Escolar Documentos
Profissional Documentos
Cultura Documentos
Disusun oleh:
Mirta Indriastuti (21110114120021)
Fajriah Lita Pamungkasari (21110114120046)
Seprila Putri Darlina (21110114120051)
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.
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
1
Gambar METODE PELAKSANAAN-2 Input rumus
2
Gambar METODE PELAKSANAAN-4 Hasil kalibrasi rasiometrik Band 4, 5,
6, 7
3. Melakukan layer stacking pada semua band.
3
Gambar METODE PELAKSANAAN-6 Hasil layer stacking
4. Memasukkan rumus NDVI dan NDWI pada Band Math.
4
NDWI, B5 didefinisikan sebagai band NIR dan B4 sebagai band SWIR2
(band 7).
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
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.
7
Gambar METODE PELAKSANAAN-14 Croping citra
12. Memvektorkan dengan Vector → Classification dan mengkonversi citra itu
sebagai shapefile.
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
1
Gambar hasil dan pembahasan-19 Luas klasifikasi kekeringan sedang
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
4
5 Ngemplak 3600
6 Teras 3600
7 Banyudono 5400
8 Mojosongo 8100
9 Wonosegoro 60300
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:
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