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...

Full description

Bibliographic Details
Main Authors: Indarto Indarto, Rufiani Nadzirah, Hadrian Reksa Belagama
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