Pemanfaatan Citra Landsat 8 Untuk Identifikasi Sebaran Kerapatan Vegetasi di Pangandaran
DOI:
https://doi.org/10.29408/geodika.v3i2.1790Keywords:
Kerapatan Vegetasi, Landsat 8, Minimum DistanceAbstract
Kerapatan vegetasi merupakan presentase suatu spesies vegetasi atau tumbuhan yang hidup di suatu luasan tertentu. Kerapatan vegetasi salah satunya dapat diketahui dengan menggunakan teknik NDVI. Teknik yang dapat digunakan untuk keperluan menganalisis vegetasi. Informasi data kerapatan vegetasi, luas lahan, dan keadaan dilapangan dapat dideteksi dari penginderaan jauh. Penelitian ini bertujuan untuk untuk mengetahui hasil identifikasi kerapatan vegetasi daerah Kabupaten Pangandaran menggunakan metode klasifikasi terbimbing minimum distance dan menguji hasil interpretasinya menggunakan confussion matrix. Salah satu manfaat informasi data kerapatan vegetasi ini ialah dapat memberikan gambaran mengenai ketersediaan ruang terbuka di Kabupaten Pangandaran. Klasifikasi kerapatan vegetasi pada citra Landsat 8 dengan kombinasi RGB 753 menghasilkan warna ungu dengan yang berarti sangat rapat, oranye yang berarti rapat, kuning yang berarti cukup rapat, hijau dengan vegetasi jarang, dan biru yang berarti vegetasi sangat jarang. Total hasil akurasi pada confussion matriks bernilai 64% yang berarti tingkat akurasi peta cukup rendah karena biasanya nilai yang diterima dan diharapkan itu lebih dari 85%.Hal ini dikarenakan oleh keadaan di lapangan yang dinamis karena sebagian besar kerapatan vegetasi di lapangan berkurang akibat pengalihfungsian lahan.
References
Arnanto, A. (2013). Pemanfaatan transformasi Normalized Difference Vegetation Index (NDVI) citra Landsat TM untuk zonasi vegetasi di lereng Merapi bagian selatan. Geomedia: Majalah Ilmiah dan Informasi Kegeografian. 11(2): 155-170.
Iskandar, M., Sanjoto, T. B., & Sutardji, S. (2012). Analisis Kerapatan Vegetasi Menggunakan Teknik Penginderaan Jauh Sebagai Basis Evaluasi Kerusakan Hutan di Taman Nasional Gunung Gede Pangrango. Geo-Image. 1(1): 94-101.
Jaya INS. (2010). Analisis Citra Digital Perspektif Penginderaan Jauh untuk Pengelolaan Sumber Daya Alam. Fakultas Kehutanan, Institut Pertanian Bogor.
Kementerian Pekerjaan Umum. 2008. Pedoman Penyediaan dan Pemanfaatan RTH di Kawasan Perkotaan. Peraturan Menteri Pekerjaan Umum No 5/ PRT/M/2008 Tahun 2008. Jakarta
Kurniawan, W. D. W., & Farda, N. M. (2013). Fuzzy neural network capability studies in land cover Perpiksel based classification using landsat7 ETM+. Jurnal Bumi Indonesia. 2(1).
Lu, D., Moran, E., & Batistella, M. (2003). Linear mixture model applied to Amazonian vegetation classification. Remote sensing of environment, 87(4), 456-469.
Martono, D. S. (2012). Analisis Vegetasi Dan Asosiasi Antara Jenis-Jenis Pohon Utama Penyusun Hutan Tropis Dataran Rendah Di Taman Nasional Gunung Rinjani Nusa Tenggara Barat. Agri-Tek. 13(2): 18–27.
Mukhaiyar, R. (2010). Klasifikasi penggunaan lahan dari data remote sensing. Jurnal Transformatika. 79: 2086-4981.
Noviyanti, I. K., Roychansyah, S., Perencanaan, M., Teknik, F., Mada, U. G., Grafika, J., … Indonesia, Y. (2019). Analisis Ketersediaan Ruang Terbuka Hijau Dengan Ndvi Menggunakan Citra Satelit Worldview-2 Di Kota (Analysis of The Availability of Green Open Space with NDVI using Worldview-2 in Yogyakarta City). (26): 63–70.
Phinn, S., Stanford, M., Scarth, P., Murray, A. T., & Shyy, P. T. (2002). Monitoring the composition of urban environments based on the vegetation-impervious surface-soil (VIS) model by subpixel analysis techniques. International Journal of Remote Sensing. 23(20): 4131-4153.
Richards, J. A., & Richards, J. A. (1999). Remote sensing digital image analysis (Vol. 3, pp. 10-38). Berlin et al.: Springer.
Stehman, S. V. (1997). Selecting and interpreting measures of thematic classification accuracy. Remote sensing of Environment, 62(1), 77-89.
Undang-Undang Republik Indonesia Nomor 26 Tahun 2007 tentang Penataan Ruang.
