laporan ndvi&tasseled cap

7/23/2019 Laporan NDVI&Tasseled Cap

http://slidepdf.com/reader/full/laporan-ndvitasseled-cap 1/18

Laporan Praktikum 9 Hari/tanggal: Kamis, 3 Desember 2015

Pengindraan Jauh dan Waktu Praktikum: 13.30-16.30

Interpretasi Citra Dosen: Dr. Ir. Khursatul Munibah M.Sc.

Asisten: Novi Anggriani (A14110047)

Indah Purnama Sari (A14110083)

Transformasi (NDVI & Tasseled Cap)

Nama: Siti Rini Rahmayanti

NRP: G24120075

Kelompok 6

LABORATORIUM PENGINDERAAN JAUH DAN INFORMASI SPASIAL

DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

2015



Metodologi

Melakukan transformasi data citra melalui menu indices

Menentukan nilai NDVI pada lokasi yang ditentukan

Melakukan transformasi Tasseled Cap



Hasil Praktikum

Tabel 1 Nilai NDVI objek laut dalam

LokasiKoordinat

Nilai PrintscreenX Y

1 837874.46 -573051.06 -0.133

2 671913.82 -547486.41 -0.143

3 782135.15 -557125.54 -0.161

4 824011.4 -591491.13 -0.144

5 833.683.53 -64180.35 -0.137

Rataan -0.144



Tabel 2 Nilai NDVI objek laut dangkal

LokasiKoordinat


1 798479.76 -679081.47 -0.15

2 773753.3 -662317.77 -0.182

3 737711.34 -651421.36 -0.159

4 706698.5 -653516.82 -0.193

5 660179.23 -658126.84 -0.208

Rataan -0.178



Tabel 3 Nilai NDVI objek perkotaan

LokasiKoordinat


1 661017.41 -686625.13 0.211

2 671494.72 -684529.67 0.155

3 666465.61 -687463.32 0.206

4 679876.57 -681596.02 0.165

5 712146.7 -687044.23 0.133

Rataan 0.174



Tabel 4 Nilai NDVI objek sawah

LokasiKoordinat


1 814405.28 -702131.56 0.401

2 813986.18 -693749.71 0.477

3 804766.15 -695426.08 0.496

4 789678.82 -699197.91 0.478

5 728910.4 -678662.38 0.365

Rataan 0.4434



Tabel 5 Nilai NDVI objek hutan

LokasiKoordinat


1 674009.28 -718476.17 0.538

2 676523.83 -716799.8 0.561

3 745674.1 -730210.76 0.584

4 751122.3 -723924.37 0.668

5 806861.61 -734820.77 0.521

Rataan 0.5744



Tabel 6 Nilai NDVI objek kebun campuran

LokasiKoordinat


1 796834.3 -724343.46 0.617

2 779620.6 -724343.46 0.522

3 770400.56 -720152.54 0.454

4 765790.54 -722667.09 0.486

5 733520.42 -725600.74 0.524

Rataan 0.5206



Tabel 7 Nilai NDVI objek lahan kering

LokasiKoordinat


1 737711.34 -718057.07 0.279

2 736034.97 -710932.5 0.228

3 746093.19 -695426.08 0.15

4 784649.71 -710932.5 0.26

5 818596.2 -717218.89 0.211

Rataan 0.2256



Tabel 8 tingkat kejelasan objek setelah dilakukan transformasi NDVI

LD LDk PK SV HT KC LK

LD 3 1 1 1 1 1

LDk 1 1 1 1 1

PK 3 3 3 3

SV 3 3 3

HT 3 3

KC 3

LK

Tabel 9 tingkat kejelasan objek setelah dilakukan transformasi tasseled cap

LD LDk PK SV HT KC LK

LD 2 1 1 1 1 1

LDk 1 1 1 1 1

PK 1 1 1 1

SV 1 2 1

HT 2 1

KC 1

LK

Gambar 1 Scattered plot nilai brightness dan greeness setiap objek permukaan

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 G r e e n e s s

Brightness

Laut Dalam

Laut Dangkal

Perkotaan

Sawah

Hutan

Kebun Campuran

Lahan Kering



Tabel 10 nilai brightness, greeness, dan wetness pada setiap objek

KelasKoordinat

Brightness Greeness Wetness Printscreenx y

Laut Dalam 782135.2 -557125.5 0.176 -0.097 0.047

Laut Dangkal 737711.3 -651421.4 0.218 -0.113 0.056



Perkotaan 666465.6 -687463.3 0.371 -0.095 -0.142

Sawah 804766.2 -695426.1 0.368 0.065 -0.056

Hutan 745647.1 -730210.8 0.233 0.033 -0.028



Kebun

Campuran770400.6 -720152.5 0.347 0.024 -0.078

Lahan Kering 746093.2 -695426.1 0.492 -0.103 -0.244



Gambar 2 Scattered plot nilai brightness dan wetness setiap objek permukaan

Gambar 3 Scattered plot nilai brightness dan NDVI setiap objek permukaan

Gambar 4 Scattered plot nilai greeness dan wetness setiap objek permukaan

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 W e t n e s s

Brightness

Laut Dalam

Laut Dangkal

Perkotaan

Sawah

Hutan

Kebun Campuran

Lahan Kering

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 N D V I

Brightness

Laut Dalam

Laut Dangkal

Perkotaan

Sawah

Hutan

Kebun Campuran

Lahan Kering

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 W e t n e s s

Greeness

Laut Dalam

Laut Dangkal

Perkotaan

Sawah

Hutan

Kebun Campuran

Lahan Kering



Gambar 5 Scattered plot nilai brightness dan NDVI setiap objek permukaan

Gambar 6 Scattered plot nilai wetness dan NDVI setiap objek permukaan

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 N D V I

Greeness

Laut Dalam

Laut Dangkal

Perkotaan

Sawah

Hutan

Kebun Campuran

Lahan Kering

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 N D V I

Wetness

Laut Dalam

Laut Dangkal

Perkotaan

Sawah

Hutan

Kebun Campuran

Lahan Kering



Pembahasan

Transformasi NDVI merupakan salah satu teknik yang telah digunakan

secara luas untuk berbagai aplikasi penginderaan jauh (Liang 2004). Normalizes

Vegetation Index (NDVI) merupakan metode standar yang digunakan untuk

membandingkan tingkat kehijauan vegetasi atau membadingkan kandungan

klorofil pada tumbuhan. NDVI merupakan indeks vegetasi sederhana namun

memiliki sensifitas yang paling tinggi terhadap perubahan kerapatan tajuk vegetasi

dibanding indeks vegetasi lainnya (Wibowo et al. 2010). Tanaman memilliki

kemampuan menyerap cahaya merah oleh klorofil serta pemantulan cahaya infra

merah dekat oleh mesofil pada daun akan membuat nilai kecerahan yang diterima

pada kedua band tersebut akan jauh berbeda. Perbandingan keduanya mampu

menyajikan tingkat kehijauan tumbuhan yang biasa kita kenal dengan NDVI

(Pragoyo 2007).

Transformasi NDVI menggunakan data citra Landsat 7 milik kelompok 1,yang telah dikoreksi radiometrik. Berdasarkan tabel 1 - 8, diperoleh nilai rataan

NDVI untuk laut dalam sebesar – 0.14 , laut dangkal -0.18, sedangkan untuk objek

bervegetasi sawah memiliki nilai rataan NDVI sebesar 0.44, kebun campuran 0.52,

serta hutan tropis 0.57, pada wilayah daratan non-vegetasi seperti perkotaan dan

lahan kering memiliki nilai rataan 0.17 dan 0.2. Berdasarkan data tersebut terlihat

bahwa nilai NDVI terendah pada objek laut dangkal dan nilai NDVI tertingi pada

hutan, nilai tersebut berbanding lurus dengan kerapatan suatu objek, semakin rapat

suatu objek, semakin tingi pula nilai NDVI nya. Hal ini sesuai dengan Waas et al.

(2010) yang menyatakan bahwa nilai NDVI kurang dari 0 mengindikasikan badanair, es, dan salju, serta NDVI untuk wilayah bervegetasi diatas 0.1. Berdasarkan

tabel 9 dapat diketahui bahwa setelah dilakukan transformasi NDVI antara objek

badan air dan daratan dapat dibedakan dengan jelas secara visual, namun untuk laut

dalam dan laut dangkal tidak dapat dibedakan dengan jelas, hal ini pun terjadi pada

objek yang berada di daratan, antara sawah vegetasi, perkotaan, kebun campuran,

lahan kering dan hutan tidak dapat dibedakan jika dilakukan analisis secara visual.

Hal ini dikarenakan hasil transformasi NDVI menyajikan data dengan rona abu

hingga hitam, sehingga gradasi warna antara objek dengan nilai yang berbeda tidak

dapat dibedakan secara jelas. Hasil transformasi NDVI tidak bisa dilakukan analisis

secara visual, melainkan harus analisis secara numerik.

Transformasi Tasseled Cap merupakan formula matematik untuk

menghitung tingkat kecerahan (brightness), kehijauan (greenness), dan

kelembaban (wetness) dari angka-angka digital di setiap band pada citra Landsat.

Nilai-nilai dalam tasseled cap dapat digunakan untuk menganalisis kekeringan

(Shofiyati et al. 2007). Transformasi Tasseled Cap mempunyai beberapa

keunggulan diantaranya: menyediakan informasi yang baik untuk daerah pertanian

karena mampu memisahkan area vegetasi pada lahan kering dan lahan basah,

mampu mendefinisikan data spektral citra yang berhubungan dengan karakteristik



fisik obyek di permukaan bumi, digunakan pada daerah dimana gangguan atmosfer

sangat besar, misalnya kabut, awan, dan bayangan awan (Wihantika et al. 2006).

Berdasarkan tabel 9 diketahui bahwa hasil transformasi tasseled cap dapat

dilakukan analisis secara visual, hal ini karena setiap objek dapat dibedakan dengan

jelas, namun untuk objek laut dalam dengan laut dangkal, hutan dengan sawah

vegetasi, serta kebun campuran dengan hutan kurang dapat dibedakan secara visual.

Berdasarkan tabel 10 terlihat bahwa nilai kecerahan tertinggi terdapat pada objek

lahan kering (0.492) , dan nilai kecerahan terendah terdapat pada objek laut dalam

(0.176). Nilai indeks kehijauan tertinggi terdapat pada objek hutan (0.033), dan

nilai indeks kehijauan terendah terdapat pada objek laut dangkal (-0.113). Nilai

indeks kebasahan tertinggi terdapat pada objek laut dangkal (0.056) dan indeks

kebasahan terendah terdapat pada objek lahan kering (-0.244). Bila data tersebut

dilihat lebih lanjut pada gambar 1 – 6 dapat dilihat bahwa untuk objek laut dalam

dan laut dangkal memiliki nilai brightness dan greeness terendah dibandingkanobek yang lainnya, namun memiliki nilai wetness tertingi diantara objek yang

lainnya. Hal ini dapat diketahui bahwa badan air memiliki kemampuan untuk

menyerap cahaya tinggi sehingga cenderung gelap, tidak mengandung vegetasi,

serta memiliki tingkat kelembaban rendah. Hal ini berbeda dengan objek vegetasi

(sawah, hutan, dan kebun campuran) yang cenderung memiliki nilai brightness,

greeness, dan wetness menengah diantara objek lainnya. Berdasarkan data tersebut

dapat diketahui bahwa objek bervegetasi cenderung memantulkan cahaya, serta

mengandung kelembaban yang cukup untuk tanaman. Objek perkotaan dan lahan

kering memiliki nilai brightness yang cukup tinggi dan nilai greeness dan wetness yang cukup rendah. Hal ini menunjukkan bahwa untuk lahan kering dan lahan

terbangun memiliki kemampuan memantulkan cahaya yang baik, tidak

mengandung vegetasi serta memiliki kemampuan yang cukup rendah. Indeks

Kecerahan memberikan informasi bahwa permukaan cerah dipantulkan lebih tinggi

dari pada permukaan yang lembab, warna hijau merupakan pantulan dari

permukaan tanah yang cerah sehingga dapat diinterpretasikan bahwa wilayah

wilayah tersebut merupakan daerah yang mempunyai tingkat kelembaban rendah

(Raharjo 2010). Analisis tasseled cap menggunakan kombinasi band 1, 2, 3. Hal

ini sesuai dengan band yang gunakan, sensor merah menggunakan band 1, sensor

hijau menggunakan band 2, serta sensor biru menggunakan band 3.



Kesimpulan

NDVI merupakan nilai yang mampu menggambarkan tingkat kehijauan

tumbuhan, tanaman memilliki kemampuan menyerap cahaya merah oleh klorofil

serta pemantulan cahaya infra merah dekat oleh mesofil sehingga digunakan band

NIR dan band merah. Nilai NDVI berbanding lurus dengan kerapatan suatu objek,

semakin rapat suatu objek, semakin tingi pula nilai NDVI nya, NDVI terendah pada

objek laut dangkal dan nilai NDVI tertingi pada hutan. Transformasi Tasseled Cap

merupakan formula matematik untuk menghitung tingkat kecerahan (brightness),

kehijauan (greenness), dan kelembaban (wetness) dari angka-angka digital di setiap

band pada citra Landsat. Badan air memiliki kemampuan untuk menyerap cahaya

tinggi sehingga cenderung gelap, tidak mengandung vegetasi, serta memiliki

tingkat kelembaban rendah. Objek bervegetasi cenderung memantulkan cahaya,

serta mengandung kelembaban yang cukup untuk tanaman. Objek perkotaan dan

lahan kering memiliki kemampuan memantulkan cahaya yang baik, tidakmengandung vegetasi serta memiliki kemampuan yang cukup rendah.

Daftar Pustaka

Liang S. 2004. Quantitative Remote Sensing of Land Surface. New Jersey(US): John

Wiley & Sons, Inc.

Pragoyo T. 2007. Aplikasi SIG untuk memahami fenomena tutupan lahan dengan

citra satelit. Jurnal Teknik Lingkungan. 8(2): 137-142.Raharjo P D. 2010. Teknik pengindraan jauh dan sistem informasi geografis untuk

identifikasi potensi kekeringan. Makara Teknologi. 14(2): 97-105.

Shofiyati R, Kuncoro D. 2007. Inderaja untuk mengkaji kekeringan di lahan

pertanian. Informatika Pertanian. 16(1): 923-936.

Waas H J D, dan Nababan B. 2005. Pemetaan dan analisis index vegetasi mangrove

di pulau saparua, maluku tengah. Jurnal Ilmu dan Teknologi Kelautan

Tropis. 2(1): 50-58.

Wibowo H, Hadi M P, Suharyadi. 2010. Transformasi NDVI untuk estimasi nilai

koefisien aliran kasus DAS Citarum Hulu. Limnotek . 17(2): 138-146.

Wihantika K, dan Agus A. 2006. Analisis perubahan luas pertanian lahan kering

menggunakan transformasi tasseled cap, studi kasus: Puncak, Jawa Barat.

Jurnal Infrastruktur dan Lingkungan Binaan. 2(1): 29-35.

laporan ndvi&tasseled cap

Documents