Disusun Oleh:
Kelompok 14
UNIVERSITAS PERTAMINA
2021
Pengantar Surveying dan Pemetaan (PSP)| 2021
DAFTAR ISI
DAFTAR GAMBAR .............................................................................................. 3
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
5
Pengantar Surveying dan Pemetaan (PSP)| 2021
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)
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
7
Pengantar Surveying dan Pemetaan (PSP)| 2021
8
Pengantar Surveying dan Pemetaan (PSP)| 2021
9
Pengantar Surveying dan Pemetaan (PSP)| 2021
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).
11
Pengantar Surveying dan Pemetaan (PSP)| 2021
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.
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).
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.
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
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.
16
Pengantar Surveying dan Pemetaan (PSP)| 2021
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.
18
Pengantar Surveying dan Pemetaan (PSP)| 2021
19
Pengantar Surveying dan Pemetaan (PSP)| 2021
20
Pengantar Surveying dan Pemetaan (PSP)| 2021
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