Gambar 4.5 Hasil Koreksi Radiometrik Citra Satelit Landsat
d. Pemotongan CitraCroping
Data citra yang telah terkoreksi kemudian dilakukan pemotongan citra berdasarkan wilayah kajian penelitian yaitu batas Administrasi Kota
Semarang. Penentuan batas wilayah melalui proses secara digital dengan memanfaatkan data peta RTRW Kota Semarang tahun 2010-2031, dengan
menggunakan software Er-Mapper dan ArcGIS 10. Dalam proses ini peneliti memanfaatkan tools exsport ERMapper 7.0 yang berguna untuk meng-export
file shp menjadi file erv. Setelah batas administrasi Kota Semarang dihasilkan dari pengolahan tersebut, segera dilaksanakan pemotongan citra tahun 1989,
2000, dan 2012 menggunakan inside region polygon test. Merupakan tools dari program ER-Mapper yang menghasilkan citra batas Administrasi Kota
Semarang.
e. Langkah Kerja Klasifikasi NDVI
Klasifikasi NDVI dapat diketahui dengan interpretasi secara digital menggunakan software ER Mapper. Pengolahan data citra dan analisis
menggunakan teknik penginderaan jauh remote sensing. Klasifikasi NDVI memerlukan daerah sampelcontoh training area yang akan digunakan untuk
mengklasifikasi seluruh citra ke dalam kelas-kelas yang diinginkan. Maka dari itu klasifikasi NDVI digunakan ketika kita mengetahui posisi atau area mana
kelas-kelas tersebut berada di lapangan. Dalam pengklasifikasian seluruh citra ke dalam kelas-kelas yang diinginkan, kita harus memerlukan daerah
sampel.. Sampel piksel tersebut pada proses algorithm pengklasifikasi digunakan untuk mengkelaskan piksel-piksel dengan karakteristik spektral
yang sama. Sebagai ilustrasi, berikut adalah langkah-langkah yang dapat dilakukan untuk menghitung dan menerapkan metode Indeks vegetasi
dengan 3 langkah kerja yaitu:
1 Memasukkan
rumus bawaan,
yaitu munculkan
citra multispektralnya, tekan tombol “Edit Formula” hingga muncul kotak
dialog “Formula editor” lalu pilihlah Ratio pada bar menu formula editor, ada macam-macam pilihan, pilih Landsat TM NDVI. Pada
textbox formulanya secara otomatis terketik “I1-I2I1+I2”.
Munculkan histogramnya , Nampak nilai domain, perhatikan
Actual Input limits setelah itu Set Out put Limits to Input Limits. Pada nilai domain citra diketahui misal -0.941176 hingga
0.964912 kita buat 5 Range untuk mempermudah pengklasifikasian. Di Save As dengan memakai nama NDVI_1.ers.
2 Memasukkan rumus citra sesuai nilai domain. Buka New
, buka lagi citra NDVI_1.ers. lalu klik Emc2 atau Edit Formula, pada
input1 kita masukkan rumus citra if i1 = -1 and i1 = -0.32 then 1 else if i1 = -0.32 and i1 = 0.32 then 2 else if i1 = 0.32 and i1 =
0.55 then 3 else if i1 0.55 and i1 = 0.78 then 4 else if i1 0.78 and i1 = 1 then 5 else i1Tekan tombol Apply changes di Save As
NDVI_2.ers. 3
pengklasifikasian kelas kerapatan vegetasiNDVI. Tampilkan kembali citra NDVI_2_ers, lalu pilih menu process, Classification-
ISOCLASS Unsupervised pada Textbox akan muncul Input dan Output, lalu kita isi Input: NDVI_2.ers Output: Class_NDVI_2.ers
Klik Ok. Pada Menu utama Pilih Edit klik Edit classregion colour name misal :
Sangat Rapat Hijau tua
Rapat Hijau
Cukup rapat Hijau muda
Tidak Rapat Merah bata
Tidak Bervegetasi Biru
Klik Save As dengan nama Class_NDVI_2.ers. Untuk menghasilkan peta kerapatan vegetasi dibutuhkan suatu
ketelitian pada saat pengolahan citra, berupa langkah-langkah yang sesuai terutama pada saat menentukan rumus algorithm indeks vegetasi. Hasil dari
beberapa peta kerapatan vegetasi yang berbeda tahun bisa mengetahui tingkat perubahan kerapatan vegetasi di suatu wilayah. Kelas kerapatan vegetasi di
Kota Semarang hasil dari pengolahan citra satelit Landsat menghasilkan 4 kelas kerapatan vegetasi yaitu sangat rapat, rapat, cukup rapat, tidak rapat
dengan nilai kisaran NDVI Indeks Vegetasi. Selengkapnya proses pengolahan indeks vegetasi bisa dilihat pada lampiran.
3. Tingkat Kerapatan Vegetasi di Kota Semarang Tahun 1989-2012