Pemetaan Lahan Sub-Optimal Berbasis Nilai NDVI Sentinel 2a: Studi Pendahuluan
Normalized Difference Vegetation Index (NDVI) merupakan salah satu indeks vegetasi yang digunakan untuk menganalisis kerapatan vegetasi. Penelitian ini menyajikan potensi aplikasi NDVI untuk memetakan Lahan Sub-Optimal kering (LSO-kering). Penelitian dilakukan di bagian timur wilayah Kabupaten Situb...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | Indonesian |
Published: |
Diponegoro University
2020-11-01
|
Series: | Jurnal Presipitasi |
Subjects: | |
Online Access: | https://ejournal.undip.ac.id/index.php/presipitasi/article/view/27834 |
id |
doaj-4c3f0d5726f74c038e7a5224aedc9a68 |
---|---|
record_format |
Article |
spelling |
doaj-4c3f0d5726f74c038e7a5224aedc9a682020-12-16T21:09:28ZindDiponegoro UniversityJurnal Presipitasi1907-817X2020-11-0117319420410.14710/presipitasi.v17i3.194-20417596Pemetaan Lahan Sub-Optimal Berbasis Nilai NDVI Sentinel 2a: Studi PendahuluanIndarto Indarto0Rufiani Nadzirah1Hadrian Reksa Belagama2Universitas JemberUniversitas JemberUniversitas JemberNormalized Difference Vegetation Index (NDVI) merupakan salah satu indeks vegetasi yang digunakan untuk menganalisis kerapatan vegetasi. Penelitian ini menyajikan potensi aplikasi NDVI untuk memetakan Lahan Sub-Optimal kering (LSO-kering). Penelitian dilakukan di bagian timur wilayah Kabupaten Situbondo yang mencakup tiga kecamatan, yaitu, Arjasa, Asembagus dan Jangkar. Citra Sentinel 2A rekaman tahun 2018 yang sudah terkoreksi dan 450 training area atau GCP (Ground Control Point) digunakan sebagai input utama. Wilayah tersebut merupakan daerah dengan karakteristik iklim yang khas, dimana musim kemarau lebih lama dibanding dengan musim penghujan. Analisis menggunakan tool "plug-in SNAP" dan "QGIS". Prosedur penelitian mencakup: (1) inventarisasi data, (2) pra-processing data, (3) processing data dan (4) uji akurasi. Klasifikasi NDVI dapat membedakan 6 kelas peruntukan yaitu : badan air, area pemukiman, LSO-kering, tegalan-sawah tadah hujan, sawah irigasi, hutan-perkebunan. Klasifikasi NDVI menghasilkan nilai Overall dan Kappa akurasi sebesar 66,9% dan 61,6%. Nilai akurasi yang didapat masih jauh dari standar klasifikasi, namun metode ini dapat menjadi pijakan penelitian selanjutnya terkait dengan indek citra yang dapat digunakan untuk identifikasi LSO-Kering.https://ejournal.undip.ac.id/index.php/presipitasi/article/view/27834sentinel 2andviklasifikasilahan-pertaniansub-optimalkering |
collection |
DOAJ |
language |
Indonesian |
format |
Article |
sources |
DOAJ |
author |
Indarto Indarto Rufiani Nadzirah Hadrian Reksa Belagama |
spellingShingle |
Indarto Indarto Rufiani Nadzirah Hadrian Reksa Belagama Pemetaan Lahan Sub-Optimal Berbasis Nilai NDVI Sentinel 2a: Studi Pendahuluan Jurnal Presipitasi sentinel 2a ndvi klasifikasi lahan-pertanian sub-optimal kering |
author_facet |
Indarto Indarto Rufiani Nadzirah Hadrian Reksa Belagama |
author_sort |
Indarto Indarto |
title |
Pemetaan Lahan Sub-Optimal Berbasis Nilai NDVI Sentinel 2a: Studi Pendahuluan |
title_short |
Pemetaan Lahan Sub-Optimal Berbasis Nilai NDVI Sentinel 2a: Studi Pendahuluan |
title_full |
Pemetaan Lahan Sub-Optimal Berbasis Nilai NDVI Sentinel 2a: Studi Pendahuluan |
title_fullStr |
Pemetaan Lahan Sub-Optimal Berbasis Nilai NDVI Sentinel 2a: Studi Pendahuluan |
title_full_unstemmed |
Pemetaan Lahan Sub-Optimal Berbasis Nilai NDVI Sentinel 2a: Studi Pendahuluan |
title_sort |
pemetaan lahan sub-optimal berbasis nilai ndvi sentinel 2a: studi pendahuluan |
publisher |
Diponegoro University |
series |
Jurnal Presipitasi |
issn |
1907-817X |
publishDate |
2020-11-01 |
description |
Normalized Difference Vegetation Index (NDVI) merupakan salah satu indeks vegetasi yang digunakan untuk menganalisis kerapatan vegetasi. Penelitian ini menyajikan potensi aplikasi NDVI untuk memetakan Lahan Sub-Optimal kering (LSO-kering). Penelitian dilakukan di bagian timur wilayah Kabupaten Situbondo yang mencakup tiga kecamatan, yaitu, Arjasa, Asembagus dan Jangkar. Citra Sentinel 2A rekaman tahun 2018 yang sudah terkoreksi dan 450 training area atau GCP (Ground Control Point) digunakan sebagai input utama. Wilayah tersebut merupakan daerah dengan karakteristik iklim yang khas, dimana musim kemarau lebih lama dibanding dengan musim penghujan. Analisis menggunakan tool "plug-in SNAP" dan "QGIS". Prosedur penelitian mencakup: (1) inventarisasi data, (2) pra-processing data, (3) processing data dan (4) uji akurasi. Klasifikasi NDVI dapat membedakan 6 kelas peruntukan yaitu : badan air, area pemukiman, LSO-kering, tegalan-sawah tadah hujan, sawah irigasi, hutan-perkebunan. Klasifikasi NDVI menghasilkan nilai Overall dan Kappa akurasi sebesar 66,9% dan 61,6%. Nilai akurasi yang didapat masih jauh dari standar klasifikasi, namun metode ini dapat menjadi pijakan penelitian selanjutnya terkait dengan indek citra yang dapat digunakan untuk identifikasi LSO-Kering. |
topic |
sentinel 2a ndvi klasifikasi lahan-pertanian sub-optimal kering |
url |
https://ejournal.undip.ac.id/index.php/presipitasi/article/view/27834 |
work_keys_str_mv |
AT indartoindarto pemetaanlahansuboptimalberbasisnilaindvisentinel2astudipendahuluan AT rufianinadzirah pemetaanlahansuboptimalberbasisnilaindvisentinel2astudipendahuluan AT hadrianreksabelagama pemetaanlahansuboptimalberbasisnilaindvisentinel2astudipendahuluan |
_version_ |
1724380903310884864 |