priva

tepr

oper

ty

Anindya Nadhira Rafitricia3512 100 042Kelas A

Jurusan Teknik GeomatikaFakultas Teknik Sipil dan PerencanaanInstitut Teknologi Sepuluh NopemberSurabaya2015

PENGINDERAAN JAUH TERAPANDeteksi Potensi Kekeringan Dengan MetodeTransformasi NDVI, Indeks Kebasahan danIndeks KecerahanTUGAS 2 : METODOLOGI PEKERJAAN

priva

tepr

oper

ty

METODOLOGI PENELITIAN

A. Lokasi dan Obyek PenelitianLokasi penelitian ini dilakukan di Kota Surabaya, Provinsi Jawa Timur dengan obyekpenelitian yaitu potensi kekeringan.B. Populasi dan SampelPenelitian deteksi potensi kekeringan ini yang menjadi populasi adalah potensikekeringan wilayah Kota Surabaya. Sedangkan penentuan sampel dilakukan denganmenggunakan metode simple random sampling. Penentuan sampel dilakukan padahasil penggabungan Normalized Difference Vegetation Index (NDVI), Indeks Kecerahandan Indeks Kebasahan. Sampel yang diambil didasarkan pada kelas NDVI, namun tetapmempertimbangkan indeks kecerahan dan indeks kebasahan sehingga hasil dari kelaske tiga indeks tersebut dapat terwakili.C. Parameter PenelitianParameter dalam penelitian deteksi potensi kekeringan ini didapatkan dari interpretasicitra Landsat 7 ETM+ terhadap kekeringan.

A. NDVI (Normalized Difference Vegetation Index)Algoritma := (NIR – IR) / (NIR) : (band 4 – band 3) / (band 4 + band 3)Transformasi NDVI dalam penelitian ini digunakan untuk mengetahuihubunganya dengan potensi kekeringan. nilai NDVI yang tinggi menunjukandaerah dengan kerapatan vegetasi tinggi, kemampuan penyerapan air tinggi.Sebaliknya nilai NDVI yang rendah menunjukkan daerah dengan kerapatanvegetasi yang rendah, kemamupan penyerapan air rendah.

B. Indeks KebasahanAlgoritma := (0,13929 Band 1) + (0,22490 Band 2) + (0,40359 Band 3) + (0,25178 Band 4) -(0,70133 Band 5) – (0,45732 Band 7)Asumsi yang digunakan dalam penelitian ini adalah semakin rendah nilaispektral hasil transformasi Indeks Kebasahan suatu obyek maka obyek tersebutsemakin kering, sebaliknya semakin tinggi tingkat nilai spektral hasiltransformasi Indeks Kebasahan suatu obyek maka obyek semakin basah.

C. Indeks Kecerahan Algoritma :Algoritma := (0,33183 Band 1) + (0,33183 Band 2) + (0,55177 Band 3) + ( 0,42514 Band 4) –(0,48047 Band 5) – (0,25252 Band 7)Asumsi yang digunakan dalam penelitian ini adalah semakin tinggi nilaikecerahan suatu obyek pada citra maka obyek tersebut semakin kering, sebaliknyasemakin rendah tingkat kecerahan obyek pada citra maka obyek tersebut semakinbasah.

priva

tepr

oper

ty

D. Alat dan Bahan PenelitianPeralatan yang digunakan dalam penelitian ini adalah:i. Laptop Amd 2.0 Ghz, Ram 2 Gb, Hardisk 500 Gb, sebagai alat untukkegiatan pemetaan dan interpretasi citra satelit.ii. Aplikasi program ENVI, sebagai aplikasi untuk kegiatan analisis citra satelit.iii. Aplikasi program ArcGIS 10.2, sebagai aplikasi untuk pemrosesan petadigital.iv. GPS, untuk menentukan titik koordinat sampel di lapangan.v. Kamera, untuk kegiatan dokumentasi di lapangan.Sedangkan bahan yang digunakan dalam penelitian ini adalah:i. Citra Landsat 8 Path 118 row 0 65, perekaman 3 Agustus 2015, komposit RGB452 untuk klasifikasi penampakan fisiografi fisikii. Peta Penggunaan Lahan Kota Surabaya Tahun 2014.E. Metode PenelitianBerikut merupakan diagram alir penelitian yang dilakukan.

Citra landsat 8Koreksi Geometrik

CroppingKoreksi Radiometrik

Komposit RGBNDVIIndeksKebasahan IndeksKecerahan

Transformasi

Proses dan analisis SIGIdentifikasi Kekeringan

Penampakan lahan

priva

tepr

oper

ty

F. Tahap PenelitianPenelitian ini terdiri dari beberapa tahapan penelitian, meliputi tahappersiapan, tahap penelitian dan tahap akhir yang dijabarkan sebagai berikut:1. Tahap persiapanPada tahap ini dilakukan berbagai persiapan dengan mengumpulkan data- datayang diperlukan dalam penelitian seperti citra satelit Landsat 8, peta penggunaanlahan, persiapan peralatan dan studi kepustakaan mengenai literatur - literaturyang terkait dengan objek penelitian.Teknik memperoleh data penginderaan jauh berupa citra Landsat 8 yaitudengan cara men-download langsung melalui situs resmi USGS yaituwww.glovis.usgs.gov. Untuk dapat men-download harus mempunyai akun terlebihdahulu yang berisikan informasi data pen- download dan keperluan penggunaandata. Citra satelit Landsat 8 yang didownload merupakan citra perekaman Agustus20152. Tahap penelitianTahap penelitian dalam penelitian ini adalah pemrosesan citra digitaldengan menganalisis indeks kecerahan, indeks kebasahan, dan indeks kehijauan untukmengetahui tingkat kelengasan tanah dan kehijauan tanaman. Setelah pemrosesan citradigital selesai kemudian menggabungkan hasil tersebut dengan data citrakenampakan fisiografi fisik dan peta penggunaan lahan. Hasil penggabungan tersebutakan dilakukan scoring hingga didapatkan tingkat potensi kekeringan. Pengukuranlapangan diperlukan guna validasi hasil analisis citra maupun hasil peta potensikekeringan.3. Tahap akhirPada tahap akhir ini, berupa penyusunan hasil penelitian dalam bentuk laporandan hasil akhir peta.G. Teknik Analisis DataTeknik dalam penelitian ini menggunakan kombinasi antara analisis citra digitaldan dilanjutkan dengan scoring.

1. Teknik Interpretasi Citra DigitalInterpretasi citra merupakan perbuatan mengkaji foto udara dan atau citradengan maksud untuk mengidentifikasi objek dan menilai arti pentingnya objektersebut. Interpretasi citra penginderaan jauh dapat dilakukan dengan dua carayaitu interpretasi secara manual dan interpretasi secara digital.Pada penelitian ini menggunakan teknik interpretasi citra secara digital.Salah satu metode interpretasi digital adalah transformasi citra. Transformasi citra

priva

tepr

oper

ty

merupakan upaya untuk menonjolkan salah satu obyek dan menekan aspek yanglain. Citra yang digunakan untuk transformasi ini adalah citra yang telahterkalibrasi radiometri, sehingga nilai yang digunakan adalah nilai surfacereflectance.Transformasi citra yang digunakan dalam mendeteksi daerah berpotensikekeringan berupa teknik Normalized Difference Vegetation Index (NDVI),Indeks Kecerahan (Brightness index) dan indeks kebasahan (Wetness index).Transformasi tersebut digunakan untuk mendapatkan informasi spasialmengenai kerapatan vegetasi dan kelembaban permukaan.

2. ScoringScoring adalah pemberian skor terhadap masing-masing kelas dalam setiapparameter. Scoring ini didasarkan pada seberapa besar pengaruh kelas tersebutterhadap kekeringan. Semakin tinggi pengaruhnya terhadap kekeringan maka harkatyang diberikan akan semakin tinggi. Menentukan interval kelas potensi kekeringandalam penelitian ini dengan cara menjumlahkan skor tertinggi dikurangi jumlah skorterendah dibagi dengan jumlah kelas yang diinginkan. Setelah interval kelasdidapatkan, maka kelas potensi kekeringan dapat ditetapkan dan disajikan padatabel 3.1 sebagai berikut:Tabel Klasifikasi kelas potensi kekeringanNo Kelas Potensi Kekeringan1 I Sangat rendah2 II Rendah3 III Agak tinggi4 IV Tinggi5 V Sangat tinggi