PEMANTAUAN KEKERINGAN AREA PERSAWAHAN

MENGGUNAKAN DATA CITRA SENTINEL-1A DAN

SENTINEL-2B
(Studi Kasus: Kecamatan Geyer, Kabupaten Grobogan, Provinsi
Jawa Tengah)

Lia Elita Sova Rindra

NPM 4122322130028
 LATAR
1.
BELAKANG
Beberapa wilayah di kecamatan Geyer
mengalami kesulitan air pada musim kemarau
2. Mata pencaharian warga di beberapa wilayah
bergantung pada sektor pertanian
3. Sebagian area persawahan mengalami gagal
panen
 IDENTIFIKASI MASALAH

Analisis kekeringan area persawahan

01 menggunakan Citra Sentinel -2B dan Sentinel
-1A

Analisis perbandingan akurasi dari

02 identifikasi kekeringan di area persawahan
menggunakan Citra Sentinel -2B dan Sentinel
-1A
 TUJUAN PENELITIAN

Mengidentifikasi kekeringan area

01 persawahan menggunakan Citra Sentinel -2B
dan Sentinel -1A

Mengetahui akurasi hasil identifikasi

02 kekeringan area persawahan menggunakan
Citra Sentinel -2B dan Sentinel -1A
 BATASAN
1.
2. MASALAH
Wilayah studi meliputi kecamatan Geyer, Kab. Grobogan
Data yang digunakan adalah data Citra Sentinel-1A Bulan Agustus 2017,
Citra Sentinel-2B Bulan Agustus 2017, data curah hujan Bulan Agustus
2017, dan batas administrrasi Kecamatan Geyer skala 1:50.000
3. Data Citra Sentinel-2B menggunakan indeks vegetasi NMDI dan NDVI
sedangkan pada Citra Sentinel-1 menggunakan metode thresholding
untuk identifikasi kekeringan berdasarkan hasil dari Citra Optis
4. Pembuatan threshold pada Citra Radar dilakukan untuk memisahkan
kelas yang terdeteksi kering berdasarkan band math expression yang
dilakukan oleh UAF, 2017.
5. Pembuatan ICP berdasarkan acuan dari peta Bing Map yang didapat dari
software SAS Planet.
 METODE PENELITIAN

Metode NDMI digunakan untuk identifikasi

01 kekeringan berdasarkan tingkat kelembaban
tanah.

02 Metode NDVI digunakan untuk mengetahui

tingkat kehijauan vegetasi.
METODE
PENGUMPULAN DATA
• Batas Administrasi skala 1:50.000 pada tahun 2016 yang bersumber dari Bappeda
Provinsi Jawa Tengah
• Citra Radar Sentinel-1A Bulan Agustus 2017 yang bersumber dari
https://scihub.copernicus.eu/dhus
• Citra Sentinel-2B Bulan Agustus 2017 yang bersumber dari
https://scihub.copernicus.eu/dhus
• Data curah hujan Bulan Agustus 2017 yang bersumber dari BMKG
• Data GPS digunakan untuk mengetahui akurasi hasil dari identifikasi menggunakan
data Citra dengan data di lapangan.
Kekeringan
Secara garis besar, kekeringan terjadi akibat kurangnya curah hujan yang turun
selama beberapa kurun waktu tertentu dan mengakibatkan kekurangan air untuk
beberapa kegiatan di beberapa wilayah. Dampak yang diakibatkan oleh
kekeringan yaitu sebagai berikut (Fatma, 2015): 1. Kurangnya sumber air munum,
2. Kurangnya sumber air untuk kebutuhan sehari – hari, 3. Tanaman menjadi mati,
4. Banyak binatang yang akan mati, 5. Lingkungan menjadi kotor
Penginderaan Jauh
Pengindraan jauh adalah ilmu dan seni untuk memperoleh informasi
tentang permukaan bumi dengan jalan menganalisis data yang diperoleh
dengan menggunakan alat tanpa kontak langsung dengan obyek atau daerah
di permukaan bumi yang dikaji (Danoedoro, 2012)
Penginderaan Jauh
Pengindraan jauh adalah ilmu dan seni untuk memperoleh informasi
tentang permukaan bumi dengan jalan menganalisis data yang diperoleh
dengan menggunakan alat tanpa kontak langsung dengan obyek atau daerah
di permukaan bumi yang dikaji (Danoedoro, 2012)
Citra Sentinel-1

Misi Sentinel-1 adalah konstelasi dari 2 satelit, yaitu Sentinel-1A dan

Sentinel-1B. Sentinel-1 di rancang untuk bekerja secara terprogram, mode
operasi non-konflik, mengamati seluruh daratan, pesisir, dan rute kapal
dengan resolusi yang tinggi, dan mencakup lautan secara global. Hal ini
memungkinkan kehandalan secara operasional dan konsistensi arsip data
dalam waktu jangka panjang
Citra Sentinel-2

Citra Sentinel-2 merupakan satelit yang diciptakan oleh ESA (European

Space Agency). Sentinel-2 memiliki 13 band spektral, empat band
mempunyai resolusi 10 m, enam band mempunyai resolusi 20 m dan tiga
band mempunyai resolusi 60 m.
 Koreksi Geometrik
• Kesalahan geometrik citra terjadi karena posisi dan orbit pada saat
satelit mengindera bumi, kelengkungan dan putaran bumi

• Akibat dari kesalahan geometrik ini adalah posisi piksel dari data satelit
tersebut tidak sesuai dengan posisi yang sebenarnya.

• Proses koreksi geometrik dilakukan dengan cara mentransformasikan

posisi setiap piksel yang ada pada citra dengan posisi objek yang sama
di permukaan bumi menggunakan beberapa titik kontrol tanah
 Koreksi Radiometrik
• Koreksi radiometrik adalah sebuah proses yang ditujukan untuk
memperbaiki nilai piksel agar sesuai dengan yang sebenarnya
mempertimbangkan faktor gangguan atmosfer sebagai sumber
kesalahan utama.

• Efek atmosfer menyebabkan nilai pantulan objek dipermukaan bumi

yang terekam oleh sensor menjadi bukan nilai aslinya, tetapi menjadi
lebih besar karena adanya hamburan atau lebih kecil karena proses
serapan
Indeks Vegetasi
Gelombang yang dikeluarkan dari sinar matahari akan jatuh pada permukaan
daun daun dan tanaman, ada yang diserap dan ada yang dipantulkan kembali.
Gelombang pantulan inilah yang akan dianalisis untuk dijadikan sebuah
penelitian.

Indeks Vegetasi dapat secara efektif digunakan untuk pemetaan kekeringan,

penggurunan (desertifikasi), penggundulan hutan, dan lain-lain. Indeks vegetasi
yang digunakan dalam penelitian ini yaitu NMDI dan NDVI.
NDMI
Indeks vegetasi NMDI (Normalized Multi-band Drought Index) merupakan
indeks yang dapat digunakan untuk mengidentifikasi kekeringan berdasarkan
tingkat kelembapan tanah.
NDMI
Nilai indeks vegetasi NMDI dapat dihitung berdasarkan rumus sebagai
berikut

Keterangan:
NMDI = Normalized Multi-band Drought Index
R860nm = Reflektansi Kanal NIR (band 8)
R1640nm = Reflektansi Kanal SWIR1 (band 11)
R2130nm = Reflaktansi Kanal SWIR 2 (band 12)
NDVI
Nilai indeks vegetasi NDVI (Normilized Difference Vegetation Index)
dalam perhitungannya menggunakan jumlah radiasi reflektan dari
gelombang tampak dan Near-Infrared. NDVI memiliki efektivitas untuk
memprediksi sifat permukaan ketika kanopi vegetasi tidak terlalu rapat
dan tidak terlalu jarang
NDVI
Nilai indeks vegetasi NDVI dapat dihitung berdasarkan rumus sebagai
berikut

Keterangan:
NDVI = Normilized Difference Vegetation Index
R860nm = Reflektansi Kanal NIR (band 8)
R630nm = Reflektansi kanal band merah (band 4)
TERIMA KASIH