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
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
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.