Kelompok 9 Mata Kuliah Aplikasi SIG dan Penginderaan Jauh

Analisis Perubahan Indeks Kerapatan Vegetasi Tahun 2015 -

2020 menggunakan Citra Landsat 8 dan Curah Hujan dengan
Data GPM (Studi Kasus: Kabupaten Bangli)

Maria Imaculata Goran Mosa1**, Wayan Widiana2, I Made Eryana Eka Putra3, I
Gede Rustiawan4
1,2,3,4
Mahasiswa Magister Rekayasa Infrastruktur dan Lingkungan,Universitas
Warmadewa, Denpasar, Bali, Indonesia

**corresponding author’s email (mariaima0512@gmail.com)

Received xx-xx-xxx; accepted xx-xx-xxx

Abstract. Regional developments in Bangli Regency have caused changes in land cover,
including reduced vegetated land in Bangli Regency. Information on land cover changes is
very important in regional and environmental planning. This study aims to analyse changes in
the vegetation index in Bangli Regency in the last five years, namely in the vulnerable 2015 to
2020. The method used is to calculate the Normalised Difference Vegetation Index (NDVI)
value from Landsat 8 band 5 and band 4 images. The density index is classified into three
classes, namely non-vegetation, low vegetation and high vegetation, while the land cover is
classified into 4 (four) classes, namely water, open land/soil, settlements and vegetation. Based
on the results of the analysis, it was found that there was an increase in land cover in two
classes, namely open land/soil by 3.02% and an increase in settlements by 2.8%. On the other
hand, the water class decreased by 0.03% and vegetation decreased by 5.79%.
Keywords: Vegetation Density Index, Landsat 8 Image, Rainfall, GPM Data
Abstrak Perkembangan wilayah di Kabupaten Bangli menyebabkan perubahan tutupan lahan
termasuk berkurangnya lahan bervegetasi yang ada di Kabupaten Bangli. Informasi tentang
perubahan tutupan lahan sangat penting dalam perencanaan wilayah dan lingkungan. Penelitian
ini bertujuan menganalisis perubahan indeks vegetasi di Kabupaten Bangli lima tahun terakhir
yaitu di rentan tahun 2015 hingga tahun 2020. Metode yang digunakan adalah dengan
menghitung nilai Normalized Difference Vegetation Index (NDVI) dari citra landsat 8 band 5
dan band 4. Indeks kerapatan diklasifikasikan dalam tiga kelas yaitu non vegetasi, vegetasi
rendah dan vegetasi tinggi, sedangkan tutupan lahannya diklasifikasikan dalam 4 (empat) kelas
yaitu air, lahan terbuka/tanah, pemukiman dan vegetasi. Berdasarkan hasil analisis didapatkan
hasil bahwa terjadi peningkatan tutupan lahan di dua kelas yaitu lahan terbuka/tanah sebesar
3,02% dan peningkatan pemukiman sebesar 2,8% sebaliknya pada kelas air menurun 0,03%
serta vegetasi mengalami penurunan 5,79%.
Kata kunci: Indeks Kerapatan vegetasi, Citra Landsat 8, Curah Hujan, Data GPM

1
Kelompok 9 Mata Kuliah Aplikasi SIG dan Penginderaan Jauh

1. Pendahuluan

Kabupaten Bangli merupakan satu dari sembilan kabupaten/kota di Provinsi Bali yang letaknya
secara geografis berada di antara 115° 13´ 43" sampai 115° 27´ 24" BT dan 8° 8´ 30" sampai 8° 31´
07" LS. Kabupaten Bangli memiliki empat kecamatan di wilayahnya yaitu Kecamatan (Kec.) Bangli,
Kec. Tembuku, Kec. Kintamani, dan Kec. Susut. Kabupaten Bangli sebagian besar wilayahnya adalah
dataran tinggi, yang mempengaruhi kondisi iklim di daerah ini. Luas wilayah Kabupaten Bangli
adalah 520.81Ha dengan dataran rendah di wilayah selatan dan wilayah utaranya merupakan daerah
pegunungan dengan puncak tertingginya puncak penulisan[1].
Jumlah penduduk di Kabupaten Bangli berdasarkan sensus penduduk 2020 sebanyak 258.721 jiwa,
dengan laju pertumbuhan penduduk dari hasil sensus penduduk 2010 dan sensus penduduk 2020
dalam sepuluh tahun adalah sebesar 1,79[1]. Peningkatan jumlah penduduk ini biasanya juga
berbarengan dengan meningkatnya pembangunan pemukiman perumahan yang memicu alih fungsi
lahan. Alih fungsi lahan atau konversi lahan didefinisikan sebagai perubahan sebagian atau seluruh
fungsi lahan dari fungsi yang direncanakan menjadi fungsi lain yang membawa dampak negatif bagi
lingkungan[2].
Alih fungsi lahan di Kabupaten Bangli akan semakin mengkhawatirkan terlihat dengan semakin
banyak lahan persawahan produktif, kini beralih fungsi menjadi areal permukiman[3]. Kebutuhan
akan tempat tinggal yang semakin meningkat menjadi penyebab alih fungsi lahan hijau sebagai daerah
vegetasi. Keberadaan vegetasi sebagai ruang terbuka hijau memiliki banyak manfaat diantaranya
sebagai penghasil udara bersih. Vegetasi selain sebagai unsur penting juga menjaga agar ekosistem
tidak terganggu[4].
Keberadaan dan kerapatan vegetasi di suatu wilayah dapat dinilai dengan memanfaatkan sistem
informasi geografis (SIG) dan penginderaan jauh (remote sensing) yaitu citra Landsat yang ditangkap
satelit[4]. Teknik ini dianggap penting dan efektif dalam penentuan tutupan lahan karena
kemampuannya dalam menyediakan informasi keragaman spasial di permukaan bumi dengan cepat,
luas, tepat serta mudah[5]. Informasi tutupan lahan sangat penting untuk diketahui, agar pola
perubahan tutupan lahan di masa datang dapat diprediksi sehingga perubahan tutupan lahan yang
bersifat negatif dapat dicegah atau dikurangi. Pada penelitian ini akan dilakukan klasifikasi perubahan
tutupan lahan pada tahun 2015-2020 dan kondisi curah hujan di Kabupaten Bangli. Penelitian ini
menggunakan citra landsat 8 dalam menganalisis kerapatan vegetasi yang ada di Kabupaten Bangli.
Satelit Landsat 8 menghasilkan citra keadaan permukaan bumi secara periodik[6] dan memiliki
resolusi spasial 30 meter yang ideal untuk melakukan deteksi, pengukuran, dan menganalisis
perubahan-perubahan objek-objek pada permukaan bumi pada level yang rinci [7].

2. Data dan Metode

2.1. Data
Penelitian ini menggunakan data Kuantitatif berupa indeks vegetasi dari pengolahan data Citra
Landsat 8 Kabupaten Bangli pada tanggal 24 Oktober 2015 path/row = 166/066 dan 30 Mei 2020
path/row = 116/066 dengan resolusi 30 x 30 m, sedangkan data curah hujan harian diperoleh dari data
GPM tanggal 24 Oktober 2015 dan 30 Mei 2020.

2.2. Metode
Penelitian ini dilakukan dengan beberapa tahap sebagai berikut:
1) Penghitungan nilai NDVI
Normalized Difference Vegetation Index (NDVI) merupakan kombinasi antara teknik
penisbahan dengan teknik pengurangan citra. Indeks vegetasi merupakan kombinasi dari
beberapa band yang dapat menghasilkan informasi terkait kerapatan vegetasi[8]. NDVI
memiliki rentang antara -1 hingga +1, dimana semakin besar atau positif nilai NDVI maka

2
Kelompok 9 Mata Kuliah Aplikasi SIG dan Penginderaan Jauh

kerapatan vegetasi pada areal tersebut semakin besar dan sebaliknya semakin negatif nilai
NDVI maka kerapatan vegetasi pada areal tersebut semakin kecil[4].
Rumus yang digunakan sebagai berikut:
( ) ( )
( )
( ) ( )

Pada penelitian ini dibagi menjadi 3 kategori yaitu vegetasi non vegetasi (pemukiman),
Vegetasi rendah (lahan terbuka/tanah) dan vegetasi tinggi (vegetasi).
2) Pengklasifikasian tutupan lahan
Pengkklasifikasian tutupan lahan ini dibagi dalam 4 kelas melalui metode klasifikasi tak
terbimbing. Empat kelas tersebut adalah Air, Lahan terbuka/Tanah, Pemukiman dan Vegetasi.
3) Perbandingan curah hujan harian
Penelitian ini juga menganalisis curah hujan harian dari data GPM pada hari yang sama
dengan perekaman citra satelit Landsat 8 yaitu tanggal 24 Oktober 2015 dan 30 Mei 2020.
Melalui analisis ini diperoleh pengaruh curah hujan terhadap hasil citra satelit yang dihasilkan.

Tahap penelitian ini dapat dilihat dalam diagram alir di pada gambar 1.

Citra Landsat 8 Tahun Citra Landsat 8 Tahun

2015 2020

Pemotongan Citra Pemotongan Citra

Analisis Klasifikasi Analisis Klasifikasi

NDVI Tutupan Lahan NDVI Tutupan Lahan

Peta Kerapatan Vegetasi Peta Kerapatan Vegetasi

Tahun 2015 Tahun 2020

Data Analisis Data Analisis

Analisis Perbandingan
Curah Hujan 2015 Curah Hujan 2020

Data Perubahan Indeks

Kerapatan vegetasi

Gambar 1. Diagram Alur Penelitian

3
Kelompok 9 Mata Kuliah Aplikasi SIG dan Penginderaan Jauh

3. Hasil dan Pembahasan

3.1. Analisis NDVI

Analisis perubahan indeks kerapatan vegetasi di Kabupaten Bangli dari tahun 2015 hingga tahun
2020 menggunakan metode NDVI dengan rumus (1). Hasil NDVI dapat di lihat pada gambar 2 dan
gambar 3 sedangkan persentase perubahan setiap klasifikasi NDVI di wilayah Kabupaten Bangli dapat
dilihat pada tabel 1 dan tabel 2.

Gambar 2. Kondisi Tutupan Lahan pada Gambar 3. Kondisi Tutupan Lahan pada
tahun 2015 tahun 2020

Tabel 1. Luas Tutupan Lahan di Kabupaten Bangli Tahun 2015

Jenis
Nilai Jumlah
Kelas vegetasi Tutupan Luas (m2) Luas(Km2 Persentas
NDVI Elemen
Lahan ) e (%)

No Data -0,4 - 0 Air 17251 15525900 15,526 2,95

vegetasi
0-0,1 Tanah 14956 13460400 13,460
rendah 2,55

Pemukima
Non Vegetasi 0,1-0,2 40030 36027000 36,027 6,84
n

Vegetasi 46193130
0,2-0,8 Vegetasi 513257 461,931 87,66
Tinggi 0

TOTAL 526,945 100,00

Sumber: Pengolahan data Landsat 8 perekaman 24 Oktober 2015

4
Kelompok 9 Mata Kuliah Aplikasi SIG dan Penginderaan Jauh

Tabel 2. Luas Tutupan Lahan di Kabupaten Bangli Tahun 2020

Kelas Jenis Tutupan Jumlah Persentase
Nilai NDVI Luas (m2) Luas(Km2)
vegetasi Lahan Elemen (%)

No Data -0,4 - 0 Air 17049 15344100 15,344 2,91

vegetasi
0-0,1 Tanah 32652 29386800 29,387 5,58
rendah

Non
0,1-0,2 Pemukiman 56448 50803200 50,803 9,64
Vegetasi

Vegetasi
0,2-0,8 Vegetasi 479401 431460900 431,461 81,87
Tinggi

TOTAL 526,995 100,00

Sumber: Pengolahan data Landsat 8 perekaman 30 Mei 2020

Dari hasil pengolahan data NDVI di Kabupaten Bangli diperoleh hasil analisis vegetasi sebagai
berikut:
1) Non Vegetasi
Kelas indeks vegetasi yang dikategorikan non vegetasi adalah seluruh permukaan tanah yang
ditutupi oleh lahan terbangun. Lahan terbangun dalam penelitian ini diklasifikasikan pada
kelas pemukiman dengan nilai NDVI 0,1-0,2. Kelas indeks non vegetasi pada tahun 2015
adalah 6,84 % sedangkan di tahun 2020 adalah 9,64%. Terjadi peningkatan persentase
kawasan non vegetasi sebesar 2,8%. Bila di lihat pada peta tutupan lahan daerah yang
mengalami peningkatan di kelas pemukiman terdapat di bagian selatan yang merupakan
daerah perkotaan di Kabupaten Bangli.
2) Vegetasi Rendah
Kelas indeks vegetasi yang dikategorikan rendah adalah seluruh permukaan tanah yang
ditutupi sebagian besar oleh lahan terbuka/tanah dengan nilai NDVI 0-0,1. Kelas indeks
vegetasi rendah pada tahun 2015 adalah 2,55 % sedangkan di tahun 2020 adalah 5,58 %.
Terjadi peningkatan persentase kawasan vegetasi rendah sebesar 3,02%. Bila di lihat dari peta
tutupan lahan di tahun 2020 perubahan terbesarnya terjadi di bagian utara. Kondisi ini
dibandingkan dengan citra asli yang terekam maka lokasi perubahan lahan terbuka/tanah di
bagian utara ini terdapat tutupan awan.
3) Vegetasi Tinggi
Kelas indeks vegetasi yang dikategorikan tinggi adalah seluruh permukaan tanah yang ditutupi
sebagian besar lahannya oleh tumbuhan lebat dengan nilai NDVI 0,2-0,8. Kelas indeks
vegetasi tinggi pada tahun 2015 adalah 87,66 % sedangkan di tahun 2020 adalah 81,87 %.
Terjadi penurunan persentase kawasan vegetasi tinggi sebesar 5,79%. Bila di lihat pada peta
tutupan lahan daerah yang mengalami peningkatan vegetasi adalah di daerah sekitar danau
batur dan geopark yang dulunya terbuka sekarang ditumbuhi tanaman kayu putih, sedangkan
penurunannya dapat di lihat di bagian selatan yang berubah menjadi pemukiman.

3.2. Klasifikasi Tutupan Lahan

Pengkklasifikasian tutupan lahan ini dibagi dalam 4 kelas melalui metode klasifikasi tak
terbimbing. Empat kelas tersebut adalah Air, Lahan terbuka/Tanah, Pemukiman dan Vegetasi.

5
Kelompok 9 Mata Kuliah Aplikasi SIG dan Penginderaan Jauh

Pengelompokan ini didasarkan pada citra asli yang diperoleh dari satelit USGS (U.S Geological
Survey). Citra asli ini dapat dilihat pada gambar 4 dan 5.

Gambar 4. Citra Landsat 8 perekaman 24 Gambar 5. Citra Landsat perekaman 30

Oktober 2015 Mei 2020

Perhitungan luas tutupan lahan dilakukan secara sederhana yaitu mengalikan elemen setiap
kelas dengan 30 m x 30 m (resolusi 1 pixel). Hasil yang didapat pertama kali dalam satuan meter
persegi kemudian diubah menjadi kilometer persegi. Hasilnya tersebut dapat dilihat pada tabel 3.

Tabel.3 Perubahan luas tutupan lahan dari tahun 2015 ke 2020

Kelas Tutupan Luas(Km2)
NO Lahan 2015 2020 Perubahan
1 Air 15,526 15,344 -0,182
Lahan terbuka/
2 Tanah 13,460 29,387 15,926
3 Pemukiman 36,027 50,803 14,776
4 Vegetasi 461,931 431,461 -30,470
Total Luas 526,945 526,995

Sumber : Hasil Analisis(2021)

Keterangan : - : Penurunan
+ : Peningkatan

Berdasarkan tabel 3 diatas maka Luas tutupan lahan di tahun 2020 mengalami peningkatan pada dua
kelas yaitu lahan terbuka/tanah sebesar 15,926 km2 dan pemukiman sebesar 14,776 km2 sedangkan
pada kelas air dan vegetasi mengalami penurunan. Peningkatan permukiman ini berpengaruh pada
berkurangnya area vegetasi, sedangkan peningkatan pada kelas lahan terbuka/tanah apabila
dibandingkan dengan citra asli yang terekam maka lokasi perubahan lahan terbuka/tanah di bagian
utara ini terdapat tutupan awan. Pengujian akurasi perlu dilakukan untuk mendapatkan tingkat
ketelitian hasil.

3.3. Curah Hujan

Penelitian ini juga menganalisis curah hujan harian pada hari yang sama dengan perekaman satelit
landsat 8. Data curah hujan harian diperoleh dari data GPM tanggal 24 Oktober 2015 dan 30 Mei
2020. Hasilnya dapat dilihat pada gambar 6 dan gambar 7.

6
Kelompok 9 Mata Kuliah Aplikasi SIG dan Penginderaan Jauh

Gambar 6. Peta Curah Hujan Harian 2015

Gambar 7. Peta Curah Hujan Harian 2020

Dari hasil analisis peta curah hujan harian pada perekaman GPM 24 Oktober 2015 di ketahui
bahwa wilayah Kabupaten Bangli tidak terjadi hujan. Hal ini juga mempengaruhi hasil citra satelit

7
Kelompok 9 Mata Kuliah Aplikasi SIG dan Penginderaan Jauh

landsat 8 yang cerah tanpa tutupan awan sedangkan untuk curah hujan harian pada perekaman GPM
30 mei 2020 hujan terjadi di beberapa wilayah di Kabupaten Bangli yaitu berkisar antara 0,001mm
sampai dengan 0,083mm atau curah hujan rata-ratanya sebesar 0,042mm. Hal ini juga mempengaruhi
hasil citra landsat 8 di wilayah Bangli bagian utara yang tertutup awan.
Peningkatan curah hujan di wilayah Kabupaten Bangli pada tahun 2020 ini disebabkan oleh
keadaan iklim dan pertemuan arus udara di wilayah Kabupaten Bangli[1]. Perubahan luas vegetasi
juga menjadi salah satu faktor penyebab meningkatnya curah hujan di suatu wilayah.

4. Kesimpulan
Dari hasil penelitian ini dapat disimpulkan:
1. Terjadi peningkatan tutupan lahan di dua kelas yaitu lahan terbuka/tanah sebesar 3,02 % dan
peningkatan pemukiman sebesar 2,8% sebaliknya pada kelas air menurun 0,03 % serta vegetasi
mengalami penurunan 5,79%. Peningkatan permukiman ini berpengaruh pada berkurangnya
area vegetasi, sedangkan peningkatan pada kelas lahan terbuka/tanah apabila dibandingkan
dengan citra asli yang terekam maka lokasi perubahan lahan terbuka/tanah di bagian utara ini
terdapat tutupan awan. Pengujian akurasi perlu dilakukan untuk mendapatkan tingkat ketelitian
hasil.
2. Perubahan luas vegetasi juga menjadi salah satu faktor penyebab meningkatnya curah hujan di
wilayah Kabupaten Bangli dimana peningkatan curah hujan harian rata-ratanya sebesar
0,042mm.

Referensi
[1] Badan Pusat Statistik, Kabupaten Bangli Dalam Angka 2021. ©BPS KABUPATEN BANGLI,
2021.
[2] R. Prabowo, aziz nur Bambang, dan Sudarno, “Pertumbuhan Penduduk Dan Alih Fungsi
Lahan Pertanian,” J. Ilmu-Ilmu Pertan., vol. 16, no. 2, hal. 26–36, 2020.
[3] A. Samudra, “Alih Fungsi Lahan di Bangli Semakin Menjadi-jadi | Bali Tribune.”
https://balitribune.co.id/content/alih-fungsi-lahan-di-bangli-semakin-menjadi-jadi (diakses Jan
12, 2022).
[4] A. Khairawan, N. Falih, dan T. D. Handoko, “Analisis Perubahan Indeks Kerapatan Vegetasi
Memanfaatkan Citra Landsat (Studi Kasus: Provinsi DKI Jakarta).,” Senamika, vol. 1(2), hal.
62–72, 2020.
[5] R. M. Sampurno dan A. Thoriq, “KLASIFIKASI TUTUPAN LAHAN MENGGUNAKAN
CITRA LANDSAT 8 OPERATIONAL LAND IMAGER (OLI) DI KABUPATEN
SUMEDANG (Land Cover Classification using Landsat 8 Operational Land Imager (OLI)
Data in Sumedang Regency),” J. Teknotan, vol. 10 no.2, hal. 61–70, 2016, doi: 10.1016/s0376-
7388(00)85017-6.
[6] T. Maria Octarina, I. Dewa Nyoman Nurweda Putra, dan N. Kadek Ayu Wirdiani,
“Penginderaan Jauh Pemrosesan Data Satelit Landsat 8 Untuk Deteksi Genangan,” J. Ilm.
Merpati (Menara Penelit. Akad. Teknol. Informasi), vol. 7, no. 1, hal. 77, 2019, doi:
10.24843/jim.2019.v07.i01.p09.
[7] G. Sitanggang, “Kajian Pemanfaatan Satelit Masa Depan: Sistem Penginderaan Jauh Satelit
LDCM (Landsat-8),” Ber. Dirgant., vol. 11, no. 2, hal. 47–58, 2010.
[8] I. N. Hidayati, R. Suharyadi, dan P. Danoedoro, “Kombinasi Indeks Citra untuk Analisis Lahan
Terbangun dan Vegetasi Perkotaan,” Maj. Geogr. Indones., vol. 32, no. 1, hal. 24, 2018, doi:
10.22146/mgi.31899.