BAB IIIMETODOLOGI

III. A. Alat dan Bahan Laptop - Program Ilwis Modul Ilwis

III. B. Proses Kerja 1. PEMISAHANDARATLangkah-langkah yang digunakan dalam pemisahan darat (darat = 1, laut = 0) sebagai berikut :1) Pemisahan darat dari laut ini dilakukan untuk nantinya digunakan dalam Penentuan nilai indeks vegetasi (NDVI) di Darat dengan mengabaikan bagian Laut. Untuk itu pada bagian darat, buat nilai pikselnya 1 dan di bagian laut nilai pikselnya 0. Berikut ini adalah langkah-langkah pemisahan darat dari laut :a) Buka Software ILWIS, kemudian buka lembar kerja ILWIS dan pilih/buka (double click) citra Band 4 lalu akan muncul display options-raster map yang telah dikoreksi (radiometrik), pada lokasi yang telah dipilih yakni SUB_B4 untuk digunakan dalam pemisahan darat dan laut.

b) hasilnya akan tampil foto citra dari SUB_B4 seperti dibawah ini.

c)Pada tampilan SUB_B4 dapat terlihat nilai-nilai pixel pada bagian darat dan laut. Nilai pixel di laut lebih kecil daripada nilai piksel di darat.

d)langkah selanjutnya membuat nilai mask darat menjadi 1 dan mask laut menjadi 0.e)Zooming pada daerah batas antara laut dengan darat untuk menentukan nilai pixel batas laut dengan darat (merupakan nilai pixel tertinggi untuk nilai-nilai pixel di bagian laut), yang nantinya akan digunakan pada kolom Expression pada Map Calculation untuk mendapatkan nilai 0 pada nilai-nilai pixel di laut.

F)Pilih Map Calculation! Pada Expression, dilakukan pengisian rumus untuk menjadikan nilai-nilai pixel pada bagian laut menjadi 0 yakni nama file yang dipakai (SUB_B4) nilai pixel batas antara laut dengan darat yang telah ditentukan (37).Berilah nama pada Output Raster Map yang merupakan nama file hasil sesudah digunakan rumus di atas (MDARAT1 Mask Darat 1). Pada Domain pilih IMAGE, untuk tidak memunculkan nilai-nilai di bagian laut menjadi nilai negative, melainkan semua nilai-nilai pixelnya yang negative menjadi 0 (nol merupakan nilai pixel terendah pada domain IMAGE. Klik Show kemudian pada jendela Display Options Raster Map klik OK.

G)Pada langkah ini, nilai-nilai pixel bagian darat belum menjadi 1 walaupun nilai-nilai pixel pada bagian laut telah menjadi 0.

H)Kemudian untuk mengubah nilai-nilai pixel bagian darat yang belum menjadi 1 menjadi 1, maka pilih kembali Map Calculation! Pada Expression, dilakukan pengisian rumus untuk menjadikan nilai-nilai pixel pada bagian darat menjadi 1 yakni nama file hasil pada langkah 6(MDARAT1)/ nama file hasil pada langkah 6(MDARAT1).Berilah nama pada Output Raster Map yang merupakan nama file hasil sesudah digunakan rumus di atas (MDARAT2 Mask Darat 2). Pada Domain pilih IMAGE. Klik Show

I)hasil yang ditampilkan berupa gambar hitam dengan nilai laut 0 dan darat 1 namun masih sama-sama hitam.

j)Selanjutnya pada jendela Display Options Raster Map, ubah nilai pada Stretch menjadi 0 dan 1. Kemudian klik OK.

k)Akan tampil hasil citra MDARAT2 = Mask Darat 2 dengan nilai-nilai pixel pada bagian darat adalah 1 yang berwarna putih dan nilai-nilai pixel pada bagian laut adalah 0 yang berwarna hitam.2. PEMISAHAN LAUT

Langkah-langkah yang digunakan dalam pemisahan laut (darat = 0, laut = 1) sebagai berikut :A)Dengan menggunakan hasil pada Pemisahan Darat dari Laut (MLAUT2), dapat mengubah nilai pixel pada laut menjadi 1 dan nilai pixel pada darat menjadi 0, dengan memasukan rumus di Expression pada Map Calculation yakni Nama file hasil pemisahan darat dari laut (MLAUT2) 1. Berilah nama pada Output Raster Map yang merupakan nama file hasil sesudah digunakan rumus di atas (MLAUT1 Mask Laut 1). Pada Domain pilih VALUE, untuk memunculkan nilai di bagian laut menjadi nilai -1. Kemudian klik Show kemudian pada jendela Display Options Raster Map klik OK!

B)Pada langkah ini, nilai-nilai pixel bagian mask laut belum menjadi 1 walaupun nilai-nilai pixel pada bagian mask darat telah menjadi 0.

C)Kemudian untuk mengubah nilai-nilai pixel bagian laut yang belum menjadi 1 menjadi 1, maka pilih kembali Map Calculation! Pada Expression, dilakukan pengisian rumus untuk menjadikan nilai-nilai pixel pada bagian laut menjadi 1 yakni nama file hasil pada langkah 2(MLAUT1)/ nama file hasil pada langkah 2(MLAUT1).Berilah nama pada Output Raster Map yang merupakan nama file hasil sesudah digunakan rumus di atas (MLAUT2 Mask Laut 2). Pada Domain pilih IMAGE. Klik Show

D) hasil yang ditampilkan berupa gambar hitam.

E)Selanjutnya pada jendela Display Options Raster Map, ubah nilai pada Stretch menjadi 0 dan 1. Kemudian klik OK.Tampilan seperti gambar dibawah ini.

F)gambar yang dihasilkan MLAUT2 = Mask Laut 2 akan berupa seperti gambar yang ada dibawah ini dengan nilai-nilai pixel pada bagian laut adalah 1 yang berwarna putih dan nilai-nilai pixel pada bagian darat adalah 0 yang berwarna hitam.

3. INDEKS VEGETASI

Indeks vegetasi adalah salah satu parameter yang digunakan untuk menganalisa keadaan vegetasi dari suatu wilayah.Indeks tersebut mempunyai berbagai macam variasi algoritma.Algoritma pemrosesan sinyal digital untuk menghitung indeks vegetasi diperoleh dengan memanfaatkan karakteristik panjang gelombang pantul daun.Indeks vegetasi juga merupakan nilai yang diperoleh dari gabungan beberapa spektral band spesifik dari citra penginderaan jauh.Gelombang indeks vegetasi diperoleh dari energi yang dipancarkan oleh vegetasi pada citra penginderaan jauh untuk menunjukkan ukuran kehidupan dan jumlah dari suatu tanaman. Tanaman memancarkan dan menyerap gelombang yang unik sehingga keadan ini dapat di hubungakan dengan pancaran gelombang dari objek-objek yang lain sehingga dapat di bedakan antara vegetasi dan objek selain vegetasiDalam praktikum. Pembuatan NDVI (Normalized Difference Vegetation Indeks) terbagi atas NDVI di Darat dan NDVI di Laut.Dimana NDVI di Darat di dapat dari penggunaan rumus di Expression pada Map Calculation yaitu NDVI di Darat (band 3 dan 4)*MD2.Sedangkan NDVI di Laut di dapat dari penggunan rumus NDVI di Laut (band 1 dan 2)*ML2.a) Langkah-langkah untuk membuat NDVI di Darat dengan mengabaikan NDVI di Laut sebagai berikut :1) Buka Map Calculation lalu Pada Expression masukkan rumus NDVI (untuk di darat) yaitu (Band4-Band3)/(Band4+Band3) seperti contoh dibawah ini (SUB_B4-SUB_B3)/(SUB_B4+SUB_B3). Pada Output Raster Map masukkan nama file yang merupakan nama file hasil penggunaan rumus diatas. Seperti contoh dibawah, nama NDVIDARAT yang berarti NDVI di Darat. Pada menu Domain pilih VALUE. Kemudian klik Show, selanjutnya pada Display Options Raster Map klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

2) Akan tampil citra NDVIDARAT yang memiliki nilai pixel tertinggi yaitu 1 dan pixel terendah yaitu -1.

3) Selanjutnya, diharuskan nilai pixel terendah yakni -1, untuk menubah nilai pixel ini pada citra NDVIDARAT di atas menjadi bernilai positif yakni A. Buka Map Calculation Pada Expression masukkan rumus NDVIDARAT+2 agar nilai pixel pada citra NDVIDARAT berubah karena ditambahkan dengan B. Pada Output Raster Map masukkan nama file yang merupakan nama file hasil penggunaan rumus diatas. Seperti contoh dibawah, nama NDVIDARAT2 yang berarti NDVI di Darat yang nilai pixel minimumnya sudah benilai positif yaitu 1. Pada menu Domain pilih VALUE.Kemudian klik Show, selanjutnya pada Display Options Raster Map klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

4)Akan tampil citra NDVID1 yang memiliki nilai pixel tertinggi yaitu 2,6 dan pixel terendah yaitu 1.

5)Setelah NDVI pada darat (NDVIDARAT2) telah selesai dibuat, maka selanjutnya, Buka Map Calculation! Pada Expression masukkan rumus NDVIDARAT2*MDARAT2 dimana MDARAT2 adalah Mask Darat, agar pengamatan Nilai Index Vegetasi hanya pada wilayah Darat saja (Wilayah Laut diabaikan). Pada Output Raster Map masukkan nama file yang merupakan nama file hasil penggunaan rumus diatas, Seperti contoh dibawah, nama yaitu NDVIDARAT3 yang berarti citra yang ditampilkan memiliki Nilai Index Vegetasi hanya pada wilayah Darat saja (Wilayah Laut diabaikan). Pada Domain pilih VALUE. Kemudian klik Show, selanjutnya pada Display Options Raster Map klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

6)Lalu NDVIDARAT3 setelah mengklik OK pada jendela Display Options Raster Map. Akan tampil hasil sperti dibawah ini.

b) Langkah-langkah untuk membuat NDVI di Laut dengan mengabaikan NDVI di Darat sebagai barikut :1) Buka Map Calculation! Pada Expression masukkan rumus NDVI (untuk di laut) yaitu (Band2-Band1)/(Band2+Band1) seperti contoh dibawah ini (Band4-Band3)/(Band4+Band3). Pada Output Raster Map masukkan nama file yang merupakan nama file hasil penggunaan rumus diatas. Seperti contoh dibawah, nama NDVILAUT yang berarti NDVI di Laut. Pada Domain pilih VALUE. Kemudian klik Show, selanjutnya pada Display Options Raster Map klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

2)Akan tampil citra NDVILAUT yang memiliki nilai pixel tertinggi yaitu 1 dan pixel terendah yaitu -1.

3)Selanjutnya, harus mengubah nilai pixel terendah yakni -1 pada citra NDVILAUT di atas menjadi bernilai positif yakni A. Buka Map Calculation! Pada Expression masukkan rumus NDVILAUT+2 agar nilai pixel pada citra NDVILAUT berubah karena ditambahkan dengan B. Pada Output Raster Map masukkan nama file yang merupakan nama file hasil penggunaan rumus diatas. Seperti contoh dibawah, nama NDVILAUT1 yang berarti NDVI di Laut yang nilai pixel minimumnya sudah benilai positif yaitu 1. Pada Domain pilih VALUE. Kemudian klik Show, selanjutnya pada Display Options Raster Map klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

4)Akan tampil citra NDVI2 yang memiliki nilai pixel tertinggi yaitu 3 dan pixel terendah yaitu 1.

5)Setelah NDVI pada laut (NDVI2) telah selesai dibuat, maka selanjutnya, Buka Map Calculation! Pada Expression masukkan rumus NDVI2*MLAUT2 dimana MLAUT2 adalah Mask Laut, agar pengamatan Nilai Index Vegetasi hanya pada wilayah Laut saja (Wilayah Darat diabaikan). Pada Output Raster Map masukkan nama file yang merupakan nama file hasil penggunaan rumus diatas, Seperti contoh dibawah, nama yaitu NDVILAUT3 yang berarti citra yang ditampilkan memiliki Nilai Index Vegetasi hanya pada wilayah Laut saja (Wilayah Darat diabaikan). Pada Domain pilih VALUE. Kemudian klik Show, selanjutnya pada Display Options Raster Map klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

6)Akan tampil citra NDVILAUT3 setelah mengklik OK pada jendela Display Options Raster Map.

4. Melakukan Transformasi Citra (TCT)Transformasi citra yang dipelajari pada bagian ini adalah Tasseled Cap Transformatin (TC).TCT akan menghasilkan 3 data baru yang disebut dengan Brightness, Greeness, dan Wetness. Brightness menunjukkan nilai yang tertinggi untuk daerah yang tidak bervegetasi.Greenness sebaliknya, menunjukkan nilai yang tertinggi untuk daerah yang bervegetasi dan Wetness menunjukan nilai kelembaban atau kandungan air.Langkah-langkah untuk melakukan TCT adalah sebagai berikut: BRIGHTNESS1) Untuk menghitung nilai brightness, buka Map Calculation! Pada Expression masukkan rumus :(0.3037*band1)+(0.2793*band2)+(0.4343*band3)+(0.5585*band4)+(0.5082*band5)+(0.1863*band7)A)Seperti contoh dibawah ini, pada Expression, rumus yang dimasukkan adalah (0.3037*SUB_B1)+(0.2793*SUB_B2)+(0.4343*SUB_B3)+(0.5585*SUB_B4)+(0.5082*SUB_B5)+(0.1863*SUB_B7). Pada Output Raster Map berilah nama Brightness yang merupakan nama file hasil setelah digunakan rumus untuk Brightness. Pada Domain pilih VALUE.Kemudian klik Show. Selanjutnya klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

2)Akan ditampilkan peta hasil brightness setelah mengklik OK pada Display Options Raster Map.

GREENESS2)Untuk menghitung nilai Greenness, buka Map Calculation! Pada Expression masukkan rumus :(0.2848*band1)+(0.2435*band2)+(0.5436*band3)+(0.7243*band4)+(0.084*band5)+(-0.18*band7)Seperti contoh dibawah ini, pada Expression, rumus yang dimasukkan adalah:(0.2848*SUB_B1)+(0.2435*SUB_B2)+(0.5436*SUB_B3)+(0.7243*SUB_B4)+(0.084*SUB_B5)+(-0.18*SUB_B7). Pada Output Raster Map berilah nama Greenness yang merupakan nama file hasil setelah digunakan rumus untuk Greenness. Pada Domain pilih VALUE.Kemudian klik Show. Selanjutnya klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

1) Akan ditampilkan peta hasil greenness setelah mengklik OK pada Display Options Raster Map.

WETNESS3)Untuk menghitung nilai Wetness, buka Map Calculation! Pada Expression masukkan rumus :(0.1509*band1)+(0.1793*band2)+(0.3299*band3)+(0.3406 *band4)+(-0.7112 *band5)+(-0.4572*band7)Seperti contoh dibawah ini, pada Expression, rumus yang dimasukkan adalah: (0.1509*SUB_B1)+(0.1793 *SUB_B2)+(0.3299*SUB_B3)+(0.3406*SUB_B4)+(-0.7112SUB_B5)+(-0.4572*SUB_B7).Pada Output Raster Map berilah nama Wetness yang merupakan nama file hasil setelah digunakan rumus untuk Wetness. Pada Domain pilih VALUE.Kemudian klik Show. Selanjutnya klik OK mungkin untuk mengganti warna tampilan yang akan ditampilkan kita bias memilih menu representation.

2) Akan ditampilkan peta hasil wetness setelah mengklik OK pada Display Options Raster Map.

4)Selanjutnya membuat Map List dari hasil perhitungan brightness, greenness dan Wetness. Pilih New Map List! Pada Map List masukkan nama TCT_Map yakni Map List yang akan dibuat. Kemudian pilih brightness, greenness dan wetness dari daftar file di sebelah kiri, kemudian pindahkan ke sebelah kanan dengan mengklik tanda arah kanan.Selanjutnya klik OK.

5)Kemudian pilih Open As ColorComposite. Selanjutnya akan tampil jendela Display Options Map List as ColorComposite Klik OK apabila wetness sebagai Red Band, greenness sebagai Green Band dan brightness sebagai Blue Band.

6)Akan ditampilkan peta hasil setelah mengklik OK pada Display Options Map List as Color Composite.

BAB IPENDAHULUAN

Ilmu penginderaan jauh telah berkembang sangat pesat dari masa ke masa.Teknologi satelit berperan besar dalamperkembangan aplikasi ilmu penginderaan jauh,terutama dalam menganalisa keadaan vegetasi bumi.Teknologi sistem sensor satelit dan algoritma pemrosesan sinyal digital memudahkan pengambilan informasi keadaan bumi secara lebih cepat, detail dan akurat.Sejak diluncurkannya berbagai instrumen pada satelit observasi Bumi ERTS milik NASA dan AVHRR milik NOAA, algoritma pemrosesan sinyal yang digunakan untuk mengamati keadaan vegetasi adalah algoritma NDVI (Normalized Difference VegetationIndex).Algoritma ini memanfaatkan fenomena fisik pantulan gelombang cahaya yang berasal dari dedaunan.Saat ini berbagai macam sensor satelit dimanfaatkan untuk memantau kondisi kehijauan vegetasi bumi, antara lain: MODIS, MISR, ASTER, IKONOS, Quickbird, VEGETATION, AVHRR, dan lain-lain. Masing-masing satelit melalui berbagai sensornya mempunyai fungsi yang spesifik dalam mengolah informasi vegetasi. Di dalam penelitian ini akan digunakan dua jenis sensor untuk mengamati lahan kehijauan, yakni sistem sensor TERRA/AQUAMODIS dan NOAA/AVHRR karena dua satelit tersebut digunakan sangat luas dan melalui instansi di dalam negeri seperti Lembaga Penerbangan dan Antariksa Nasional (LAPAN), datanya dapat diperoleh dengan mudah. Indeks vegetasi akan diukur menggunakan algoritma NDVI dan EVI. Kedua indeks vegetasi ini dipilih karena walaupun banyak faktor yang membatasinya, NDVI masih menjadi kuantitas monitoring vegetasi yang penting untuk mengkaji kapasitas fotosintesis permukaan daratan pada skala spasial yang tepat dalam berbagai keadaan.Perbedaan hasil olah dan interpretasi kedua algoritma tersebut akan menjadi fokus penelitian ini. Data sensor satelit yang akan dibandingkan adalah data MODIS dan AVHRR yang dipilih antara tahun 2005 hingga 2007 di daerah sekitar Pulau Kalimantan, Indonesia.Indeks vegetasi adalah salah satu parameter yang digunakan untuk menganalisa keadaan vegetasi dari suatu wilayah.Indeks tersebut mempunyai berbagai macam variasi algoritma.Algoritma pemrosesan sinyal digital untuk menghitung indeks vegetasi diperoleh dengan memanfaatkan karakteristik panjang gelombang pantul daun. Saat ini berbagai macam sensor satelit dimanfaatkan untuk memantau kondisi kehijauan vegetasi bumi, antara lain: MODIS, MISR, ASTER, IKONOS, Quickbird, VEGETATION, AVHRR, dan lain-lain. Masing-masing satelit melalui berbagai sensornya mempunyai fungsi yang spesifik dalam mengolah informasi vegetasi.Dalam aplikasi penginderaan jauh, indeks vegetasi merupakan cerminan tingkat kehijauan vegetasi yang juga dapat digunakan sebagai parameter kondisi kekeringan.Indeks vegetasi dapat berubah disebabkan oleh kondisi ketersediaan air akibat pergantian musim.Kondisi indeks vegetasi rendah mengakibatkan penurunan produksi pangan, kebakaran, dan lain sebagainya.Untuk mengantisipasi akibat buruk tersebut, upaya pemantauan indeks vegetasi perlu dilakukan.Indeks vegetasi merupakan nilai yang diperoleh dari gabungan beberapa spektral band spesifik dari citra penginderaan jauh.Gelombang indeks vegetasi diperoleh dari energi yang dipancarkan oleh vegetasi pada citra penginderaan jauh untuk menunjukkan ukuran kehidupan dan jumlah dari suatu tanaman. Tanaman memancarkan dan menyerap gelombang yang unik sehingga keadan ini dapat di hubungakan dengan pancaran gelombang dari objek-objek yang lain sehingga dapat di bedakan antara vegetasi dan objek selain vegetasi (Horning, 2004).Ada beberapa macam indeks vegetasi yang tentunya sudah sering dimanfaatkan untuk aplikasi aplikasi tertentu.Pernah kah anda bertanya mengapa indeks vegetasi biasanya hanya menggunakan saluran merah (visible) dan saluran inframerah dekat (NIR)?Tanaman hidup menyerap gelombang tanpak (visible) biru dan merah dan memantulkan gelombang hijau sehingga mata manusia dapat mendeteksi warna hijau pada tanaman.Namun ternyata tidak hanya gelombang hijau yang dipantulkan oleh tanaman, pantulan paling dominan pada tanaman ternyata adalah gelombang inframerah dekat (NIR).Tapi karena mata manusia tidak dapat menangkap cahaya pada gelombang inframerah tersebut maka warna merah ini tidak terlihat pada mata manusia.Padahal pantulan inframerah dekat pada tanaman mencapai 60%, kontras sekali dengan pantulan gelombang hijau yang hanya 20%.Indeks vegetasi yang paling tua adalah Ratio Vegetation Index (RVI) yang dipublikasikan oleh Jordan (1969) dan yang paling terkenal adalah Normalized Difference Vegetation Index (NDVI) yang dipublikasikan oleh Deering (1978). Kedua indeks ini menggunakan band/saluran pada panjang gelombang infra merah dekat (NIR) dan merah (red). Selain kedua indeks vegetasi diatas, masih banyak lagi jenis jenis indeks vegetasi yang bisa diterapkan untuk berbagai keperluan pemetaan vegetasi diantaranya TVI, SAVY, TNDVI, ARVI, dan lain lain. Perhitungan indeks vegetasi dapat dilakukan paca citra satelit yang memiliki saluran merah (visible) dan saluran inframerah dekat (NIR).

BAB IILADASAN TEORI

Data penginderaan jauh merupakan data hasil pantulan objek dari berbagai panjang gelombang yang di tangkap oleh sebuah sensor dan mengubahnya menjadi data numerik serta bisa dilihat dalam bentuk grafik atau citra (imaginery) (Purwadhi, 2001). Sedangkan pemanfaatan data-data penginderaan jauh dilakukan karena tersedia dalam jumlah yang banyak, mampu memperlihatkan dearah yang sangat luas, tersedia untuk daerah yang sulit terjangkau, tersedia untuk waktu yang cepat, dan dapat memperlihatkan objek yang tidak tampak dalam wujud yang bisa dikenali objeknya (Sutanto, 1989). Salah satu contoh aplikasi data penginderaan jauh adalah untuk melihat indeks vegetasi dan mengestimasi jumlah penyerapan Carbon Dioksida (CO2) oleh tanaman.NDVI (Normalized Difference Vegetation Index) merupakan metode yang sering digunakan untuk memanfaatkan data spektral indeks vegetasi (Spectral Vegetation Index (SVI)) dari penginderaan jauh. Spektral indeks vegetasi dari data penginderaan jauh terbentuk karena adanya perbedaan pantulan gelombang dari daun tanaman hidup dengan objek-objek yang lain dipermukaan bumi pada panjang gelombang hijau (visible) dan infra merah dekat (invisible) (Horning, 2004)Kemampuan suatu citra (imaginery) menangkap dan menampilkan suatu informasi dari permukaan bumi sangat tergantung dari resolusi spasial, resolusi temporal, resolusi radiometrik dan resolusi spektralnya (Purwadhi, 2001).Setiap jenis citra mempunyai jenis resolusi yang berbeda-beda baik itu resolusi spasial, resolusi temporal, resolusi radiometrik maupun resolusi spektralnya sehingga mengakibatkan kemampuan suatu citra dalam menangkap dan menampilkan informasi juga berbeda-beda.Keadan ini juga terjadi pada kemampuan citra dalam menangkap dan menampilkan informasi indeks vegetasi.contoh indeks vegetasi yang menggunakan kombinasi antara selisih dan nisbah adalah normalized difference vegetation indeks, yang diharapkan mempunyai julat yang pasti antara -1 sampai dengan +1, dimana selisih antara pantulan inframerah dekat dan merah dinormalisasi dengan cara membaginya dengan jumlah dari keduanya:NDVI = (NP inframerah NP merah) / (NP inframerah dekat + NP merah)Transformasi citra yang dipelajari pada bagian ini adalah Tasseled Cap Transformatin (TC).TCT akan menghasilkan 3 data baru yang disebut dengan Brightness, Greeness, dan Wetness. Brightness menunjukkan nilai yang tertinggi untuk daerah yang tidak bervegetasi.Greenness sebaliknya, menunjukkan nilai yang tertinggi untuk daerah yang bervegetasi dan Wetness menunjukan nilai kelembaban atau kandungan air.

Untuk menghitung nilai brightness, buka Map Calculation! Pada Expression masukkan rumus :(0.3037*band1)+(0.2793*band2)+(0.4343*band3)+(0.5585*band4)+(0.5082*band5)+(0.1863*band7)Untuk menghitung nilai Greenness, buka Map Calculation! Pada Expression masukkan rumus :(0.2848*band1)+(0.2435*band2)+(0.5436*band3)+(0.7243*band4)+(0.084*band5)+(-0.18*band7)Untuk menghitung nilai Wetness, buka Map Calculation! Pada Expression masukkan rumus :(0.1509*band1)+(0.1793*band2)+(0.3299*band3)+(0.3406 *band4)+(-0.7112 *band5)+(-0.4572*band7).

BAB IVHASIL DAN PEMBAHASAN

IV. 1. Pemisahan DaratHasil dari mask darat seperti gambar diatas. Warna putih untuk daratan dan warna hitam untuk laut.Pixel pada daratan bernilai 1 sedangkan pixel pada lautan bernilai 0.

IV. 2. Pemisahan Laut

Hasil dari mask darat seperti gambar diatas. Warna putih untuk lautan dan warna hitam untuk daratan.Pixel pada daratan bernilai 0 sedangkan pixel pada lautan bernilai 1.IV. C. NDVI Darat

Gambar diatas merupakan hasil dari pengolahan NDVI darat. Memiliki nilai 0 pada lautan dan nilai minimum 0 dana nilai maksimum 2.6. area yang bewarna ternag pada gambar (NDVI tinggi) adalah area yang mempunyai tingkat kerapatan vegetasi yang lebih tinggi. Semakin terang warna pad agambar semakin tinggi nilai vegetasinya dan sebaliknya semakin gelap warna pada gambar semakin rendah nilainya.

IV. D. NDVI Laut

Gambar diatas merupakan hasil dari pengolahan NDVI laut. Memiliki nilai 0 pada daratan dan nilai minimum 0 dan nilai maksimum 2.1 pada lautan. area yang bewarna terang pada gambar (NDVI tinggi) adalah area yang mempunyai tingkat kerapatan klorofil yang lebih tinggi. Semakin terang warna pada gambar semakin tinggi nilai klorofilnya dan sebaliknya semakin gelap warna pada gambar semakin rendah nilai klorofilnya.

IV. E. Transformasi Citra

Dari hasil pengolahan Indeks vegetasi serta transformasi dari BRIGHTNESS, GREENESS, WETNESS seperti dibawah ini.

Jika dilihat dari gambar yang ditampilkan pada pulau adaut ini.Warna hijau pada gambar mendominasi di pulau ini, bias dikatakan bahwa daerah ini memiliki veegetasi yang mendominasi dan keberadaan manusia banyak daerah pulau ini. Mengapa demikian ?Tanaman hidup menyerap gelombang tanpak (visible) biru dan merah dan memantulkan gelombang hijau sehingga mata manusia dapat mendeteksi warna hijau pada tanaman.Namun ternyata tidak hanya gelombang hijau yang dipantulkan oleh tanaman, pantulan paling dominan pada tanaman ternyata adalah gelombang inframerah dekat (NIR).Tapi karena mata manusia tidak dapat menangkap cahaya pada gelombang inframerah tersebut maka warna merah ini tidak terlihat pada mata manusia.Padahal pantulan inframerah dekat pada tanaman mencapai 60%, kontras sekali dengan pantulan gelombang hijau yang hanya 20%.

IV. F. Klasifikasi Lahan

Gambar diatas merupakan hasil proses klasifikasi lahan, dimana bias kita lihat tutpan lahan berdasarkan warna, warna merah merupakan tutupan tanah, hijau kebun, biru air, merah muda sedimen, kuning merupakan pemukiman.