Identifikasi Perubahan Tutupan Vegetasi dan Curah Hujan Kabupaten Semarang Menggunakan Citra Saltelit Lansat 8

Authors

  • Triloka Mahesti
  • Elvira Umar
  • Ardian Ariadi
  • Sri Yulianto Joko Prasetyo
  • Charitas Fibriani

Keywords:

NDVI, EVI, SAVI, Supervised Classification, Spatial Interpolation

Abstract

Perubahan iklim dunia yang dipengaruhi pemanasan global saat ini menjadi masalah yang genting. Dalam mengatasi masalah pemanasan global, Indonesia turut serta berperan aktif dengan berkomitmen menurunkan GRK hingga tahun 2030. Keikutsertaan pemerintah Indonesia juga harus didukung oleh pemerintah daerah salah satunya adalah Kabupaten Semarang untuk menurunkan GRK dengan penambahan vegetasi. Penelitian ini bertujuan untuk mengidentifikasi perubahan tutupan vegetasi Kabupaten Semarang dari tahun 2015 hingga 2019 dengan menggunakan metode NDVI, EVI, SAVI dan Supervised Classification serta clustering curah hujan menggunakan metode Spatial Interpolation karena perubahan indeks vegetasi tidak lepas dari curah hujan. Penelitian ini menghasilkan nilai NDVI, EVI, SAVI dan Supervised Classification mengalami kenaikan dari tahun 2015 ke tahun 2016 dengan kenaikan nilai NDVI 0.059728, EVI 0.658, SAVI 0.089514 dan supervised classification 4,64% atau 39.368,7 ha, serta mengalami penurunan berangsur dari tahun 2016 hingga 2019 dengan penurunan nilai NDVI -0,072276, EVI -9,57828, SAVI -0,108413 dan supervised classification -19,05% atau -194.762,7 ha. Clustering curah hujan menunjukkan 4 kecamatan yaitu Getasan, Tengaran, Susukan dan Kaliwungu memiliki curah hujan sangat rendah, 4 kecamatan yaitu Banyubiru, Pabelan, Bancak dan Suruh memiliki curah hujan sedang, 6 kecamatan yaitu Ambarawa, Jambu, Bawen, Tuntang Bringin dan Pringapus memiliki curah hujan tinggi serta 5 kecamatan yaitu Bandungan, Sumowono, Bergas, Ungaran Barat dan Ungaran Timur memiliki curah hujan sangat tinggi. Curah hujan berada pada rentang 5mm-10mm/hari yang menurut BMKG memiliki klasifikasi curah hujan rendah. Penelitian ini dapat dimanfaatkan sebagai rekomendasi pemerintah Kabupaten Semarang dalam pengelolaan vegetasi dan pertimbangan dalam penyusunan RAD

Downloads

Download data is not yet available.

References

Dinas Lingkungan Hidup Kabupaten Semarang. 2018. Buku I. Kebijakan Pengelolaan Tutupan Vegetasi. http://dlh.semarangkab.go.id/. Diakses pada 15 Maret 2020.

Kartikowati. 2017. Statistik Lingkungan Hidup Kabupaten Semarang 2017.

Lufilah, S. N., Makalew, A. D., & Sulistyantara, B. 2017. Pemanfaatn Citra Landsat 8 untuk Analisis Indeks Vegetasi di DKI Jakarta. Jurnal Lanskap Indonesia, 73-80. http://doi.org/10.29244/jli.2017.9.1.73-80.

Noviantoro, dkk. 2017, Analisis Perubahan Kerapatan Hutan Menggunakan Metode NDVI dan EVI Pada Citra Satelit Landsat 8 Tahun 2013 & 2016. Journal Geodesi Undip, 6(3), 21-27.

Suprianto., Jasmani, 2019. Analisis Perubahan Lahan Perkebunan Terhadap Hasil Produksi Kelapa Sawit (Studi Kasus: Kecamatan Jekan Raya, Kota Palangka Raya). http://eprints.itn.ac.id/4037/9/Jurnal%20Skripsi.pdf.

Cahyono, B. E., Febriawan, E. B., & Nugroho, T. J. 2019. Analisis Tutupan Lahan Menggunakan Metode Klasifikasi Tidak Terbimbing Citra Landsat di Sawahlunto, Sumatera Barat, 13(1). https://doi.org/10.24198/jt.vol13n1.2

Adi, M. N., & Sudaryatno. 2014. Pemanfaatan Citra Landsat 8 untuk Penentuan Zonasi Kekeringan Pertanian di Sebagian Kabupaten Grobongan dengan Metode Temperature Vegetation Dryness Indeks. Jurnal Bumi Inodnesia Volume 3. Nomor 4

Somantri, L. (2016). Pemanfaatan Teknik Penginderaan Jauh Untuk Mengidentifikasi Kerentanan Dan Risiko Banjir. Jurnal Geografi Gea, 8(2). https://doi.org/10.17509/gea.v8i2.1697

Somantri, L. (2009). Teknologi Penginderaan Jauh (Remote Sensing). Geografi, UPI, 1–13.

Wibowo, K. M., Indra, K., & Jumadi, J. (2015). Sistem Informasi Geografis (SIG) Menentukan Lokasi Pertambangan Batu Bara di Provinsi Bengkulu Berbasis Website. Jurnal Media Infotama, 11(1), 51–60. Retrieved from https://jurnal.unived.ac.id/index.php/jmi/article/view/252/231

Prayoga, & M. P. (2017). ANALISIS SPASIAL TINGKAT KEKERINGAN WILAYAH BERBASIS PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFIS (Studi, 1–96.

Prasetyo, S. Y. J., Subanar, Winarko, E., dan Daryono, B. S.. 2015. “ESSA: Exponential smoothing and spatial autocorrelation, methods for prediction of outbreaks pest in Indonesia,” Int. Rev. Comput. Softw., vol. 10, no. 4, pp. 362–371, 2015.

Huete, A., K. Didan, W.V. Leeuwen, T. Miura, and E. Glenn. 2011. MODIS vegetation indices. Land remote sensing and global environmental change, 26:579-602. doi: 10.1007/978 -1-4419-6749-7_26.

Hanif, M. “Bahan Pelatihan Penginderaan Jauh Tingkat Lanjut”. https://www.scribd.com/doc/269776350/BEBERAPAJENIS-INDEKS-VEGETASI-pdf. Diakses tanggal 10 Maret 2019.

Riko, Y., Meha, A. I., & Prasetyo, S. Y. J. (2019). Perubahan Konversi Lahan Menggunakan NDVI, EVI, SAVI dan PCA pada Citra Landsat 8 (Studi Kasus : Kota Salatiga). Indonesian Journal of Computing and Modeling, 1, 25–30.

Mauboy, R. E., Yulianto, S., Prasetyo, J., Fibriani, C., Notohamidjojo, J., & Salatiga, N. (2018). Identifikasi Sebaran Tanaman Pangan Kabupaten Kupang Menggunakan Citra Satelit Landsat 8.

Wasis Pancoro, D. (2018). Evaluasi Area Terdampak Gempa di Kota Palu Menggunakan Metode. Indonesian Journal of Computing and Modeling, ISSN: 2598-9421.

Que, V. K. S., Prasetyo, S. Y. J., & Fibriani, C. (2019). Analisis Perbedaan Indeks Vegetasi Normalized Difference Vegtation Index (NDVI) dan Normalized Burn Ratio (NBR) Kabupaten Pelalawan Menggunakan Citra Satelit Landsat 8. INDONESIAN JOURNAL OF COMPUTING AND MODELING, (1), 1–7.

Prasetyo, S. Y. J., Hartomo, K. D., & Paseleng, M. C. (2015). Satellite Imagery and Machine Learning of Autocorrelation for Aridity Disaster Risk Classification using Vegetation Indices, 9(3), 1–16. https://doi.org/10.11591/eei.v9i3.1916

Downloads

Published

2020-08-15

How to Cite

Mahesti, T., Umar, E., Ariadi, A., Prasetyo, S. Y. J., & Fibriani, C. (2020). Identifikasi Perubahan Tutupan Vegetasi dan Curah Hujan Kabupaten Semarang Menggunakan Citra Saltelit Lansat 8. Indonesian Journal of Computing and Modeling, 3(1), 30–42. Retrieved from https://ejournal.uksw.edu/icm/article/view/3901

Issue

Section

Articles