Kel 6 - Mini Riset Citra Landsat 8 Di Wilayah Panti

1 Analisis Tingkat Kerapatan Vegetasi di Kecamatan Panti dengan Metode NDVI dan MSAVI Berdasarkan Landsat 8 OLI/TRIS , hlm
lm 1-13.
ANALISIS TINGKAT KERAPATAN VEGETASI DI KECAMATAN PANTI

DENGAN METODE NDVI DAN MSAVI BERDASARKAN CITRA LANDSAT
8 OLI/TRIS
Analysis Of Vegetation Density Level In Panti District Using Ndvi And Msavi Methods Based On
Landsat 8 Oli/Tris
Dimas Rahmat Saputra, Hendrik Eka Prastiyo, Qongidatul Hasanah, Sukma Agustin
Dyan Tika, Febiana Ami Dwi Syahputri
Penginderaan Jauh, Program Studi Ilmu Tanah,

Fakultas Pertanian, Universitas Jember
ABSTRAK
NDVI dan MSAVI adalah metode pengukuran kerapatan vegetasi berdasarkan perbedaan
penyerapan cahaya pada panjang gelombang tertentu oleh tanaman. Kedua metode ini
memungkinkan analisis yang lebih akurat terkait pertumbuhan tanaman, perubahan penggunaan
lahan, dan kesehatan ekosistem secara keseluruhan. Penelitian dilakukan di Kecamatan Panti dalam
kurun waktu 2 minggu, dimulai dari tanggal 9 November hingga 23 November 2023 dengan metode
analisis Normalized Difference Vegetation Index (NDVI) dan Modified Soil Adjusted Vegtation
Index (MSAVI). Kecamatan Panti mengalami penurunan luas kawasan hutan lindungnya, dimana
pada tahun 2002 memiliki luas hutan lindung mencapai 2.142 hektar yang selanjutnya mengalami
penurunan sebesar 1.559 hektar pada tahun 2004, artinya adalah luas hutan lindung pada tahun
tersebut hanya tinggal tersisa 583 hektar. Dalam metode NDVI dan MSAVI, Perubahan indeks
kerapatan vegetasi antara tahun 2015 dengan 2023 tidak menunjukkan perubahan yang signifikan,
sehingga dapat diasumsikan bahwa wilayah Kecamatan Panti memiliki kemungkinan besar sedikit
mengalami perubahan penggunaan lahan selama tahun 2015 hingga 2023. Dari analisis dengan
metode NDVI dan MSAVI memiliki tingkat kerapatan vegetasi yang sama yaitu dengan kriteria
sedang dengan nilai masing-masing dari setiap metode. Metode NDVI dengan nilai 0,25-0,35 dan
metode MSAVI dengan nilai 0,21-0,35. Hal ini disebabkan oleh lahan pertanian yang mulai
mendominasi dibandingkan dengan penggunaan lahan lain.
Kata kunci : NDVI, MSAVI, Landsat 8
PENDAHULUAN
Pertumbuhan populasi global serta perubahan iklim menuntut pemahaman yang mendalam
tentang kondisi lingkungan dan pemanfaatan sumber daya alam. Dalam hal ini penginderaan jauh
menjadi alat yang efektif dalam memantau dan menganalisis keadaan vegetasi. Salah satu indeks yang
Penginderaan Jauh, hlm 1-14.
2 Analisis Tingkat Kerapatan Vegetasi di Kecamatan Panti dengan Metode NDVI dan MSAVI Berdasarkan Landsat 8 OLI/TRIS , hlm 1-13.
digunakan secara luas dalam analisis vegetasi adalah Normalized Difference Vegetation Index
(NDVI) dan Modified Soil-Adjusted Vegetation Index (MSAVI). NDVI dan MSAVI adalah metode
pengukuran kepadatan vegetasi berdasarkan perbedaan penyerapan cahaya pada panjang gelombang
tertentu oleh tanaman (Magdalina and Roziqin 2021). NDVI mengukur perbedaan antara penyerapan
cahaya merah dan dekat-inframerah, sementara MSAVI memperhitungkan efek tanah (soil) pada
penyerapan cahaya, sehingga lebih cocok untuk wilayah yang memiliki tanah yang memiliki
karakteristik yang berbeda.
NDVI Merupakan sebuah parameter yang memberikan informasi tentang kondisi vegetasi
suatu area berdasarkan perbedaan absorpsi cahaya pada panjang gelombang tertentu oleh tanaman.
Pada tingkat lokal, penggunaan NDVI dapat memberikan pemahaman mendalam tentang kondisi
vegetasi di suatu wilayah, seperti kecamatan. Kabupaten Jember, khususnya kecamatan Panti,
merupakan wilayah yang memiliki keanekaragaman alam dan aktivitas pertanian yang cukup
signifikan. Sementara MSAVI merupakan metode yang mengalami pengembangan dari Normalized
Difference Vegetation Index (NDVI) dengan tujuan khusus untuk mengatasi keterbatasan yang
mungkin timbul dalam mengukur vegetasi, terutama dalam kondisi tanah yang kering atau
terpengaruh oleh residu tanaman (Lestari dkk., 2021). Indeks ini mempertimbangkan pengaruh tanah
pada citra satelit dan memberikan hasil yang lebih akurat dalam menggambarkan kondisi vegetasi.
Dengan menerapkan teknologi penginderaan jauh dan menganalisis NDVI serta MSAVI, kita dapat
mendapatkan gambaran yang lebih akurat tentang kondisi vegetasi di kecamatan Panti. Penerapan
metode NDVI dan MSAVI memberikan pemahaman yang lebih mendalam tentang distribusi dan
kepadatan vegetasi di suatu wilayah. Kedua metode ini memungkinkan analisis yang lebih akurat
terkait pertumbuhan tanaman, perubahan penggunaan lahan, dan kesehatan ekosistem secara
keseluruhan.
Analisis NDVI dan MSAVI kecamatan Panti dapat memberikan informasi tentang tingkat
kehijauan, pertumbuhan tanaman, dan potensi masalah lingkungan seperti deforestasi atau perubahan
penggunaan lahan. Dengan menggunakan Normalized Difference Vegetation Index (NDVI) yang
menggambarkan tingkat kehijauan dari suatu tanaman akan menjadikan dasar klasifikasi vegetasi
suatu wilayah dengan perhitungan data yang diperoleh dari perhitungan near infrared dengan red yang
dipantulkan oleh tumbuhan sehingga kerapatan vegetasi akan sangat rapat pada wilayah Kecamatan
Panti yang terdeteksi sebagai lahan yang tidak memiliki vegetasi atau tidak bervegetasi (Hardianto et
al. 2021).
Data ini dapat menjadi dasar untuk pengambilan keputusan dalam pengelolaan sumber daya
alam, pertanian, serta mitigasi risiko bencana alam.Pada tahap ini, kami akan membahas potensi
manfaat penggunaan NDVI dan MSAVI dalam pemantauan kecamatan Panti, Kabupaten Jember.
Melalui pemahaman mendalam tentang kondisi vegetasi, diharapkan kita dapat mengembangkan

strategi yang lebih efektif dalam pelestarian lingkungan, peningkatan produktivitas pertanian, dan
pembangunan berkelanjutan di wilayah Kecamatan Panti.
METODE PENELITIAN
Waktu dan Tempat Penelitian
Pelaksanaan penelitian dilakukan selama dua minggu, yakni mulai tanggal 9 November
hingga 23 November 2023 dengan lokasi penelitian di Kecamatan Panti.
Alat dan Bahan Penelitian
Alat yang digunakan dalam penelitian ini yaitu hardware berupa laptop dan software ArcGIS,
sedangkan bahan yang digunakan adalah data Citra landsat 8 OLI/TRIS tahun 2015 dan 2023 yang
diunduh dari USGS (United States Geological Survey) Earth Explorer, peta RBI yang diunduh dari
INA Geoportal.
Metode Analisis
Penelitian ini menggunakan metode analisis Normalized Difference Vegetation Index (NDVI)
dan Modified Soil Adjusted Vegtation Index (MSAVI). Normalized Difference Vegetation Index
(NDVI) merupakan perhitungan citra yang digunakan untuk mengetahui tingkat kehijauan. Nilai
NDVI merupakan suatu nilai untuk mengetahui tingkat kehijauan pada daun dengan panjang
gelombang inframerah karena klorofil menyerap spektrum merah dan memantulkan dengan kuat
spektrum infra merah. Nilai NDVI didapat dari band red dan band near infrared. Kedua Panjang
gelombang ini mempunyai karakteristik yang bisa membedakan antara obyek vegetasi dan non
vegetasi. Algoritma yang digunakan adalah sebagai berikut :
𝑁𝐼𝑅−𝑅𝐸𝐷
NDVI = … (1)
𝑁𝐼𝑅−𝑅𝐸𝐷
Keterangan :
NDVI = Normalized Difference Vegetation Index
NIR = Band (Near-Infrared)
RED = Band (Red)
Kelas Kerapatan Vegetasi Keterangan

1 -1 s/d -0,03 Lahan Tidak Bervegetasi
2 -0,04 s/d 0,15 Kehijauan Sangat Rendah
3 0,16 s/d 0,25 Kehijauan Rendah
4 0,26 s/d 0,35 Kehijauan Sedang
5 0,36 s/d 1,00 Kehijauan Tinggi
Tabel 1. Klasifikasi NDVI

Modified Soil Adjusted Vegetation Index (MSAVI) merupakan suatu transformasi yang
dikembangkan dari transformasi NDVI. Formula transformasi MSAVI adalah sebagai berikut :
[2 (𝑁𝐼𝑅)+1−√[2 (𝑁𝐼𝑅)+1)2 −8 [(𝑁𝐼𝑅)−𝑅𝑒𝑑
MSAVI = …(2)
2
Keterangan :
MSAVI = Modified Soil Adjusted Vegetation Index
NIR = Band (Near-Infrared)
RED = Band (Red)
Kelas Kerapatan Vegetasi Keterangan
1 -0,51 s/d 0 Kehijauan Sangat Rendah
2 0,01 s/d 0,2 Kehijauan Rendah
3 0,21 s/d 0,35 Kehijauan Sedang
4 0,36 s/d 0,5 Kehijauan Tinggi
5 0,51 s/d 0,72 Kehijauan Sangat Tinggi
Tabel 2. Klasifikasi MSAVI
Pada penelitian ini ada beberapa tahapan yang dilakukan, secara garis besar tahapan penelitian
dijelaskan dalam diagram alir pada Gambar 1.
Gambar 1. Diagram Alir Penelitian

PEMBAHASAN
Gambaran Umum Lokasi Praktikum

Kecamatan Panti merupakan salah satu dari total keseluruhan sebanyak 31 kecamatan yang
berada di Kabupaten Jember. Luas wilayah Kecamatan Panti adalah 93,96 km. Secara geografis
Kecamatan Panti berbatasan dengan beberapa kecamatan hingga kabupaten, yakni sebelah utara
berbatasan dengan Kabupaten Bondowoso, sebelah barat berbatasan dengan Kecamatan Bangsalsari,
sebelah timur berbatasan dengan Kecamatan Sukorambi, dan di sebelah selatan berbatasan dengan
Kecamatan Rambipuji. Jumlah Desa di Kecamatan Panti terdiri dari 7 Desa.
Diperkirakan bahwa Kecamatan Panti mengalami penurunan luas kawasan hutan lindungnya,
dimana pada tahun 2002 memiliki luas hutan lindung mencapai 2.142 hektar yang selanjutnya
mengalami penurunan sebesar 1.559 hektar pada tahun 2004, artinya adalah luas hutan lindung pada
tahun tersebut hanya tinggal tersisa 583 hektar (Adriani dkk, 2022). Lokasi Kecamatan Panti berada
sekitar 17 km dari pusat Kota Jember. Luas area Kecamatan Panti sebagian besar merupakan lahan
pertanian, yang terdiri dari sawah, pekarangan, tegalan, dan perkebunan (Brilliantina dkk, 2022).
Gambar 2. Peta Gambaran Umum Lokasi Penelitian

Analisis Tingkat Kerapatan Vegetasi Menggunakan Metode NDVI
Kerapatan vegetasi pada suatu lokasi dapat dilakukan pendugaan dengan memanfaatkan
penginderaan jauh, yakni dengan melihat nilai indeks vegetasinya. Indeks vegetasi merupakan suatu
algoritma yang ditetapkan terhadap citra yang biasanya pada citra multisaluran dengan tujuan untuk
menonjolkan aspek kerapatan vegetasi dan menghasilkan citra baru yang dapat menjadi representasi
dalam menyajikan suatu fenomena vegetasi. Algoritma NDVI atau Normalized Difference Vegetation

Index memanfaatkan fenomena fisik pantulan gelombang cahaya yang berasal dari dedaunan yang
memiliki nilai skala antara -1 hingga 1. NDVI membandingkan reflektansi vegetasi yang diterima
oleh sensor pada panjang gelombang merah (RED) dan dekat infra merah (NIR). NDVI memiliki
kemampuan untuk menduga karakteristik tanaman, sehingga dapat digunakan untuk menentukan
produksi tanaman serta produktivitas tanaman (Mukhlisin dan Soemarno, 2020).
Klasifikasi indeks vegetasi berdasarkan luas wilayah Kecamatan Panti disajikan pada tabel
sebagai berikut:
Tabel 3. Klasifikasi indeks vegetasi berdasarkan luas wilayah di Kecamatan Panti
Tingkat Nilai NDVI Luas Wilayah (2015) Luas Wilayah (2023)

Kehijauan
Non vegetasi -1 – (-0,03) 1122.93 ha 6,18% 1229,26 ha 6,76%
Sangat rendah (-0,03) – 0,15 2530.70 ha 13.92% 2679,02 ha 14,73%
Rendah 0,15 – 0,25 4784,94 ha 26,32% 4425,66 ha 24,34%
Sedang 0,25 – 0,35 5742,17 ha 31,58% 5614,19 ha 30,88%
Tinggi 0,36 – 1,00 4000,91 ha 22,00% 4233,53 ha 23,28%
Total 18181,65 ha 100,00% 18181,65 ha 100,00%

Sumber : Data Pribadi
Berdasarkan tabel di atas perubahan indeks kerapatan vegetasi antara tahun 2015 dengan 2023
tidak menunjukkan perubahan yang signifikan, sehingga dapat diasumsikan bahwa wilayah
Kecamatan Panti memiliki kemungkinan besar sedikit mengalami perubahan penggunaan lahan
selama tahun 2015 hingga 2023. Hasil yang diperoleh dari penentuan indeks kerapatan vegetasi
adalah terdiri dari lima jenis kelas klasifikasi kerapatan vegetasi, yakni kelas non vegetasi, sangat
rendah, rendah, sedang, dan tinggi. Berdasarkan perbandingan dari kedua tahun tersebut, maka
Kecamatan Panti didominasi oleh kerapatan dengan tingkat atau kelas sedang, yakni dengan nilai
indeks kerapatan berada pada rentang 0,25 hingga 0,35. Hal ini dikarenakan lokasi penelitian
memiliki luas area terbesar berada pada penggunaan lahan di sektor pertanian, seperti perkebunan,
sawah, dan tegalan. Berikut merupakan peta kerapatan vegetasi di Kecamatan Panti pada tahun 2015
dan 2023:

Gambar 3. Peta kerapatan vegetasi dengan metode NDVI di Kecamatan Panti pada tahun 2015
Gambar 4. Peta kerapatan vegetasi dengan metode NDVI di Kecamatan Panti pada tahun 2023

Nilai NDVI menunjukkan kerapatan vegetasi, dimana semakin besar nilai NDVI maka
semakin tinggi tingkat kerapatan vegetasinya (Lasaiba dan Saud, 2022). Berikut merupakan sebaran
tingkat kerapatan vegetasi di Kecamatan Panti pada tahun 2015 dan 2023:
1. Tingkat kerapatan non vegetasi
Kelas indeks vegetasi yang masuk ke dalam kriteria non vegetasi adalah semua
permukaan tanah yang ditutupi oleh lahan terbangun atau penggunaan lahan berupa
pemukiman dan bangunan (Khairawan dan Falih, 2020). Tingkat kerapatan non vegetasi
memiliki rentang nilai NDVI antara -1 hingga -0,03. Tingkat kerapatan non vegetasi
merupakan berbagai bentuk jenis penggunaan lain, seperti bangunan dan badan air. Hal
ini dikarenakan NDVI memiliki tujuan salah satunya untuk mengidentifikasi tingkat
klorofil tanaman, sehingga penggunaan NDVI dengan klasifikasi pada kelas kerapatan
non vegetasi ditujukan pada penggunaan lahan lain yang tidak mengandung unsur klorofil
pada tanaman. Beberapa penggunaan lahan yang termasuk ke dalam kerapatan non
vegetasi adalah pemukiman, lahan kosong, jalan, dan bangunan lainnya.
2. Tingkat kerapatan sangat rendah
Tingkat kerapatan sangat rendah memiliki rentang nilai NDVI antara -0,03 hingga 0,15.
Besarnya luas area dengan tingkat kerapatan sangat rendah di Kecamatan Panti secara
berturut-turut pada tahun 2015 dan 2023 adalah 13,92% dan 14,73%. Lahan dengan
tingkat kerapan sangat rendah dapat berupa lahan terbuka dan lapangan.
3. Tingkat kerapatan rendah
Kelas indeks vegetasi yang masuk ke dalam kriteria rendah adalah seluruh permukaan
tanah yang ditutupi oleh sebagian besar tanah terbuka atau tidak berumput serta sedikitnya
tegakan pohon (Khairawan dan Falih, 2020). Tingkat kerapatan rendah memiliki rentang
nilai NDVI antara 0,15 hingga 0,25. Besarnya luas area dengan tingkat kerapatan rendah
secara berturut-turut adalah 26,32% dan 24,34%. Lahan dengan kerapatan rendah
biasanya dapat berupa padang rumput dan semak belukar yang tumbuh sebagian.
4. Tingkat kerapatan sedang
Kelas indeks vegetasi yang masuk ke dalam kriteria sedang adalah seluruh permukaan
tanah yang ditutupi oleh sebagian besar lahan dengan tumbuhan yang memiliki jarak lebi
dekat dibandingkan dengan bangunan pada suatu wilayah (Khairawan dan Falih, 2020).
Tingkat kerapatan sedang memiliki rentang nilai NDVI antara 0,25 hingga 0,35. Besarnya
luas area dengan tingkat kerapatan sedang secara berturut-turut adalah 31,58% dan
30,88%. Lahan dengan kerapatan sedang biasanya dapat berupa lahan pertanian, baik
berupa lahan pertanian campuran, basah, maupun kering.
5. Tingkat kerapatan tinggi

Kelas indeks vegetasi yang masuk ke dalam kriteria tinggi adalah seluruh permukaan
tanah yang ditutupi sebagian besar lahannya oleh tumbuhan dengan kanopi tinggi dan
cukup banyak pohon pelindung, baik yang secara langsung saling bersentuhan maupun
tidak, sehingga memiliki kualitas bangunan yang lebih jarang (Khairawan dan Falih,
2020). Tingkat kerapatan tinggi memiliki rentang nilai NDVI antara 0,36 hingga 1,00.
Besarnya luas area dengan tingkat kerapatan tinggi secara berturut-turut adalah 22% dan
23,28%. Lahan dengan kerapatan tinggi biasanya dapat berupa lahan hutan.
Analisis Tingkat Kerapatan Vegetasi Menggunakan Metode MSAVI
Indeks vegetasi yang disesuaikan dengan tanah yang dimodifikasi (MSAVI) adalah indeks
vegetasi yang disesuaikan dengan tanah yang berupaya mengatasi beberapa keterbatasan NDVI
ketika diterapkan pada area dengan tingkat permukaan tanah terbuka yang tinggi. Indeks ini
merupakan peningkatan dibandingkan NDVI dan SAVI yang berupaya mengurangi pengaruh latar
belakang tanah terhadap nilai indeks. Mengembangkan MSAVI dari SAVI agar lebih andal dan
sederhana dalam menghitung faktor koreksi kecerahan tanah dalam menentukan indeks vegetasi.
Indeks vegetasi yang disesuaikan dengan tanah yang dimodifikasi (MSAVI) merupakan faktor
koreksi yang diterapkan pada NDVI untuk mengarasi gangguan yang terkait dengan tanah termasuk
variasi warna dan kelembapan tanah. MSAVI menjelaskan tanah gundul, mengurangi dampak
vegetasi yang jarang atau kurang klorofil, yang dapat menyebabkan interpretasi yang salah dalam
pembacaan NDVI di bawah kondisi serupa (Wu dkk., 2019).
Pada MSAVI tanaman baru saja muncul dan kanopi belum menutup. Menggunakan NDVI
sering kali membaca ini sebagai tidak ada vegetasi dan memberikan hasil nol. MSAVI, sebaliknya,
mengoreksi tanah gundul, menyesuaikan hasil NDVI agar lebih mencerminkan variasi tanaman pada
tanaman muda atau jarang. MSAVI mengurangi gangguan tanah dan meningkatkan sensitivitas
vegetasi dengan membandingkan kekuatan sinyal vegetasi dengan tingkat kebisingan tanah (Belhadj
dkk., 2023).
MSAVI dianggap sebagai indeks vegetasi yang dapat dimanfaatkan secara efisien untuk
mengeksplorasi vitalitas dan keberadaan tutupan vegetasi di daerah kering, karena kemampuannya
dalam mendeteksi tutupan vegetasi yang jarang dan meredam gangguan terkait tanah dari daerah
yang tidak bervegetasi. Nilai MSAVI dihitung sebagai rasio antara nilai R dan NIR dengan fungsi
induktif L yang diterapkan untuk memaksimalkan pengurangan efek tanah pada sinyal vegetasi (Al-
Issawi dan Al-Falahi, 2022).
Klasifikasi indeks vegetasi berdasarkan luas wilayah Kecamatan Panti disajikan pada tabel
sebagai berikut:

Tabel 4. Klasifikasi indeks vegetasi berdasarkan luas wilayah di Kecamatan Panti
Tingkat Nilai Luas Wilayah (2015) Luas Wilayah (2023)

kehijauan MSAVI (Ha) (%) (Ha) (%)
Sangat Rendah -0,51 - 0 2017,09 11,09 1203,77 6,62
Rendah 0,01-02 3813,39 20,97 3957,48 21,77
Sedang 0,21-0,35 5106,48 28,09 5838,99 32,12
Tinggi 0,36-0,5 4996,88 27,48 5108,59 28,10
Sangat Tinggi 0,51-0,72 2247,79 12,36 2072,81 11,40
Total 18181,65 100 18181,65 100
Berdasarkan tabel diatas dapat dilihat bahwa indeks kerapatan vegetasi di tahun 2015 dan
2023 perubahannya tidak signifikan yang mana dapat dikatakan bahwa wilayah ini hanya mengalami
sedikit perubahan penggunaan lahan dalam tahun tersebut. Kerapatan vegetasi didominasi dengan
tingkat sedang, dengan rentang nilai nya berkisar 0,21 hingga 0,35 penggunaan lahan pada tingkat ini
dapat dikategorikan seperti hutan, padang rumput, perkebunan atau kebun, sawah, sawah tadah hujan,
dan tegalan.
Gambar 5. Peta kerapatan vegetasi dengan metode MSAVI di Kecamatan Panti pada tahun 2015

Gambar 6. Peta kerapatan vegetasi dengan metode MSAVI di Kecamatan Panti pada tahun 2023
Berikut merupakan sebaran tingkat kerapatan vegetasi di Kecamatan Panti pada tahun 2015
dan 2023:
1. Tingkat kerapatan sangat rendah
Pada kelas indeks vegetasi tingkat sangat rendah dalam rentang nilai -0,51 - 0 pada tahun
2015 dengan luas 11,09% dan 2023 6,62% memiliki penggunaan lahan hutan, padang
rumput dan sawah namun lebih dominan pada penggunaan lahan hutan. Rendahnya indeks
vegetasi pada wilayah ini memiliki kemungkinan beberapa faktor penyebab yaitu adanya
kekeringan yang menyebabkan pertumbuhan vegetasi terbatas, penebangan pohon dan
adanya degradasi tanah yang menyebabkan penurunan kepadatan vegetasi, namun dalam
hal ini terlihat luas wilayah berkurang di tahun 2023 yang mana terdapat pertumbuhan
vegetasi secara perlahan sehingga menambah kerapatan vegetasi dibanding tahun 2015.
2. Tingkat kerapatan rendah
Pada kelas indeks vegetasi tingkat rendah dalam rentang nilai 0,01 – 0,2 pada tahun 2015
dengan luas 20,97% dan 2023 21,77% memiliki penggunaan lahan hutan, padang rumput,
perkebunan, dan sawah. Pada penggunaan lahan hutan lebih dominan dibanding
penggunaan lahan yang termasuk tingkat kerapatannya rendah. Rendahnya indeks vegetasi
pada wilayah ini memiliki kemungkinan beberapa faktor penyebab yaitu adanya
kekeringan yang menyebabkan pertumbuhan vegetasi terbatas, penebangan pohon,
degradasi tanah yang menyebabkan ketidakberlanjutan pengeloaan lahan, dalam hal ini
terlihat luas wilayah sawah tingkat kerapatan rendah lebih banyak pada tahun 2023

dibandingkan tahun 2015 yang mana penggunaan lahan sawah hanya sedikit terlihat rendah
indeks vegetasinya.
3. Tingkat kerapatan sedang
Pada kelas indeks vegetasi tingkat sedang dalam rentang nilai 0,21 – 0,35 pada tahun 2015
perkebunan, sawah serta pemukiman. Pada penggunaan lahan hutan dan perkebunan lebih
dominan dibanding penggunaan lahan yang termasuk tingkat kerapatannya sedang.
Rendahnya indeks vegetasi pada wilayah ini memiliki kemungkinan beberapa faktor
penyebab sama seperti tingkat kerapatan sebelumnya, namun dalam tingkat ini terlihat
bahwa dibandingkan tahun 2015 penggunaan lahan perkebunan tidak lagi dominan tapi
lahan sawah yang menjadi dominan.
4. Tingkat kerapatan tinggi
Pada kelas indeks vegetasi tingkat sedang dalam rentang nilai 0,36 – 0,5 pada tahun 2015
perkebunan, sawah serta pemukiman. Dalam tingkat ini terlihat kenaikan tingkat dari
sebelumnya seperti lahan sebagian hutan pada tahun 2015 memiliki kerapatan yang cukup
tinggi hingga ke wilayah perkebunan pada tahun 2023, lalu lahan sawah yang pada tahun
2015 memiliki tingkat kerapatan tinggi menjadi rendah dibanding 2023.
5. Tingkat kerapatan sangat tinggi
Pada kelas indeks vegetasi tingkat sedang dalam rentang nilai 0,51 -0,72 pada tahun 2015
perkebunan, sawah serta pemukiman. Dalam tingkat ini pada tahun 2015 lebih dominan
pada lahan perkebunan namun pada tahun 2023 sawah menjadi lahan yang dominan
memiliki indeks vegetasi tinggi. Namun dalam segi luas wilayah pada tahun 2015 lebih
banyak wilayah yang memiliki tingkat kerapatan tinggi.
KESIMPULAN
Analisis Kerapatan vegetasi di Kecamatan Panti yang dianalisis menggunakan metode NDVI
dan MSAVI memiliki hasil tidak ada perubahan signifikan dengan perbandingan masing-masing dari
tahun 2015 dan 2023. Dari metode NDVI dan MSAVI memiliki perbedaan tingkat kerapatan vegetasi
yang sama yaitu dengan kriteria sedang dengan nilai masing-masing dari setiap metode. Metode
NDVI dengan nilai 0,25-0,35 dan metode MSAVI dengan nilai 0,21-0,35. Hal ini disebabkan oleh
lahan pertanian yang mulai mendominasi dibandingkan dengan penggunaan lahan yang lain karena
jarak antar tanaman yang lebih dekat. Faktor-faktor seperti kekeringan, penebangan pohon, dan
degradasi tanah dapat mempengaruhi rendahnya indeks vegetasi. Hal ini disebabkan oleh dominasi
penggunaan lahan pertanian. Metode ini memberikan informasi penting untuk pengelolaan sumber
daya alam, pertanian, dan mitigasi risiko bencana alam di wilayah Kecamatan Panti. Referensi yang
digunakan dalam analisis ini mencakup jurnal-jurnal ilmiah tentang penginderaan jauh dan
penggunaan citra satelit untuk identifikasi kerapatan vegetasi.
DAFTAR PUSTAKA
Adriani, S.W., Anggraeni, Z.E.Y., Aprilia, N.C., dan Afandi, F. (2022). Pemberdayaan destana dalam
mengembangkan potensi desa siaga bencana berbasis masyarakat. MARTABE: Jurnal
Pengabdian Masyrakat, 5(6): 2018-2024.
Al-Issawi, R. J. M. dan A. S. H. Al-Falahi. 2022. Use of evidence ndvi, ndbi, ndwi, msavi to reveal
the uses of agricultural land in karma district using modern technologies. International Journal
of Health Sciences. 6(July):8203–8219.
Belhadj, A., N. Boulghobra, dan F. Demnati Allache. 2023. Multi-temporal landsat imagery and
msavi index for monitoring rangeland degradation in arid ecosystem, case study of biskra
(southeast algeria). Environmental Monitoring and Assessment. 195(6)
Brilliantina, A., Sari, E.K.N., Wahyono, A., dan Kasutjianingati. (2022). Pengembangan produksi
bersih agroindustri berbasis kopi di Kecamatan Panti Kabupaten Jember. Jurnal Pangabdhi,
8(1): 24-27.
Hardianto, Arnas et al. 2021. “Pemanfaatan Citra Landsat 8 Dalam Mengidentifikasi Nilai Indeks
Kerapatan Vegetasi (NDVI) Tahun 2013 Dan 2019 (Area Studi: Kota Bandar Lampung).”
Jurnal Geosains dan Remote Sensing 2(1): 8–15.
Khairawan, A., Ermatita., dan Falih, N. (2020). Analisis perubahan indeks kerapatan vegetasi
memanfaatkan citra landsat (studi kasus: Provinsi DKI Jakarta), Seminar Nasional Mahasiswa
Ilmu Komputer dan Aplikasinya, 62-72
Lasaiba, M.A., dan Saud, A.W. (2022). Pemanfaatan citra landsat 8 OLI/TIRS untuk identifikasi
kerapatan vegetasi menggunakan metode normalized difference vegetation index (NDVI) di
Kota Ambon, Jurnal Geografi, 20(1): 53-65
Lestari, M., S. Yulianto Joko Prasetyo, dan C. Fibriani. 2021. Analisis daerah rawan banjir pada
daerah aliran sungai tuntang menggunakan skoring dan inverse distance weighted. Indonesian
Journal of Computing and Modeling. 4(1):1–9.
Magdalina, Ilfah, and Arif Roziqin. 2021. “Pemanfaatan Citra Sentinel-2a Untuk Kerapatan Vegetasi
Ditinjau Dari Kemiringan Lereng Di Pulau Batam.” Applied Business and Engineering
Conference 9: 811–27.
Mukhlisin, A., dan Soemarno. (2020). Estimasi kandungan klorofil tanaman kopi robusta (Coffea
canephora var. Robusta) menggunakan normalized difference vegetation index (NDVI) di
Bangelan, Wonosari, Malang. Jurnal Tanah dan Sumberdaya Lahan. 7(2): 329-339.
Wu, Z., S. Lei, Z. Bian, J. Huang, dan Y. Zhang. 2019. Study of the desertification index based on
the albedo-msavi feature space for semi-arid steppe region. Environmental Earth Sciences.
78(6):1–13.

Kel 6 - Mini Riset Citra Landsat 8 Di Wilayah Panti

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

Kel 6 - Mini Riset Citra Landsat 8 Di Wilayah Panti

Diunggah oleh

Hak Cipta:

Format Tersedia

1 Analisis Tingkat Kerapatan Vegetasi di Kecamatan Panti dengan Metode NDVI dan MSAVI Berdasarkan Landsat 8 OLI/TRIS , hlm

ANALISIS TINGKAT KERAPATAN VEGETASI DI KECAMATAN PANTI

Penginderaan Jauh, Program Studi Ilmu Tanah,

Kata kunci : NDVI, MSAVI, Landsat 8

Penginderaan Jauh, hlm 1-14.

Kelas Kerapatan Vegetasi Keterangan

Penginderaan Jauh, hlm 1-14.

Gambar 1. Diagram Alir Penelitian

Penginderaan Jauh, hlm 1-14.

Gambaran Umum Lokasi Praktikum

Gambar 2. Peta Gambaran Umum Lokasi Penelitian

Penginderaan Jauh, hlm 1-14.

Tingkat Nilai NDVI Luas Wilayah (2015) Luas Wilayah (2023)

Non vegetasi -1 – (-0,03) 1122.93 ha 6,18% 1229,26 ha 6,76%

Sangat rendah (-0,03) – 0,15 2530.70 ha 13.92% 2679,02 ha 14,73%

Rendah 0,15 – 0,25 4784,94 ha 26,32% 4425,66 ha 24,34%

Sedang 0,25 – 0,35 5742,17 ha 31,58% 5614,19 ha 30,88%

Tinggi 0,36 – 1,00 4000,91 ha 22,00% 4233,53 ha 23,28%

Total 18181,65 ha 100,00% 18181,65 ha 100,00%

Penginderaan Jauh, hlm 1-14.

Sumber : Data Pribadi

Sumber : Data Pribadi

Penginderaan Jauh, hlm 1-14.

Penginderaan Jauh, hlm 1-14.

Penginderaan Jauh, hlm 1-14.

Tingkat Nilai Luas Wilayah (2015) Luas Wilayah (2023)

Sumber : Data Pribadi

Penginderaan Jauh, hlm 1-14.

Penginderaan Jauh, hlm 1-14.

Penginderaan Jauh, hlm 1-14.

Anda mungkin juga menyukai