View
23
Download
0
Category
Preview:
Citation preview
Prosiding SEMINAR NASIONAL SAINSTEK 2019 ISSN: 2541-0636
Jimbaran, Bali – 8 Oktober 2019 | i
TIM PROSIDING
Penanggung Jawab:
Dra. Ni Luh Watiniasih, M.Sc., Ph.D.
Pengarah:
Dr. Drs. G.K. Gandhiadi,M.T
Dr. Drs. I Made Sukadana, M.Si.
Dr. I Wayan Gede Gunawan,S.Si.M.Si.
Editorial Team
Chief-in-Editor
Prof. Dr. Ir. Hery Suyanto, M.T
Associate Editor
Dr.Sagung Chandra Yowani,S.Si,Apt.,M.Si.
Editorial Board:
Prof. Dr.rer.nat. Karna Wijaya, M.Eng (UGM)
Prof. Dr. Darminto (ITS)
Dr. I Ketut Gede Suhartana, S.Kom., M.Kom. (UNUD)
Dr. Ni Luh Suriani,S.Si,M.Si. (UNUD)
Dr. Ida Ayu Gede Widihati, S.Si, M.Si (UNUD)
Dr.I Ketut Ginantra,S.Pd.M.Si (UNUD)
Desak Putu Eka Nilakusmawati, S.Si., M.Si. (UNUD)
Dr. Drs. Anak Agung Ngurah Gunawan, M.Si. (UNUD)
Dr. Ir. Herry Suyanto, M.T. (UNUD)
Dra. Luh Gede Astuti, M.Kom. (UNUD)
I Dewa Made Bayu Atmaja Darmawan, S.Kom., M.Cs. (UNUD)
Dewa Ayu Swastini,S.F.,M.Farm.,Apt . (UNUD)
Dr.Dra.Ngurah Intan Wiratmini,M.Si . (UNUD)
Sekretariat:
Luh Putu Martiningsih, ST
Ni Putu Ayu Dewi Wijayanti, S.Farm.,M.Si.,Apt
Ni Ketut Tari Tastrawati, S.Si., M.Si
I Made Bayu Adi Utama, S.Kom
Desain Grafis:
Luh Arida Ayu Rahning Putri, S.Kom., M.Cs. I Komang Ari Mogi, S.Kom., M.Kom.
I Gede Arta Wibawa, S.T., M.KOM..
Agus Muliantara, S.Kom., M.Kom.
Prosiding SEMINAR NASIONAL SAINSTEK 2019 ISSN: 2541-0636
ii | Jimbaran, Bali – 8 Oktober 2019
KATA PENGANTAR
Puja dan puji syukur kita panjatkan kehadirat Ida Sang Hyang Widhi Wasa/ Tuhan
Yang Maha Esa karena atas berkatNya maka prosiding Seminar Nasional Sains dan
teknologi ( Sainstek) 2019 dapat terselesaikan sesuai dengan harapan.
Seminar Nasional Sains dan teknologi ( Sainstek) 2019 bertemakan “Implementasi Riset
Menuju Hilirisasi Dan Peningkatan Hak Kekayaan Intelektual” yang diselenggarakan oleh
FMIPA UNUD, pada tanggal 8 Oktober 019 bertem[pat di Gedung Widyasaba Kampus
Bukit Jimbaran, Bali.
Saat ini hilirisasi hasil-hasil penelitian di bidang sains dan teknologi memberikan
tantangan tersendiri bagi para ilmuwan dan peneliti. Untuk mendukung hal itu publikasi
merupakan salah satu cara menyebarluaskan hasil penelitian yang telah dilakukan para
peneliti. Publikasi hasil penelitian juga merupakan syarat bagi mahasiswa untuk dapat
meraih gelar sarjana.Oleh karena itu Fakultas MIPA melaksanakan kegiatan dalam bentuk
seminar nasio nal sains dan teknologi SAINSTEK 019 yang mana seminar kali ini
merupakan kegiatan yang keempat kalinya telah dilakukan.
Tujuan diselenggarakannya kegiatan ini adalah 1. Meningkatkan pengetahuan dan
pemahaman tentang keilmuan sains dan teknologi. 2.Meningkatkan kualitas publikasi
ilmiah yang bersumber dari dana hibah penelitian unggulan program studi, dan juga hasil
penelitian mahasiswa. 3. Memberikan wahana dalam publikasi ilmiah bagi peneliti dosen
dan mahasiswa.
Seminar Sainstek kali ini diikuti oleh 80 pemakalah yang terdiri dari dosen
peneliti dan mahasiswa dan 400 peserta dan tamu undangan.Pembicara utama (keynote
speaker) dalam seminar nasional ini adalah Prof. Dr. rer.nat Karna Wijaya, M.Eng.(
Universitas Gadjah Mada) dan Prof. Dr. Darminto (Institut Teknologi 10 Nopember ).
Seminar Sainstek dan penerbitan prosiding ini dapat terlaksana karena dukungan dan
usaha semua pihak. Oleh karena itu saya ucapkan terima kasih kepada seluruh panitia
yang telah bekerja keras demi terlaksananya kegiatan ini. Terimakasih juga kepada bapak
Prof. Dr. rer.nat Karna Wijaya dan Prof Dr. Darminto yang telah berkenan memenuhi
pemintaan kami untuk menjadi pembicara pada seminar ini. Terima kasih kepada Rektor
Universitas Udayana dan tim Dekanat FMIPA yang telah memberikan dukungan dan
arahan sehingga acara ini berjalan sesuai harapan.
Ketua Panitia
Dr. Ida Ayu Gede Widihati, S.Si., M.Si
Prosiding SEMINAR NASIONAL SAINSTEK 2019 ISSN: 2541-0636
Jimbaran, Bali – 8 Oktober 2019 | iii
DAFTAR ISI
Halaman
TIM PROSIDING............................................................................................ ... i
KATA PENGANTAR.......................................................................... ............... ii
DAFTAR ISI .................................................................................................... ... iii
DAFTAR ARTIKEL
PENGARUH VARIASI UNSUR GD PADA STRUKTUR KRISTAL
SUPERKONDUKTOR Y-358 (Y3-XGDXBA5CU8O18-Δ)
Suryana Deva, Wayan Gede Suharta., I Ketut Putra ........................................................... 1-8
SIMULASI TSUNAMI ZONA SUBDUKSI SELATAN PULAU BALI
Anggun Mohamad Soleh1, I Ketut Sukarasa, Tomy Gunawan ........................................ 9-18
UJI KESESUAIAN ILUMINASI LAMPU KOLIMATOR PADA PESAWAT
SINAR-X KONVENSIONAL DI RSUP SANGLAH DENPASAR
Luh Gede Puja Satwika1, Ni Nyoman Ratini2 ................................................................... 18-27
ESTIMASI LUAS AREAL DAN KELAS SEBARAN VEGETASI CENGKEH
DI KABUPATEN BULELENG MENGGUNAKAN CITRA SATELIT LANDSAT 8
I Made Yuliara, Ni Nyoman Ratini .................................................................................. 28-37
PENGARUH UKURAN TUBUH TERHADAP DOSIS SERAP
RADIASI YANG DITERIMA PASIEN PADA PEMERIKSAAN TORAKS
MENGGUNAKAN SINAR-X
Ida Wisnu Sari, Made Sumadiyasa, Ni Nyoman Rupiasih ......................................... 38-43
ANALISIS SIGNAL ELEKTROKARDIOGRAM PASIEN
PENYAKIT DALAM UMUR 30-75 TAHUN SEBAGAI INDIKASI
AWAL ADANYA KELAINAN JANTUNG
Shinta Shaleha Juwita, Ni Luh Putu Trisnawati ............................................. 44-49
ANALISIS INTENSITAS DAN PERCEPATAN TANAH MAKSIMUM
WILAYAH BALI DENGAN MENGGUNAKAN METODE EMPIRIS
GUTTERBERG RICHTER
Odmard Marselinus Kadymand, I Ketut Sukrasa, I Putu Dedy Pratama .................... 50-58
UJI REPRODUKSIBILITAS PADA PESAWAT SINAR-X FLUOROSKOPI
SIEMENS LUMINOS RF DAN RADIOGRAFI MOBILE DI INSTALASI
RADIOLOGI RSUP SANGLAH DENPASAR
Ayu Anisa Damayanti, Ni Nyoman Ratini ................................................................. 59-65
OPTIMASI KONSENTRASI ASAM FOSFAT DALAM PEMBUATAN
HIDROKSIAPATIT DARI LIMBAH TULANG IKAN TONGKOL
(EUTHINUS AFFINIS) DENGAN METODE PRESIPITASI
Fery Oji S.1, A. A. Bawa, Putra2, Putu Suarya3.. .............................................................. 66-72
Prosiding SEMINAR NASIONAL SAINSTEK 2019 ISSN: 2541-0636
iv | Jimbaran, Bali – 8 Oktober 2019
FABRIKASI DYE SENSITIZED SOLAR CELL (DSSC)
MENGGUNAKAN EKSTRAK ANTOSIANIN DAGING
BUAH SALAK (SALACCA ZALACCA)
Kadek Ayu Rahmanuca Sabathiningsih1, Putu Ekayani Sri Tussniari2 ... 73-81
RANCANG BANGUN SISTEM PAKAR KONSULTASI
KONSELING DENGAN MENGGUNAKAN METODE CERTAINTY
FACTOR
Vincentius Chandra, Luh Gede Astuti ,
I Gusti Ngurah Anom Cahyadi Putra .................................................................. 82-90
PERUBAHAN ARUS (MA) TERHADAP NILAI CT NUMBER DAN
NILAI REGION OF INTEREST (ROI) PADA UJI KESESUAIAN
PESAWAT CT SCAN
Putu Gede Agus Krisna Yogantara, Gusti Ngurah Sutapa,
Anggun Mohamad Soleh Sandiyan Hidayat ............................................................... 90-99
PROTOKOL TELEPORTASI KUANTUM KEADAAN TIGA KUBIT TAK
TERBELIT JENIS KHUSUS MELALUI KANAL KEADAAN MIRIP GHZ
I Nengah Artawan, Ni Luh Putu Trsinawati.. ............................................................ 100-110
KERAGAMAN, KELIMPAHAN DAN POTENSI MOLUSKA
DI ZONE INTERTIDAL PANTAI PENDAWA DESA KUTUH
BADUNG BALI
Drs Joko Wiryatno, M.Si , Drs. Ketut Sundra, M.Si ..................................... 111-117
MENENTUKAN DOSIS PASIEN DAN DOSIS RADIASI PADA
RUANG OPERATOR PESAWAT SINAR-X DI INSTALASI RADIOLOGI
RSUD BANGLI
Ni Luh Putu Budiayu T, Gusti Ngurah Sutapa,
Ida Bagus Made Kartika,............................................................................................ 118-124
STUDI KOMPARASI DATA CURAH HUJAN MENGGUNAKAN DATA
SATELIT IMERG DAN DATA OBSERVASI TAHUN 2014-2017
(Studi kasus : Kabupaten Jembrana)
Desy Yunita Samosir, I Made Yuliara, I Wayan Andi Yuda .................................... 125-131
SNAKES OF MAMBAL VILLAGE, BADUNG REGENCY, BALI
A.A. G. Raka Dalem, I.B.M. Suaskara2, I K. Ginantra,
I K. Muksin, S.K. Sudiarga, and I G. A. Pradana Putra.. ................................................... 132-138
RENDEMEN PEROLEHAN ASAM FOSFAT (H3PO4) DARI HASIL
SINTESIS LIMBAH TULANG IKAN TUNA (Thunnus Sp.)
Abdul Faruk, Anak Agung Bawa Putra , Sri Rahayu Santi .. ...................... 139-144
28
ESTIMASI LUAS AREAL DAN KELAS SEBARAN VEGETASI
CENGKEH DI KABUPATEN BULELENG MENGGUNAKAN CITRA
SATELIT LANDSAT 8
I Made Yuliara1, Ni Nyoman Ratini
2
1Fisika, Universitas Udayana
2Fisika, Universitas Udayana
e-mail : imdyuliara@unud.ac.id
ABSTRACT
Penelitian ini bertujuan untuk mengestimasi luas areal dan kelas sebaran
vegetasi cengkeh di kabupaten Buleleng, Bali berbasis model indeks vegetasi
Normalized Difference Vegetation Index (NDVI) dan Ratio Vegetation Index
(RVI) yang diekstrak dari citra satelit Landsat 8. Metode yang digunakan adalah
metode cross tabulation (crosstab) yang merupakan metode analisis statistik
deskriptif yang digunakan untuk mengetahui hubungan dan menyilangkan data
variabel satu dengan variabel lainnya. Nilai estimasi luas areal vegetasi cengkeh
yang dihasilkan oleh model NDVI adalah sebesar 7852,68 ha sedangkan oleh
model RVI sebesar 7669,44 ha. Terdapat perbedaan nilai estimasi luas areal
vegetasi cengkeh sebesar 183,24 ha. Perbedaan katagori luas kelas sebaran
sebesar 2453,85 ha untuk katagori kelas Jarang (NDVI > RVI), untuk kelas
Sedang sebesar 1611,45 ha (RVI > NDVI), dan untuk kelas Rapat sebesar 659,16
ha (RVI > NDVI). Komparasi luas areal yang dihasilkan oleh model NDVI
dengan data Dinas Kehutanan dan Perkebunan (DKP), kabupaten Buleleng, Bali
tahun 2014, yaitu 7622,32 ha adalah sebesar 97,07 % sedangkan untuk model RVI
sebesar 99,39 %. Hal ini menunjukkan bahwa, indeks vegetasi model RVI lebih
sesuai untuk digunakan mengestimasi luas areal dan kelas sebaran vegetasi
cengkeh di kabupaten Buleleng.
Kata kunci: Estimasi, luas dan kelas sebaran, NDVI, vegetasi cengkeh, RVI
1. PENDAHULUAN
Produksi cengkeh di kabupaten Buleleng, Bali selama 4 triwulan tahun
2014 rata-rata 745 kg/ha dengan luas 7622,32 ha dan tahun 2015 rata-rata 694
kg/ha dengan luas areal rata-rata 7723,91 ha [5], [6]. Data ini diperoleh melalui
proses pengumpulan data secara konvensional sehingga, dalam penyajian
informasi produksi ke publik memerlukan waktu cukup lama, tidak real time,
kurang efektif. Penggunaan teknologi remote sensing dapat menjadi pilihan
alternatif bahkan utama untuk mengatasi hal ini. Beberapa model indeks vegetasi
yang diekstrak dari citra satelit remote sensing banyak digunakan dalam berbagai
Prosiding SEMINAR NASIONAL SAINSTEK 2019 : 28 - 37 ISSN : 2541-0636
ESTIMASI LUAS AREAL DAN KELAS SEBARAN VEGETASI CENGKEH DI
KABUPATEN BULELENG MENGGUNAKAN CITRA SATELIT LANDSAT 8
I Made Yuliara, Ni Nyoman Ratini
29
penelitian vegetasi skala global. Teknologi satelit remote sensing dapat secara
efektif memantau biomassa tanaman, memetakan kekeringan lahan, Leaf Area
Index (LAI), konsentrasi klorofil hingga estimasi produktivitas.
Penelitian estimasi dan komparasi menggunakan indeks vegetasi dalam
penginderaan jauh telah banyak dilakukan, baik komparasi antar model-model
indeks vegetasi maupun komparasi indeks dari berbagai sensor (SPOT, Landsat 8)
terhadap tutupan vegetasi [3], [4],. Penelitian-penelitian ini banyak menganalisis
korelasi indeks dengan sebaran tutupan vegetasi, perbedaan sensitivitas respon
spektral reflektansi vegetasi dan metode yang digunakan untuk komparasi.
Model indeks vegetasi Normalized Difference Vegetation Index (NDVI) dan
Ratio Vegetation Index (RVI) merupakan 2 parameter yang diekstrak dari data
citra satelit remote sensing yang melibatkan respon spektral reflektansi radiansi
pada panjang gelombang inframerah dekat (Near Infrared, = 0,845 – 0,885 m)
dan panjang gelombang merah (Red, = 0,630 – 0,680 m) [13]. Nilai parameter
NDVI dan RVI mengekspresikan tingkat kehijauan vegetasi yang sering dikenal
dengan indeks vegetasi.
Penggunaan Landsat 8 sebagai instrumen dalam monitoring dan mapping
memberikan hasil yang baik. Hal ini tidak terlepas dari karakteristik Landsat 8
seperti resolusi spasial dan temporalnya cukup baik serta resolusi spektral dengan
jumlah band cukup banyak, sehingga menambah akurasi data dalam melakukan
estimasi dan inventarisasi sumber daya alam dalam area yang luas.
Studi ini bertujuan mengestimasi luas areal dan kelas sebaran vegetasi cengkeh
menggunakan NDVI dan RVI yang diekstrak dari citra satelit Landsat 8 dan
memilih indeks vegetasi yang sesuai untuk analisis vegetasi cengkeh di kabupaten
Buleleng, Bali.
2. MATERI DAN METODE
Bahan yang digunakan adalah citra Landsat 8, level 1G, rekaman 5 Mei 2014
untuk scene 1, Path 117, Row 66 dan 30 Mei 2014 untuk scene 2, Path 116, Row
66. Daerah studi yaitu kabupaten Buleleng, Bali, terletak pada koordinat 8° 03'
40'' – 8° 23' 00'' LS dan 114° 25' 55'' – 15° 27' 28'' BT.
Tahapan penelitian yang dilakukan, yaitu (1) pengukuran koordinat sampel
vegetasi cengkeh di lapangan dengan cara memilih titik-titik lokasi yang
vegetasi cengkehnya cukup homogen menggunakan Global Positioning System
(GPS) Smartphone. Tahap (2), prosesing citra Landsat 8, diawali dengan
membuat citra daerah studi dengan cara melakukan mosaiking 2 scene citra
Landsat 8, kemudian di-overlay dengan peta digital batas-batas daerah penelitian.
Koreksi reflektan pada Top Of Atmosphere (TOA) menggunakan rumus dari
U.S. Geological Survey [14]. Koreksi geometrik mengacu pada 9 Ground Control
Point (GCP) dilakukan dengan metode nearest neighboor. Untuk memperjelas
30
dimana ri = reflektansi pada band NIR (band 5)
rr = reflektansi pada band Red (band 4)
Gambar 1. Diagram Alir Penelitian
(2)
(1)
Identifikasi indeks vegetasi cengkeh pada citra diperoleh dengan cara
menyesuaikan hasil pengukuran koordinat vegetasi cengkeh di lapangan dengan
koordinat piksel pada citra. Estimasi luas sebaran vegetasi cengkeh menggunakan
metode Cross Tabulation (CrossTab) dan hasilnya dianalisis secara statistik
deskriptif dengan data luas rata-rata dari DPK kabupaten Buleleng tahun 2014
sebagai acuan. Secara garis besar, pengolahan dan analisis data disajikan pada
Gambar 1.
interpretasi visual dan menonjolkan aspek vegetasi, dilakukan stretching dengan
metode Linier with Saturation dan membangun citra komposit dengan kombinasi
band, yaitu Red=band 6, Green=band 5 dan Blue=band 4 [11]. Klasifikasi objek
vegetasi cengkeh dan non cengkeh menggunakan metode maximum likelihood.
Seluruh proses pengolahan data citra mempergunakan software TerrSet Versi
18.21.
Dua citra indeks vegetasi dibangun menggunakan formula :
Prosiding SEMINAR NASIONAL SAINSTEK 2019 : 28 - 37 ISSN : 2541-0636
ESTIMASI LUAS AREAL DAN KELAS SEBARAN VEGETASI CENGKEH DI
KABUPATEN BULELENG MENGGUNAKAN CITRA SATELIT LANDSAT 8
I Made Yuliara, Ni Nyoman Ratini
31
3. HASIL DAN PEMBAHASAN
3.1. Hasil
Citra daerah studi diperoleh dengan mosaiking 2 scene pada Path 117 , Row
66 dan Path 116 , Row 66 data citra Landsat 8 untuk daerah Bali yang kemudian
di overlay dengan peta digital batas-batas daerah penelitian. Koreksi geometrik
dan Resample yang menggunakan 9 Ground Control Point (GCP) menghasilkan
total nilai Root Mean Square (RMS) sebesar 12,73 yang mana nilai ini lebih kecil
dibandingkan 1/2 dimensi piksel [11].
Pengolahan perentangan kekontrasan (stretching) menggunakan metode Linear
with Saturation dan pembentukkan citra komposit dengan komposisi band RGB =
654. Proses klasifikasi untuk membedakan objek cengkeh dan non cengkeh
menggunakan tipe hard classification dan perhitungan uji akurasinya dengan
matriks konfusi menghasilkan overall accuracy sebesar 89,16%.
Sebaran nilai indeks vegetasi model NDVI dan RVI dihitung menggunakan
rumus indeks vegetasi, yaitu Persamaan (1) dan Persamaan (2). Hasil c itra
model indeks vegetasi NDVI dengan pallete Quant dan RVI dengan pallete
QualW1 disajikan Gambar 2 dan Gambar 3.
Gambar 2. Citra Sebaran Model NDVI Gambar 3. Citra Sebaran Model RVI
Hasil pengukuran koordinat di lapangan digunakan sebagai indikator posisi
vegetasi cengkeh pada koordinat citra Landsat 8. Nilai piksel pada citra daerah
studi untuk citra model indeks vegetasi NDVI dan RVI pada 10 titik pengamatan
(TP) disajikan pada Tabel 1.
32
TP
Koordinat geografis Nilai Indeks Vegetasi
Lintang
(X) Bujur (Y) NDVI RVI
1 295080 9092700 0,84810 0,08219
2 295140 9092876 0,83582 0,08943
3 294840 9093986 0,85714 0,07692
4 295050 9093055 0,80132 0,11029
5 284370 9083666 0,76543 0,13287
6 295260 9092336 0,82474 0,09605
7 307110 9098875 0,83226 0,09155
8 306240 9099837 0,79762 0,11258
9 306420 9099475 0,80800 0,10619
10 307590 9097255 0,81905 0,09948
Rata-rata 0,81895 0,09976
Perbandingan nilai indeks vegetasi dari model NDVI dan RVI pada setiap TP
secara grafis disajikan pada Gambar 4. Nilai minimum dan maksimum dari model
indeks vegetasi yang terindikasi sebagai vegetasi cengkeh pada citra disajikan
pada Tabel 2.
Hasil pengolahan citra indeks vegetasi yang mana piksel-pikselnya terindikasi
sebagai vegetasi cengkeh dari NDVI disajikan pada Gambar 5, sedangkan untuk
RVI disajikan pada Gambar 6. Hasil perhitungan uji akurasi (Overall accuracy)
untuk klasifikasi objek cengkeh dan non cengkeh menggunakan matriks konfusi,
diperoleh 91,64% untuk NDVI dan RVI sebesar 89,16%.
Prosiding SEMINAR NASIONAL SAINSTEK 2019 : 28 - 37 ISSN : 2541-0636
ESTIMASI LUAS AREAL DAN KELAS SEBARAN VEGETASI CENGKEH DI
KABUPATEN BULELENG MENGGUNAKAN CITRA SATELIT LANDSAT 8
I Made Yuliara, Ni Nyoman Ratini
33
Gambar 4. Grafik Model Indeks NDVI Dan RVI Pada TP
Tabel 2. Nilai Indeks Vegetasi Minimum Dan Maksimum
No. Model Indeks Vegetasi Nilai Indeks
Minimum Maksimum
1 NDVI 0,76543 0,85714
2 RVI 0,07692 0,13287
Gambar 5. Citra Kelas Sebaran Indeks
Vegetasi Cengkeh NDVI
Gambar 6. Citra Kelas Sebaran Indeks
Vegetasi Cengkeh RVI
Proses identifikasi citra untuk mengestimasi luas dan kelas sebaran vegetasi
cengkeh dilakukan dengan modul CROSSTAB (Cross Tabulation) yang tersedia
pada software pengolah citra TerrSet versi 18.21. Hasil pengolahan ini berupa
sebaran vegetasi cengkeh berdasarkan model indeks vegetasi NDVI dan RVI
beserta kelas kerapatan atau sebarannya yang dikatagorikan kedalam kelas Jarang,
34
Sedang dan Rapat. Estimasi luas vegetasi cengkeh dan katagori kelas sebaran
vegetasi cengkeh yang dihasilkan disajikan pada Tabel 3.
Tabel 3. Estimasi Luas Dan Kelas Sebaran Vegetasi cengkeh Berbasis Model
Indeks Vegetasi
No.
Model
Indeks
Vegetasi
Estimasi Luas (ha)
Luas Kelas Sebaran Vegetasi
Cengkeh (ha)
Jarang Sedang Rapat
1 NDVI 7852,68 2731,77 4096,08 1024,83
2 RVI 7669,44 277,92 5707,53 1683,99
Selisih 183,24 2453,85 1611,45 659,16
Rata-rata 7761,06 1504,85 4901,81 1354,41
Informasi spasial (peta) sebaran vegetasi cengkeh yang ada di kabupaten
Buleleng, Bali model indeks vegetasi NDVI disajikan pada Gambar 7 dan model
RVI disajikan pada Gambar 8. Prosentase komparasi estimasi luas areal vegetasi
cengkeh selengkapnya berdasarkan model indeks vegetasi NRVI dan RVI dengan
data luas vegetasi cengkeh pada tahun 2014 dari Dinas Kehutanan dan
Perkebunan (DKP) kabupaten Buleleng disajikan pada Tabel 4.
Gambar 7. Sebaran Vegetasi Cengkeh
Model NDVI
Gambar 8. Sebaran Vegetasi Cengkeh
Model RVI
Prosiding SEMINAR NASIONAL SAINSTEK 2019 : 28 - 37 ISSN : 2541-0636
ESTIMASI LUAS AREAL DAN KELAS SEBARAN VEGETASI CENGKEH DI
KABUPATEN BULELENG MENGGUNAKAN CITRA SATELIT LANDSAT 8
I Made Yuliara, Ni Nyoman Ratini
35
Tabel 4. Komparasi Luas NDVI Dan RVI Dengan Luas DKP Kab. Buleleng
No. Model Indeks
Vegetasi
Luas areal
(ha)
Luas areal rata-rata
DKP Kab. Buleleng
(ha)
Persentase ( %
)
1 NDVI 7852,68 7622,32 97,07
2 RVI 7669,44 7622,32 99.39
3.2. Pembahasan
Pengolahan citra pada penelitian ini secara umum sudah memenuhi Standard
Operational Procedure [11]. Secara kualitas maupun kuantitas memberikan hasil
yang baik, seperti hasil koreksi geometrik dan resample, total nilai Root Mean
Square (RMS) sebesar 12,73. Hasil ini sangat baik dalam memberikan kepastian
posisi objek-objek pada citra dan menjadikan citra telah mempunyai referensi
(georegistrasi) pada koordinat UTM zona 50N [12]. Pengolahan perentangan
kekontrasan (stretching) menggunakan metode Linear with Saturation dan
pembentukkan citra komposit dengan komposisi band RGB = 654. menghasilkan
visualisasi lebih baik dibandingkan dengan citra single band dan objek yang
berbeda secara visual tampak terlihat lebih jelas [11], [12]. Nilai-nilai piksel citra
NDVI dan RVI seperti yang disajikan pada Tabel 1 merepresentasikan dan
mengindikasikan objek vegetasi cengkeh pada TP di lapangan.
Dari Gambar 5 terlihat bahwa, secara umum model indeks vegetasi NDVI
memberikan hasil nilai indeks vegetasi lebih besar dibandingkan dengan model
indeks vegetasi RVI. Untuk setiap TP, nilai NDVI dengan RVI terlihat
berlawanan. Artinya, jika terjadi kenaikan nilai NDVI, maka nilai RVI akan turun.
Dari Tabel 2, nilai indeks vegetasi minimum NDVI, yaitu sebesar 0,76543 dan
untuk RVI sebesar 0,07692 yang secara umum dapat diinterpretasikan bahwa,
kurang sehatnya atau jarangnya kerapatan vegetasi cengkeh di lokasi yang
bersangkutan, atau dapat dikatakan vegetasi cengkeh tidak menutupi seluruh
permukaan tanah. Sebaliknya nilai maksimum NDVI yaitu sebesar 0,085714 dan
untuk RVI sebesar 0,13287. Semakin tinggi nilai indeks vegetasi menunjukkan
kondisi vegetasi cengkeh keadaannya semakin sehat atau subur dan rapat serta
aktif melakukan proses fotosintesis.
Estimasi luas yang diperoleh dari model indek vegetasi NDVI sebesar
7852,68 ha yang mana nilai ini lebih besar daripada estimasi luas dari model
indeks vegetasi RVI yaitu sebesar 7669,44 ha. Perbedaan estimasi luas ini tidak
terlepas dari perbedaan nilai indeks vegetasi cengkeh yang teridentifikasi yang
dihasilkan oleh algoritma atau model indeks vegetasi yang digunakan pada studi
36
ini. Bila dibandingkan dengan luas rata-rata dari data DKP kab. Buleleng, yaitu
sebesar 7622,32 ha, maka selisih terkecil dari dua hasil estimasi luas diberikan
oleh model RVI, yaitu sebesar 47,12 ha dengan prosentase 99,39 %.
Untuk katagori kelas sebaran, diperoleh perbedaan nilai estimasi luas yang
dihasilkan dari setiap kelas (Jarang, Sedang dan Rapat), baik untuk model indeks
vegetasi NDVI maupun RVI. Rata-rata nilai estimasi luas kelas sebaran yang
diperoleh yaitu, untuk kelas Jarang sebesar 1504,85 ha, untuk kelas Sedang
sebesar 4901,81 ha dan kelas Rapat sebesar 1354,41 ha. Dari hasil analisis nilai
estimasi luas kelas sebaran ini dapat dikatakan bahwa kondisi vegetasi cengkeh
termasuk pada katagori kelas sebaran Sedang.
4. KESIMPULAN
Hasil estimasi luas areal vegetasi cengkeh model NDVI sebesar 7852,68 ha
5. UCAPAN TERIMAKASIH
Kami menyampaikan terimakasih kepada UNUD atas dana penelitian yang
telah diberikan melalui skim Penelitian Unggulan Program Studi (PUPS) tahun
anggaran 2019.
DAFTAR PUSTAKA
[1]. Adams, J.B., Gillespie, A.R. (2006). Remote Sensing of Landscape with
Spectral Images – A Physical Modeling Approach. New York: Cambridge
University Press.
[2]. Beeri, O. Phillips, R. Hendrickson, J. et al. (2007). Estimating forage quantity
and quality using aerial hyperspectral imagery for northern mixed-grass
prairie. Remote Sensing Environment 110:216–25.
[3]. Brian D. Wardlow, Stephen L. Egbert, and Jude H. Kastens. (2007). Analysis
of time-series MODIS 250 m vegetation index data for crop classification in
the U.S. Central Great Plains. Remote Sensing of Environment, 108:3, 290 –
310.
[4]. Dandan Xu, Xulin Guo. (2014). Compare NDVI extracted from Landsat 8
imagery with that from Landsat 7 imagery. American Journal of Remote
Sensing, 2 : 2, 10 – 14.
[5]. Dinas Kehutanan dan Perkebunan Pemkab Buleleng. (2014). Laporan
Triwulan Luas Areal dan Produksi Komoditas Perkebunan Kabupaten
Buleleng Tahun 2014.
dan untuk model RVI sebesar 7669,44 ha. Prosentase komparasi luas area dengan
data DKP sebesar 97,07 % untuk model NDVI dan 99,39 % untuk model RVI.
Hasil ini menunjukkan bahwa model RVI yang diekstrak dari citra satelit Landsat
8 merupakan model indeks yang lebih sesuai dibandingkan model NDVI untuk areal dan kelas sebaran vegetasi cengkeh.
Prosiding SEMINAR NASIONAL SAINSTEK 2019 : 28 - 37 ISSN : 2541-0636
ESTIMASI LUAS AREAL DAN KELAS SEBARAN VEGETASI CENGKEH DI
KABUPATEN BULELENG MENGGUNAKAN CITRA SATELIT LANDSAT 8
I Made Yuliara, Ni Nyoman Ratini
37
[6]. Dinas Kehutanan dan Perkebunan Pemkab Buleleng. (2015). Laporan
Triwulan Luas Areal dan Produksi Komoditas Perkebunan Kabupaten
Buleleng Tahun 2015.
[7]. Gu Wanhua,Ma Weichun, Zhou Liguo,Tang Lin,Huai Hongyan. (2011). RS
Estimation of Chlorphyll-a Concentration Based on RVI Regionalization
During Algae Period in Dianshan Lake. Reseach of Enviromental Sciences,
24, 666 – 672.
[8]. GuoLin Gao and ShiYing Wang. (2012). Compare Analysis of Vegetation
Cover Change in Jianyang City Based on RVI and NDVI. 2nd International
Conference on Remote Sensing, Environment and Transportation
Engineering. Nanjing, China.
[9]. Hongxia Luo., Jihua Fang., Hailiang Li., Lingling Wang., Shengpei Dai.,
Shuai Chen. (2014). Comparison and analysis NDVI and RVI changes before
and after typhoon in Hainan based on HJ-1CCD satellite images. IEEE
Xplore : The Third International Conference on Agro-Geoinformatics,
Beijing, China.
[10]. Li Hongjun, Zheng Li, Lei Yuping, LI Chunqiang, Zhou Kan. (2007).
Comparison of NDVI and EVI based on EOS/MODIS data. Progress in
Geography, 1.
[11]. Lillesand, T.M., Kiefer, R.W., Chipman, J.W. (2009). Remote Sensing and
Image Interpretation. Singapore: John Wiley & Sons (Asia).
[12]. Mather, P.M. (2004). Computer Processing of Remotely Sensed Images An
Introduction. Chichster : John Willey & Sons Inc.
[13]. Rees, W. G. (2006). Physical Principles of Remote Sensing. Second Edition.
UK: Cambridge University Press.
[14]. USGS. (2017). Using the USGS Landsat 8 Product, U.S. Geological Survey.
http://landsat.usgs.gov/Landsat8_Using_Product.php. Visited on June 1,
2017.
[15]. Xie, Y., Zongyao, S. Mei, Y. (2008). Remote Sensing Imagery In Vegetation
Mapping : a review. J Plant Ecology 1 : 9 – 23
Recommended