TUGAS PENGOLAHAN CITRA DIGITAL

IDENTIFIKASI TINGKAT KEKERINGAN LAHAN

DENGAN CITRA LANDSAT 8

Disusun oleh:
Mirta Indriastuti (21110114120021)
Fajriah Lita Pamungkasari (21110114120046)
Seprila Putri Darlina (21110114120051)

DEPARTEMEN PENDIDIKAN NASIONAL

UNIVERSITAS DIPONEGORO FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK GEODESI
Jl. Prof.H.Sudarto, SH Tembalang, Semarang, Jawa Tengah
Fax: (024) 76480788, Telp: (024) 76480788
e-mail : jurusan@geodesi.ft.undip.ac.id
2017
 BAB I
PENDAHULUAN

I.1 Latar Belakang

Berdasarkan analisis iklim 30 tahun terakhir menunjukkan bahwa, ada
kecenderungan terbentuknya pola iklim baru yang menyebabkan terjadinya
perubahan iklim. Dampak terjadinya perubahan iklim terhadap sektor pertanian
adalah bergesernya awal musim kemarau yang menyebabkan berubahnya pola
tanam karena adanya kekeringan.
Kekeringan pada dasarnya diakibatkan oleh kondisi hidrologi suatu daerah
dalam kondisi air tidak seimbang. Kekeringan terjadi akibat dari distribusi hujan
tidak merata yang merupakan satu-satunya input bagi suatu daerah.
Ketidakmerataan hujan ini akan mengakibatkan di beberapa daerah yang curah
hujanya kecil akan mengalami ketidakseimbangan antara input dan output air
(Shofiyati, 2007).
Kekeringan adalah keadaan kekurangan pasokan air pada suatu daerah
dalam masa yang berkepanjangan (beberapa bulan hingga bertahun-tahun).
Biasanya kejadian ini muncul bila suatu wilayah secara terus-menerus mengalami
curah hujan di bawah rata-rata. Musim kemarau yang panjang akan menyebabkan
kekeringan karena cadangan air tanah akan habis akibat penguapan (evaporasi),
transpirasi, ataupun penggunaan lain oleh manusia.
Kurangnya data peta berisi informasi daerah potensial dilanda kekeringan
turut berperan sebagai salah satu faktor yang menghambat penyelesaian masalah
kekeringan, sehingga saat ini sangat diperlukan peta-peta tersebut mengingat
kekeringan merupakan suatu masalah berdampak serius pada seluruh sektor
kehidupan. Peta yang berkaitan dengan keruangan hendaknya merupakan peta
yang bergeoreferensi. Pembuatan peta yang bergeorefensi dapat menggunakan
teknik Penginderaan Jauh menggunakan citra satelit.
Perkembangan teknologi penginderaan jauh yang sangat pesat saat ini
membantu dalam menyediakan data sebagai informasi untuk studi kekeringan.
Penginderaan jauh memiliki kemampuan dalam memberikan informasi secara

1
lebih cepat, cakupan daerah studi lebih luas serta kebutuhan biaya relatif lebih
rendah untuk mendapatkan informasi mengenai terjadinya kekeringan.
Ekstraksi data yang dilakukan melalui penginderaan jauh berupa suhu
permukaan (land surface temperature) dari saluran termal citra Aster serta analisis
vegetasi melalui transformasi NDVI (Normalized Difference Vegetation Index).
Dari data suhu permukaan dan citra NDVI akan dihasilkan indeks NDDI
(Normalized Difference Dry Index) yang merupakan salah satu indeks
kekeringan. Dari indeks tersebut dapat dihasilkan peta kekeringan lahan dari
beberapa tingkatan sesuai dengan parameter kekeringan yang telah ditentukan.
Berdasarkan uraian di atas maka dalam tugas Pengolahan Citra Digital kali
ini dilakukan penelitian dengan metode transformasi spektral untuk
mengklasifikasikan daerah kekeringan lahan di Kabupaten Boyolali Jawa Tengah
menggunakan citra satelit Landsat 8 yang diolah dengan software ENVI.

I.2 Rumusan Masalah

I.2.1 Maksud
Maksud dari tugas analisis kekeringan lahan ini adalah dapat
memanfaatkan pengolahan pada citra satelit guna melakukan pemetaan klasifikasi
daerah dengan tingkatan kekeringan lahan yang telah ditentukan.
I.2.2 Tujuan
Adapun tujuan dari tugas ini adalah sebagai berikut:
1. Meningkatkan pemahaman mahasiswa dalam pengolahan citra digital
mengunakan software ENVI.
2. Melakukan pengolahan data citra satelit dengan menggunakan metode
transformasi spektral.
3. Mengetahui sebaran daerah berpotensi kekeringan di suatu daerah dengan
menggunakan analisis NDDI.
4. Melakukan perbandingan hasil pengolahan NDDI pada waktu
pengamatan yang berbeda dalam satu daerah pengamatan.

2
I.3 Rumusan Masalah
Rumusan masalah yang disusun untuk laporan ini antara lain :
1. Apa saja yang diperlukan dalam membuat peta klasifikasi tingkat
kekeringan lahan?
2. Bagaimana cara melakukan modifikasi spektral guna mendapatkan
indeks untuk analisis kekeringan lahan?
3. Bagaimana hasil perhitungan luasan lahan yang mengalami
kekeringan di Kabupaten Boyolali?

3
 BAB II
METODE PELAKSANAAN

Adapun langkah-langkah dalam pelaksanaan praktikum adalah sebagai berikut

1. Membuka file citra Landsat 8 Band 4, 5, 6, 7.

Gambar METODE PELAKSANAAN-1 Citra Landsat 8 Band 4, 5, 6, 7.

2. Melakukan kalibrasi radiometrik (DN to Reflectance) pada setiap band dengan

rumus
(Reflectance_Mult_Band*DN+Reflectance_Add_Band)/sin (sun elevation)

1
 Gambar METODE PELAKSANAAN-2 Input rumus

Gambar METODE PELAKSANAAN-3 Cursor value

Jika nilai-nilai piksel berada pada rentang 0-1 maka nilai reflectance-nya sudah
benar.

2
 Gambar METODE PELAKSANAAN-4 Hasil kalibrasi rasiometrik Band 4, 5,
6, 7
3. Melakukan layer stacking pada semua band.

Gambar METODE PELAKSANAAN-5 Kotak dialog layer stacking

3
 Gambar METODE PELAKSANAAN-6 Hasil layer stacking
4. Memasukkan rumus NDVI dan NDWI pada Band Math.

Gambar METODE PELAKSANAAN-7 Band math NDVI dan NDVI

5. Mendefinisikan B4 dan B5 pada rumus. Pada NDVI B5 didefinisikan sebagai
band NIR (band 5) dan B4 sebagai band Red (band 4). Sedangkan pada

4
 NDWI, B5 didefinisikan sebagai band NIR dan B4 sebagai band SWIR2
(band 7).

Gambar METODE PELAKSANAAN-8 NDWI September

6. Memasukkan rumus NDDI bulan September pada Band Math. B5
didefinisikan sebagai NDVI dan B4 sebagai NDWI.

Gambar METODE PELAKSANAAN-9 NDDI September

7. Membuat NDVI pada citra bulan Juli dan September. NDVI bulan Juli
merupakan NDVI1 dan NDVI bulan September merupakan NDVI2.

5
 Gambar METODE PELAKSANAAN-10 NDVI September dan NDVI Juli
8. Membuat citra pengali masking untuk mengetahui apakah kekeringan tersebut
merupakan fase berah atau murni kekeringan sawah dengan rumus
(float(B2)LEfloat(B1))*0+(float(B2)GEfloat(B1))*1

Gambar METODE PELAKSANAAN-11 Citra pengali masking

9. Mengalikan citra pengali masking dengan citra NDDI bulan September pada
Band Math.

6
 Gambar METODE PELAKSANAAN-12 Citra hasil perkalian NDDI dan
pengali masking
10. Melakukan pengkelasan dengan Basic Tools → Region of Interest → Band
Threshold to ROI Input Band. Terdapat lima kelas yaitu Normal, Kekeringan
Normal, Kekeringan Sedang, Kekeringan Berat, dan Kekeringan Sangat Berat.

Gambar METODE PELAKSANAAN-13 Pengkelasan kekeringan

11. Melakukan pemotongan citra pada daerah studi kasus, yaitu Kabupaten
Boyolali.

7
 Gambar METODE PELAKSANAAN-14 Croping citra
12. Memvektorkan dengan Vector → Classification dan mengkonversi citra itu
sebagai shapefile.

Gambar METODE PELAKSANAAN-15 Hasil konversi shp

8
13. Hasil perhitungan luas klasifikasi

9
10
Gambar METODE PELAKSANAAN-16 Contoh attribute table hasil
klasifikasi

11
 BAB III
HASIL DAN PEMBAHASAN

III.1 Hasil
Dari hasil pengolahan transformasi spektral, perhitungan luasan lahan
yang mengalami kekeringan didapatkan data seperti berikut :
a. Normal : 1076206500 m2
b. Kekerihan Normal : 26100 m2
c. Kekerihan Ringan : 28800 m2
d. Kekerihan Berat : 149400 m2
e. Kekerihan Sangat Berat : 9419400 m2

Gambar hasil dan pembahasan-17 Luas klasifikasi normal

Gambar hasil dan pembahasan-18 Luas klasifikasi kekeringan normal

1
 Gambar hasil dan pembahasan-19 Luas klasifikasi kekeringan sedang

Gambar hasil dan pembahasan-20 Luas klasifikasi kekeringan berat

Gambar hasil dan pembahasan-21 Luas klasifikasi kekeringan sangat berat

2
Gambar hasil dan pembahasan-22 Peta Kekeringan Kabupaten Boyolali September 2015

3
 Berikut klasifikasi kekeringan yang terjadi pada kecamatan di Kabupaten
Boyolali:
Tabel hasil dan pembahasan-1 Normal

No Kecamatan Luas (m2)

1 Sawit 18364347.46
2 Banyudono 27110672.97
3 Teras 29677141.06
4 Boyolali 30575202.86
5 Ngemplak 37023927.64
6 Mojosongo 44922744.51
7 Karang Gede 46578600.33
8 Sambi 49470453.00
9 Simo 51019144.00
10 Nogosari 52493305.27
11 Kelgo 54189323.60
12 Cepogo 54883003.04
13 Andong 57366887.72
14 Selo 60192548.63
15 Musuk 79562507.51
16 Juwangi 87362149.22
17 Kemusu 92606910.00
18 Ampel 92746716.38
19 Wonosegoro 95759391.62

Tabel hasil dan pembahasan-2 Kekeringan Normal

No Kecamatan Luas (m2)
1 Ampel 900
2 Boyolali 900
3 Ngemplak 900
4 Sawit 900
5 Wonosegoro 900
6 Nogosari 3600
7 Banyudono 8100
8 Mojosongo 9900

Tabel hasil dan pembahasan-3 Kekeringan Sedang

No Kecamatan Luas (m2)
1 Juwangi 900
2 Boyolali 1800
3 Ampel 2700
4 Nogosari 2700

4
 5 Ngemplak 3600
6 Teras 3600
7 Banyudono 5400
8 Mojosongo 8100
9 Wonosegoro 60300

Tabel hasil dan pembahasan-4 Kekeringan Berat

No Kecamatan Luas (m2)
1 Andong 900
2 Cepogo 900
3 Kelgo 900
4 Boyolali 1800
5 Wonosegoro 2700
6 Juwangi 3600
7 Kemusu 3600
8 Ngemplak 8100
9 Sawit 8100
10 Ampel 13500
11 Teras 16476.76367
12 Nogosari 18000
13 Banyudono 28757.75083
14 Mojosongo 42065.4855

Tabel hasil dan pembahasan-5 Kekeringan Sangat Berat

No Kecamatan Luas (m2)
1 Ampel 60255.50973
2 Selo 65370.67243
3 Cepogo 76752.00436
4 Sawit 89892.11937
5 Juwangi 90419.25089
6 Musuk 115481.9166
7 Mojosongo 124222.1812
8 Banyudono 315705.2460
9 Kemusu 319671.7872
10 Boyolali 341592.8410
11 Sambi 427987.9478
12 Teras 445205.3486
13 Ngemplak 615159.5367
14 Simo 676983.6912
15 Karang Gede 724823.7038
16 Kelgo 860941.8689
17 Andong 1208886.964

5
 18 Nogosari 2731163.691

III.2 Pembahasan
Dari hasil pengolahan citra bulan Juli dan September 2015 pada daerah
Boyolali dapat diamati bahwa terjadi kekeringan dari bulan Juli ke bulan
September. Kekeringan ini dibagi menjadi 5 klasifikasi, dimana nilai terbesar
terdapat pada klasifikasi normal atau tidak terjadi kekeringan seluas 1076206500
m2 ,selanjutnya kekeringan sangat berat seluas 9419400 m2 dan nilai terkecil yaitu
kekeringan normal seluas 26100 m2.
Analisis kekeringan didapat dari perubahan nilai NDVI kedua citra dengan
nilai NDWI (Normalized Difference Water Index) pada bulan yang ingin di
analisis kekeringannya (pada penelitian ini bulan September), sehingga
diperoleh nilai NDDI (Normalized Difference Drought Index) untuk analisis
kekeringan. Dari hasil ini dapat disimpulkan bahwa nilai NDVI dan NDWI
bulan Juli lebih besar daripada pada bulan September.
Dari tabel dapat diamati, 18 dari 19 kecamatan di Kabupaten Boyolali
mengalami kekeringan sangat berat, dan kekeringan dengan luas tertinggi
terdapat pada kecamtan Ngogosari seluas 2731163.691m2.

6
 BAB IV
PENUTUP

IV.1 Kesimpulan
Dari pembahasan tugas yang dilaksanakan, dapat disimpulkan bahwa.
1. Pengolahan pada tugas ini membutuhkan data citra satelit Landsat 8 dan
software ENVI serta ArcGIS. ENVI bisa digunakan dalam pengolahan
dan modifikasi spektral pada citra satelit. Dan dengan software ini juga
bisa dilakukan klasifikasi daerah sesuai dengan tema yang diangkat.
Sedangkan software ArcGIS bisa digunakan dalam pembuatan peta secara
kartografis dan perhitungan luasan wilayah.
2. Transformasi spektral dilakukan dengan menu Band Math pada software
ENVI dengan mengaplikasikan rumus khusus pada saluran-saluran yang
dibutuhkan. Saluran yang digunakan pada citra Landsat 8 yaitu Band 4
(Merah), Band 5 (NIR), dan Band 7 (SWIR 2). Dalam mendapatkan
indeks untuk analisis tingkat kekeringan lahan dapat dilakukan dengan
menggunakan rumus tertentu sesuai indeks yang ingin dicari. Seperti
NDDI yang didapatkan dari gabungan antara NDVI dan NDWI. Rumus
yang digunakan antara lain:

3. Dari hasil pengolahan transformasi spektral, perhitungan luasan lahan

yang mengalami kekeringan didapatkan data seperti berikut :
a. Normal : 1076206500 m2
b. Kekerihan Normal : 26100 m2
c. Kekerihan Ringan : 28800 m2
d. Kekerihan Berat : 149400 m2
e. Kekerihan Sangat Berat : 9419400 m2

1
IV.2 Saran
Setelah melaksanakan tugas ini, saran yang dapat kami berikan yaitu
sebagai berikut.
1. Pemilihan lokasi yang tepat harus dilakukan dengan diteliti, sebaiknya
merupakan wilayah yang dianggap sering mengalami bencana kekeringan.
Dapat dilakukan dengan mencari informasi tentang riwayat kekeringan
dari berbagai sumber.
2. Penggunaan perangkat keras penunjang seperti laptop atau komputer yang
sebaiknya memiliki spesifikasi yang tinggi agar performa aplikasi yang
dijalankan tidak terhambat.

2
3