REMOTE SENSING

EKSTRAKSI NDVI DAN LST

KABUPATEN KEDIRI

Disusun oleh :

Faradita Miranda Putri (M0818014)

PROGRAM STUDI ILMU LINGKUNGAN

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
Surakarta
2020
I. TUJUAN
1. Mengekstraksi nilai NDVI
2. Mengekstraksi nilai Land Surface Temperature.
3. Mencari hubungan atau keterkaitan antara nilai NDVI dan Land Surface
Temperature.

II. ALAT DAN BAHAN

1. Laptop
2. Software QGIS
3. Citra Landsat 8 OLI TIRS.

III. DASAR TEORI

Penginderaan jauh merupakan suatu cara penggambaran keadaan wilayah
melalui suatu cara penggambaran keadaan wilayah melalui suatu alat
penginderaan atau sensor yang umum dipasang di wahana baik itu bepa balon
udara, pesawat udara, satelit, dan lainnya (Insyani, 2010).
Landsat Data Continuity Mission atau Landsat 8 merupakan satelit generasi
terbaru dari program Landsat. Landsat 8 ( Satelit LDCM) adalah misi kerja sama
antara NASA dan USGS (U.S Geological Survey) dengan pembagian tanggung
jawab masing-masing. Landsat 8 merupakan satelit observasi dengan resolusi
temporal selama 16 hari dan memiliki orbit Sun-Synchronous orbit pada
ketinggian 705 km (Sitanggang, 2010).
NDVI ( Normalized Difference Vegetation Index ) merupakan pemisahan dari
gelombang merah dan inframerah yang dapat menampilkan indeks kehijauaan
vegetasi (Rijal, 2020). NDVI dapat menunjukkan parameter antara lain biomassa
dedaunan hijau yang dapat diperkirakan untuk pembagian vegetasi (Yudistira,
Meha, & Prasetyo, 2019).

( NIR−RED )
NDVI =
(NIR+ RED )
Dimana :
NIR = Nilai reflektansi pada band near infrared (band 5)
RED = Nilai reflektansi pada band red (band 4)
 gambar 1 Rentang Data NDVI

Gambar 1. menjelaskan bahwa wilayah yang mempunyai nilai tingkat

kehijauan vegetasi NDVI dibawah 0.2 maka wilayah tersebut sudah keluar dari
kelompok vegetasi. Wilayah yang bernilai diatas 0.4, dapat dinyatakan wilayah
dengan nilai vegetasi tinggi.
LST ( Land Surface Temperature ) merupakan parameter kunci model iklim,
hidrologi, ekologi, dan biogeokimia dan asimilasi data menentukan anggaran
radiasi gelombang pamjang radiasi permukaan (Liang, 2013). Land Surface
Temperature (LST) adalah suhu pada permukaan bumi yang merupakan hasil
pantulan objek yang terekam oleh citra satelit pada waktu tertentu. LST dapat
didefinisikan juga sebagai suhu permukaan rata – rata yang digambarkan dalam
cakupan suatu piksel dengan berbagai tipe permukaan yang berbeda. Besarnya
nilai LST dipengaruhi oleh panjang gelombang. Panjang gelombang yang paling
sensitif terhadap suhu permukaan adalah inframerah thermal. Namun, pada
dasarnya setiap panjang gelombang akan sensitif terhadap respon perubahan suhu
yang mempengaruhi nilai pantul objek. Untuk dapat mengetahui informasi LST,
dilakukan proses identifikasi suhu permukaan tanah dengan memanfaatkan
gelombang thermal yang terdapat pada citra satelit (Faradiva, Rachim, & Hartini,
2020).
BT
LST =

( [( )
1+
⋏ BT
ρ
ln LSE ])
Dimana :
LST = Land Surface Temperature
BT = Brightness Temperature
⋏ = panjang gelombang radiasi yang dipancarkan band radian ( μm¿
Ρ = Konstanta Plank ( 1.438 ×10−2 mK )
LSE = Land Surface Emmisivity
IV. DIAGRAM ALIR

Landsat 8

Band 10 Band 4 & 5

Koreksi
Radiometrik

Koreksi
Radiometrik NDVI

Brightness Prooportion Of
Temperature Vegetation

Land Surface
Emissivity

LST

V. HASIL

A. Hasil Ekstraksi NDVI Kediri

 Gambar 2 Hasil Ekstraksi NDVI Kediri

B. Hasil Ekstraksi LST

Gambar 3 Hasil Ekstraksi LST

C. Hubungan atau keterkaitan antara nilai NDVI dan LST.

Hubungan NDVI dan LST

30
29 f(x) = − 7.67034532093073 x + 30.6453294715634
R² = 0.788135520859606
28
27
Hubungan NDVI dan LST
26 Linear (Hubungan NDVI dan
LST

25 LST)

24
23
22
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
NDVI

Grafik 1 Hubungan Antara Nilai NDVI dan LST

VI. PEMBAHASAN
Dari hasil ekstraksi NDVI yang telah dilakukan, didapatkan bahwa Kabupaten
Kediri memiliki nilai/tingkat vegetasi (NDVI) yang cukup tinggi. Pada hasil
ekstraksi NDVI, semakin tinggi tingkat vegetasi pada wilayah, maka warnanya
semakin hijau/gelap. Pada peta NDVI, warna kuning menandakan bahwa tingkat
vegetasi pada wilayah tesebut memiliki kerapatan vegetasi yang rendah atau
 jarang dan terdapat pemukiman. Sedangkan warna merah menandakan bahwa
wilayah tersebut tidak bervegetasi, warna merah mewakili air.
Dari hasil ekstraksi LST yang telah dilakukan, didapatkan bahwa Kabupaten
Kediri memiliki suhu permukaan yang cukup rendah. Pada hasil ekstraksi LST,
semakin tinggi suhu permukaan pada suatu wilayah, maka warnanya semakin
merah. Pada peta LST, warna orange menandakan bahwa suhu permukaan pada
wilayah tersebut . Sedangkan warna hijau menandakan bahwa wilayah tesebut
memiliki suhu permukaan yang rendah.
Pada hasil grafik nilai NDVI dan LST, dapat diketahui bahwa terdapat
hubungan antara nilai NDVI dan LST. Hubungan tersebut adalah semakin rendah
nilai NDVI, maka semakin tinggi LST dan begitupun sebaliknya. Pada grafik
hubungan antara niai NDVI dan LST, semakin menurunnya suhu pemukaan tanah
berkorelasi dengan meningkatnya nilai indeks vegetasi dan begitupun sebaliknya.
Pesamaan linier ang didapat dari analisis ini berupa.
y=−7,6703 x +30,645R ²=0,7881

VII. KESIMPULAN
1. Ekstraksi nilai NDVI didapat dengan melakukan beberapa rumus dan data
band, berupa band 4 dan 5. Dari hasil ekstraksi NDVI yang telah dilakukan,
didapatkan bahwa Kabupaten Kediri memiliki nilai/tingkat vegetasi (NDVI)
yang cukup tinggi.
2. Ekstraksi nilai LST yang berupa titik temperatur pada wilayah Kabupaten
Kediri didapatkan dari penggabunngan perhitungan NDVI dengan perhitungan
dari data band 10. Dari hasil ekstraksi LST yang telah dilakukan, didapatkan
bahwa Kabupaten Kediri memiliki suhu permukaan yang cukup rendah.
3. Hubungan antara niai NDVI dan LST adalah semakin menurunnya suhu
pemukaan tanah berkorelasi dengan meningkatnya nilai indeks vegetasi dan
begitupun sebaliknya.

VIII. DAFTAR PUSTAKA

Faradiva, F., Rachim, M. A., & Hartini, T. A. (2020, September 22). Land Surface
Temperature (LST). Diambil kembali dari Handal Selaras Group:
https://www.handalselaras.com/land-surface-temperature-lst/

Insyani, R. S. (2010). Dasar-Dasar Penginderaan Jauh. Semarang: ALPRIN.

Liang, S. (2013). Land Surface Observation, Modeling and Data Assimilation. Singapore:
World Scientific.
Rijal, S. S. (2020). Mengolah Citra Penginderaan Jauh Dengan Google Earth Engine.
Yogyakarta: Deepublish.

Sitanggang, G. (2010). Kajian Pemanfaatan Satelit Masa Depan: Sistem Penginderaan

jauh Satelit LDCM (Landsat 8). Berita Dirgantara, 11(2), 47-58.

Yudistira, R., Meha, A. I., & Prasetyo, S. Y. (2019). Perubahan Konvesi Lahan
Menggunakan NDVI, EVI, SAVI, dan PCA pada Citra Landsat 8 ( Studi Kasus :
Kota Salatiga ). Indonesia Journal Of Modeling And Computing, 1(1), 25-30.