5C-Kelompok 6 - Artikel NDVI Dan LST - Revisi

DRAFT ARTIKEL ILMU PENGETAHUAN BUMI DAN ANTARIKSA
2023
CASE REPORT ARTICLE
Analisis NDVI dan Suhu Permukaan pada Daerah Karawang Menggunakan Aplikasi ARc Map
Rizqi Al Fajri1, Salsabila Rheinata R.P.S2, Saufa Ulya Fauziah3, Silva Nurul Fajar A4, Solihah Nurhasanah5
1Program Studi Pendidikan Fisika, Fakultas Tarbiyah dan Keguruan, Universitas Islam Negeri Sunan Gunung Djati Bandung, Jl. A.H. Nasution No. 105A,
Cibiru,, Bandung, Jawa Barat, Indonesia 40614
2Program Studi Pendidikan Fisika, Fakultas Tarbiyah dan Keguruan, Universitas Islam Negeri Sunan Gunung Djati Bandung, Jl. A.H. Nasution No. 105A,
Cibiru,, Bandung, Jawa Barat, Indonesia 40614
ARTICLE INFO ABSTRAK
Article history:
Berkurangnya lahan bervegetasi dan peningkatkan lahan terbangun berdampak pada
Dikirim: mm.dd.yyyy peningkatan LST disebabkan oleh pertumbuhan perkotaan LST. Penelitian ini bertujuan
Direvisi: mm.dd.yyyy untuk mengetahui kerapatan vegetasi dan sebaran suhu permukaan di kabupaten
Diterima: mm.dd.yyyy Karawang pada tahun 2017-2021 dengan menggunakan metode NDVI (Normalized
Difference Vegetation Index) dan Land Surface Temperature (LST). Metodologi yang
digunakan dalam penelitian ini adalah metode penginderaan jauh (remote sensing), dengan
fokus pada analisis Normalized Difference Vegetation Index (NDVI) dan analisis Land
Surface Temperature (LST). Data yang diperoleh melalui Google Earth Engine (GEE).
Berdasarkan hasil penelitian yang dilakukan, terdapat nilai NDVI dan LST yang fluktuatif
pada tiap bulannya. Kesimpulan pada penelitian ini adalah kendati nilai NDVI dan LST
fluktuatif, menunjukan kesimpulan yang sama pada uji yaitu ketika kerapatan vegetasi
meningkat, maka suhu permukaan akan menurun, dan sebaliknya.
Keywords: Karawang; LST; NDVI; GEE
ABSTRACT
Reducing vegetated land and increasing built-up land has an impact on increasing LST due to
LST urban growth. This research aims to determine vegetation density and surface
temperature distribution in Karawang district in 2016-2021 using the NDVI (Normalized
Difference Vegetation Index) and Land Surface Temperature (LST) methods. The methodology
used in this research is a remote sensing method, with a focus on Normalized Difference
Vegetation Index (NDVI) analysis and Land Surface Temperature (LST) analysis. Data
obtained via Google Earth Engine (GEE). Based on the results of research conducted, there are
NDVI and LST values that fluctuate every month. The conclusion of this research is that
although the NDVI and LST values fluctuate, the test shows the same conclusion, namely that
when vegetation density increases, surface temperature will decrease, and vice versa.
Keywords: Karawang; LST; NDVI; GEE
1. PENDAHULUAN
Semakin bertambahnya tahun iklim di dunia banyak mengalami perubahan yang sangat signifikat, contohnya suhu
udara yang sektika panas dan kemudian menjadi dingin. Gejala ini bisa disebbakan karena danya global warming akibat
banyaknya buangan gas yang dihasilkan dari berbagai sektor seperti pertanian, industri, dan vegetasi [1] . Pengertian
vegetasi ini adalah kumpulan dari macam-macam tumbuhan secara besar tumbuh disuatu wilayah [2]. Vegetasi adalah
komponen yang sangat penting dapat mempengaruhi lingkungan wilayah kabupaten atau kota [3].
Kenaikan suhu udara di permukaan bumi akibat efek rumah kaca dan perubahan penggunaan lahan yang
menghilangkan vegetasi adalah salah satu faktor utama yang berkontribusi pada perubahan iklim ekstrem di planet ini.
Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel
🖂
Emailkorespodensi@domain.com
©Riki Purnama Putra, S.Pd., PhP.E., MLab.E ©Rena Denya Agustina, M.Si ©Forum Aslab UIN Sunan Gunung Djati Bandung
1
2023
CASE REPORT ARTICLE
Bukti-bukti untuk hal ini didukung oleh laporan dari Intergovernmental Panel on Climate Change (IPCC), sebuah badan
yang dibentuk oleh World Meteorological Organization (WMO). [4]
Masalah dunia yang sering dihadapi dengan serius yaitu peningkatan populasi diperkotaan, karena timbul dampak
signifikan pada peningkatan Land Surface Temperature (LST) dan mempunyai pengaruh sangat linier terhadap
pertumbuhan perkotaan [5]. Berkurangnya lahan bervegetasi dan mpeningktana lahan terbangun berdampak pada
peningkatan LST disebabkan oleh pertumbuhan perkotaan LST. Penaikkan suhu di permukaan tanah (LST)
menyebabkan daerah yang di kota mengalamai kenaikan suhu lebih tinggi daripada daerah yang disesa atau kita biasa
mengenal sebagai efek Urban Heat Island.
Deteksi indeks vegetasi normal (NDVI) dan suhu permukaan tanah (LST) dapat dilakukan dengan menggunakan data
citra Landsat 8. Analisis NDVI melibatkan reflektansi dari band Red dan Near-Infrared (NIR) pada citra tersebut,
sementara suhu permukaan tanah dihitung berdasarkan nilai radiasi pada band termal. Teknik ini memanfaatkan
kemampuan penginderaan jauh untuk menghitung LST dengan efisien, terutama saat diterapkan pada skala perkotaan
yang lebih luas. [6]
Peralihan kegunaan lahan yang bervegetasi berubah menjadi kawasan pembangunan industri dan pemukiman
dampat adanya kenaikan jumlah penduduk yang selalu berkesinambungan [7], sehingga dampak parah yang ditimbulkan
bagi lingkngan salah satunya yaitu suhu udara. Suhu wilayah yang memiliki vegetasi yang rendah akan bersuhu lebih
tinggi apabila dibandingkan dengan wilayah bervegetasi akan cenderung memiliki suhu wilayah yang rendah [8].
Semakin rendahnya vegetasi maka suhu permukaan akan semakin meningkat [9]. Dengan demikian, vegetasi dapat
berperan menjaga suhu permukaan melaui proses fotosintesis menggunakan sinar matahari, sehingga dapat menahan
sinar matahari dan suhu udara menjadi lebih rendah [10].
Banyak daerah di Indonesia, termasuk Kabupaten Karawang, menghadapi masalah alih fungsi lahan. Kabupaten
Karawang, yang merupakan kota industri dengan luas wilayah sekitar 1.753 km2, menjadi salah satu lokasi yang terkena
dampak. Wilayah ini memiliki ciri khas dataran rendah sebagian besar dan sebagian kecil dataran tinggi. [11]. Di
Karawang, sejumlah besar lahan telah mengalami perubahan fungsi menjadi area non-vegetasi, seperti pemukiman dan
industri. Sebagai contoh, di Desa Paseurjaya, Kabupaten Karawang, banyak penduduk yang beralih profesi menjadi
karyawan pabrik karena terjadinya penurunan luas lahan pertanian. [12].
Energi Panas Bumi adalah sumber daya energi yang terdapat dalam lapisan batuan di bawah permukaan bumi, yang
mengandung fluida. Untuk mengidentifikasi potensi Panas Bumi, metode penginderaan jauh digunakan, di mana peta
temperatur permukaan tanah dan batuan dapat diperoleh. Penginderaan jauh merupakan proses interpretasi citra tanpa
melakukan kontak langsung dengan objek penelitian, memanfaatkan seni dalam memproses informasi terkait objek dan
lingkungan dari jarak jauh. Penelitian ini bertujuan untuk menentukan korelasi antara Land Surface Temperature (LST)
dan elevasi, mengidentifikasi hubungan antara Normalized Difference Vegetation Index (NDVI) dan Land Surface
Temperature (LST), serta menganalisis pola fluktuasi suhu di titik manifestasi.. [13]
Berdasarkan hasil survei dilapangan sekitar 150.000 sampai 200.000 hektar setiap tahun lahan sawah yang dialih
fungsikan di kabupaten Karawang [14]. Hal tersebut menjadi pemicu terjadinya berbagai masalah di kota yang dikenal
dengan istilah Urban Heat Island (UHI) [15]. Urban Heat Island (UHI) ialah sebuah fenomena perubahan iklim yang
secara khusus berkiatan dengan peningkatan suhu di wilayah kota tertentu [16]. Fenomena tersebut terjadi karena di
kota banyak terjadi pembangunan, sehingga vegetasinya menjadi berkurang. Dengan adanya vegetasi dapat bermanfaat
untuk mengatasi permasalah di wilayah perkotaan terutama dalam mengontrol suhu [17].
Dalam menindak lanjuti dan memperhatikan terkait fenomena yang berkaitan dengan suhu dan kerapatan vegetasi,
dapat dilakukan penelitian dengan memanfaatkan kemajuan teknologi yang menyediakan platform pengindraan jarak
jauh atau citra satelit yang dapat menganalisis indeks nilai vegetasi dan suhu permukaan suatu wilayah, seperti citra
satelit landsat 8 OLI/TIRS [18]. Citra satelit yang biasa digunakan menggunakan Google Earth Engine merupakan portal
web yang menyediakan citra satelit deret waktu global dan data vector untuk menganalisis suhu permukaan suatu
wilayah dan USGS (United Stated Geological Survey) dalam menganalisis kerapatan vegetasi [19].
Oleh sebab itu, penelitian ini bertujuan untuk mengetahui kerapatan vegetasi dan sebaran suhu permukaan di kabupaten
Karawang pada tahun 2017-2021 dengan menggunakan metode NDVI (Normalized Difference Vegetation Index) dan Land
Surface Temperature (LST). NDVI yaitu metode yang digunakan untuk meninjau kerapatan vegetasi,pada suatu wilayah
dengan menggunakan citra satelit landsat 8 OLI [20] sedangkan LST adalah metode untuk menentukan sebaran suhu
permukaan pada daerah tertentu terhadap pengaruh lahan bervegetasi dan non vegetasi [21]. Diharapkan penelitian ini
dapat membantu pengembangan penelitian yang berkelanjutan dan menjadi perhatian untuk senantiasi melestarikan
🖂
2
2023
CASE REPORT ARTICLE
lingkungan dengan cara tetap mempertahankan vegetasi agar tidak terjadi perubahan suhu yang signifikan. [22]
2. METODE
Penelitian ini menggunakan metode penginderaan jauh, dengan fokus pada analisis Normalized Difference
Vegetation Index (NDVI) dan analisis Land Surface Temperature (LST). Data NDVI dan LST untuk tahun 2016 dan 2021
diperoleh melalui Google Earth Engine (GEE). Setelah memperoleh data NDVI dan LST, dilakukan analisis korelasi
spasial dan uji regresi linear sederhana antara kedua parameter tersebut di Kabupaten Karawang, menggunakan
perangkat lunak SIG QGIS 3.16.8-Hannover dan Excel 2016.
1. Penginderaan Jauh dan Google Earth Engine

Penginderaan jauh merupakan teknologi yang bermula dari inisiatif NASA Amerika Serikat dengan
meluncurkan satelit sumber daya alam pertama, yaitu ERTS-1 (Earth Resources Technology Satellite), pada
tanggal 23 Juli 1972. Serangkaian satelit Landsat, seperti Landsat 1, 2, 3, 4, 5, 6, 7, 8, dan yang terbaru, Landsat 9,
digunakan dalam penelitian ini untuk menganalisis perubahan spasial dan temporal NDVI dan LST di Kabupaten
Karawang.
Google Earth Engine (GEE) adalah platform berbasis awan yang memungkinkan akses ke sumber daya
komputasi berkinerja tinggi untuk memproses data geospasial besar tanpa perlu perangkat keras atau perangkat
lunak rumit. GEE memiliki katalog besar citra satelit dan data geospasial, yang memungkinkan ilmuwan, peneliti,
dan pengembang untuk menganalisis perubahan, tren peta, dan perbedaan di permukaan bumi. GEE dapat
digunakan untuk menganalisis kondisi hutan, badan air, perubahan tata guna lahan, perubahan NDVI, dan studi
kondisi lahan pertanian.
2. Analisis NDVI
Analisis NDVI sangat penting karena data vegetasi menjadi dasar untuk keperluan ilmiah dan praktis,
seperti pemantauan keanekaragaman hayati, pengelolaan hasil hutan, perencanaan tata guna lahan, pemantauan
tata air, perlindungan tanah, analisis kebencanaan, serta pemahaman tentang kondisi pertambangan dan lainnya.
Vegetasi, menurut KÜ chler (1967), merupakan mozaik dari berbagai komunitas tumbuhan dalam lanskap.
Adanya kenaikan suhu permukaan yang berkaitan dengan penurunan kerapatan vegetasi mengindikasikan
interaksi antara kondisi lingkungan dan perubahan iklim (Dede et al., 2019).
Salah satu yang menggunakan parameter untuk mengevaluasi pada wilayah tersebut disebut NDVI
(Normalized Difference Vegetation Index). Menghitung NDVI didasarkan pada prinsip tanaman hijau secara
efektif radiasi diserap pada daerah spektrum cahaya tampak (Photosynthetically Active Radiation, PAR) dan
radiasi dipantulkan pada daerah inframerah terdekat. Perhitungan NDVI dapat dilakukan seperti yang dijelaskan
dalam beberapa referensi (Darlina, Sasmito, & Yuwono, 2018; Muzaky & Jaelani, 2019; Putra, Sukmono, &
Sasmito, 2018; Zhang, Estoque, & Murayama, 2017):
NDVI = (NIR - Red) / (NIR + Red)

🖂
3
2023
CASE REPORT ARTICLE
NIR−Red
NDKI = ................................................................................................(1)
NIR+ Red
Di mana:
- NIR adalah reflektansi inframerah dekat dari permukaan.
- Red adalah reflektansi dalam daerah spektrum merah dari permukaan.
Hasil perhitungan NDVI ini akan menghasilkan nilai antara -1 hingga 1. Nilai NDVI yang lebih tinggi
cenderung menunjukkan vegetasi yang lebih sehat dan lebih padat, sementara nilai yang lebih rendah cenderung
mengindikasikan kurangnya vegetasi atau tanah yang tidak ditutupi oleh tanaman hijau.
NDVI adalah alat penting dalam pemantauan vegetasi, perubahan tata guna lahan, dan pemahaman
dinamika lingkungan alam. Data NDVI dapat digunakan untuk berbagai tujuan, termasuk pemantauan kesehatan
tanaman, pemantauan perubahan iklim, dan penelitian ekologi.
Pada persamaan (1), Radiasi inframerah dekat yang ada pada piksel (NIR) dan radiasi cahaya merah
(Red) . nilai yang ada pada kisaran dari -1 (biasanya air) sampai +1 (vegetasi lebat).
Menurut Sobrino, Jiménez-Muñ oz, & Paolini, (2004) pada kategori NDVI dibagi menjadi 3 sebagai
berikut: (a) NDVI < 0.2 pada problematika ini, menganggap lahan gundul sebagai piksel. (b) nilai NDVI pada
piksel lebih tinggi dari 0,5 beranggapan vegetasi penuh merupakan NDVI > 0.5. (c) pada masalah ini 0.2 ≤ NDVI ≤
0.5, campuran lahan gundul dan vegetasi merupakan bagian – bagian pada piksel. Untuk penelitian ini kami
mengklasifikasi NDVI seperti pada Tabel 1.
Tabel 1 Klasifikasi NDVI

Nilai NDVI
Klasifikasi Keterangan
Min Max
-1 0 Tanpa Vegetasi Air
0 0.2 Vegetasi Rendah Lahan gundul, bangunan
0.2 0.5 Vegetasi Sedang Campuran lahan gundul dan lahan bervegetasi
0.5 1 Vegetasi Tinggi Lahan bervegetasi penuh
Sumber:Hasil analisis,2021
3) Analisis Land Surface Temperature

Penggunaan Land Surface Temperature (LST) dalam penelitian ini sangat relevan untuk memahami
distribusi suhu permukaan di tahun 2016 dan 2021. Berikut adalah langkah-langkah yang diikuti dalam
analisis LST, sebagaimana dijelaskan oleh Sejati et al. (2019):
🖂
4
2023
CASE REPORT ARTICLE
1. Konversi Digital Number (DN) ke Radian Spektral (Lλ):

Pertama, DN dari band termal Landsat 8 diubah menjadi nilai radiance spektral (Lλ) menggunakan
persamaan (2):
Lλ = MLQcal + AL ............................................................................................(2)
- Lλ adalah Radiance Spektral Tingkat Atas (TOA).

- ML adalah faktor multiplikasi yang diperoleh dari metadata Landsat 8
- AL adalah nilai tambahan yang diperoleh dari metadata Landsat 8 (RADIANCE_ADD_BAND_10).
- Qcal adalah Digital Number.
2. Perhitungan Land Surface Temperature (LST):

Selanjutnya, nilai radiance (Lλ) diubah menjadi suhu permukaan (LST) dalam satuan Kelvin dengan
menggunakan algoritma Planck, sebagaimana ditunjukkan dalam persamaan (3):
K2
T=
ln
L( )
K1
+1
........................................................................................(3)
- T adalah brightness temperature (K).

- Lλ adalah radiance spektral.
- K1 adalah nilai konstanta yang diperoleh dari metadata Landsat 8 (K1_CONSTANT_BAND_10).
- K2 adalah nilai konstanta yang diperoleh dari metadata Landsat 8 (K2_CONSTANT_BAND_10).
3. Konversi LST ke Derajat Celsius:

Suhu permukaan yang diukur dalam satuan Kelvin dikonversi menjadi derajat Celsius menggunakan
persamaan (4):
T(C) = T(K) – 273.15 .............................................................................(4)
- T(C) adalah suhu LST dalam derajat Celsius.

- T(K) adalah suhu LST dalam derajat Kelvin.
- 273.15 adalah konstanta konversi dari Kelvin ke Celsius.
Langkah-langkah ini memungkinkan Anda untuk menghasilkan data LST yang dapat digunakan untuk
menganalisis distribusi suhu permukaan di wilayah yang diteliti. Seluruh proses analisis NDVI dan LST
ini dapat dijalankan dalam JavaScript menggunakan Platform Editor Kode yang tersedia di Google Earth
🖂
5
2023
CASE REPORT ARTICLE
Engine (GEE). Kode opensource ini tersedia di repositori Google Earth Engine yaitu pada alamat:
https://earthengine.googlesource.com/users/nurwa/LSTandNDVI.
1. Analisis Korelasi NDVI Terhadap LST
pada tahap berikutnya adalah menganalisis kolerasi spasial dan uji regresi linear
sederhana supaya mengetahui hubungan antara NDVI dan LST Kota Karawang pada tahun 2019
dan tahun 2023. Dengan menggunakan persamaan sebagai berikut:
y = a + bx ....................................................................................................(5)
Dalam persamaan (4), variabel \(x\) mewakili variabel independen, yaitu
NDVI, sementara variabel \(y\) mewakili variabel dependen, yaitu LST. Analisis regresi
linear sederhana akan memberikan informasi tentang kekuatan dan arah hubungan antara
variabel independen dan variabel dependen.
Koefisien determinasi (\(R^2\)) akan diindikasikan selama variabel
dependen (LST) dijelaskan oleh variabel independen (NDVI) dalam berbagai variasi.. \
(R^2\) berkisar antara 0 hingga 1, di mana semakin mendekati 1, semakin kuat
hubungannya. Ini mengukur sejauh mana NDVI mempengaruhi variasi dalam LST.
Selain itu, tanda (positif atau negatif) dari koefisien regresi (\(b\)) akan
memberikan informasi tentang arah hubungan. Koefisien regresi positif (+) menunjukkan
bahwa jika NDVI meningkat, LST juga cenderung meningkat, yang menunjukkan hubungan
positif atau sebanding. Di sisi lain, koefisien regresi negatif (-) menunjukkan bahwa jika
NDVI meningkat, LST cenderung menurun, menggambarkan hubungan negatif atau
berlawanan.
Jadi, analisis regresi linear sederhana akan memberikan pemahaman tentang
sejauh mana dan arah hubungan antara NDVI dan LST di Kota Karawang, apakah mereka
berkorelasi positif atau negatif, serta sejauh mana NDVI dapat menjelaskan variasi dalam
LST.
3. HASIL
1. NDVI (Normalized Difference Vegetation Index)

Indeks Vegetasi merupakan sebuah indeks yang digunakan untuk mengukur dan memantau kesehatan dan
kepadatan vegetasi di suatu area, khususnya dalam aplikasi pemantauan lahan, pertanian, dan lingkungan. Nilai

🖂
6
2023
CASE REPORT ARTICLE
indek vegetasi dihitung menggunakan data dari citra satelit atau sensor jarak jauh, yang mengukur cahaya tampak
dan inframerah dari permukaan bumi.
Pada tahun 2017, nilai NDVI minimum kabupaten karawang adalah -0.1971 dan nilai NDVI maksimumnya
adalah 0.8789 (gambar 1). Nilai NDVI 0.1 mengindikasikan keberadaan padang rumput dan semak belukar
sementara nilai NDVI yang berkisar antara 0.1 hingga 0.8 mencerminkan keberadaan hutan hujan tropis.
Sebaliknya, ketika nilai NDVI mendekati +1, itu menandakan adanya tutupan vegetasi yang sangat subur. (Jaya &
Etyarsah, 2021).
Gambar 1. NDVI Kabupaten Karawang tahun 2017

Data NDVI hasil proyeksi citra landsat 8 OLI/TIRS C2 L1 Kota Karawang dari bulan Januari-Desember 2017 dapat
dilihat dalam tabel berikut:
NDVI
Bulan
Maksimum Minimum
Mei 0.8789 -0.2292
Juli 0.8543 -0.2127
Agustus 0.8182 0.0822
September 0.7066 -0.1971
Tabel 1. NDVI Kabupaten Karawang bulan Januari-Desember 2017
Pada tahun 2018, nilai NDVI minimum adalah dan nilai NDVI maksimum adalah (gambar 2).

🖂
7
2023
CASE REPORT ARTICLE
Data NDVI hasil proyeksi citra landsat 8 OLI/TIRS C2 L1 Kabupaten Karawang dari bulan Januari-Desember
2018 dapat dilihat dalam tabel berikut:

NDVI
Bulan
Maksimum Minimum
Mei 0.7629 0.0176
Juli 0.8655 0.0953
Agustus 0.7608 0.2178
September 0.8374 0.0742
Pada tahun 2019, nilai NDVI minimum adalah -0,624619 dan nilai NDVI maksimum adalah 0,900571 (gambar 3).

🖂
8
2023
CASE REPORT ARTICLE

NDVI
Bulan
Maksimum Minimum
Mei 0.8554 -0.2051
Juli 0.8396 -0.2388
Agustus 0.8405 -0.3139
September 0.7431 -0.3804
Pada tahun 2020, nilai NDVI minimum adalah -0,945084 dan nilai NDVI maksimum adalah 0,885092 (gambar 4).

🖂
9
2023
CASE REPORT ARTICLE

NDVI
Bulan
Maksimum Minimum
Mei 0.8435 -0.2051
Juli 0.8391 -0.2388
Agustus 0.8405 0.8523
September 0.7431 0.7247
Pada tahun 2021, nilai NDVI minimum adalah -0,666155 dan nilai NDVI maksimum adalah 0.886398 (gambar 5).

🖂
10
2023
CASE REPORT ARTICLE

NDVI
Bulan
Maksimum Minimum
Mei 0.8532 -0.0944
Juli 0.8261 0.1166
Agustus 0.8263 -0.3628
September 0.8345 -0.3143
2. LST (Land Surface Temperature)

Indeks Vegetasi merupakan sebuah indeks yang digunakan untuk mengukur dan memantau suhu permukaan
tanah di suatu area, khususnya dalam aplikasi pemantauan lahan, pertanian, dan lingkungan. Nilai Suhu
Permukaan dihitung menggunakan data dari citra satelit atau sensor jarak jauh, yang mengukur cahaya tampak
dan inframerah dari permukaan bumi.
Pada tahun 2017, nilai LST minimum Kabupaten karawang adalah 13,6752 dan nilai LST maksimumnya adalah
33,7513 (gambar 1). Nilai NDVI 0.1 mengindikasikan keberadaan padang rumput dan semak belukar sementara

🖂
11
2023
CASE REPORT ARTICLE
nilai NDVI yang berkisar antara 0.1 hingga 0.8 mencerminkan keberadaan hutan hujan tropis. Sebaliknya, ketika
nilai NDVI mendekati +1, itu menandakan adanya tutupan vegetasi yang sangat subur. (Jaya & Etyarsah, 2021).
Gambar 1. LST Kabupaten Karawang tahun 2017

Data LST hasil proyeksi citra landsat 8 OLI/TIRS C2 L1 Kabupaten Karawang dari bulan Januari-Desember 2017
dapat dilihat dalam tabel berikut:
LST
Bulan
Maksimum Minimum
Mei 33,7513 14,3987
Juli 31,9632 13,6752
Agustus 33,1694 14,0601
September 32,1896 14,9939
Tabel 1. LST Kabupaten Karawang bulan Januari-Desember 2017.
Pada tahun 2018, nilai LST minimum adalah dan nilai LST maksimum adalah (gambar 2).

🖂
12
2023
CASE REPORT ARTICLE
Data LST hasil proyeksi citra landsat 8 OLI/TIRS C2 L1 Kabupaten Karawang dari bulan Januari-Desember
Tabel 2. LST Kabupaten Karawang bulan Januari-Desember 2018

LST
Bulan
Maksimum Minimum
Mei 30,2868 12,6222
Juli 31,3409 22,1543
Agustus 28,1951 18,7085
September 37.0010 21,8222
Pada tahun 2019, nilai LST minimum adalah 16,9819 dan nilai NDVI maksimum adalah 33,4986 (gambar 3).

🖂
13
2023
CASE REPORT ARTICLE
Data LST hasil proyeksi citra landsat 8 OLI/TIRS C2 L1 Kota Karawang dari bulan Januari-Desember 2019
dapat dilihat dalam tabel berikut:

LST
Bulan
Maksimum Minimum
Mei 30,7567 22,9915
Juli 33,4056 20,6401
Agustus 31,0286 16,9819
September 33,4986 23,4287
Pada tahun 2020, nilai LST minimum adalah 19,6752 dan nilai LST maksimum adalah 36,9606 (gambar 4).

🖂
14
2023
CASE REPORT ARTICLE

LST
Bulan
Maksimum Minimum
Mei 32,0991 19,6752
Juli 32,8759 21,2678
Agustus 33,1671 19,8776
September 36,9606 20,4413
Pada tahun 2021, nilai LST minimum adalah 17,3756dan nilai NDVI maksimum adalah 33,9544 (gambar 5).

🖂
15
2023
CASE REPORT ARTICLE

LST
Bulan
Maksimum Minimum
Mei 31,7728 21,2859
Juli 29,2605 18,7031
Agustus 31,9995 17,3756
September 33,9544 17,3795
3. Korelasi LST dan NDVI

1. Grafik LST-NDVI Kabupaten Karawang 2017

🖂
16
2023
CASE REPORT ARTICLE
Gambar 1. Grafik LST-NDVI Kabupaten Karawang tahun 2017
Tabel 1. NDVI-LST Kabupaten Karawang 2017

Dinamika peningkatan nilai suhu permukaan (LST) yang sesuai dengan menurunnya tingkat kerapatan
vegetasi (NDVI) di Kabupaten Karawang hal ini menunjukkan bahwa ketika kerapatan vegetasi meningkat,
maka suhu permukaan akan menurun, dan sebaliknya.

🖂
17
2023
CASE REPORT ARTICLE


🖂
18
2023
CASE REPORT ARTICLE


🖂
19
2023
CASE REPORT ARTICLE


🖂
20
2023
CASE REPORT ARTICLE

4. Pembahasan
Grafik LST-NDVI Tahun 2017-2021

40
36.9606
35 33.7513 33.1694 33.9544
31.9632 32.1896 31.3409 33.4056 33.4986 33.1671 31.7728 31.9995
32.8759
32.0991
30 30.2868 30.7567 31.0286 29.2605
28.1951
25
22.9915
22.1543 21.8222 23.4287
20 20.6401 21.2859
21.2678 20.4413
18.7085 19.6752 19.8776 18.7031
16.9819 17.3756
17.3795
15 14.3987 14.9939
14.0601
13.6752 12.6222
10
5
0 0 0.8789
0.8543
0-0.2292 0.8182
-0.2127 0.7066
0.0822 0.8655
0.7629
0.0176
-0.1971 0.7608
0.2178
0.0953 0.8554
0.8374
0.0742 0.8396
0-0.2051 0.8405
-0.2388
-0.3139 0.8435
0.7431
-0.2051
-0.3804 0.8523
0.8391
0.8405
-0.2388 0.8532
0.7431
0.7247 0.8261
0.1166
-0.0944 0.8345
0.8263
-0.3143
-0.3628
Bulan
September
September
September
September
September
Juli
Agustus
Juli
Agustus
Juli
Agustus
Juli
Agustus
Juli
Agustus
Mei
Mei
Mei
Mei
Mei
-5
Tahun 2017 2018 2019 2020 2021
Series1 Series2 Series3 Series4 Series5

Series6 Series7 Series8 Series9
Gambar 1. Grafik Perbulan LST-NDVI 2017-2021
Berdasarkan data hasil analisis pada Tabel 1, yaitu NDVI Kabupaten Karawang Tahun 2017 bulan Mei nilai
Maksimum yaitu 0,8789 dan Nilai Minimum -0,2292, lalu pada bulan Juli hingga bulan September mengalami penurunan
Nilai Maksimum yaitu 0,7066 dan mengalami peningkatan nilai minimum yaitu -0,1971 seperti tampak pada grafik
gambar 1 diatas. Maksud pada Gambar 1 pada Tahun 2017 memiliki nilai suatu kepadatan vegetasi tinggi (High Value)
sebesar: 2,6605 dan memiliki nilai kepadatan vegetasi rendah (Low Value) sebesar: -0,643137 sehingga berdasarkan
warna pada gambar pada tahun 2017 di kabupaten karawang warna biru menunjukkan tingginya kepadatan lingkungan
maupun lahan, warna kuning menunjukkan rata-rata dari suatu wilayah di kabupaten karawang yang cukup lebar
seperti nampak pada peta dan warna merah menunjukkan bahwa nilai suatu daerah atau wilayah itu memiliki
kepadatan yang paling rendah.
Berdasarkan hasil analisis data pada tabel 2, NDVI Kabupaten Karawang pada tahun 2018 bulan mei memiliki
nilai maksimum 0,7629 dan nilai minimum 0,0176, kemudian pada bulan Juli sampai bulan September mengalami
peningkatan pada nilai maksimum menjadi 0,8374 dan mengalami peningkatan juga pada nilai maksimum 0,0742,
seperti yang ada pada grafik 2 pada tahun 2018 yang memiliki sudut kepadatan vegetasi tinggi (High Value) sebesar
16,7697 dan memiliki vegetasi rendah yaitu sebesar -16,2319, sehingga berlandaskan pada warna yang ada pada
gambar 2 warna biru menunjukkan kepadatan yang tinggi pada lingkungan maupun lahan, dan warna kuning
menunjukkan bahwa nilai rata - rata dari suatu wilayah di kabupaten karawang yang cukup lebar, dan warna merah
menujukkan memiliki nilai kepadatan yang rendah.
Berdasarkan data hasil analisis pada tabel 3, yaitu NDVI Kabupaten Karawang tahun 2019 bulam mei nilai
maksimum 0,8554 dan nilai minimum -0, 2051, lalu pada bulan juli sampai September mengalami penurunan nilai
maksimum menjadi 0,7431 dan mengalami peningkatan nilai penurunan juga menjadi -0, 3804 seperti tampak pada
grafik gambar 3 dk afas. Maksud pada gambar 3 pada tajum 2019 memiliku sudu kepadatam vegetasi tinggi (high value)
sebesar 0,86769 memiliki vegetasi rendah (low value) sebesar -0,662798 sehingga berdasarkan warna pada gambar
🖂
21
2023
CASE REPORT ARTICLE
pada tahun 2018 di kabupaten Karawang warna hijau menunjukkan tingginya kepadatan lingkungan maupun lahan,
warna merah menunjukkan rata-rata daru suatu wilayah di kabupaten Karawang yang cukup lebar seperti nampak pada
peta
Berdasrakan hasil data analisis pada tabel 4, yaitu NDVI kabupaten karawang tahun 2020 bulan mei nilai
maksimum yaitu 0,8345 dan nilai minimum -0,2051, lalu nilai maksimum pada bulan juli mengalami penurunan dan
agustus mengalami peningkatan sedikit yaitu 0.8405 tetapi pada bulan september mengalami penuruna lagi sebesar
0,7431. Tetapi pada nilai minumnya mengalami kenaikan dari bulan juli sampai agustus sebesasr 0.8523 dan penurunan
kembali pada bulan september menjadi 0.7247. seperti tampak pada gambar 4 di atas pada tahun 2020 memiliki nilai
suatu kepadatan vegetasi tinggi (High Value ) sebesar 1,5446 dan memiliki nilai kepdatan vegetasi rendah (Low Value)
sebesar -124,312 sehingga berdasrakan warna tersebut hijau menunjukkan tinggi kepadatan lingkungan lahan, warna
kuning menujukkan rata-rata dari suatu wilayah dikabupaten karawang yang cukup lebar seperti nampak pada peta dan
suatu daerah atau wilayah itu emmiliki kepadatan yangpaling rendah.
Berdasarkan hasil data analisis pada tabel 4, yaitu NDVI kabupaten karawang tahun 2020 bulan mei nilai
maksimum yaitu 0,8345 dan nilai minimum -0,2051, lalu nilai maksimum pada bulan juli mengalami penurunan dan
agustus mengalami peningkatan sedikit yaitu 0.8405 tetapi pada bulan september mengalami penuruna lagi sebesar
0,7431. Tetapi pada nilai minumnya mengalami kenaikan dari bulan juli sampai agustus sebesasr 0.8523 dan penurunan
kembali pada bulan september menjadi 0.7247. seperti tampak pada gambar 4 di atas pada tahun 2020 memiliki nilai
suatu kepadatan vegetasi tinggi (High Value ) sebesar 1,5446 dan memiliki nilai kepdatan vegetasi rendah (Low Value)
sebesar -124,312 sehingga berdasrakan warna tersebut hijau menunjukkan tinggi kepadatan lingkungan lahan, warna
kuning menujukkan rata-rata dari suatu wilayah dikabupaten karawang yang cukup lebar seperti nampak pada peta dan
suatu daerah atau wilayah itu emmiliki kepadatan yangpaling rendah
Berdasarkan analisis data pada tabel 5, di kabupaten karawang tahun 2021 memiliki NDVI pada bulan mei
mempunyai nilai maksimum 0,8532 dan niali minimum -0,0944, setelah itu pada bulan juli sampai bulan semptember
mengalami penurunan pada nilai maksimum dan minimum, nilai maksimumnya yaitu 0,8345 dan nilai minimumnya -
0,3143 seperti yang ada pada grafik 5 tahun 2021 yang memiliki kepadatan vegetasi tinggi (high value) yaitu 33,3744
dan memiliki vegetasi rendah yaitu 10,0686, pada warna yang tercantum pada gambar 5 warna hijau menunjukkan
kepadatan paling tinggi pada lahan maupun lingkungan, dan warna kuning menujukkan nilai rata - rata suatu wilayah
yang cukup lebar pada daerah kabupaten karawang, dan warna merah menunjukkan memiliki nilai kepadatan
kepadatan yang rendah.
Berdasarkan data hasil analisis pada Tabel 1, yaitu LST Kabupaten Karawang Tahun 2017 bulan Mei nilai
Maksimum yaitu 33,7513 dan Nilai Minimum 14,3987, lalu pada bulan Juli hingga bulan September mengalami
penurunan Nilai Maksimum yaitu 32,1896 dan mengalami peningkatan nilai minimum yaitu -14,9939 seperti tampak
pada grafik gambar 1 diatas. Maksud pada Gambar 1 pada Tahun 2017 memiliki nilai suatu suhu permukaan tinggi (High
Value) sebesar: 32,1064 dan memiliki nilai kepadatan vegetasi rendah (Low Value) sebesar: 16,2542 sehingga
berdasarkan warna pada gambar pada tahun 2017 di kabupaten karawang warna biru menunjukkan tingginya
kepadatan lingkungan maupun lahan, warna crem menunjukkan rata-rata dari suatu wilayah di kabupaten karawang
yang cukup lebar seperti nampak pada peta dan warna coklat menunjukkan bahwa nilai suatu daerah atau wilayah itu
memiliki kepadatan yang paling rendah.
Berdasarkan data hasil analisi pada tabel 2, yaitu LST kabupt karawag tahun 2018 bulan Mei nilai maksimum
yaitu 30,2868 dan nilai minimum 12,6222. Pada nilai maksimum pada bulan juli mengalami kenaikan sebesar 31,3409
dan mengalami penurunan pada bulan Agustus sebsar 28,1951. Lada bulan September mengalami kenaikan lagi sebesar
37,0010. Pada nilai minimum bukan juli mengalamj kenaikan sebesar 22,1543 dan penurunan di bulan Agustus sebsar
18,7085 dan mengalami kenaikan di bulan September 21,8222. Makisd pada gambar 2 pada tahun 2018 memiliki nilai
suhu permukaan tinggu (high value) sebesar 34.7343 dan memiliki kepadatan vegeetasi rendah (low value) seesar
19,8745 segingga berdasarkan warna lada tahun 2018 di kabupaten Karawang warna biru menunjukkan tinggi
kepadatan lingkungan maupun lahan, warna crem menunjukkan rata-rata dari suatu wilayah di kabupaten karawang
yang cukup lebar seperti nampak pada peta dan warna coklat menunjukkan bahwa nilai suatu daerah atau wilayay
memiliki kepadatan rendah.
Berdasarkan tabel 4 LST pada kabupaten karawang tahun 2020 bulan mei memiliki nilai maksimum 32,0991 dan
nilai maksimum 19,6752 dan di bulan juli sampai september mengalami peningkatan baik pada nilai maksimum maupun
nilai minimum, nilai yang maksimumnya yaitu 36,9606 dan nilai minimumnya 20,4413, dan pada grafik 4 tahun 2020
yang memiliki vegetasi tinggi (high value) adalah 33,2654 dan memiliki nilai vegetasi kepadatan rendah(low value)
🖂
22
2023
CASE REPORT ARTICLE
adalah 17,2224, sehingga pada gambar tahun 2020 warna biru menunjukkan kepadatan yang tinggi pada lingkungan
maupun lahan, dan warna hijau menunjukkan rata-rata dari suatu wilayah yang cukup lebar pada kabupaten karawang,
dan warna merah menunjukkan nilai kepadatan yang rendah.
pada tabel 5 LST kabupaten karawang tahun 2021 pada bulan mei mempunyai nilai maksimum 31,7728 dan nilai
minimumnya 21,2859 dan pada bulan juli sampai bulan September mengalami peningkatan pada nilai maksimumnya
yaitu 33,9544 dan mengalami penurunan pada nilai minimumnya yaitu 17,3719 dan pada grafik 5 tahun 2021 memiliki
vegetasi tinggi (high value) sebesar 33,3744 dan vegetasi rendah (low value) sebesar 10,0686, sehingga pada gambar
tahun 2021 warna hijau menunjukkan kepadatan tinggi pada lingkungan dan lahan, dan warna kuning menunjukkan
rata - rata suatu wilayah yang cukup lebar pada kabuapaten karawang dan merah menunjukkan kepadatan
nilai yang rendah
5. Konklusi
• Penelitian ini bertujuan untuk memahami hubungan antara kerapatan vegetasi, yang mengacu pada jumlah
dan kepadatan tumbuhan, dan suhu permukaan di Kabupaten Karawang selama periode 2016-2021. Hasil
penelitian ini memberikan gambaran yang lebih komprehensif tentang bagaimana vegetasi berdampak pada
suhu permukaan di wilayah tersebut.
• Penelitian ini menunjukkan bahwa terdapat korelasi yang signifikan antara kerapatan vegetasi dan suhu
permukaan. Dapat disimpulkan bahwa ketika kerapatan vegetasi meningkat, suhu permukaan cenderung
menurun, dan sebaliknya. Ini mengindikasikan bahwa vegetasi yang lebih tebal dan padat memiliki
kemampuan untuk menurunkan suhu permukaan di daerah Kabupaten Karawang.
• Selain itu, data NDVI (Normalized Difference Vegetation Index) memberikan informasi yang sangat berguna
tentang keadaan vegetasi di wilayah tersebut. Nilai NDVI yang tinggi menunjukkan kerapatan vegetasi yang
tinggi, sementara nilai NDVI yang rendah mengindikasikan kerapatan vegetasi yang rendah. Ini memberikan
pemahaman lebih mendalam tentang bagaimana kondisi vegetasi berubah selama periode penelitian.
• Hasil penelitian ini memberikan pemahaman yang lebih baik tentang dinamika vegetasi dan suhu permukaan
di Kabupaten Karawang, yang pada gilirannya dapat digunakan sebagai landasan penting dalam upaya
pengelolaan lingkungan dan lahan di daerah tersebut. Dengan pemahaman yang lebih baik tentang hubungan
antara vegetasi dan suhu permukaan, tindakan pengelolaan yang lebih efektif dapat diambil untuk menjaga
keseimbangan ekosistem dan lingkungan hidup di wilayah ini.
Kontribusi Penulis (Khusus Mahasiswa Mata Kuliah IPBA)

Tuliskan seluruh kontribusi penulis dengan mendeskripsikannya menjadi satu paragraf, sehingga tidak ada numbering
atau daftar poin.
Referensi
Daftar pustaka disusun secara alfabetis berdasarkan urutan abjad nama penulis. Penulisan daftar pustaka
menggunakan Mendeley dengan tipe referensi IEEE.
Contoh-contoh penulisan dapat dilihat pada penjelasan setiap jenis pustaka yang layak dirujuk. Apabila sumber
pustaka berupa artikel dalam jurnal ilmiah, ditulis mengikuti urutan: nama penulis. tahun. judul artikel. nama jurnal.
volume(nomor): halaman (Nama jurnal diketik miring). Contoh:
🖂
23
2023
CASE REPORT ARTICLE
[1] A. S. Katili, “Penurunan Jasa (servis) Ekosistem Sebagai Pemicu Meningkatnya Perubahan Iklim Global,” J. Pelangi
Ilmu, vol. 1, no. 1, 2008.
[2] A. S. and P. A. Maridi, “Analisis-Struktur-Vegetasi-Di-Kecamatan,” Bioedukasi, vol. 8, no. 1, pp. 28–42, 2015.
[3] H. Hashim, Z. Abd Latif, and N. A. Adnan, “URBAN VEGETATION CLASSIFICATION with NDVI
THRESHOLD VALUE METHOD with VERY HIGH RESOLUTION (VHR) PLEIADES IMAGERY,” in
International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives,
International Society for Photogrammetry and Remote Sensing, Oct. 2019, pp. 237–240. doi: 10.5194/isprs-archives-
XLII-4-W16-237-2019.
[4] V. Fitriani et al., “Jember 2 Jurusan Ilmu Lingkungan, Fakultas Kehutanan da Ilmu Lingkungan,” 2023.
[5] A. , K. S. , & K. N. Mathew, “Investigating spatio-temporal surface urban heat island growth over Jaipur city using
geospatial techniques,” Sustain Cities Soc, 2018.
[6] N. Wachid and W. Prananing Tyas, “Analisis Transformasi NDVI dan kaitannya dengan LST Menggunakan Platform
Berbasis Cloud: Google Earth Engine,” 2022.
[7] T. Pramudiyasari, “Analisis Lst, Ndvi Menggunakan Satelit Landsat 8 Serta Trend Suhu Udara Di Kabupaten
Majalengka,” J. Geosaintek, vol. 7, no. 3, 2017.
[8] A. Y. Nofrizal, “Identifikasi Urban Heat Island di Kota Solok menggunakan Algoritma Landsat-8 OLI Landsurface
Temperature,” Media Komun. Geogr, vol. 19, no. 1, 2018.
[9] D. Prabowo, W. Sekolah, T. Ilmu, K. Medan, A. Peneliti, and S. Utara, “IDENTIFY OF LAND SURFACE
TEMPERATURE BY DIGITAL NUMBER CONVERSION METHOD USING THE TECHNIQUES OF REMOTE
SENSING AND GEOGRAPHY INFORMATION SYSTEM.”
[10] D. M. Indrawati, S. Suharyadi, and P. Widayani, “Analisis Pengaruh Kerapatan Vegetasi Terhadap Suhu Permukaan
dan Keterkaitannya Dengan Fenomena UHI,” Media Komunikasi Geografi, vol. 21, no. 1, p. 99, Jun. 2020, doi:
10.23887/mkg.v21i1.24429.
[11] Y. U. Kurniadi, “Nusantara ( Jurnal Ilmu Pengetahuan Sosial ) JEPANG,” Nusant. J. Ilmu Pengetah. Sos, vol. 7, no.
2, 2020.
[12] I. Kholisul, A. Ramadhani, S. N.  Nur, and I. Artikel, “PERUBAHAN SOSIAL MASYARAKAT DESA
PUSEURJAYA KABUPATEN KARAWANG SEBAGAI DAMPAK PEMBANGUNAN KAWASAN INDUSTRI,”
2020. [Online]. Available: http://journal.unnes.ac.id/sju/index.php/SOSIOLIUM
[13] A. R. Sagita, A. S. C. Margaliu, F. Rizal, and H. P. Mazzaluna, “Analisis Korelasi Suhu Permukaan, NDVI, Elevasi
dan Pola Perubahan Suhu Daerah Panas Bumi Rendingan-Ulubelu-Waypanas, Tanggamus Menggunakan Citra
Landsat 8 OLI/TIRS,” Jurnal Geosains dan Remote Sensing, vol. 3, no. 1, pp. 43–51, Aug. 2022, doi:
10.23960/jgrs.2022.v3i1.72.
[14] D. Cahyaningrum et al., “Pelindungan Hukum Terhadap Lahan Pertanian Pangan dari Pengalihan Fungsi untuk Non
Pertanian Pangan Legal Protection of Food Agricultural Land from Conversion to Non-Food Agricultural Land,”
2019. [Online]. Available: www.cnnindonesia.com.,
[15] E. Ferdiansyah, W. R. Penggalih, I. Artikel, and S. Artikel, “The Climate of Tropical Indonesia Maritime Continent
Journal Identifikasi Urban Heat Island dan Faktor yang Mempengaruhinya Menggunakan Google Earth Engine (Studi
Kasus Kabupaten Karawang) A B S T R A K,” vol. 1, no. 1, pp. 5–11, 2022.
[16] S. W. Kim and R. D. Brown, “Urban heat island (UHI) intensity and magnitude estimations: A systematic literature
review,” Science of the Total Environment, vol. 779, p. 146389, 2021, doi: 10.1016/j.scitotenv.2021.146389.
[17] J. H. Pietersz, J. Matinahoru, and R. Loppies, “Pendekatan Indeks Vegetasi Untuk Mengevaluasi Kenyamanan
Termal Menggunakan Data Satelit Landsat-Tm Di Kota Ambon,” Agrologia, vol. 4, no. 2, 2018, doi:
10.30598/a.v4i2.208.
[18] T. Kattenborn, J. Leitloff, F. Schiefer, and S. Hinz, “Review on Convolutional Neural Networks (CNN) in vegetation
remote sensing,” ISPRS Journal of Photogrammetry and Remote Sensing, vol. 173, no. December 2020, pp. 24–49,
2021, doi: 10.1016/j.isprsjprs.2020.12.010.
[19] L. Kumar and O. Mutanga, “Google Earth Engine applications since inception: Usage, trends, and potential,” Remote
🖂
24
2023
CASE REPORT ARTICLE
Sens (Basel), vol. 10, no. 10, pp. 1–15, 2018, doi: 10.3390/rs10101509.
[20] B. S. Siti Novianti Lufilah, Afra DN Makalew, “Pemanfaatan Citra Landsat 8 Untuk Analisis Indeks,” Lanskap
Indoensia, vol. Volume 9 n, pp. 73–80, 2016.
[21] Z. E. Fitriana, Y. S. Putra, and Zulfian, “Pengaruh Kerapatan Vegetasi terhadap Suhu Permukaan menggunakan Data
Landsat 8 ( Study Kasus : Kota Pontianak , Kalimantan Barat ),” Prisma Fisika, vol. 9, no. 2, pp. 152–159, 2021.
[22] T. Pramudiyasari, “ANALISIS LST, NDVI MENGGUNAKAN SATELIT LANDSAT 8 SERTA TREND SUHU
UDARA DI KABUPATEN MAJALENGKA,” Jurnal Geosaintek, vol. 7, no. 3, Dec. 2021, doi:
10.12962/j25023659.v7i3.9043.

🖂
25
DAFTAR LAMPIRAN
Daftar lampiran hendaknya berisikan hasil-hasil yang sebenarnya (tidak dipotong untuk kepentingan isi artikel)
seperti uji statistik, diagram, grafik, dokumentasi, dll.
Lampiran 1. Pernyataan Etis (KHUSUS UNTUK MAHASISWA MATA KULIAH IPBA)
Formulir Pernyataan Etik

Saya bersaksi atas nama semua rekan penulis bahwa artikel kami telah diserahkan kepada Dosen/Asisten
Pengampu Mata Kuliah Ilmu Pengetahuan Bumi dan Antariksa UIN Sunan Gunung Djati Bandung, dengan:
Judul Artikel :
Nama Author Pertama :
Tempat Tanggal Lahir :
NIM :
Institusi :
E-Mail :
Nama Author Lainnya :
Menyatakan Bahwa:
1) Data penelitian yang digunakan tidak melanggar ketentuan ilmiah, memenuhi triangulasi penelitian,
dan tidak bertentangan dengan hukum
2) Manuskrip tidak sedang diserahkan kepada pihak manapun
3) Manuskrip ataupun data yang diberikan hanya untuk kepentingan bersama seperti;
a. Untuk kemajuan ilmu pengetahuan;
b. Untuk peninjauan kembali hasil penelitian; dan
c. Untuk di produksi ulang dalam membangun keilmuan bidang bumi dan antariksa.
4) Semua penulis telah secara pribadi dan aktif terlibat dalam pekerjaan substantif yang mengarah ke
naskah, dan akan bertanggung jawab secara bersama-sama dan individual atas isinya.
Bandung,..........2023
Yang Menyatakan,
Nama Lengkap
NIM.
Lampiran 2. Pernyataan Hasil (KHUSUS UNTUK MAHASISWA MATA KULIAH IPBA)

🖂
26
Formulir Pernyataan Hasil
Saya bersaksi atas nama semua rekan penulis bahwa artikel kami telah diserahkan kepada Dosen/Asisten
Pengampu Mata Kuliah Ilmu Pengetahuan Bumi dan Antariksa UIN Sunan Gunung Djati Bandung, dengan:
Judul Artikel :
Nama Author Pertama :
Tempat Tanggal Lahir :
NIM :
Institusi :
E-Mail :
Nama Author Lainnya :
Menyatakan Bahwa:
1) Data penelitian yang digunakan tidak melanggar ketentuan ilmiah, memenuhi triangulasi penelitian,
dan tidak bertentangan dengan hukum
2) Tidak melakukan plagiasi ataupun mengambil data dari hasil yang sudah ada sehingga seluruh data
dikerjakan seluruhnya bersama kelompok dan tidak mereproduksi hasil
Apabila Saya melanggar pernyataan yang disebutkan di atas, maka Saya dan teman kelompok akan
menerima konsekuensi yang diberikan, baik menerima nilai 0 (nol) ataupun mengulang kembali penelitian
dan penulisan artikel.
Bandung,..........2023
Yang Menyatakan,
Nama Lengkap
NIM.
Lampiran
🖂
27
🖂
28
🖂
29
🖂
30
https://drive.google.com/drive/folders/1anNS5KRDWgj7rviuClU67FO01xLlFzx0?usp=sharing

🖂
31

5C-Kelompok 6 - Artikel NDVI Dan LST - Revisi

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

5C-Kelompok 6 - Artikel NDVI Dan LST - Revisi

Diunggah oleh

Hak Cipta:

Format Tersedia

DRAFT ARTIKEL ILMU PENGETAHUAN BUMI DAN ANTARIKSA

CASE REPORT ARTICLE

ARTICLE INFO ABSTRAK

CASE REPORT ARTICLE

CASE REPORT ARTICLE

1. Penginderaan Jauh dan Google Earth Engine

NDVI = (NIR - Red) / (NIR + Red)

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Tabel 1 Klasifikasi NDVI

3) Analisis Land Surface Temperature

CASE REPORT ARTICLE

1. Konversi Digital Number (DN) ke Radian Spektral (Lλ):

- Lλ adalah Radiance Spektral Tingkat Atas (TOA).

2. Perhitungan Land Surface Temperature (LST):

- T adalah brightness temperature (K).

3. Konversi LST ke Derajat Celsius:

- T(C) adalah suhu LST dalam derajat Celsius.

CASE REPORT ARTICLE

1. NDVI (Normalized Difference Vegetation Index)

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 1. NDVI Kabupaten Karawang tahun 2017

Tabel 1. NDVI Kabupaten Karawang bulan Januari-Desember 2017

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 2. NDVI Kabupaten Karawang tahun 2018

Tabel 2. NDVI Kabupaten Karawang bulan Januari-Desember 2018

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 3. NDVI Kabupaten Karawang tahun 2019

Tabel 3. NDVI Kabupaten Karawang bulan Januari-Desember 2019

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 4. NDVI Kabupaten Karawang tahun 2020

Tabel 4. NDVI Kabupaten Karawang bulan Januari-Desember 2020

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 5. NDVI Kabupaten Karawang tahun 2021

Tabel 5. NDVI Kabupaten Karawang bulan Januari-Desember 2021

2. LST (Land Surface Temperature)

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 1. LST Kabupaten Karawang tahun 2017

Tabel 1. LST Kabupaten Karawang bulan Januari-Desember 2017.

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 2. LST Kabupaten Karawang tahun 2018

Tabel 2. LST Kabupaten Karawang bulan Januari-Desember 2018

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 3. LST Kabupaten Karawang tahun 2019

Tabel 3. LST Kabupaten Karawang bulan Januari-Desember 2019

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 4. LST Kabupaten Karawang tahun 2020

Tabel 4. LST Kabupaten Karawang bulan Januari-Desember 2020

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel

CASE REPORT ARTICLE

Gambar 5. LST Kabupaten Karawang tahun 2021

Tabel 5. LST Kabupaten Karawang bulan Januari-Desember 2021

3. Korelasi LST dan NDVI

Penulis 1, Penulis 2, Penulis 3, Penulis 4, dst... Judul Artikel