ANALISIS RUANG TERBUKA HIJAU PADA KOTA SURABAYA MENGGUNAKAN CITRA LANDSAT 8 DAN METODE MAXIMUM LIKELIHOOD

  • Stevanus Dwi Istiavan Mau
  • Antonius Mbay Ndapamury
  • Vinsensius Aprila Kore Dima
  • Sri Yulianto Joko Prasetyo
  • Charitas Fibriani
Keywords: Maximum Like Lihood, NDVI, Ruang Terbuka Hijau, Surabaya, Citra landsat 8

Abstract

RTH atau dikenal dengan ruang terbuka hijau merupakan suatu kelompok tanaman yang berada pada pemukiman rumah dan di tengah kota baik itu pohon serta tanaman yang ada pada rumah Surabaya sendiri mempunyai geografis yang ada pada 07.09’00”-07’21’00” Lintang selatan serta 112’36’-112’54’. Pada dasarnya luas dari surabaya memiliki daratan luas 326,81km2 serta lautan 190,39 km2. Surabaya bisa di bilang kota yang sangat padat dimana pada tahun sebelum nya hingga saat ini pembangunan terus berjalan dan meyebabkan kekurangan ruang terbuka hijau. Dalam menganalisis RTH di butuhkan suatu metode dalam melakukan analisis RTH, metode yang di pakai dalam penelitian ini menggunakan maxium likelihood yang berfungsi sebagai integrasi antara klasifikasi penutup lahan, NDVI serta Citra Landsat 8. Hasil dari penelitian ini adalah menampilkan ruang terbuka hijau dan pengelolaan ndvi dari tahun 2016 dan 2019 dimana terdapat pembangunan lahan yang menutupi ruang terbuka hijau pada Kota Surabaya. Manfaat dari penelitian ini sendiri bagaimana kita lebih mengenal fungsi dari RTH tersebut bagi masyarakat dan kota itu sendiri.

Downloads

Download data is not yet available.

References

[1] Lillesand TM, Kiefer RW. Pengginderaan Jauh dan Interpretasi Citra. 1997.
[2] Oktarian, & Usman, U. Sistem Informasi Geografis Pemetaan Fasilitas Kota Tembilahan. SISTEMASI.I. 2016.
[3] Purwadhi, F Sri Hardiyanti dan Tjaturahono Budi Sanjoto. Pengantar Interpretasi Citra Penginderaan Jauh. Jakarta. LAPAN. 2008.
[4] Effendy S. 2007. Keterkaitan ruang terbuka hijau dengan urban heat island wilayah Jabotabek. Bogor. (Disertasi). Tidak dipublikasikan. Sekolah Pasca Sarjana, Institut Pertanian Bogor
[5] Tong, Xiaoye, Brandt, Martin, Hiernaux, Pierre, Herrmann, Stefanie M., Tian, Feng, Prishchepov, Alexander V. & Fensholt, Rasmus 2017. Revisiting the coupling between NDVI trends and cropland changes in the Sahel drylands: A case study in western Niger. Remote Sensing of Environment, 191, 286-296.
[6] Lillesand TM, Kiefer RW. Pengginderaan Jauh dan Penafsiran Citra. Dulbahri,Suharsono P, Hartono, Suharyadi, penerjemah; Sutanto, editor.Yogyakarta (ID): Gadjah Mada University Press.Remote Sensing dan Image Interpretation.1990
[7] Dengsheng Lu et al. Comparison Of Land-Cover Classification Methods In The Brazilian Amazon Basin. Anchorage. Alaska. 2003
[8] Richards JA. Remote Sensing Digital Image Analysis : An Introduction. Sringer Verlag. Berlin. 1993.
Published
2020-08-15
How to Cite
Mau, S., Ndapamury, A., Dima, V., Prasetyo, S., & Fibriani, C. (2020). ANALISIS RUANG TERBUKA HIJAU PADA KOTA SURABAYA MENGGUNAKAN CITRA LANDSAT 8 DAN METODE MAXIMUM LIKELIHOOD. Indonesian Journal of Computing and Modeling, 3(1), 24-29. Retrieved from https://ejournal.uksw.edu/icm/article/view/3900
Section
Articles