ANALISIS TRANSFORMASI INDEKS NDVI, NDWI DAN SAVI UNTUK IDENTIFIKASI KERAPATAN VEGETASI MANGROVE MENGGUNAKAN CITRA SENTINEL DI PESISIR TIMUR PROVINSI LAMPUNG

Authors

  • Nirmawana Simarmata Institut Teknologi Sumatera
  • Ketut Wikantika Institut Teknologi Bandung
  • Trika Agnestasia Tarigan Institut Teknologi Sumatera
  • Muhammad Aldyansyah Institut Teknologi Sumatera
  • Rizki Kurnia Tohir Institut Teknologi Sumatera
  • Afi Fauziah Institut Teknologi Sumatera
  • Yustika Purnama Institut Teknologi Sumatera

DOI:

https://doi.org/10.26740/jggp.v19n2.p69-79

Keywords:

mangrove, Sentinel, NDVI, NDWI, SAVI

Abstract

Abstrak: Perolehan informasi keberadaan hutan mangrove yang memiliki potensi, peran dan fungsi besar dalam kehidupan, dapat diperoleh melalui data penginderaan jauh. Teknologi penginderaan jauh memiliki efisien tinggi dan banyak kelebihan untuk keperluan monitoring hutan mangrove. Penelitian ini bertujuan untuk mengidentifikasi kerapatan ekosistem mangrove dengan menggunakan transformasi indeks vegetasi serta menguji efektivitas beberapa indeks vegetasi dalam hal ini NDVI, NDWI dan SAVI untuk identifikasi jenis dan kerapatan mengrove. Berdasarkan hasil analisis citra Sentinel dengan menggunakan transformasi indeks NDVI, SAVI, dan NDWI untuk identifikasi kerapatan vegetasi pada transformasi NDVI didominasi kelas kerapatan tinggi yaitu pada rentang nilai 0,67 – 1 yaitu seluas 46975,96 Ha, pada transformasi SAVI didominasi kelas kerapatan sangat jarang yaitu pada rentang nilai 0,99 – 1,38 yaitu seluas 48775,18 Ha, pada transformasi NDWI didominasi kelas kerapatan rendah yaitu pada rentang nilai 0,1 – 0,17 yaitu seluas 27442,26 Ha. Hasil uji akurasi yang dilakukan menggunakan 30 sampel uji diperoleh akurasi sebesar 83,33%.

Kata kunci: mangrove, Sentinel, NDVI, NDWI, SAVI

Downloads

Download data is not yet available.

References

<p align="justify">Danoedoro. P, 1996. Pengolahan Citra Digital, Teori dan Aplikasinya dalam Penginderaan Jauh. Fakultas Geografi Universitas Gadjah Mada, Yogyakarta. 253 hal</p><p align="justify">Faizal, Ahmad, and Muhammad Anshar Amran. "Model transformasi indeks vegetasi yang efektif untuk prediksi kerapatan mangrove Rhizophora mucronata." Metode 114.064 (2002).</p><p align="justify">Hartono. 1998. Penginderaan Jauh dan SIG untuk Vegetasi. Yogyakarta: PUSPICS, Fakultas. Geografi, Universitas Gadjah Mada bekerjasama dengan Bakosurtanal</p><p align="justify">Kustandiyo, H. (2014). Studi Tingkat Kerapatan Mangrove Menggunakan Indeks Vegetasi. Geoid - Journal of Geodesy and Geomatics. Vol 9, No 2 (2014)</p><p align="justify">D. R. Putri, A. Sukmono, and B. Sudarsono. (2018) "Analisis Kombinasi Citra Sentinel-1a Dan Citra Sentinel-2a Untuk Klasifikasi Tutupan Lahan (Studi Kasus: Kabupaten Demak, Jawa Tengah)," Jurnal Geodesi Undip, vol. 7, no. 2, pp. 85-96.</p><p>Riwayati (2014) ˜Manfaat Dan Fungsi Hutan Mangrove Bagi Kehidupan, <em>Jurnal Keluarga Sehat Sejahtera</em>, 12(24).</p><p align="justify">Swain. P. H and Davis, S. M (ed)., 1978 . Remote Sensing the Quantitative Approach. British Library Cataloguing in Publication Data, Mcgraw- Hill. New York. 395p</p><p align="justify">Wiweka, dkk. 2014. Pengembangan Model Identifikasi Daerah Tergenang (Inundated Area) Menggunakan Data Landsat-8. Jurnal Seminar Nasional Pengindraan Jauh. LAPAN. Bogor.</p><p align="justify"><a href="http://ksdae.menlhk.go.id/berita/594/konferensi-internasional-ekosistem-mangrove-berkelanjutan.html."><span style="text-decoration: underline;">http://ksdae.menlhk.go.id/berita/594/konferensi-internasional-ekosistem-mangrove-berkelanjutan.html</span><span style="text-decoration: underline;">.</span></a> diakses pada tanggal 3 Maret 2020. </p>

Published

2021-12-31

How to Cite

Simarmata, N., Wikantika, K. ., Tarigan, T. A. ., Aldyansyah, M. ., Tohir, R. K. ., Fauziah, A. ., & Purnama, Y. . (2021). ANALISIS TRANSFORMASI INDEKS NDVI, NDWI DAN SAVI UNTUK IDENTIFIKASI KERAPATAN VEGETASI MANGROVE MENGGUNAKAN CITRA SENTINEL DI PESISIR TIMUR PROVINSI LAMPUNG. JURNAL GEOGRAFI Geografi Dan Pengajarannya, 19(2), 69–79. https://doi.org/10.26740/jggp.v19n2.p69-79
Abstract views: 2936 , PDF Downloads: 3421