1243P RAB09 PNT4401201032

Pengolahan Data Optik Mengggunakan Citra LANDSAT dan

AVNIR-2
Optical Data Processing Using LANDSAT and AVNIR Imagery
Putri Nadia Teja Sukmana1)

Rabu

Departemen Teknik Sipil dan Lingkungan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor,
Jln. Kamper, Kampus IPB Dramaga, Bogor, 16680, Indonesia

putrinadia@apps.ipb.ac.id

Abstrak : Indonesia mengalami konversi dan konsesi lahan yang pesat setiap tahunnya. Hal ini
disebabkan adanya pembangunan fisik yang cukup signifikan. Kecenderungan tersebut
mengindikasikan ketersediaan lahan menjadi permasalahan yang penting bagi pembangunan di
Indonesia. Bertambahnya jumlah sarana dan prasarana berdampak terhadap berkurangnya
RTH,lahan pertanian, dan hutan kota yang secara otomatis berkurangnya tingkat kerapatan
vegetasi. Hal ini tentunya juga akan berpengaruh terhadap keseimbangan ekologi yang ada di
wilayah tersebut . Teknologi penginderaan jauh merupakan teknologi yang dapat mengikuti
perkembangan kebutuhan masyarakat akan data yang spasial, faktual dan aktual. Ketersediaan
data dan informasi yang diimbangi dengan pengolahan data menjadi informasi wilayah dapat
dilakukan dengan sistem informasi geografis. Analisis dan pengolahan data dapat dilakukan
dengan teknologi penginderaan jauh melalui satelit Landsat dan satelit ALOS- JAXA/AVNIR-2.
Citra AVNIR-2 memiliki perbedaan dengan citra satelit landsat dalam pengolahan datanya. Citra
ini memiliki resolusi spasial 10 meter dan memiliki empat band, dimana band ini dapat digunakan
untuk penentuan indeks vegetasi, seperti NDVI. Nilai indeks vegetasi dari Citra ALOS AVNIR-2
mempunyai hubungan dengan persentase tutupan vegetasi dimana nilai indeks vegetasi dari NDVI
dan SAVI mempunyai koefisien determinasi yang paling tinggi. Hasil indeks vegetasi dengan Avnir-
2 jauh lebih akurat dibanding NDVI dari Landsat ETM+, Landsat TM maupun Modis. Oleh karena
itu, praktikum ini ditujukan untuk mengetahui cara pengolahan data optik melalui satelit Landsat
dan satelit ALOS-JAXA/AVNIR-2 dan mengetahui perbedaan antara kedua satelit.
Kata kunci: NDVI, satelit Landsat, satelit ALOS-JAXA/AVNIR-2

Abstract : Indonesia experiences rapid land conversion and concessions every year. This is due to
the significant physical development. This trend indicates that land availability is an important issue
for development in Indonesia. The increasing number of facilities and infrastructure has an impact
on reducing green open space, agricultural land, and urban forests which automatically reduce the
level of vegetation density. This of course will also affect the ecological balance in the area. The
ability to provide dynamic earth data and information is useful in development in the era of Regional
Autonomy. The availability of data and information that is balanced with data processing into
regional information can be done with a geographic information system. Data analysis and
processing can be carried out using remote sensing technology via the Landsat satellite and the
ALOS-JAXA/AVNIR-2 satellite. AVNIR-2 imagery differs from Landsat satellite imagery in its data
processing. This image has a spatial resolution of 10 meters and has four bands, where these bands
can be used to determine the vegetation index, such as NDVI. The vegetation index value from the
ALOS AVNIR-2 image has a relationship with the percentage of vegetation cover where the
vegetation index value from NDVI and SAVI has the highest coefficient of determination. The results
of the vegetation index with Avnir-2 are much more accurate than NDVI from Landsat ETM+,
Landsat TM and Modis. Therefore, this practicum is aimed at knowing how to process optical data
via the Landsat satellite and the ALOS-JAXA/AVNIR-2 satellite and knowing the difference between
the two satellites.
Keywords: NDVI, Landsat satellite, ALOS-JAXA/AVNIR-2

1
 1243P RAB09 PNT4401201032

PENDAHULUAN
Indonesia mengalami konversi dan konsesi lahan yang pesat setiap tahunnya.
Hal ini disebabkan adanya pembangunan fisik yang cukup signifikan.
Kecenderungan tersebut mengindikasikan ketersediaan lahan menjadi
permasalahan yang penting bagi pembangunan di Indonesia. Selain itu,
pembangunan tersebut dilakukan karena lebih memberikan keuntungan secara
ekonomis dibandingkan dengan keberadaan vegetasi. Bertambahnya jumlah sarana
dan prasarana berdampak terhadap berkurangnya RTH, lahan pertanian, dan hutan
kota yang secara otomatis berkurangnya tingkat kerapatan vegetasi. Hal ini
tentunya juga akan berpengaruh terhadap keseimbangan ekologi yang ada di
wilayah tersebut (Lufilah et al. 2017). Teknologi penginderaan jauh mempunyai
kemampuan untuk mengidentifikasi serta melakukan monitoring terhadap
perubahan keseimbangan ekologi dan lingkungan.
Teknologi penginderaan jauh merupakan teknologi yang dapat mengikuti
perkembangan kebutuhan masyarakat akan data yang spasial, faktual dan aktual.
Kemampuan penyediaan data dan informasi kebumian yang bersifat dinamik
bermanfaat dalam pembangunan di era Otonomi Daerah. Ketersediaan data dan
informasi yang diimbangi dengan pengolahan data menjadi informasi wilayah dapat
dilakukan dengan sistem informasi geografis (SIG). Data penginderaan jauh dapat
diperoleh melalui hasil rekaman sensor yang dipasang baik pada pesawat terbang,
satelit, pesawat ulang alik atau wahana lainnya. Sensor tersebut menghasilkan data
yang berbeda-beda sesuai dengan letak ketinggian sensor maupun karakteristik
obyek yang dikaji ( Manivasagam et al. 2021).
Dalam perkembangan pengambilan data citra penampakan bumi diperlukan
perangkat lunak yang mampu menampilkan data-data tersebut. Salah satu Aplikasi
yang dapat digunakan adalah Sentinel Application Platform (SNAP). Oleh karena
itu, praktikum ini penting dilakukan untuk mengetahui cara pengolahan data optik
LANDSAT, ALOS-JAXA/AVNIR-2 dengan software SNAP lalu mengolah data optik
tersebut dalam bentuk NDVI dan membandingkan perbedaan antara satelit
LANDSAT dan AVNIR-2.

METODE
Pratikum “Pengolahan Data Optik Mengggunakan Citra LANDSAT dan AVNIR-
2” dilakukan pada hari Rabu, 12 April 2022 secara daring. Sebelum memulai
praktikum, asisten praktikum memaparkan penjelasan menganai materi praktikum
yang akan dilakukan. Tujuan praktikum kali ini untuk mengetahui cara pengolahan
data optik LANDSAT, ALOS-JAXA/AVNIR-2 dengan software SNAP lalu mengolah
data optik tersebut dalam bentuk NDVI dan membandingkan perbedaan antara
satelit LANDSAT dan AVNIR-2.
Langkah pertama yang dilakukan untuk mengolah data landsat dan Avnir-2
dengan menggunakan program SNAP yakni dengan dibuka file data optik Landsat
dan Avnir-2 pada software tersebut. Untuk buka file yang akan digunakan, klik
import – optical sensors – Landsat – Landsat8 in 30m (GeoTIFF). Selanjutnya,
File yang akan digunakan pada praktikum kali ini adalah file dengan nama
LC81240622015033LGN00_MTL, lalu klik import product dan data input dari
satelit Landsat akan muncul di tab Product Explorer.

2
 1243P RAB09 PNT4401201032

Gambar 1. Setting untuk pengolahan data Citra Landsat

Gambar 2. Proses input data citra untuk pengolahan data Citra Landsat
Langkah selanjutnya untuk dimunculkannya citra satelit dari satelit Landsat, klik
window, lalu pilih Open RGB Image Window. Setelah itu akan muncul window
seperti pada gambar 3(a), pilih Landsat-8 red, green, blue pada kolom profile. Lalu
pilih red, green, dan blue secara berurutan pada kolom red, green, dan blue, lalu
klik OK, maka citra satelit dari satelit Landsat akan muncul.

3
 1243P RAB09 PNT4401201032

Gambar 3 (a).Proses dimunculkannya Gambar 3 (b). Proses dimunculkannya

citra satelit dari satelit citra satelit dari satelit
Landsat Landsat (2)

Gambar 4. Hasil citra satelit Landsat

Langkah berikutnya Untuk diaktifkan NDVI pada citra satelit Landsat, klik
Optical – Thematic Land Processing – Vegetation Radiometric Indices – NDVI
Processor. Lalu akan muncul window seperti pada gambar 5(b). Pilih tab
Processing Parameters, lalu pilih red pada kolom red source band, dan pilih
near_infrared pada kolom NIR Source band. Lalu klik run. Maka citra satelit
Landsat yang telah dinyalakan NDVInya akan muncul.

Gambar 5 (a). Cara diaktifkan NDVI pada citra satelit Landsat

4
 1243P RAB09 PNT4401201032

Gambar 5 (b). Cara diaktifkan NDVI pada citra satelit Landsat

Gambar 6. Hasil citra satelit yang diaktifkan NDVI pada citra satelit Landsat

Selanjutnya pengolahan data dari Citra ALOS/AVNIR-2 dengan tahapan yang

sama seperti pengolahan data Citra Landsat, namun setelah diklik optical sensors,
pilih ALOS/AVNIR-2 Product. File yang akan digunakan adalah file dengan nama
ALAV2A213413590-O1B2R_U. Setelah itu, klik import product, maka data dari
citra satelit AVNIR akan muncul.

5
 1243P RAB09 PNT4401201032

Gambar 7. Setting untuk pengolahan data Citra Avnir-2

Gambar 8. Proses input data citra untuk pengolahan data Citra Landsat

Langkah selanjutnya untuk dimunculkannya citra satelit dari satelit Avnir-2,

klik windows, lalu pilih Open RGB Image Window. Setelah itu akan muncul window
seperti pada gambar 9. , pilih green, blue pada kolom profile. Lalu pilih red,
green, dan blue secara berurutan pada kolom red, green, dan blue, lalu klik OK,
maka citra satelit dari satelit Landsat akan muncul.

6
 1243P RAB09 PNT4401201032

Gambar 10. Langkah pertama untuk open product foto udara

Gambar 9. Proses dimunculkannya citra satelit dari satelit ALOS/AVNIR-2

Gambar 10. Hasil RGB citra satelit dari satelit ALOS/AVNIR-2

Kemudian untuk diaktifkan NDVI pada citra satelit AVNIR-2, caranya sama
seperti memunculkan citra satelit Landsat, namun setelah memilih tab Processing
Parameters, pilihan yang akan muncul adalah radiance_1 sampai dengan
radiance_4. Atur radiance tersebut untuk memunculkan gambar dengan kualitas
terbaik.

7
 1243P RAB09 PNT4401201032

Gambar 11(a). Cara diaktifkannya NDVI pada citra satelit Avnir-2

Gambar 11(b). Cara diaktifkannya NDVI pada citra satelit Avnir-2

8
 1243P RAB09 PNT4401201032

Gambar 12. Hasil citra satelit yang diaktifkan NDVI pada citra satelit Avnir-2

PEMBAHASAN
SNAP adalah salah satu software yang digunakan untuk mengolah data Sentinel
yang dibuat oleh Brockmann Consult. SNAP memiliki kepanjangan Sentinel
Application Platform. Dengan perkembangan zaman, Citra Sentinel dapat diproses
dengan menggunakan Google Earth Engine. Namun untuk pemula yang belum
terbiasa mengolah data dengan melakukan pemrograman, SNAP dapat menjadi
salah satu aplikasi untuk mengolah dan menganalisis Data SAR. Aplikasi ini
memiliki kelebihan interface yang mudah untuk dipelajari, menampilkan dan
menavigasikan citra dengan cepat walaupu dengan data citra yang berat hingga ber-
giga-pixel ( Manivasagam et al. 2021).
Teknologi penginderaan jauh satelit dipelopori oleh NASA Amerika Serikat
dengan diluncurkannya satelit sumberdaya alam yang pertama, yang disebut ERTS-
1 (Earth Resources Technology Satellite) pada tanggal 23 Juli 1972, menyusul
ERTS-2 pada tahun 1975, satelit ini membawa sensor RBV (Return Beam Vidicon)
dan MSS (Multi Spectral Scanner) yang mempunyai resolusi spasial 80 x 80 m.
Satelit ERTS-1, ERTS-2 yang kemudian setelah diluncurkan berganti nama
menjadi Landsat 1, Landsat 2, diteruskan dengan seriseri berikutnya, yaitu Landsat
3, 4, 5, 6, 7 dan terakhir adalah Landsat 8 yang diorbitkan bulan Februari 2013.
Citra Landsat bisa didapatkan dengan gratis melalui situs resmi USGS, sehingga
banyak sekali penelitian mengenai vegetasi ataupun tutupan lahan menggunakan
citra Landsat (Amliana et al. 2016).
Satelit Landsat merupakan salah satu satelit yang digunakn untuk mengamati
permukaan bumi. Satelit ini dikenal sebagai satelit sumber daya alam karena
fungsinya adalah untuk memetakan potensi sumber daya alam dan kondisi
lingkungan. Landsat telah mengalami banyak perkembangan selama beberapa
tahun terakhir. Versi Landsat terbaru adalah Landsat 8. Landsat 8 memiliki
beberapa dayaguna tinggi sebagai wahana satelitnya. Landsat 8 dilengkapi dengan
perekam solid state yang memberikan kapasitas penyimpanan 4 TB (Sitanggang

9
 1243P RAB09 PNT4401201032

2010). Landsat juga memiliki 11 bands pada rentang Panjang gelombang 0.433
hingga 12,5 𝜇𝑚.
Advanced Land Observing Satellite (ALOS) atau juga Bernama Daichi
diluncurkan pada tanggal 24 januari 2006 mempunyai 5 misi utama yaitu kartografi,
pengamatan regional, pemantauan bencana alam, penelitian sumber daya alam dan
pengembangan teknologi satelit JERS-1 dan ADEOS. Ketersediaan Citra ALOS
AVNIR-2 dengan resolusi spasial 10 m telah membuka peluang untuk memperoleh
informasi tutupan hijau yang diperlukan dalam kajian RTH. Citra ALOS AVNIR-2
belum banyak digunakan oleh pemerintah di tingkat kabupaten / kota dan atau
perusahaan swasta nasional untuk memetakan sumberdaya alam. Nilai indeks
vegetasi dari Citra ALOS AVNIR-2 mempunyai hubungan dengan persentase
tutupan vegetasi dimana nilai indeks vegetasi dari NDVI dan SAVI mempunyai
koefisien determinasi yang paling tinggi (Putrajaya 2017).
Citra AVNIR-2 memiliki perbedaan dengan citra satelit landsat dalam
pengolahan datanya. Citra ini memiliki resolusi spasial 10 meter dan memiliki
empat band. Band tersebut meliputi band red, green, blue dan infrered. Band
pankromatik dapat dibuat dari manipulasi panjang gelombang red, green, dan blue.
Avnir-2 memiliki kelebihan pada band 4 (infrared), dimana band ini dapat
digunakan untuk penentuan indeks vegetasi, seperti NDVI. Hasil indeks vegetasi
dengan Avnir-2 jauh lebih akurat dibanding NDVI dari Landsat ETM+, Landsat TM
maupun Modis (Julzarika 2016).
NDVI (Normalized Difference Vegetation Index) adalah perhitungan citra yang
digunakan untuk mengetahui tingkat kehijauan, yang sangat baik sebagai awal dari
pembagian daerah vegetasi. Dalam membedakan objek vegetasi satu dengan
vegetasi jenis lain digunakan analisis NDVI. Dengan transformasi NDVI vegetasi
mangrove akan terlihat lebih kontras dengan proporsi tingkat kecerahan yang lebih
tinggi. Ini dikarenakan dalam pemanfaatan NDVI menggunakan gelombang sinar
inframerah dekat (NIR) dan gelombang merah (R), yang mana gelombang NIR
sangat peka akan klorofil pada vegetasi (Putra et al. 2017).
Berdasarkan hasil praktikum, file yang digunakan adalah data input berupa foto
satelit dari dua jenis satelit, yaitu Landsat dan AVNIR. Hasil foto dari satelit Landsat
menunjukkan batas antara sungai dan daratan, dan juga awan, namun tidak terdapat
batas-batas vegetasi di daerah tersebut. Setelah NDVI diaktifkan pada satelit
Landsat, batas-batas vegetasi di daerah tersebut mulai terlihat, seperti sawah yang
terlihat berbentuk kotak-kotak, sungai dan daratan pun semakin terlihat jelas.
Gambar yang kurang lebih sama juga terlihat di foto satelit AVNIR, hanya saja
memang terlihat lebih buram daripada foto satelit yang dihasilkan oleh satelit
Landsat. Setelah NDVI diaktifkan pada satelit AVNIR, batas antara daratan dan
sungai terlihat lebih jelas daripada sebelumnya.
Perkembangan penginderaan jauh memacu penelitian terhadap sumber daya
alam salah satunya adalah sumber daya lahan. Pengelolaan sumber daya lahan yang
didukung oleh suatu sistem informasi memungkinkan untuk mewujudkan suatu
pengelolaan yang terencana dan tepat guna. Pengolahan data untuk pengeloaan
terencana tersebut dapat dilakukan dengan menggunakan Citra satelit Landsat dan
Citra satelit AVNIR. Penggunaan citra satelit tersebut dilakukan untuk mendapatkan
analisi hasil vegetasi dan muka sungai melalui bantuan NDVI (Lufilah et al. 2017).

10
 1243P RAB09 PNT4401201032

SIMPULAN
Pengelolaan sumber daya lahan yang didukung oleh suatu sistem informasi
memungkinkan untuk mewujudkan suatu pengelolaan yang terencana dan tepat
guna. Pengolahan data untuk pengeloaan terencana tersebut dapat dilakukan dengan
menggunakan Citra satelit Landsat dan Citra satelit AVNIR. Data citra satelit dapat
diolah menggunakan perangkat lunak SNAP. Pengolahan tersebut dapat
memperjelas citra yang didapatkan dengan cara mengubah beberapa parameter
RGB Image window. Citra AVNIR-2 memiliki perbedaan dengan citra satelit
landsat dalam pengolahan datanya. Avnir-2 memiliki kelebihan pada band 4
(infrared), dimana band ini dapat digunakan untuk penentuan indeks vegetasi,
seperti NDVI. Hasil indeks vegetasi dengan Avnir-2 jauh lebih akurat dibanding
NDVI dari Landsat ETM+, Landsat TM maupun Modis.

SARAN
Praktikum Pengolahan Data Optik Mengggunakan Citra LANDSAT dan AVNIR-
2 menggunakan SNAP ini yang tergolong baru dalam hal penggunaanya sehingga
butuh waktu untuk mempelajari dan membiasakan dalam penggunaan aplikasi
SNAP ini. Selain itu, perlu diperhatikan langkah-langkah dalam pengoperasian
aplikasi SNAP agar tidak terjadi kesalahan. Perlu juga pendalaman literatur yang
lebih karena literatur mengenai aplikasi SNAP tidak banyak tersedia.

DAFTAR PUSTAKA
Amliana DT, Prasetyo Y, Sukmono A. 2016. Analisis perbandingan nilai NDVI
Landsat 7 dan Landsat 8 pada kelas tutupan lahan. Jurnal Geodesi Undip.
5(1): 264-272.
Julzarika A. 2016. Peranan citra satelit alos untuk berbagai aplikasi teknik geodesi
dan geomatika di Indonesia. Jurnal Teknik UNIDIP. 8(2): 59-65.
Lufilah, Makalew, Sulistyantara. 2017. Pemanfaatan Citra Landsat 8 untuk analisis
indeks vegetasi di DKI Jakarta. Jurnal Lanskap Indonesia. 9(1): 73-79.
Manivasagam VS, Sadeh Y, Kaplan G, Bonfil, D J. and Rozenstein, O. 2021.
Studying the Feasibility of Assimilating Sentinel-2 and Planet Scope Imagery
into the SAFY Crop Model to Predict Within-Field Wheat Yield. Remote
Sensing, 13(12), p.2395.
Putrajaya IK. 2017. Analisis indeks vegetasi menggunakan Citra ALOS AVNIR-2
untuk estimasi kebutuhan ruang terbuka hijau berdasarkan kebutuhan oksigen
di Kota Denpasar, Provinsi Bali. Jurnal Pendidikan Geografi. 22(1): 49-59.
Putra A, Tanto TA, Farhan AR, Husrin S, Pranowo WS. 2017. Pendekatan metode
Normalized Difference Vegetation Index (NDVI) dan Lyzenga untuk
pemetaan sebaran ekosistem perairan di kawasan pesisir Teluk Benoa-Bali.
Jurnal Geomatika. 23(2): 87-94.

11
 1243P RAB09 PNT4401201032

LAMPIRAN

Gambar 13. Laptop

Gambar 14. Software SNAP

12