tim prosiding - unud

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.


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


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


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 : [email protected]

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

mailto:[email protected]

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 :





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%.


[email protected]

Typewritten text

Tabel 1. Nilai Indeks Vegetasi NDVI Dan RVI Pada TP




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





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.





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

http://landsat.usgs.gov/Landsat8_Using_Product.php

tim prosiding - unud

Documents