IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX

(NDVI) MENGGUNAKAN CITRA LANDSAT 8 DI DESA MUARA

BELITI, MUSI RAWAS, SUMATERA SELATAN.

Memenuhi Tugas Mata Kuliah Pengantar Surveying dan Pemetaan (PSP)

Disusun Oleh:

Kelompok 14

Irdyna Syachira/ 104119007/ 2019

Aulia Bintang Rahman/ 104119081/ 2019
Maulana Rifat/ 104117014/ 2017
Ragil Farhansyah/ 104117069/ 2017
Paul Kevin Fransiskus/ 104118005/ 2018

Dosen Pengampu: Nurul Fajar Januriyadi, Ph. D.

PROGRAM STUDI TEKNIK SIPIL

FAKULTAS PERENCANAAN INFRASTRUKTUR

UNIVERSITAS PERTAMINA

2021
 Pengantar Surveying dan Pemetaan (PSP)| 2021

DAFTAR ISI
DAFTAR GAMBAR .............................................................................................. 3

DAFTAR TABEL ................................................................................................... 3

BAB I. PENDAHULUAN ...................................................................................... 4

1.1 Latar Belakang .............................................................................................. 4

1.2 Rumusan Masalah .................................................................................... 4

1.3 Tujuan ............................................................................................................ 4

BAB II. DASAR TEORI ........................................................................................ 5

BAB III. METODOLOGI ....................................................................................... 7

3.1 Studi Literatur ................................................................................................ 8

3.2 Pengumpulan Data Citra Landsat 8 ............................................................... 8

3.3. Pengolahan Data Raster ................................................................................ 8

3.4 Klasifikasi Tingkat Kehijauan ....................................................................... 9

3.5 Analisis NDVI dan Penyajian Hasil .............................................................. 9

3.6 Kesimpulan .................................................................................................... 9

BAB IV. HASIL DAN PEMBAHASAN ............................................................. 10

BAB V. PENUTUP ............................................................................................... 22

5.1 Kesimpulan .................................................................................................. 22

5.2 Saran ............................................................................................................ 22

DAFTAR PUSTAKA ........................................................................................... 23

2
 Pengantar Surveying dan Pemetaan (PSP)| 2021

DAFTAR GAMBAR
Gambar 1. 1 Kabupaten Musi Rawas .................................................................... 5
Gambar 3. 1 Diagram Alir Metode Pelaksanaan ................................................... 7
Gambar 4. 1 Analisis NDVI pada tanggal 6 Januari 2020 .................................. 10
Gambar 4. 2 Google Earth Desa Pasar Muara Beliti, Musi Rawas, Sumatera
Selatan. .................................................................................................................. 10
Gambar 4. 3 Analisis NDVI pada tanggal 22 Januari & 23 Februari 2020. ........ 11
Gambar 4. 4 Analisis NDVI pada tanggal 10 Maret 2020 .................................. 12
Gambar 4. 5 Analisis NDVI pada tanggal 26 Maret 2020 .................................. 12
Gambar 4. 6 Citra Landsat 8 Daerah Pasar Muara Beliti pada Tanggal 26 Maret
2020 ....................................................................................................................... 13
Gambar 4. 7 Analisis NDVI pada tanggal 11 April 2020 ................................... 13
Gambar 4. 8 Analisis NDVI pada tanggal 27 April 2020 ................................... 14
Gambar 4. 9 Analisis NDVI pada tanggal 13 Mei 2020 ..................................... 14
Gambar 4. 10 Analisis NDVI pada tanggal 29 Mei 2020 ................................... 15
Gambar 4. 11 Analisis NDVI Pada Tanggal 14 Juni 2020 .................................. 15
Gambar 4.12 Analisis NDVI Pada Tanggal 30 Juni 2020 ................................... 16
Gambar 4.13 Analisis NDVI Pada Tanggal 1 Agustus 2020 .............................. 17
Gambar 4.14 Analisis NDVI Pada Tanggal 17 Agustus 2020 ............................ 17
Gambar 4.15 Analisis NDVI Pada Tanggal 2 September 2020 .......................... 18
Gambar 4.16 Hasil Analisis NDVI Pada Tanggal 18 September 2020 ............... 19
Gambar 4.17 Hasil Analisis NDVI Pada Tanggal 4 Oktober 2020 ..................... 19
Gambar 4.18 Hasil Analisis NDVI Pada Tanggal 20 Oktober 2020 ................... 20
Gambar 4.19 Hasil Analisis NDVI pada Tanggal 23 Desember 2020 ................ 21

DAFTAR TABEL
Tabel 2. 1 Rentang Klasifikasi NDVI (Peraturan Menteri Kehutanan Republik
Indonesia, 2012) ...................................................................................................... 6

3
 Pengantar Surveying dan Pemetaan (PSP)| 2021

BAB I. PENDAHULUAN
1.1 Latar Belakang
Vegetasi atau biasa disebut ruang terbuka hijau dapat mempengaruhi udara
sekitar secara langsung maupun tidak langsung. Berdasarkan Undang-Undang
Nomor 26 Tahun 2007 tentang Tata Ruang, proporsi ruang terbuka hijau pada
wilayah kota paling sedikit adalah 30% dari luas wilayah kota.vegetasi memiliki
beberapa manfaat untuk lingkungan seperti: memproduksi polutan dan oksigen,
memperbaiki kualitas iklim lokal serta sebagai pengontrol radiasi sinar matahari
(Andini & al, 2018).
Saat ini teknologi pengindraan jauh sudah menjadi sangat canggih, sehingga
dapat diandalkan untuk mendeteksi peta sebaran vegetasi pada suatu wilayah,
mengetahui pola sebaran vegetasi, serta menetahui kerapatan dan luas vegetasi
suatu wilayah. Teknik NDVI (Normalized Difference Vegetatiom Index)
merupakan sebuah transformasi citra penajaman spektral untuk menganalisis
hal-hal yangg berkaitan dengan vegetasi. Interpretasi sebaran vegetasi yang
ditunjukkan dari nilai NDVI dapat menggunakan citra yang memiliki band NIR
dan red. Citra yang paling banyak digunakan untuk penentuan indeks vegetassi
yaitu citra Landsat 8 (Purwanto, 2015).
Kabupaten Musi Rawas merupakan salah satu wilayah di Sumatera Selatan
dengan vegetasi yang beragam seperti sawah, perkebunan terutama perkebunan
karet, dan kehutanan. Sebagai daerah dengan topografi beragam kebanyakan
masyarakat menjadikan pertanian, kehutanan, dan perikanan sebagai lapangan
usaha utama, yaitu mencapai 32,13% pada tahun 2015 (Cipta Karya, 2018).
1.2 Rumusan Masalah
Berdasarkan latar belakang dalam penelitian ini, maka rumusan masalah
pada penelitian ini adalah Bagaimana pola sebaran vegetasi dan luas vegetasi
Desa Pasar Muara Beliti, Kabupaten Musi Rawas, Sumatera Selatan
berdasarkan klasifikasi dengan teknik NDVI?
1.3 Tujuan
Adapun tujuan dari penelitian ini adalah untuk mengetahui pola sebaran
vegetasi dan luas vegetasi Desa Pasar Muara Beliti, Kabupaten Musi Rawas,
Sumatera Selatan berdasarkan klasifikasi dengan teknik NDVI.

4
 Pengantar Surveying dan Pemetaan (PSP)| 2021

BAB II. DASAR TEORI

Musi rawas merupakan salah satu kabupaten di provinsi Sumatera Selatan
dengan luas wilayah 635,717 Ha, dengan batas wilayah Kabupaten Musi Rawas
Utara di sebelah utara, Kabupaten Musi Banyuasin dan Kabupaten Muara Enim di
sebelah Timur, Kabupaten Empat Lawang di sebelah Selatan, dan Provinsi
Bengkulu dan Kota Lubuklinggau di sebelah Barat.

Gambar 1. 1 Kabupaten Musi Rawas

Ibu kota kabupaten Musi Rawas adalah Muara Beliti. Muara beliti mempunyai
luas wilayah 175,6287 Km2 dengan jumlah penduduk 24.585 jiwa, sehingga
kepadatan penduduk mencapai 139,98 jiwa/Km2. Kabupaten musi rawas
mempunyai topografi yang beragam, mulai dari dataran rendah hingga dataran
tinggi. Ketinggian wilayah berkisar antara 25-1000 meter di atas permukaan laut.
Keadaan tanah di Musi Rawas secara umum cocok untuk perkebunan, khususnya
perkebunan karet (Indonesia Mengajar, 2018).
NDVI atau bisa disebut indeks vegetasi adalah indeks yang menggambarkan
tingkat kehijauan pada suatu tanaman atau tumbuhan. NDVI adalah kombinasi
matematis antara band merah dan band NIR (Near-Infrared Radiation) yang telah
lama digunakan sebagai indikator keberadaan dan kondisi vegetasi . Tanaman hijau
sendiri tumbuh sangat efektif dengan menyerap radiasi di daerah spektrum cahaya
tampak (PAR atau Photosynthetically Aktif Radiation) yang dijadikan sebagai dasar
dari perhitungan NDVI itu sendiri. Sementara itu tanaman hijau sangat
(1)

5
 Pengantar Surveying dan Pemetaan (PSP)| 2021

memantulkan radiasi dari daerah inframerah dekat. Konsep pola spektral di

dasarkan oleh prinsip ini menggunakan hanya citra band merah adalah sebagai
berikut : (Andini & al, 2018)
(𝑁𝐼𝑅 − 𝑅𝑒𝑑)
𝑁𝐷𝑉𝐼 =
(𝑁𝐼𝑅 + 𝑅𝑒𝑑)

Nilai NDVI yang berkisar antara -1 sampai 1, rentang NDVI yang digunakan pada
laporan ini dapat dilihat pada Tabel 2.1 berikut. (Solihin & al, 2020)

Tabel 2. 1 Rentang Klasifikasi NDVI (Peraturan Menteri Kehutanan Republik

Indonesia, 2012)

Rentang Klasifikasi Kerapatan

-1< NDVI < -0,03 Lahan tidak bervegetasi
-0,03 < NDVI < 0,15 Kehijauan sangat rendah
0,15 < NDVI < 0,25 Kehijauan rendah
0,25 < NDVI < 0,35 Kehijauan sedang
0,35 < NDVI < 1 Kehijauan tinggi

NDVI diperoleh dari satelit atau pemetaan pesawat terbang , Sehingga untuk
mendapatkan nilai NDVI akan memakan waktu yang cukup lama dan biaya yang
mahal. Sedangkan di jaman sekarang ada teknologi drone yang lebih efisien, mudah
dan biaya yang relatif murah. Dalam analisis NDVI digunakan software ArcGIS.
ArcGIS adalah salah satu software yang dikembangkan oleh ESRI
(Environment Science & Research Institue) yang merupakan kompilasi fungsi-
fungsi dari berbagai macam software GIS yang berbeda seperti GIS desktop, server,
dan GIS berbasis web. Software ini mulai dirilis oleh ESRI Pada tahun 2000
(Manajemen_Hutan, 2016).

6
 Pengantar Surveying dan Pemetaan (PSP)| 2021

BAB III. METODOLOGI

Lokasi penelitian ini adalah wilayah Desa Pasar Muara Beliti, Kecamatan
Muara Beliti, Kabupaten Musi Rawas, Provinsi Sumatera Selatan. Pengolahan dan
analisis data dilakukan dengan software Arcgis. Data yang dianalisis adalah cintra
landsat 8 hasil perekaman pada bulan Januari – Desember 2020. Secara garis besar
tahapan penelitian dijabarkan dalam Gambar 3.1 berikut.

Gambar 3. 1 Diagram Alir Metode Pelaksanaan

Pada Gambar 3.1 menunjukkan enam tahapan yang harus dilalui mulai dari studi
literatur, pengumpulan data citra landsat 8, pengolahan data raster menggunakan

7
 Pengantar Surveying dan Pemetaan (PSP)| 2021

software Arcgis, klasifikasi tingkat kehijauan, analisis tingkat kehijauan yang

diperoleh, serta penarikan kesimpulan sebagai langkah terakhir.
3.1 Studi Literatur
Tahap studi literatur adalah pengumpulan data dengan membaca, mencatat,
dan mengolah dari berbagai sumber yag berkaitan dengan tujuan penelitian. Hal
ini bertujuan untuk memperkuat latar belakang dan dasar teori dalam analisis
tingkat kehijauan (NDVI) dari Desa Pasar Muara Beliti. Latar belakang dan
dasar teori yang kuat akan menjadi acuan dalam penelitian agar lebih tevalidasi.
3.2 Pengumpulan Data Citra Landsat 8
Setelah studi literatur akan diperoleh data sekunder berupa citra landsat 8
Desa Pasar Muara Beliti, Musi Rawas, Sumatera Selatan. Data landsat 8
diperoleh dari data Earthexplorer situs milik United States Geological Survey
(USGS) pada bulan Januari sampai Desember 2020.
3.3. Pengolahan Data Raster
Analisis citra bertujuan untuk menentukan nilai NDVI. Nilai NDVI tersebut
selanjutnya diklasifikasikan ke dalam klasifikasi tingkat kehijauan dan
kerapatan vegetasi dengan mengacu pada Peraturan Menteri Kehutanan
Republik Indonesia (2012). Analisis NDVI dengan menggunakan citra Landsat
8 dengan rumus sebagai berikut: (Solihin & al, 2020)
𝑁𝐼𝑅 − 𝑅𝑒𝑑
𝑁𝐷𝑉𝐼 = (1)
𝑁𝐼𝑅 + 𝑅𝑒𝑑
Keterangan:
NDVI : Normalized Difference Vegetation Index
NIR : Band 5 (inframerah dekat)
Red : Band 4 (Merah)

8
 Pengantar Surveying dan Pemetaan (PSP)| 2021

3.4 Klasifikasi Tingkat Kehijauan

Klasifikasi tersebut menunjukkan semkain besar nilai NDVI maka tingkat
kehijauan vegetasi dan kerapatan vegetasi semakin tinggi. Klasifikasi tersebut
menggunakan warna yang ditunjukkan pada gambar berikut. Semakin hijau
warna pada peta, maka tingkat kehijauan akan semakin tinggi.

3.5 Analisis NDVI dan Penyajian Hasil

Pada tahapan ini dilakukan analisis dari pengolahan- pengolahan yang telah
dilakukan kemudian menyajikan seluruh hasil seperti menganalisis hasil, hasil
transformasi NDVI dan segmentasi, hasil kerapatan vegetasi serta hasil
perbandingan sebaran vegetasi hasil NDVI dan segmentasi.
3.6 Kesimpulan
Tahap akhir berupa kesimpulan dari penelitian. Kesimpulan akan
menjelaskan tentang perbedaan analisis NDVI atau tingkat kehijauan dari Desa
Pasar Muara Beliti, Musi Rawas, Sumatera Selatan dari bulan Januari sampai
Desember 2020.

9
 Pengantar Surveying dan Pemetaan (PSP)| 2021

BAB IV. HASIL DAN PEMBAHASAN

Analisis NDVI Landsat 8 pada Desa Pasar Muara Beliti, Musi Rawas,
Sumatera Selatan dibagi menjadi 5 kategori, yaitu tidak bervegetasi, vegetasi sangat
rendah, vegetasi rendah, vegetasi sedang, dan vegetasi tinggi.

Gambar 4. 1 Analisis NDVI pada tanggal 6 Januari 2020

Berdasarkan Gambar 4.1, diperoleh daerah yang didominasi oleh warna

kuning. Hal ini menunjukkan bahwa pada tanggal 6 Januari 2020, daerah tersebut
mempunyai vegetasi yang rendah, yaitu dengan luas 933,5 ha. Daerah dengan
vegetasi sangat rendah sebesar 277,5 ha, daerah dengan vegetasi sedang dengan
luas 216,72 ha, dan daerah dengan vegetasi tinggi dengan luas 7,3 ha. Namun,
berdasarkan studi lapangan yang dilakukan dengan Google Earth diperoleh tingkat
vegetasi yang cukup tinggi pada bulan Januari 2020 seperti yang ditunjukkan pada
gambar berikut.

Gambar 4. 2 Google Earth Desa Pasar Muara Beliti, Musi Rawas, Sumatera
Selatan.

10
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Dari gambar tersebut, dapat disimpulkan bahwa daerah Desa Pasar Muara Beliti,
Musi Rawas mempunyai tingkat vegetasi yang tinggi, tidak sejalan dengan hasil
analisis citra Landsat 8. Hal ini dapat disebabkan oleh adanya tutupan awan/kabut
pada saat pengambilan data, mengingat pada tanggal 6 Januari 2020 derah Musi
rawas mengalami cuaca berawan pada siang hari dan udara kabur pada malam hari
(Putsanra, 2020).

22 Januari 2020 23 Maret 2020

Gambar 4. 3 Analisis NDVI pada tanggal 22 Januari & 23 Februari 2020.

Berdasarkan hasil analisis menggunakan citra Landsat 8, diperoleh analisis

NDVI seperti pada Gambar 4.3. Gambar tersebut menunjukkan bahwa daerah di
dominasi oleh warna oranye, yaitu vegetasi sangat rendah dengan luas 877,1 ha
pada 22 Januari 2020 dan seluas 1100,77 ha pada 23 Februari 2020. Hal ini,
menunjukkan adanya tutupan awan/kabut pada data citra Landsat 8 yang diperoleh
pada tanggal 22 Januari dan 23 Februari 2020. Berdasarkan laporan dari Badan
Meteorologi, Klimatologi, dan Geofisika (BMKG), pada tanggal tersebut daerah
Musi Rawas mengalami udara kabur dan cuaca berkabut (Idhom, 2020).

11
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Gambar 4. 4 Analisis NDVI pada tanggal 10 Maret 2020

Berdasarkan hasil analisis NDVI pada tanggal 10 Maret 2020, diperoleh

data seperti pada Gambar 4.4. Pada gambar tersebut dapat dilihat bahwa wilayah
Desa Pasar Muara Beliti didominasi oleh warna hijau (Bervegetasi tinggi), yaitu
seluas 1218,03 ha. Selain itu, terdapat daerah dengan vegetasi sangat rendah seluas
2,23 ha, daerah bervegetasi rendah seluas 52,4 ha yang diisi oleh pemukiman
penduduk, dan daerah dengan vegetasi sedang dengan luas 112,59 ha, dan wilayah
dengan vegetasi tinggi seluas 1218,03 ha.

Gambar 4. 5 Analisis NDVI pada tanggal 26 Maret 2020

Pada tanggal 26 maret 2020, terlihat tutupan awan/ kabut yang sangat tebal
sehingga analisis NDVI menghasilkan warna oranye pada setiap wilayah. Hal ini
disebabkan oleh awan tebal sepanjang siang dan hujan petir pada malam hari di
wilayah musi rawas (Robotorial, 2020), sehingga data yang dihasilkan oleh citra
Landsat 8 terhalangi oleh tutupan awan. Selain itu, tercatat dari bulan Januari
hingga 14 Oktober 2020 tercatat ada 4.045 titik api di wilayah Sumatera Selatan.

12
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Kami berasumsi bahwa selain karena cuaca yang berawan tebal, hal ini juga dapat
disebabkan oleh kiriman asap kebakaran hutan dari wilayah Sumatera Selatan,
seperti yang terlihat pada gambar berikut.

Gambar 4. 6 Citra Landsat 8 Daerah Pasar Muara Beliti pada Tanggal 26 Maret
2020
Berdasarkan gambar tersebut dapat dilihat bahwa daerah di dekat Pasar Muara
Beliti, yaitu Desa Muara Beliti mempunyai tutupan awan/ kabut yang sangat tebal
hingga sampai ke Desa Pasar Muara Beliti.

Gambar 4. 7 Analisis NDVI pada tanggal 11 April 2020

Pada tanggal 11 april 2020, analisis NDVI yang diperoleh adalah seperti
pada Gambar 4.7, terlihat bahwa peta didominasi oleh warna oranye yang
menunjukkan tingkat vegetasi yang sangat rendah dengan luas 731,75 ha. Selain
itu, daerah tersebut juga mempunyai tingkat vegetasi yang rendah seluas 469,91 ha,
tingkat begetasi sedang seluas 161, 057 ha, dan tingkat vegetasi tinggi seluas 21,62
ha. Dari hasil tersebut dapat dianalisis bahwa pada tangga 11 April 2020 terganggu
dengan adanya tutupan awan pada data citra Landsat 8, yaitu sebesar 78,28 %.

13
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Sehingga, menghasilkan derah dengan dominasi warna oranye yang tidak sejalan
dengan data di lapangan yang di peroleh menggunakan data satelit dari google earth
yang di dominasi oleh warna hijau (bervegetasi tinggi).

Gambar 4. 8 Analisis NDVI pada tanggal 27 April 2020

Hasil analisis NDVI pada tanggal 27 April 2020 ditunjukkan pada Gambar
4.8, pada gambar tersebut dapat diketahui bahwa luas wilayah dengan vegetasi
sangat rendah adalah 2,044 ha, wilayah dengan tingkat vegetasi rendah seluas
83,106 ha, wilayah dengan tingkat vegetasi sedang seluas 460,85 ha, dan wilayah
dengan tigkat vegetasi tinggi seluas 858,71 ha. Wilayah dengan tingkat vegetasi
tinggi pada bulan April berkurang dibandingkan dengan bulan Maret 2020.

Gambar 4. 9 Analisis NDVI pada tanggal 13 Mei 2020

Pada tanggal 13 Mei 2020, wilayah Desa Pasar Muara Beliti didominasi dengan
warna hijau muda (bervegetasi sedang) seluas 955,802 ha, dengan data citra
Landsat 8 diambil pada siang hari dengan cuaca hujan kecil hingga berawan
(Idhom, Prakiraan Cuaca Musirawas Hari Ini, Rabu 13 Mei 2020, 2020).

14
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Gambar 4. 10 Analisis NDVI pada tanggal 29 Mei 2020

Pada tanggal 29 Mei 2020 wilayah di dominasi oeh warna oranye

(bervegetasi sangat rendah), yaitu seluas 749,25 ha. Selain itu, Desa Pasar Muara
Beliti juga terdapat wilayah dengan tingkat vegetasi yang rendah seluas 411,23 ha,
wilayah dengan tingkat vegetasi sedang seluas 122,43 ha, dan wilayah dengan
tingkat vegetasi tinggi seluas 101,966 ha.

Gambar 4. 11 Analisis NDVI Pada Tanggal 14 Juni 2020

Dari pengamatan hasil transformasi NDVI di atas, dilihat secara visual
bahwa daerah yang memiliki kerapatan vegetasi yang tidak bervegetasi memiliki
gradasi warna merah. Dan untuk daerah dengan tingkat kerapatan vegetasi yang
tinggi memiliki gradasi warna yang lebih tinggi yaitu warna hijau tua. Ini
merupakan salah satu tahapan awal untuk membedakan daerah dengan vegetasi

15
 Pengantar Surveying dan Pemetaan (PSP)| 2021

tinggi dan tidak bervegetasi pada daerah penelitian. Berdasarkan hasil analisis
menggunakan citra Landsat 8, diperoleh analisis NDVI seperti pada Gambar 4.1.
Gambar tersebut menunjukkan bahwa daerah di dominasi oleh warna hijau tua,
yaitu vegetasi tinggi dengan luas area sebesar 1137.794 ha, warna hijau muda
(vegetasi sedang) sebesar 135,47 ha, warna kuning (vegetasi rendah) sebesar 90,43
ha, warna oranye (vegetasi sangat rendah) sebesar 18,54 ha dan warna merah(tidak
bervegetasi) sebesar 2,88 ha. Hal ini dapat dikatakan bahwa pada tanggal tersebut
memiliki tanaman yang berwarna hijau dan kerapatan yang tinggi, seperti tegalan
dan hutan karena didominasi warna hijau. Sedangkan untuk warna kuning (vegetasi
rendah) yaitu lahan yang digunakan untuk para penduduk desa sebagai pemukiman
serta daerah persawahan.

Gambar 4.12 Analisis NDVI Pada Tanggal 30 Juni 2020

Berdasarkan Gambar 4.2, didapatkan luas area warna oranye (vegetasi
sangat rendah) sebesar 24,669 ha, warna kuning (vegetasi rendah) sebesar 226,57
ha, warna hijau muda (vegetasi sedang) sebesar 620,0944 dan warna hijau tua
(vegetasi tinggi) sebesar 513,21 ha. Pada tanggal 14 juni 2020 wilayah pasar muara
beliti didominasi warna hijau muda, vegetasi pada kelas ini meliputi sawah dan
kebun, sedangkan daerah warna hijau tua merupakan tanaman yang berwarna hijau
seperti hutan. Hal tersebut karena sebagian lahan didaerah pasar muara beliti masih
wilayah perhutanan dan persawahan.

16
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Gambar 4.13 Analisis NDVI Pada Tanggal 1 Agustus 2020

Berdasarkan Gambar 4.3, didapatkan luas area warna merah (tidak
bervegetasi) sebesar 0,54, warna oranye (vegetasi sangat rendah) sebesar 18,115
ha, warna kuning (vegetasi rendah) sebesar 48,556 ha, warna hijau muda (vegetasi
sedang) sebesar 87,450 dan warna hijau tua (vegetasi tinggi) sebesar 1230,5456 ha.
Pada tanggal 1 Agustus 2020 lahan didominasi warna hijau yaitu pada tanggal
tersebut memiliki kerapatan yang tinggi dan tanaman yang berwarna hijau, seperti
tegalan dan hutan.

Gambar 4.14 Analisis NDVI Pada Tanggal 17 Agustus 2020

Berdasarkan hasil analisis menggunakan citra Landsat 8, diperoleh analisis
NDVI seperti pada Gambar 4.4. Gambar tersebut menunjukkan bahwa daerah di

17
 Pengantar Surveying dan Pemetaan (PSP)| 2021

dominasi oleh warna hijau tua, yaitu vegetasi tinggi dengan luas area sebesar
1062,917 ha, warna hijau muda (vegetasi sedang) sebesar 200,193 ha, warna kuning
(vegetasi rendah) sebesar 106,759 ha, warna oranye (vegetasi sangat rendah)
sebesar 14,496 ha dan warna merah (tidak bervegetasi) sebesar 0,63 ha. Karena
didaerah pasar muara beliti merupakan wilayah perhutanan dan persawahan maka
analisis yang dilakukan sesuai yaitu didominasi warna hijau tua yang merupakan
daerah perhutanan.

Gambar 4.15 Analisis NDVI Pada Tanggal 2 September 2020

Berdasarkan tanggal 2 September 2020 dilakukan analisis NDVI
menggunakan citra Landsat 8 diperoleh hasil pada Gambar 4.5. Gambar tersebut
sama halnya dengan analisis pada tanggal 17 Agustus 2020 yaitu didominasi warna
hijau yang merupakan perhutanan. Pada tanggal tersebut terjadi pengecilan wilayah
pemukiman warga serta wilayah persawahan yang pada analisis sebelumnya luasan
lahan sebesar 106,759 ha menjadi 65,081 ha.

18
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Gambar 4.16 Hasil Analisis NDVI Pada Tanggal 18 September 2020

Berdasarkan hasil analisis menggunakan citra Landsat 8, diperoleh analisis
NDVI seperti pada Gambar 4.6. Gambar tersebut menunjukkan bahwa daerah di
dominasi oleh warna hijau tua, yaitu vegetasi tinggi dengan luas area sebesar
853,295 ha, warna hijau muda (vegetasi sedang) sebesar 223,848 ha, warna kuning
(vegetasi rendah) sebesar 209,842 ha, warna oranye (vegetasi sangat rendah)
sebesar 97,940 ha. Daerah warna hijau merupakan daerah dengan vegetasi yang
rapat seperti hutan, sedangkan warna oranye merupakan vegetasi yang sangat
rendah seperti lahan kosong dan pemukiman. Pada tanggal tersebut nilai luasan
lahan untuk vegetasi sedang dan vegetasi rendah hampir sama besar nilainya.

Gambar 4.17 Hasil Analisis NDVI Pada Tanggal 4 Oktober 2020

19
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Berdasarkan tanggal 4 Oktober 2020 dilakukan analisis NDVI

menggunakan citra Landsat 8 diperoleh hasil pada Gambar 4.7. Gambar tersebut
didominasi oleh luasan dengan warna hijau sebesar 1228,196 ha yang merupakan
daerah vegetasi tinggi yaitu perhutanan, sedangkan warna kuning sebesar 34,224
ha merupakan daerah vegetasi rendah yaitu daerah pemukiman warga dan sawah.
Terdapat lahan kosong yang berwarna oranye sebesar 3,016 ha yang mungkin
disebabkan oleh hutan yang gundul.

Gambar 4.18 Hasil Analisis NDVI Pada Tanggal 20 Oktober 2020

Berdasarkan hasil analisis menggunakan citra Landsat 8, diperoleh analisis
NDVI seperti pada Gambar 4.8. Gambar tersebut menunjukkan bahwa daerah di
dominasi oleh warna oranye, yaitu vegetasi sangat rendah dengan luas 1386,771 ha.
Hal ini, menunjukkan adanya tutupan awan/kabut pada data citra Landsat 8 yang
diperoleh pada tanggal 20 Oktober 2020 dikarenakan dampak dari kebakaran
hutang yang menyebabkan kabut yang tebal. Berdasarkan iNewssumsel.id
“Sebanyak 4,045 titik panas terdeteksi di wilayah Sumatera Selatan (Sumsel). Titik
api itu terdeteksi sejak awal Januari 2020 hingga 14 Oktober 2020” (Antara, 2020).

20
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Gambar 4.19 Hasil Analisis NDVI pada Tanggal 23 Desember 2020

Berdasarkan hasil analisis menggunakan citra Landsat 8, diperoleh analisis
NDVI seperti pada Gambar 4.9. Gambar tersebut menunjukkan bahwa daerah di
dominasi oleh warna hijau tua, yaitu vegetasi tinggi dengan luas area sebesar 86 ha,
warna 868,693 ha, hijau muda (vegetasi sedang) sebesar 211,657 ha, warna kuning
(vegetasi rendah) sebesar 257,31 ha, warna oranye (vegetasi sangat rendah) sebesar
46,984 ha. Daerah warna hijau merupakan daerah dengan vegetasi yang rapat
seperti hutan, sedangkan warna oranye merupakan vegetasi yang sangat rendah
seperti lahan kosong dan pemukiman. Hasil tersebut dapat dilihat bahwa
penggunaan lahan untuk pemukiman serta persawahan semakin meningkat
dibandingkan dengan sebelumnya berdasarkan data yang telah di analisis.

21
 Pengantar Surveying dan Pemetaan (PSP)| 2021

BAB V. PENUTUP
5.1 Kesimpulan
Berdasarkan analisis yang telah dilakukan, maka dapat disimpulkan bahwa
Desa Pasar Muara Beliti, Kabupaten Musi Rawas, Sumatera Selatan di
dominasi oleh wilayah dengan vegetasi tinggi, yaitu mencapai 1230,54 ha pada
analiisis NDVI tanggal 1 Agustus 2020. Hal ini sejalan dengan data yang
diperoleh, yaitu sebagian besar wilayah di Musi Rawas merupakan perkebunan
karet dan persawahan. Pada analisis di tanggal 1 Agustus pula dapat disimpukan
bahwa data yang diperoleh tidak tertutup awan/kabut, sehingga hasil yang
diperoleh sesuai dengan studi lapangan menggunakan Google earth.

5.2 Saran
Saran untuk penelitian NDVI selanjutya, yaitu perlu adanya cloud masking
pada saat pengolahan data raster citra Landsat 8, sehingga tutupan awan/kabut
dapat diminimalisir.

22
 Pengantar Surveying dan Pemetaan (PSP)| 2021

DAFTAR PUSTAKA

Andini, S., & al, e. (2018). Analisis Sebaran Vegetasi dengan Citra Satelit Sentinel
Menggunakan Metode NDVI dan Segmentasi. Jurnal Geodesi Undip Vol.
7, No. 1, 15.
Antara. (2020, Oktober 15). https://sumsel.inews.id/berita/sepanjang-januari-
oktober-2020-ada-4045-titik-api-karhutla-di-sumsel. Diambil kembali dari
https://sumsel.inews.id/.
Cipta Karya. (2018). RPIJM 2017-2021 Kabupaten Musi Rawas. Bidang Cipta
Karya, II-13.
GEO, S. (2017, March 12). NDVI - Normalized Difference Vegetation Index.
Diambil kembali dari http://www.symphonygeo.com/blog/18-ndvi-
normalized-difference-vegetation-
index#:~:text=Indeks%20vegetasi%20atau%20NDVI%20adalah,indikator
%20keberadaan%20dan%20kondisi%20vegetasi.
Idhom, A. (2020, Mei 13). Prakiraan Cuaca Musirawas Hari Ini, Rabu 13 Mei
2020. Diambil kembali dari Tirto.id: https://tirto.id/prakiraan-cuaca-
musirawas-hari-ini-rabu-13-mei-2020-frZ7
Idhom, A. (2020, Januari 22). Prakiraan Cuaca Musirawas Hari ini, Rabu 22
Januari 2020. Diambil kembali dari Tirto.id: https://tirto.id/prakiraan-
cuaca-musirawas-hari-ini-rabu-22-januari-2020-eue1
Indonesia Mengajar. (2018, Maret 22). Profil Kabupaten Musi Rawas. Diambil
kembali dari Indonesia Mengajar: https://indonesiamengajar.org/kabar-
im/profil-kabupaten-musi-rawas
Manajemen_Hutan. (2016, October 10). SISPI. Diambil kembali dari ArcGIS:
https://bentangalam-hutantropis.fkt.ugm.ac.id/2016/10/10/arc-gis/
Purwanto, A. (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, 28-29.
Putsanra, D. (2020, Januari 6). Prakiraan Cuaca Musi Rawas Hari ini, Senin 6
Janurai 2020. Diambil kembali dari tirto.id: https://tirto.id/prakiraan-cuaca-
musirawas-hari-ini-senin-6-januari-2020-eqUt
Robotorial. (2020, Maret 26). Prakiraan Cuaca Sumatera Selatan-Kamis, 26 Maret
2020. Diambil kembali dari Lokadata: https://lokadata.id/artikel/prakiraan-
cuaca-sumatera-selatan-kamis-26-maret-2020
Solihin, & al, e. (2020). Karakteristik Indeks Vegetasi pada Berbagai Penggunaan
Lahan di Hulu Sub Das Cikapundung melalui Interpretasi Citra Satelit
Landsat 8. Jurnal Kulivasi Vol. 19 (3), 1205.
Solihin, & al, e. (2020). Karakteristik Indeks Vegetasi pada Berbagai Penggunaan
Lahan di Hulu Sub Das Cikapundung Melalui Interpretasi Citra Satelit
Landsat 8. Jurnal Kultivasi Vol.19 No. 3, 1205.

23
 Pengantar Surveying dan Pemetaan (PSP)| 2021

Wahyunto, & al, e. (2006). Pendugaan produktivitas Tanaman Padi sawah melalui
Analisis Citra Satelit. Informatika Pertanian Volume 15, 858.

24