi. Nilai diantara 0 dan 0.1 umumnya merupakan karakteristik dari
bebatuan dan lahan kosong, dan nilai yang kurang dari 0 kemungkinan
mengindikasikan awan es, awan uap air dan salju. Permukaan vegetasi memiliki
rentang nilai NDVI
0.1 untuk lahan savanna (padang rumput) hingga 0.8 untuk daerah hutan hujan
tropis. Nilai NDVI dapat diperoleh yaitu dengan membandingkan pengurangan
data channel 2 dan channel 1 dengan penjumlahan dari kedua channel tersebut.
Beberapa rumus NDVI untuk beberapa citra satelit :
NOAA AVHRR: X1= Band1 X2 = Band2
MSS: X1 = Band2 X2 = Band4
TM5: X1= Band3 X2 = Band4
TM7: X1 = Band3 X2 = Band4
SPOT: X1 = Band2 X2 = Band3
NDBI (Normalized Difference Build-up Index)diperkenalkan oleh Zha et al.
(2003) untuk otomatisasi proses pemetaan lahan terbangun. Model NDBI
dirancang diaplikasikan untuk memetakan lahan perkotaan di Kota Nanjing,
China. Hasil pemetaan menunjukkan akurasi 92,6 % dan menunjukkan bahwa
parameter ini dapat dipergunakan untuk memenuhi pemetaan yang andal.
Dibandingkan dengan metode klasifikasi maximum likelihood, NDBI diusulkan
mampu melayani sebagai alternatif berharga untuk secara cepat dan obyektif
dalam pemetaan wilayah terbangun.
Indeks NDBI akan fokus untuk menyoroti daerah perkotaan atau kawasan
terbangun di mana biasanya ada pemantulan yang lebih tinggi pada area
Shortwave Infrared (SWIR), jika dibandingkan dengan area Near-Infrared (NIR).
Aplikasi ini sangat bermanfaat untuk monitoring serta perencanaan penggunaan
lahan. NDBI awalnya dikembangkan untuk digunakan dengan Landsat TM band
5 dan 4. Namun, ia akan bekerja dengan sensor multispektral dengan band SWIR
antara 1,55-1,75 m dan band NIR antara 0,76-0,9 m. Berikut adalah persamaan
NDBI

NDBI = (SWIR – NIR)/(SWIR + NIR)

Jika menggunakan Landsat 8 OLI

NIR (Near Infrared) adalah band 5
SWIR (Shortwave Infrared) dapat menggunakan band 6
IV. LANGKAH KERJA
1. Membuka aplikasi ENVI 5.1 dan masukkan
TOA_reflectance1_Sun_Elevation.hdr dan klik open

2. Ketik dark pada toolbox search, lalu klik dark subtraction, pilih
TOA_reflectance1_Sun_Elevation dan klik ok

3. Pilih band minimum dan klik choose untuk menyimpan. Simpan

dengan nama BOA, lalu klik ok
A. NDVI
4. Ketik band pada toolbox search, pilih band math, memasukkan
rumus NDVI yaitu float(B5-B4)/(B5+B4), klik add to list, klik
rumus yang telah dipilih dan klik ok

5. Pada jendela Variables used in expression, sesuaikan dengan band

yang ada di citra (Jika tertulis B4 maka klik juga B4 yang ada di
citra), simpan dengan nama NDVI

6. Cari toolbox Compute Statistic, kemudian pilih NDVI, klik ok

 7. Pada jendela Compute Statistic Parameter tidak perlu diubah dan
klik ok

8. Hasil transformasi NDVI, apabila transformasi benar, maka rentang

nilai yang muncul di histogram berkisar antara -1 sampai dengan 1

B. NDBI
9. Ketik band pada toolbox search, pilih band math, memasukkan
rumus NDVI yaitu float(B6-B5)/(B6+B5), klik add to list, klik
rumus yang telah dipilih dan klik ok
10. Pada jendela Variables used in expression, sesuaikan dengan band
yang ada di citra (Jika tertulis B5 maka klik juga B5 yang ada di
citra), simpan dengan nama NDBI

11. Cari toolbox Compute Statistic, kemudian pilih NDBI, klik ok

12. Pada jendela Compute Statistic Parameter tidak perlu diubah dan
klik ok
13. Hasil transformasi NDBI, apabila transformasi benar, maka
rentang nilai yang muncul di histogram berkisar antara -1 sampai
dengan 1

14. Klik file, pilih save s untuk menyimpan NDVI dan NDBI

15. Pilih NDVI dan klik ok

16. Pilih TIFF pada output format, simpan di folder dan klik ok.
Lakukan langkah yang sama untuk menyimpan NDBI dalam
format TIFF

17. Membuka aplikasi ArcMap, memasukkan data NDVI dan NDBI

yang sudah dirubah dalam format TIFF, lalu klik add
18. Search dan klik Reclassify (Spatial analyst), memasukkan NDVI
pada input raster, lalu klik classify

19. Mengubah kelas menjadi 5 kelas, pilih manual pada classification

method dan klik ok

20. Simpan dalam geodatabase, beri nama NDVI dan klik ok

21. Search dan klik raster to polygon, Memasukkan NDVI pada input
raster, simpan dengan nama NDVI_vektor dan klik ok
22. Tunggu sampai muncul tanda centang hijau pada pojok kanan
bawah komputer

23. Klik kanan NDVI_vektor pada table of contents dan pilih

properties

24. Klik symbology, pilih categories, pilih GRIDCODE pada Value

 Field, unceklist <all other values>, klik add all values, pilih warna
pada color ramp, blok semua warna, klik kanan dan pilih properties
for selected symbol

25. Pilih no color pada outline color dan klik ok

26. Selanjutnya klik ok

27. Hasil NDVI vektor akan menjadi seperti pada gambar, dan ulangi
dengan langkah yang sama untuk NDBI
28. Hasil NDBI akan menjadi seperti pada gambar, kemudian layout
hasil NDVI dan NDBI
V. HASIL
1. SS Band Math

2. SS Citra Hasil Transformasi NDVI dan NDBI

a. NDVI

b. NDBI
3. SS Jendela Quick Stats NDVI dan NDBI
a. NDVI

b. NDBI

4. Layout Hasil Transformasi NDVI dan NDBI

Terlampir.
VI. PEMBAHASAN
Transformasi NDVI (Normalized Difference Vegetation
Indeks) dapat dimanfaatkan untuk mengidentifikasi indeks kerapatan
vegetasi, identifikasi indeks vegetasi pada landsat 8 menggunakan nilai
band 5 (NIR) dan menggunakan nilai band 4 (RED). Semakin tinggi
nilai NIR daripada nilai RED maka nilai NDVI semakin tinggi. Hasil
praktikum menunjukan peta klasifikasi NDVI dari citra landsat 8
dengan lokasi area sekitar Merauke, berdasarkan peta dapat dilihat
bahwa kerapatan vegetasi di bagian selatan Merauke yang berhadapan
langsung dengan laut arafura memiliki vegetasi yang tinggi.
Sedangkan bagian utara area Merauke pada peta hasil praktikum
memiliki tingkat vegetasi yang rendah dikarenakan terdapat
permukiman penduduk.
Transformasi NDBI (Normalized Difference Built-Up Index)
dapat dimanfaatkan untuk mengidentifikasi indeks kerapatan
bangunan. Metode NDBI menggunakan gelombang inframerah tengah
dan inframerah dekat yaitu menggunakan band 5 dan band 6 pada citra
landsat 8. Hasil praktikum menunjukan peta klasifikasi NDBI dari citra
landsat 8 dengan lokasi area sekitar Merauke, berdasarkan peta dapat
dilihat bahwa kerapatan bangunan di bagian utara area Merauke.
 Nilai NDVI dan nilai NDBI cenderung berkebalikan, apabila
nilai NDVI tinggi maka nilai NDBI rendah. Rentang nilai NDVI dan
NDBI antara -1.0 hingga 1.0.

VII. KESIMPULAN

1. Identifikasi indeks kerapatan vegetasi dan bangunan dapat

dilakukan dengan cara NDVI dan NDBI
2. Semakin tinggi nilai NIR daripada nilai RED maka nilai NDVI
semakin tinggi
3. Nilai NDVI dan nilai NDBI cenderung berkebalikan, apabila nilai
NDVI tinggi maka nilai NDBI rendah
4. Rentang nilai NDVI dan NDBI antara -1.0 hingga 1.0.
 DAFTAR PUSTAKA

Ayuindra, M. (2019, Mei 17). Transformasi NDVI. Dikutip 21 Mei 2019

dari Academia:
https://www.academia.edu/6230372/Transformasi_NDVI

Purwanto, A. (2015). PEMANFAATAN CITRA LANDSAT 8 UNTUK

IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION
INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN
KAPUAS HULU. Dikutip 22 Mei 2019 dari Edukasi Pendidikan:
http://journal.ikippgriptk.ac.id/index.php/edukasi/article/view/17

Suwarsono & Khomarudin, M. Rokhis. 2014. DETEKSI WILAYAH

PERMUKIMAN PADA BENTUKLAHAN VULKANIK MENGGUNAKAN
CITRA LANDSAT-8 OLI BERDASARKAN PARAMETER NORMALIZED
DIFFERENCE BUILD-UP INDEX
(NDBI). Deteksi Parameter Geobiofisik dan Diseminasi Pengindraan
Jauh, Seminar Nasional Penginderaan Jauh 2014. Diakses 15 Mei 2020
dari ResearchGate: https://www.researchgate.net/publication/

Mandaya, Irdaf. (2016, Maret 2016). Normalized Difference Built-Up Index

(NDBI). Dikutip dari Irdaf Mandaya:
https://iradafmandaya.wordpress.com/2016/03/13/normalized- difference-
built-up-index-ndbi/