ANALISIS TRANSFORMASI INDEKS NDVI, NDWI DAN SAVI UNTUK IDENTIFIKASI KERAPATAN VEGETASI MANGROVE MENGGUNAKAN CITRA SENTINEL DI PESISIR TIMUR PROVINSI LAMPUNG
Nirmawana Simarmata, Ketut Wikantika, Trika Agnestasia Tarigan, Muhammad Aldyansyah, Rizki Kurnia Tohir, A. Fauziah, Yustika Purnama
{"title":"ANALISIS TRANSFORMASI INDEKS NDVI, NDWI DAN SAVI UNTUK IDENTIFIKASI KERAPATAN VEGETASI MANGROVE MENGGUNAKAN CITRA SENTINEL DI PESISIR TIMUR PROVINSI LAMPUNG","authors":"Nirmawana Simarmata, Ketut Wikantika, Trika Agnestasia Tarigan, Muhammad Aldyansyah, Rizki Kurnia Tohir, A. Fauziah, Yustika Purnama","doi":"10.26740/jggp.v19n2.p69-79","DOIUrl":null,"url":null,"abstract":"Ekosistem mangrove merupakan ekosistem peralihan antara darat dan laut yang memiliki potensi, peran dan fungsi sangat besar dalam kehidupan. Untuk memperoleh informasi keberadaan hutan mangrove yang terbaru dapat diperoleh melalui data penginderaan jauh. Pemanfaatan teknologi penginderaan jauh sangat efisien karena data yang mudah diperoleh dan harga yang relatif murah.selain itu kelebihannya adalah memiliki resolusi temporal serta cakupannya yang luas dan mampu menjangkau daerah yang terpencil sehingga dapat digunakan untuk keperluan monitoring. Penelitian ini bertujuan untuk mengidentifikasi kerapatan ekosistem mangrove dengan menggunakan transformasi indeks vegetasi serta menguji beberapa indeks vegetasi dalam hal ini NDVI, NDWI dan SAVI dalam hal efektifitas dalam 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. Berdasarkan hasil uji akurasi yang dilakukan menggunakan 30 sampel uji diperoleh akurasi sebesar 83,33%.","PeriodicalId":110701,"journal":{"name":"JURNAL GEOGRAFI Geografi dan Pengajarannya","volume":"101 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"8","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL GEOGRAFI Geografi dan Pengajarannya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26740/jggp.v19n2.p69-79","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 8
Abstract
Ekosistem mangrove merupakan ekosistem peralihan antara darat dan laut yang memiliki potensi, peran dan fungsi sangat besar dalam kehidupan. Untuk memperoleh informasi keberadaan hutan mangrove yang terbaru dapat diperoleh melalui data penginderaan jauh. Pemanfaatan teknologi penginderaan jauh sangat efisien karena data yang mudah diperoleh dan harga yang relatif murah.selain itu kelebihannya adalah memiliki resolusi temporal serta cakupannya yang luas dan mampu menjangkau daerah yang terpencil sehingga dapat digunakan untuk keperluan monitoring. Penelitian ini bertujuan untuk mengidentifikasi kerapatan ekosistem mangrove dengan menggunakan transformasi indeks vegetasi serta menguji beberapa indeks vegetasi dalam hal ini NDVI, NDWI dan SAVI dalam hal efektifitas dalam 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. Berdasarkan hasil uji akurasi yang dilakukan menggunakan 30 sampel uji diperoleh akurasi sebesar 83,33%.