PRAKTIKUM PENGINDERAAN JAUH DAN KARTOGRAFI

ACARA IX
TRANSFORMASI INDEKS VEGETASI NDVI
Herawati Endah Lestari/19405244005

I. Tujuan
Tujuan dari praktikum acara IX dengan judul transformasi indeks vegetasi NDVI adalah
sebagai berikut:
a. Mahasiswa dapat mengetahui transformasi NDVI
b. Mahasiswa dapat membuat transformasi NDVI

II. Alat dan Bahan

Alat dan bahan yang digunakan dalam pertemuan ini yaitu:
a. Bahan : Citra Landsat 8 full band
b. Software : QGIS
c. Hardware : Seperangkat komputer/laptop dengan spesifikasi yang memadai

III. Resume
Penginderaan jauh (remote sensing) adalah ilmu dan seni untuk memperoleh
informasi tentang suatu objek,daerah,atau fenomena melalui analisis data yang
diperoleh dengan suatu alat tanpa kontak langsung dengan objek daerah atau
fenomena yang dikaji (Lillesand dan Kiefer, 1990). 1Selain itu, penginderaan jauh
merupakan penggunaan dari sensor radiasi elektromagnetik untuk merekam gambar
lingkungan bumi yang dapat diinterpretasikan sehingga menghasilkan informasi yang
berguna, dimana informasi yang dihasilkan adalah citra foto maupun non foto.
Sedangkan arti dari citra adalah hasil gambar dari proses perekaman penginderaan jauh
(inderaja) yang umumnya berupa foto.
Transformasi indeks vegetasi yang paling banyak digunakan adalah transformasi
indeks vegetasi NDVI (Normalized Difference Vegetation Index). Transformasi indeks
vegetasi NDVI merupakan kombinasi antara teknik penisbahan dengan teknik
pengurangan citra dengan kemampuan untuk menonjolkan aspek kerapatan vegetasi.
Rentang nilai NDVI antara -1 hingga +1 dimana selisih antara pantulan inframerah dekat
dan inframerah dinormalisasi dengan cara membaginya dengan jumlah dari keduanya
(Danoedoro, 1996). Indeks vegetasi adalah salah satu parameter yang digunakan untuk
menganalisa keadaan vegetasi dari suatu wilayah. ndeks vegetasi merupakan metode
transformasi citra berbasis data spektral yang banyak dimanfaatkan tidak hanya untuk
pengamatan tumbuhan, tetapi juga telah dimodifikasi untuk berbagai keperluan seperti
efek soil background dalam analisis vegetasi. Penggunaan data digital di bidang
kehutanan memungkinkan penyadapan data sebaran kerapatan vegetasi pada
permukaan lahan lebih mudah dan cepat. Identifikasi kerapatan vegetasi dapat
dilakukan dengan cepat dengan carain terpretasi citra secara digital menggunakan
transformasi NDVI (Normalized Difference Vegetation Index). Tinggi rendahnya suatu

1
Lillesand dan Kiefer. 1990. Pengideraan Jauh dan Interpretasi Citra. (Alih Bahasa oleh
Dulbahri). Yogyakarta: Gadjah Mada University Press.
 kerapatan vegetasi dapat diketahui dengan menggunakan teknik NDVI (Normalized
Difference Vegetation Index), yang merupakan sebuah transformasi citra penajaman
spektral untuk menganalisa hal-hal yang berkaitan dengan vegetasi (Putra, (2011) dalam
Purwanto 2015). 2Normalized Difference Vegetation Index (NDVI) merupakan metode
standar yang digunakan dalam membandingkan tingkat kehijauan vegetasi (kandungan
klorofil) pada tumbuhan. Normal Difference Vegetation Index (NDVI) merupakan
algoritma untuk menduga indeks vegetasi dari citra satelit. (Amliana dkk, 2016) 3.
Pada praktikum acara IX transformasi indeks vegetasi NDVI menggunakan citra
lansat 8, band 4 (red), dan band 5 (infrared). Berdasarkan hasil pengolahan data tentang
tingkat kerapatan vegetasi diketahui bahwa penggunaan laham di dominasi oleh warna
merah yang menandakan tidak adanya vegetasi. Padahal dalam kenampakan
sebenarnya terdapat vegetasi tinggi yang mendominasi di wilayah tersebut. Jika dilihat
dari kenampakan citra, wilayah yang mempunyai tingkat kerapatan vegetasi jarang
dicirikan dengan warna terang, hal ini disebabkan karena refleksi dari tajuk vegetasi
kecil, sehingga kesan yang timbul di citra berwarna lebih terang. Sebaliknya wilayah
yang mempunyai tingkat kerapatan vegetasi rapat ditunjukkan oleh warna yang lebih
gelap/ hijau karena refleksi dari tajuk vegetasinya tinggi.

IV. Cara Kerja/Langkah Kerja

Transformasi Indeks Vegetasi
1. Buka software, klik add raster layer > pilih titik tiga > pilih band 4 & 5 > open > add

2
Purwanto, Ajun. 2015. Pemanfaatan Citra Landsat 8 Untuk Identifikasi Normalized Difference
Vegetation Index (NDVI) Di Kecamatan Silat Hilir Kabupaten Kapuas Hulu. Jurnal Edukasi, Vol. 13,
No.1
3 Amliana, Dita Rizki dkk. 2016. Analisis Perbandingan Nilai Ndvi Landsat 7 Dan Landsat 8

Pada Kelas Tutupan Lahan. Jurnal Geodesi Undip, Vol. 5, No. 1

2. Klik raster > raster calculator > output layer > klik titik tiga > save, raster calculator
expression (b5-b4) / (b5+b4) > OK

3. Klik kanan pada NDVI > properties > symbology, Render type > singleband
pseudocolor, mode > quantile > apply
4. Klik raster > projections > wrap

5. Pada input layers pilih NDVI > pada Source CRS pilih WGS 84/UTM 49N – pada
target CRS pilih WGS 84/UTM 49S > run
6. Klik kanan pada NDVI > properties > symbology, Render type > singleband
pseudocolor, mode > quantile > apply

7. Klik raster > projections > wrap

8. Pada input layers pilih rprjct NDVI, reprojected > browser > save to file > save > run
9. Klik new shapefile layer

 File name > browse > Cropping NDVI NEW > save

 Geometry type > polygon

 Koordinat > project CRS: EPSG: 32749 - WGS 84/ UTM Zone 49S

 New field > Cropping

 Length > diisi angka 1

 Add to filed list > OK

10. Klik kiri pada cropping layer > klik toggle editing > add polygon

11. Selanjutnya melakukan delinasi yaitu dengan klik kanan > G > OK
12. Klik Klik toggle editing > save

13. Klik raster > extraction > clip raster by mask layer

 Input layer > Rprjct NDVI

 Mask layer > cropping layer

 Source CRS dan Target CRS > project CRS: EPSG: 32749 - WGS 84/ UTM Zone
49S

 Clipped (Mask) > browse > save to file > save

 Run > close

14. Hasil cropping akan terlihat seperti berikut
V. Hasil

Gambar 1 Hasil Layouting Citra Transformasi Indeks Vegetasi Metode NDVI