Laporan Praktikum

Penginderaan Jauh I
Modul ke - 5 : Transformasi Spektral Untuk Bidang
Perkotaan Dan Kehutanan

Disusun Oleh :

FAJAR WAHYU PUJADI

23117055

PROGRAM STUDI TEKNIK GEOMATIKA

JURUSAN TEKNOLOGI INFRASTRUKTUR DAN KEWILAYAHAN
INSTITUT TEKNOLOGI SUMATERA
2019
 FORMAT PENILAIAN

LAPORAN PRAKTIKUM PENGINDERAAN

JAUH I MODUL KE - 5

Nama Mahasiswa : Fajar Wahyu Pujadi

NIM : 23117055

No Unsur yang Dinilai SKOR

1. BAB I
2. BAB II
3. BAB III
4. BAB IV
5. BAB V

Asisten Praktikum

...................................

NIM.
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi penginderaan jauh kini hadir sebagai solusi
pemantauan hutan yang sangat luas, menggunakan teknologi satelit. Dengan
satelit, pemantauan hutan di seluruh Indonesia dapat dilakukan secara cepat dan
efisien. Ilmu penginderaan jauh telah berkembang sangat pesat dari masa ke masa.
Teknologi sistem sensor satelit dan algoritma pemrosesan sinyal dijital
memudahkan pengambilan informasi keadaan bumi secara lebih cepat, detil dan
akurat.
Penggunaan data satelit penginderaan jauh telah banyak digunakan untuk
pemantauan keadaan vegetasi di bumi. Salah satu teknologi penginderaan jauh
tersebut adalah satelit ALOS AVNIR-2. Citra ini memiliki resolusi spasial 10 m
dan resolusi spectral sebanyak 4 band. Indeks vegetasi merupakan algoritma yang
diterapkan dalam citra satelit untuk menonjolkan aspek vegetasi. Metode analisa
indeks vegetasi ada beberapa macam antara lain NDVI (Normalized Difference
Vegetation Index), EVI-2 (Enhanced Vegetation Index-2), dan SAVI (Soil
Adjusted Vegetation Index).
Saat ini berbagai macam sensor satelit dimanfaatkan untuk memantau kondisi
kehijauan vegetasi bumi, antara lain : MODIS, MISR, ASTER, IKONOS,
Quickbird, VEGETATION, AVHRR, dan lain-lain. Masing-masing satelit melalui
berbagai sensornya mempunyai fungsi yang spesifik dalam mengolah informasi
vegetasi. Indek vegetasi dapat diukur menggunakan algoritma NDVI dan EVI.
Kedua indeks vegetasi ini dipilih karena walaupun banyak faktor yang
membatasinya, NDVI masih menjadi kuantitas monitoring vegetasi yang penting
untuk mengkaji kapasitas fotosintesis permukaan daratan pada skala spasial yang
tepat dalam berbagai keadaan.

1.2 Tujuan
 Mengetahui perbandingan pada setiap rumus indeks vegetasi yang digunakan
 Mengetahui jenis-jenis rumus penentuan indeks vegetasi
 Mengetahui konversi rumus indeks vegetasi ke dalam band math
 Mengatahui klasifikasi kerapatan indeks vegetasi

1.3 Waktu dan Tempat

 Tempat : Laboratorium Geomatika
 Tanggal : 13 November 2019
 Waktu : 09.00 – 11.00 WIB
 BAB II

DASAR TEORI
2.1 Indeks Vegetasi
Indeks vegetasi adalah besaran nilai kehijauan vegetasi yang diperoleh dari
pengolahan sinyal dijital data nilai kecerahan (brightness) beberapa kanal data
sensor satelit. Untuk pemantauan vegetasi, dilakukan proses pembandingan antara
tingkat kecerahan kanal cahaya merah (red) dan kanal cahaya inframerah dekat
(near infrared). Fenomena penyerapan cahaya merah oleh klorofil dan pemantulan
cahaya inframerah dekat oleh jaringan mesofil yang terdapat pada daun akan
membuat nilai kecerahan yang diterima sensor satelit pada kanal-kanal tersebut
akan jauh berbeda. Pada daratan non-vegetasi, termasuk diantaranya wilayah
perairan, pemukiman penduduk, tanah kosong terbuka, dan wilayah dengan
kondisi vegetasi yang rusak, tidak akan menunjukkan nilai rasio yang tinggi
(minimum). Sebaliknya pada wilayah bervegetasi sangat rapat, dengan kondisi
sehat, perbandingan kedua kanal tersebut akan sangat tinggi (maksimum). Nilai
perbandingan kecerahan kanal cahaya merah dengan cahaya inframerah dekat atau
NIR/RED, adalah nilai suatu indeks vegetasi (yang sering disebut ”simple ratio”)
yang sudah tidak dipakai lagi. Hal ini disebabkan karena nilai dari rasio NIR/RED
akan memberikan nilai yang sangat besar untuk tumbuhan yang sehat . Oleh
karena itu, dikembangkanlah suatu algoritma indeks vegetasi yang baru dengan
normalisasi, yaitu NDVI (Normalized Difference Vegetation Index) seperti
berikut ini:

[( 𝑁𝐼𝑅/𝑅𝐸𝐷 )−1]
NDVI = (2)
[( 𝑁𝐼𝑅/𝑅𝐸𝐷)+1]

yang ekivalen dengan:

𝑁𝐼𝑅−𝑅𝐸𝐷
NDVI = 𝑁𝐼𝑅+𝑅𝐸𝐷 (3)

Indeks vegetasi berbasis NDVI yang ditunjukkan pada persamaan (3), mempunyai
nilai yang hanya berkisar antara -1 (non-vegetasi) hingga 1 (vegetasi). Setelah
NDVI diperoleh, langkah selanjutnya adalah membuat skala warna (color map)
tingkat vegetasi agar diperoleh informasi lebih lanjut.

Beberapa varian dan penyempurnaan NDVI telah banyak dikembangkan.

Contohnya, SAVI yang merupakan perbaikan dari NDVI untuk koreksi pantulan
cahaya dari tanah, ARVI yang memperhitungkan hamburan cahaya biru di
atmosfir terhadap nilai NDVI. Salah satu pengembangan indeks vegetasi yang
merupakan penurunan dari SAVI dan ARVI adalah EVI yang lebih tahan terhadap
pengaruh komposisi aerosol atmosfir dan pengaruh variasi warna tanah,
dirumuskan pada persamaan (4).

𝑁𝐼𝑅−𝑅𝐸𝐷
𝐸𝑉𝐼 = 𝐺 ∗ (4)
(𝐿+𝑁𝐼𝑅+𝐶1𝑅𝐸𝐷−𝐶2𝐵𝐿𝑈𝐸)

Agar tahan terhadap distorsi atmosfir, EVI menggunakan informasi kanal

cahaya biru. Variabel C1 dan C2 pada persamaan (4) adalah adalah faktor
pembobotan untuk mengatasi aerosol, sedangkan variabel L adalah faktor
kalibrasi efek kanopi dan tanah, sedangkan G adalah faktor skala agar nilai EVI
berada pada rentang antara -1 hingga 1. Nilai variabel L, C1, C2, dan G biasanya
diberikan nilai masingmasing 1, 6, 7.5, dan 2.5 [11].
Algoritma EVI juga dirancang agar memiliki sensitifitas yang lebih baik
terhadap citra daerah sangat hijau (subur dan lebat). Untuk data MODIS, hal ini
ditunjukkan pada Gambar 5. Tampak bahwa pada vegetasi yang rapat (dense
vegetation), nilai NDVI sudah tidak merespon pada level 0.8 (saturasi), sedangkan
EVI masih tetap memiliki respon.
Pada sensor satelit NOAA/AVHRR yang memiliki 5 kanal, indeks
vegetasi dihitung menggunakan data kanal tampak/visible (kanal 1, λ=0.5-0.68
µm) dan inframerah dekat (kanal 2, λ=0.725-1 µm). NDVI dapat secara langsung
dihitung menggunakan persamaan (5).

𝐾𝑎𝑛𝑎𝑙2−𝐾𝑎𝑛𝑎𝑙1
𝑁𝐷𝑉𝐼 = (5)
𝐾𝑎𝑛𝑎𝑙2+𝐾𝑎𝑛𝑎𝑙1

Nilai NDVI yang dihasilkan oleh AVHRR memberikan cakupan area yang sangat
luas karena mempunyai resolusi per piksel sebesar 1.1 km2 [12]. Sama halnya
dengan AVHRR, data sensor MODIS dapat digunakan untuk menghitung indeks
vegetasi NDVI menggunakan persamaan (6). Data kanal 1 (λ=0.62-0.67 µm)
merupakan data pada panjang gelombang merah dan kanal 2 (λ=0.841-0.872 µm)
mewakili inframerah dekat [13].

𝐾𝑎𝑛𝑎𝑙2−𝐾𝑎𝑛𝑎𝑙1
𝑁𝐷𝑉𝐼 = (6)
𝐾𝑎𝑛𝑎𝑙2+𝐾𝑎𝑛𝑎𝑙1

Sedangkan untuk menghitung nilai EVI, MODIS mempunyai kanal biru pada
kanal 3 dengan formulasi pada persamaan (7).

𝐾𝑎𝑛𝑎𝑙2−𝐾𝑎𝑛𝑎𝑙1
𝐸𝑉𝐼 = (1.5 + 𝐿) (7)
𝐾𝑎𝑛𝑎𝑙2+𝐶1 ×𝐾𝑎𝑛𝑎𝑙1+𝐶2 ×𝐾𝑎𝑛𝑎𝑙3+𝐿

Dimana kanal 3 adalah sensor cahaya biru untuk panjang gelombang antara 0.460-
0.480 µm [13]. Sedangkan variabel lainnya bernilai sama dengan yang sudah
ditetapkan pada persamaan (4) [14].
 BAB III
LANGKAH KERJA
3.1 Alat dan Bahan
Alat dan bahan yang digunakan
 Software pengolahan citra Digital ENVI
 Citra satelit Landsat 8

3.2 Langkah Kerja

a. Normalized Difference Vegetation Index (NDVI)
1. Buka aplikasi ENVI Classic.

2. Pilih file, open image file. Kemudian pilih band 1-6 yang sebelumnya
sudah dikoreksi radiometrik, kemudian di layer stacking
3. Tampilkan citra tadi dengan Load Band menggunakan komposit 4-3-2

4. Selanjutnya klik Basic Tools, lalu klik Band Math, kemudian masukkan
rumus NDVI, lalu klik ok

5. Sebelum di load band untuk band NDVI diatur terlebih dahulu sesuai band
nya dan di save
6. Selanjutnya klik Load Band untuk melihat hasil NDVI

7. Kemudian tampilkan histogram dari NDVI tersebut dan juga tabel

Spatial Pixel Editor, untuk menampilkan histogram dapat di buka
melalui Quick Stats dan untuk menampilkan tabel Spatial Pixel Editor
klik tools lalu klik Spatial Pixel Stats

8. Kemudian tampilkan Density Slice dan kerapatan vegetasi, untuk

menampilkan Density Slice klik overlay lalu klik Density Slice dan
disana sudah muncul langsung nilai kerapatan vegetasi.
b. Simple Ratio (SR)
1. Buka aplikasi ENVI Classic.

2. Pilih file, open image file. Kemudian pilih band 1-6 yang sebelumnya
sudah dikoreksi radiometrik, kemudian di layer stacking.
3. Tampilkan citra tadi dengan Load Band menggunakan komposit 4-3-2
4. Selanjutnya klik Basic Tools, lalu klik Band Math, kemudian masukkan
rumus SR, lalu klik ok
5. Sebelum di load band untuk band SR diatur terlebih dahulu sesuai band
nya dan di save
6. Selanjutnya klik Load Band untuk melihat hasil SR

7. Kemudian tampilkan histogram dari SR tersebut dan juga tabel Spatial

Pixel Editor, untuk menampilkan histogram dapat di buka melalui Quick
Stats dan untuk menampilkan tabel Spatial Pixel Editor klik tools lalu klik
Spatial Pixel Stats
c. Enhanced Vegetation Index (EVI)
1. Buka aplikasi ENVI Classic.
2. Pilih file, open image file. Kemudian pilih band 1-6 yang sebelumnya
sudah dikoreksi radiometrik, kemudian di layer stacking.
3. Tampilkan citra tadi dengan Load Band menggunakan komposit 4-3-2
4. Selanjutnya klik Basic Tools, lalu klik Band Math, kemudian masukkan
rumus EVI, lalu klik ok
5. Sebelum di load band untuk band EVI diatur terlebih dahulu sesuai band
nya dan di save

6. Selanjutnya klik Load Band untuk melihat hasil NDVI

 7. Kemudian tampilkan histogram dari EVI tersebut dan juga tabel Spatial
Pixel Editor, untuk menampilkan histogram dapat di buka melalui Quick
Stats dan untuk menampilkan tabel Spatial Pixel Editor klik tools lalu klik
Spatial Pixel Stats

d. Atmospherically Resistant Vegetation Index (ARVI)

1. Buka aplikasi ENVI Classic.

2. Pilih file, open image file. Kemudian pilih band 1-6 yang sebelumnya
sudah dikoreksi radiometrik, kemudian di layer stacking.
3. Tampilkan citra tadi dengan Load Band menggunakan komposit 4-3-2
4. Selanjutnya klik Basic Tools, lalu klik Band Math, kemudian masukkan
rumus ARVI, lalu klik ok
5. Sebelum di load band untuk band ARVI diatur terlebih dahulu sesuai band
nya dan di save
6. Selanjutnya klik Load Band untuk melihat hasil ARVI
7. Kemudian tampilkan histogram dari EVI tersebut dan juga tabel Spatial
Pixel Editor, untuk menampilkan histogram dapat di buka melalui Quick
Stats dan untuk menampilkan tabel Spatial Pixel Editor klik tools lalu klik
Spatial Pixel Stats
 BAB IV
HASIL DAN ANALISIS
4.1 Hasil
a. Hasil NDVI
b. Hasil SR

c. Hasil EVI
d. Hasil ARVI
4.2 Pembahasan
Pada praktikum kali, membahas tentang transformasi spektral pada bidang
perkotaan dan kehutanan. Ada empat hal yang dilakukan oleh praktikan untuk
melihat indeks vegetasi yaitu NDVI (Normalized Difference Vegetation Index),
SR (Simple Ratio), EVI (Enhanced Vegetation Index), dan ARVI
(Atmospherically Resistant Vegetation Index). Untuk Transformasi NDVI didapat
nilai indeks berkisar -1 hingga 1. Dengan demikian berarti dapat diartikan
bahwasanya semakin tinggi nilai setiap piksel maka semaki tinggi juga kerapatan
vegetasi yang ada, begitupun sebaliknya. Untuk transformasi ini menggunakan
band 3 dan 4 untuk mendapatkan nilai kerapatan dari vegetasi. Lalu untuk
transformasi simple ratio, menggunakan band 3 dan 4 juga. Dimana dapat dilihat
bahwa nilai indeks berkisar 0 hingga 1,736. Dimana dari hasil transformasi dapat
diketahui warna vegetasi lebih cerah dibandingkan non vegetasi. Kemudian
dilakukan transformasi EVI yang dapat dilihat bahwasanya nilai indeks yang
didapat adalah -10195 hingga 7680. Dari hasilnya terlihat warna dari transformasi
EVI lebih cerah untuk ndeks vegetasinya. Dan terakhir adalah transformasi ARVI
yang merupakan penerapan normalisasi terhadap radiansi pada saluran merah,
biru daan inframerah. Untuk nilai indeks yang dihasilkan, transformasi ini
menghasilkan nilai indeks untuk vegetasi berkisar -95,65 hingga 1.
 BAB V
KESIMPULAN

5.1 Kesimpulan
 Indeks vegetasi merupakan besaran nilai kehijauan vegetasi yang
diperoleh dari pengolahan sinyal dijital data nilai kecerahan (brightness)
beberapa kanal data sensor satelit.
 Untuk melihat indeks vegetasi dapat dilakukan dengan cara transformasi
NDVI, SR, EVI, ARVI

5.2 Saran
 Praktikan harus lebih fokus saat mendengarkan asisten menjelaskan
materi agar tidak tertinggal dalam melakukan arahan dari asisten.
 Diharapkan kepada asisten untuk lebih memperlambat dalam
menjelaskan karena daya tangkap setiap praktikan berbeda
 DAFTAR PUSTAKA

Prameswari, A.A.S.R., Hariyanto, T., Sidik, F. 2015. ANALISIS INDEKS VEGETASI

MANGROVE MENGGUNAKAN CITRA SATELIT ALOS AVNIR-2 (Studi Kasus:
Estuari Perancak, Bali). Surabaya. ITS

Sudiana, D., dan Diasmara, E. 2008. Analisis Indeks Vegetasi menggunakan Data
Satelit NOAA/AVHRR dan TERRA/AQUA-MODIS. Depok. UI

Modul 5 Praktikum Penginderaan Jauh