Analisis normalized difference wetness index (ndwi) dengan menggunakan data citra satelit landsat 5 tm (studi kasus : provinsi jambi path/row :125/61)
ANALISIS NORMALIZED DIFFERENCE WETNESS INDEX
(NDWI) DENGAN MENGGUNAKAN DATA CITRA LANDSAT
5 TM (STUDI KASUS : PROVINSI JAMBI PATH/ROW :
125/61)
TEUNGKU HAIKAL
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Normalized
Difference Wetness Index (NDWI) Dengan Menggunakan Data Citra Landsat 5
TM (Studi Kasus : Provinsi Jambi Path/Row : 125/61) adalah benar karya saya
denganarahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor,Agustus 2014
Teungku Haikal
NIM G24100082
ABSTRAK
TEUNGKU HAIKAL. Analisis Normalized Difference Wetness Index (NDWI)
dengan Menggunakan Data Citra Satelit Landsat 5 TM (Studi Kasus : Provinsi
Jambi Path/Row :125/61). Dibimbing oleh IDUNG RISDIYANTO
Interpretasikelembaban lahan dan vegetasi dengan menggunakan data
satelit dapat dilakukan dengan analisis Normalized Difference Wetness Index
(NDWI) dan Normalized Difference Vegetation Index (NDVI).NDWI merupakan
indeks yang menunjukkan tingkat kebasahan suatu area sedangkan NDVI adalah
tingkat kerapatan vegetasi di suatu area. Tujuan Penelitian ini adalah untuk
menentukan nilaiNDWI dari data citra satelit landsat TM 5 tahun 1997, 2000,
2009 dan mengetahui pengaruh faktor tutupan vegetasi dan tipe tanah. NDWI
adalah fungsi dari kanal Near Infrared (NIR) dan Short Wavelength Infrared
(SWIR). NIR digunakan dalam identifikasi vegetasi dan juga kandungan biomassa,
sedangkan SWIR mengidentifikasi kelembaban vegetasi dan kelembaban tanah.
Panjang gelombang kanal NIR adalah 0.76-0.90 μm dan SWIR adalah 1.55-1.75
μm. Nilai NDWI diklasifikasikan menjadi tiga kelas yaitu kebasahan rendah,
kebasahan sedang dan kebasahan tinggi. Di tahun 1997 nilai NDWI di daerah
jambi berkisar -0.44-0.52 yang menunjukkan dominan tingkat kebasahan rendah
hingga kebasahan sedang, di tahun tersebut terjadinya kebakaran hutan, sehingga
kondisi vegetasi juga mempengaruhi tingkat kebasahan di daerah tersebut, nilai
NDVI berkisar-0.17-0.46. Nilai NDWI di tahun 2000 berkisar -0.6-0.63, yang
mendominasi tingkat kebasahan sedang hingga kebasahan tinggi, di tahun tersebut
jumlah titik api sudah berkurang dengan faktor vegetasi yang tinggi(nilai NDVI
yaitu -0.389-0.7).Sedangakan nilai NDWI di tahun 2009 yaitu berkisar -0.99-0.99 ,
nilai tersebut menunjukkan tingkat kebasahan pada area tersebut adalah tinggi
dengan kondisi vegetasi tingkat kehijauan tinggi dan juga pada kondisi lahan
gambut, nilai NDVI di tahun tersebut yaitu -0.99-0.97.Pengetahuan tentang nilai
NDWI dapat membantu dalam pembangunan pertanian, identifikasi kekeringan ,
kebakaran lahan dan juga banjir.
Kata kunci: NDVI, NDWI, NIR, SWIR, Kebasahan (Wetness)
ABSTRACT
TEUNGKU HAIKAL. Analysis of Normalized Difference Wetness Index (NDWI)
Using Landsat Image Data 5 TM (Case Study : The Province of Jambi Path/Row :
125/61). Supervised by IDUNG RISDIYANTO.
The assesmentof land humidity and vegetation of area by using satellite
data could be detected by analyzing Normalized Difference Wetness Index (NDWI)
and Normalized Difference Vegetation Index (NDVI). NDWI is an index which
indicates the level of wetness in an area, where as NDVI is an index indicating the
level of vegetation density in an area. As for the objective of this study is to
determine the value of NDWI based on landsat satellite image data TM 5 years
1997, 2000, 2009 and to know both the influence of the soil type. NDWI is a
function of channel Near infrared (NIR) and Short Wavelength Infrared (SWIR).
NIR is workable in identifying the humidity of vegetation and biomass content as
well, whereas SWIR is used in identifying the humidity of vegetation and soil
humidity,so that this method is usable and applicable to determine the value of
wetness index. The wavelengthof NIR channel is 0.76-0.90 μm and the
wavelength of SWIR is 1.55-1.75 μm. The value of NDWI is classifiend into three
types,low wetness, average wetness, and high wetness. In 1997, the value of
NDWI in Jambi is approximately -0.44-0.52, this is indicating the dominancy of
its wetness level which is low wetness to average wetness. In that year, land fire
happenedso that the vegetation condition also influenced the wetness level in such
area, the value of NDVI is approximately -0.17-0.46. In 2000, the value of NDWI
is approximately -0.6-0.63, the average wetness and high wetness dominate its
wetness level, in that year fire point has been decreased and the vegetation
dominates such area, its NDVI value is -0.389-0.7 and besides the vegetation in
such area is in average of its lushness level. In 2009, the value of NDWI is
approximately -0.99-0.99, such value indicates that the wetness level in such area
is high with vegetation condition is in its high lushness level and in peat as well,
its NDVI value is -0.99-0.97. Knowing the value of NDWI could possibly provide
information for the agricultural development sector, drought conditionsassesment,
land fire and flood.
Keywords:NDVI, NDWI, NIR, SWIR, Wetness
ANALISIS NORMALIZED DIFFERENCE WETNESS INDEX
(NDWI) DENGAN MENGGUNAKAN DATA CITRA LANDSAT
5 TM (STUDI KASUS : PROVINSI JAMBI PATH/ROW :
125/61)
TEUNGKU HAIKAL
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi :Analisis Normalized Difference Wetness Index (NDWI) Dengan
Menggunakan Data Citra Satelit Landsat 5 TM (Studi Kasus :
Provinsi Jambi Path/Row :125/61)
Nama
: Teungku Haikal
NIM
: G24100082
Disetujui oleh
Idung Risdiyanto SSi, MSc, IT
Pembimbing
Diketahui oleh
Dr Ir Tania June, MSc
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah dengan
judul : Analisis Normalized Difference Wetness Index (NDWI) dengan
Menggunakan Data Citra Landsat 5 TM (Studi Kasus : Provinsi Jambi Path/Row :
125/61). Karya ilmiah ini merupakan salah satu syarat kelulusan di program studi
Meteorologi Terapan, Departemen Geofisika dan Meteorologi, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Proses penulisan karya ilmiah ini penulis telah banyak menerima bantuan
dari berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada :
1. Bapak Idung Risdiyanto, S.Si. M.Sc. IT selaku dosen pembimbing
skripsi yang selalu memberikan waktu, kritik, saran, dan arahan dalam
proses penelitian dan penulisan karya ilmiah ini.
2. Ibu Dr.Ir. Tania June M.Sc selaku ketua Departemen Geofisika dan
Meteorologi.
3. Bapak Soni Setiawan S.Si M.Si dan Dr Rahmat Hidayat selaku dosen
penguji ujian akhir.
4. Pihak Kementerian Agama
5. Terima kasih bapak (Muhammad Yunus), ibu (Elidar Djohan), kakakkakak tercinta Dara Adila dan Nabila Yasmin , serta Abang-abang
tercinta M.Rafal, M.Rizal, M.Fazal, Safarul Agung yang selalu
memberikan semangat, dukungan,doa dan kasih sayang yang selalu
diberikan setiap waktu kepada penulis.
6. Staf pengajar dan pegawai Departemen Geofisika dan Meteorologi
7. Teman satu bimbingan dan tim asisten praktikum mata kuliah
meteorologi satelit bang Ryan, Annisa Nurdiana, Adrini Ekadiah,
Himmah dan kak Tomy atas segala bantuan selama proses penelitian.
8. Terima kasih kepada Pipit Putri Aji yang selalu memberikan kritikan,
pelajaran, semangat dan dukungan.
9. Terima kasih kepada teman-teman EBOLERS tercinta : Kang Dede, Om
Daus aponk, Ka Reza, Sob Fey yang selalu memberi semangaaat.
10. Teman New-new HIMAJA bang Thaisir, cak Indro, Givo dan bang
Ryan.
11. Teman-teman GFM 47 yang selalu jaya, GFM 48 dan 49 , team Futsal
GFM , IMTR aceh dan CSS MoRA IPB.
Penulis menyadari bahwa karya ilmiah ini masih banyak kekurangan, oleh
karena itu kritik dan saran yang membangun sangat diperlukan. Semoga
karya ilmiah ini bermanfaat.
Bogor, Agustus 2014
Teungku Haikal
DAFTAR ISI
DAFTAR TABEL
ix
DAFTAR GAMBAR
ix
DAFTAR LAMPIRAN
ix
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
2
METODE
2
Waktu dan Tempat Penelitian
2
Prosedur Analisis Data
3
HASIL DAN PEMBAHASAN
6
Analisis Normalized Difference Wetness Index
6
Analisis Normalized Difference Vegetation Index
7
Tanah
9
Hubungan NDVI, NDWI dan Tanah
9
SIMPULAN DAN SARAN
13
Simpulan
13
Saran
14
DAFTAR PUSTAKA
14
LAMPIRAN
16
RIWAYAT HIDUP
19
DAFTAR TABEL
1.
2.
3.
4.
5.
Klasifikasi NDWI (Xu 2006 merujuk ke MNDWI)
Klasifikasi NDVI (Wahyunto 2003)
Nilai NDWI
Nilai NDVI
Luas wilayah nilai NDVI dan NDWI di tanah mineral dan gambut
tahun 1997, 2000, 2009
4
4
6
8
10
DAFTAR GAMBAR
Histogram rentang nilai NDWI tahun 1997, 2000, 2009
Histori rentang nilai NDVI 1997, 2000, 2009
Peta jenis tanah
Hubungan NDVI dan NDWI terhadap tipe tanah (gambut dan mineral)
tahun 1997 (path/row 125/61)
5. Hubungan NDVI dan NDWI terhadap tipe tanah (gambut dan mineral)
tahun 2000 (path/row 125/61)
6. NDVI dan NDWI terhadap tipe tanah (gambut dan mineral) tahun 2009
(path/row 125/61)
1.
2.
3.
4.
6
8
9
11
12
13
DAFTAR LAMPIRAN
1.
2.
3.
4.
5.
6.
Peta NDVI tahun 1997
Peta NDWI tahun 1997
Peta NDVI tahun 2000
Peta NDWI tahun 2000
Peta NDVI tahun 2009
Peta NDWI tahun 2009
16
16
17
17
18
18
1
PENDAHULUAN
Latar Belakang
Penginderaan jauh atau remote sensing merupakan suatu ilmu yang
memberikan informasi tentang suatu objek atau daerah di permukaan bumi
dengan cara perekaman informasi objek tersebut tanpa dengan kajian langsung
objek yang dikaji tersebut (Aggarwal 2003). Menurut Lillesand dan kiefer (1979)
bahwa inderaja termasuk dalam ilmu dan seni yang menginformasikan suatu
obyek yang akan dikaji dengan menggunakan satelit sehingga tidak membutuhkan
alat yang bersentuhan langsung (sensor) dengan objek yang dikaji.
Citra penginderaan jauh dapat dimanfaatkan untuk kajian tertentu, salah
satunya yaitu untuk mengindetifikasikan indeks kebasahan lahan di daerah Jambi
dengan menggunakan citra landsat 5. Indeks kebasahan merupakan indeks yang
menunjukkan tingkat kebasahan suatu area, peneliti Gao 1996 mengusulkan
normalized difference water index(NDWI), indeks tersebut merupakan modifikasi
dari normalized difference vegetation index(NDVI) yang banyak digunakan untuk
identifikasi tanaman, dengan panjang gelombang yang digunakan yaitu 860 nm1240 nm. Indeks kebasahan menunjukkan tingkat kebasahan suatu objek dan juga
kelengasan tanah yang terdetek dengan satelit tersebut. Jika vegetasi di suatu
ruang itu kurang, maka tingkat kebasahan lahan tersebut termasuk dalam keadaan
ekstrim.
Informasi yang didapatkan dari citra landsat bisa dijadikan overlay dalam
tingkat kebasahan suatu lahan. Indeks kebasahan sering digunakan dalam ilmu
tanah dan juga hidrologi untuk dijadikan sebagai indikator terhadap wilayah yang
mempunyai potensi banjir.Indeks kebasahan juga dapat menjadi parameter yang
digunakan untuk mengidentifikasi kekeringan, kebakaran lahan, kebutuhan air
tanaman, dan pembangunan pertanian. Dalam penelitian ini bahwa pengkajian
indeks kebasahan lahan dilakukan di wilayah Jambi, karena memiliki karakteristik
tanah yang berbeda yaitu tipe tanah gambut dan mineral dan juga memiliki jenis
tutupan lahan yang beragam.Dengan adanya penginderaan jauh akan sangat
memudahkan untuk mengidentifikasi hal tersebut.
Landsat 5 diluncurkan pada 1 maret 1984 yang merupakan teknologi
penginderaan jauh yang diorbitkan oleh NASA Amerika Serikat, sensor yang
digunakan yaitu sensor TM (Thematic Mapper), mempunyai resolusi
spasial30x30 m pada kanal/band 1, 2, 3, 4, 5 dan 7. Sensor Thematic Mapper
mengamati obyek-obyek dipermukaan bumi dalam 7 band/kanal spektral,yaitu
terdiri dari kanal/band 1, 2 dan 3 termasuk dalam sinar tampak (visible),
band/kanal 4, 5 dan 7 termasuk dalam infra merah dekat dan infra merah
menengah, sedangkan band/kanal 6 termasuk dalam infra merah thermal yang
mempunyai resulosi spasial 120x120 m. Jadi, kanal yang digunakan untuk
menduga wetness index yaitu kanal 4 NIR dan 5 SWIR.
2
Perumusan Masalah
Apakah faktor indeks vegetasi dan jenis tanah dapat menyebabkan nilai
NDWI berubah jadi rendah atau tinggi. Jika ya, mengapa dan seberapa besar nilai
NDWI. Jika tidak,hal lain apakah yang mempengaruhi nilai NDWI
Tujuan Penelitian
1. Penelitian ini bertujuan untuk menentukan nilai Normalized Difference
Wetness index(NDWI)dari kanal Near Infrared (NIR) dan Short
Wavelength Infrared (SWIR) Landsat 5 TM (path/row : 125/61)
2. Mengetahui pengaruh faktor tutupan vegetasi (NDVI) dan tipe tanah
terhadap nilai NDWI
Manfaat Penelitian
Manfaat pengetahuan dari indeks kebasahan yaitu dapat dijadikan
parameter untuk mengidentifikasi kekeringan, kebakaran lahan, kebutuhan air
tanaman, dan pembangunan pertanian. NDWI sering digunakan dalam ilmu tanah
dan juga hidrologi.
Ruang Lingkup Penelitian
Penelitian ini hanya diteliti di path/row 125/61, lahan yang terdapat bagian
gambut dan mineral, lahan terbangun dan juga vegetasi.
METODE
Waktu dan Tempat Penelitian
Penelitian ini dilaksanakan dari bulan Februari sampai bulan Mei 2014,
penelitian dilaksanakan di laboratorium Meteorologi dan Pencemaran Atmosfer,
Departemen Geofisika dan Meteorologi, Institut Pertanian Bogor. Wilayah kajian
terdapat didaerah Provinsi Jambi yang berada pada koordinat 2º 45' - 0º 45' LS 101º 0' 104º 55' BT.
Alat dan Bahan
Alat yang digunakan pada penelitian ini adalah komputer yang dilengkapi
dengan software(perangkat lunak) Microsoft Office 2007, Er Mapper 7.1, AcrGIS
9.3. Bahan yang digunakan dalam penelitian ini adalah data citra Landsat TM 5
yaitu 3 citra pada tahun 1997, 2000, 2009 path/row : 125/61.
3
Prosedur Analisis Data
Pemilihan data citra satelit
Tahap awal yang dilakukan sebelum pengolahan data adalah pemilihan data
citra satelit, karena hal tersebut dapat mempengaruhi dalam tahap pengolahan data
citra nanti.Data citra satelit dapat dipilih dan diunduh melalui alamat situs
:http://www.usgs.gov/. Data yang dipilih adalah data satelit Landsat 5 TM.
Kanal/band yang digunakan yaitu kanal/band 5 SWIR, panjang gelombang SWIR
yaitu 1.55-1.75 μm dan kanal 4 NIR dengan panjang gelombang 0.76-0.90 μm
pada path/row 125/61.Sedangkan pengolahan suhu permukaan menggunakan
band 6/band thermal, panjang gelombang 10.40-12.50 μm.
Proses pengolahan data citra satelit
Hal
pertama
yang
dilakukan
adalah
mengimport
data
dan
menampilkannya.Pengolahan data citra yang paling utama dilakukan sebelum
dilanjutkan pada tahapan selanjutnya disebut preprocessing image, tahapan ini
dilakukan agar mendapat informasi yang jelas dari data citra tersebut. Tahap awal
pengolahan data citra yaitu :
a. Koreksi Geometrik
Koreksi geometrik dilakukan dengan tujuan untuk menyetarakan
koordinat pada citra satelit dengan koordinat bumi, kemudian menentukan
sistem proyeksi dan sistem koordinat yang akan digunakan.
b. Cropping wilayah kajian (Provinsi Jambi)
Pemotongan wilayah kajian sangat perlu dilakukan dalam pengolahan
data tersebut, karena dapat memudahkan mengolah data citra yang satelit
yang memiliki ukuran citra yang sangat besar, sehingga lebih fokus pada
wilayah kajian yang akan diteliti yaitu Provinsi Jambi.
c. Analisis Wetness Index (indeks Kebasahan)
Dalam menganalisis indeks kebasahan dengan citra landsat, kanal/band
yang digunakan adalah 4 dan 5. Band 4 termasuk dalam spektral infra
merah dekat (near)/Near Infrared (NIR) dengan panjang gelombang 0.760.90, kegunaan dari band 4 tersebut yaitu dapat membedakan jenis
vegetasi yang dideteksi dan juga aktivitas vegetasi tersebut sehingga dapat
membatasi tubuh air dan juga kelembaban tanah. Sedangkan band 5
termasuk dalam infra merah sedang/middle infrared dengan panjang
gelombang 1.55-1.75, band 5 berguna untuk menunjukkan komposisi
kelembaban tumbuhan dan kelembaban tanah, juga dapat membedakan
salju dan awan. Indeks kebasahan ini juga menunjukkan normalized
difference water index (NDWI). NDWI ini dikembangkan untuk
menggambarkan badan air dari citra satelit. Dengan formula :
NDWI = NIR - SWIR / NIR + SWIR
4
Tabel 1Klasifikasi NDWI (Xu 2006 merujuk ke MNDWI)
Kelas
1
2
3
Nilai NDWI
-1
(NDWI) DENGAN MENGGUNAKAN DATA CITRA LANDSAT
5 TM (STUDI KASUS : PROVINSI JAMBI PATH/ROW :
125/61)
TEUNGKU HAIKAL
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Normalized
Difference Wetness Index (NDWI) Dengan Menggunakan Data Citra Landsat 5
TM (Studi Kasus : Provinsi Jambi Path/Row : 125/61) adalah benar karya saya
denganarahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor,Agustus 2014
Teungku Haikal
NIM G24100082
ABSTRAK
TEUNGKU HAIKAL. Analisis Normalized Difference Wetness Index (NDWI)
dengan Menggunakan Data Citra Satelit Landsat 5 TM (Studi Kasus : Provinsi
Jambi Path/Row :125/61). Dibimbing oleh IDUNG RISDIYANTO
Interpretasikelembaban lahan dan vegetasi dengan menggunakan data
satelit dapat dilakukan dengan analisis Normalized Difference Wetness Index
(NDWI) dan Normalized Difference Vegetation Index (NDVI).NDWI merupakan
indeks yang menunjukkan tingkat kebasahan suatu area sedangkan NDVI adalah
tingkat kerapatan vegetasi di suatu area. Tujuan Penelitian ini adalah untuk
menentukan nilaiNDWI dari data citra satelit landsat TM 5 tahun 1997, 2000,
2009 dan mengetahui pengaruh faktor tutupan vegetasi dan tipe tanah. NDWI
adalah fungsi dari kanal Near Infrared (NIR) dan Short Wavelength Infrared
(SWIR). NIR digunakan dalam identifikasi vegetasi dan juga kandungan biomassa,
sedangkan SWIR mengidentifikasi kelembaban vegetasi dan kelembaban tanah.
Panjang gelombang kanal NIR adalah 0.76-0.90 μm dan SWIR adalah 1.55-1.75
μm. Nilai NDWI diklasifikasikan menjadi tiga kelas yaitu kebasahan rendah,
kebasahan sedang dan kebasahan tinggi. Di tahun 1997 nilai NDWI di daerah
jambi berkisar -0.44-0.52 yang menunjukkan dominan tingkat kebasahan rendah
hingga kebasahan sedang, di tahun tersebut terjadinya kebakaran hutan, sehingga
kondisi vegetasi juga mempengaruhi tingkat kebasahan di daerah tersebut, nilai
NDVI berkisar-0.17-0.46. Nilai NDWI di tahun 2000 berkisar -0.6-0.63, yang
mendominasi tingkat kebasahan sedang hingga kebasahan tinggi, di tahun tersebut
jumlah titik api sudah berkurang dengan faktor vegetasi yang tinggi(nilai NDVI
yaitu -0.389-0.7).Sedangakan nilai NDWI di tahun 2009 yaitu berkisar -0.99-0.99 ,
nilai tersebut menunjukkan tingkat kebasahan pada area tersebut adalah tinggi
dengan kondisi vegetasi tingkat kehijauan tinggi dan juga pada kondisi lahan
gambut, nilai NDVI di tahun tersebut yaitu -0.99-0.97.Pengetahuan tentang nilai
NDWI dapat membantu dalam pembangunan pertanian, identifikasi kekeringan ,
kebakaran lahan dan juga banjir.
Kata kunci: NDVI, NDWI, NIR, SWIR, Kebasahan (Wetness)
ABSTRACT
TEUNGKU HAIKAL. Analysis of Normalized Difference Wetness Index (NDWI)
Using Landsat Image Data 5 TM (Case Study : The Province of Jambi Path/Row :
125/61). Supervised by IDUNG RISDIYANTO.
The assesmentof land humidity and vegetation of area by using satellite
data could be detected by analyzing Normalized Difference Wetness Index (NDWI)
and Normalized Difference Vegetation Index (NDVI). NDWI is an index which
indicates the level of wetness in an area, where as NDVI is an index indicating the
level of vegetation density in an area. As for the objective of this study is to
determine the value of NDWI based on landsat satellite image data TM 5 years
1997, 2000, 2009 and to know both the influence of the soil type. NDWI is a
function of channel Near infrared (NIR) and Short Wavelength Infrared (SWIR).
NIR is workable in identifying the humidity of vegetation and biomass content as
well, whereas SWIR is used in identifying the humidity of vegetation and soil
humidity,so that this method is usable and applicable to determine the value of
wetness index. The wavelengthof NIR channel is 0.76-0.90 μm and the
wavelength of SWIR is 1.55-1.75 μm. The value of NDWI is classifiend into three
types,low wetness, average wetness, and high wetness. In 1997, the value of
NDWI in Jambi is approximately -0.44-0.52, this is indicating the dominancy of
its wetness level which is low wetness to average wetness. In that year, land fire
happenedso that the vegetation condition also influenced the wetness level in such
area, the value of NDVI is approximately -0.17-0.46. In 2000, the value of NDWI
is approximately -0.6-0.63, the average wetness and high wetness dominate its
wetness level, in that year fire point has been decreased and the vegetation
dominates such area, its NDVI value is -0.389-0.7 and besides the vegetation in
such area is in average of its lushness level. In 2009, the value of NDWI is
approximately -0.99-0.99, such value indicates that the wetness level in such area
is high with vegetation condition is in its high lushness level and in peat as well,
its NDVI value is -0.99-0.97. Knowing the value of NDWI could possibly provide
information for the agricultural development sector, drought conditionsassesment,
land fire and flood.
Keywords:NDVI, NDWI, NIR, SWIR, Wetness
ANALISIS NORMALIZED DIFFERENCE WETNESS INDEX
(NDWI) DENGAN MENGGUNAKAN DATA CITRA LANDSAT
5 TM (STUDI KASUS : PROVINSI JAMBI PATH/ROW :
125/61)
TEUNGKU HAIKAL
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi :Analisis Normalized Difference Wetness Index (NDWI) Dengan
Menggunakan Data Citra Satelit Landsat 5 TM (Studi Kasus :
Provinsi Jambi Path/Row :125/61)
Nama
: Teungku Haikal
NIM
: G24100082
Disetujui oleh
Idung Risdiyanto SSi, MSc, IT
Pembimbing
Diketahui oleh
Dr Ir Tania June, MSc
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah dengan
judul : Analisis Normalized Difference Wetness Index (NDWI) dengan
Menggunakan Data Citra Landsat 5 TM (Studi Kasus : Provinsi Jambi Path/Row :
125/61). Karya ilmiah ini merupakan salah satu syarat kelulusan di program studi
Meteorologi Terapan, Departemen Geofisika dan Meteorologi, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Proses penulisan karya ilmiah ini penulis telah banyak menerima bantuan
dari berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada :
1. Bapak Idung Risdiyanto, S.Si. M.Sc. IT selaku dosen pembimbing
skripsi yang selalu memberikan waktu, kritik, saran, dan arahan dalam
proses penelitian dan penulisan karya ilmiah ini.
2. Ibu Dr.Ir. Tania June M.Sc selaku ketua Departemen Geofisika dan
Meteorologi.
3. Bapak Soni Setiawan S.Si M.Si dan Dr Rahmat Hidayat selaku dosen
penguji ujian akhir.
4. Pihak Kementerian Agama
5. Terima kasih bapak (Muhammad Yunus), ibu (Elidar Djohan), kakakkakak tercinta Dara Adila dan Nabila Yasmin , serta Abang-abang
tercinta M.Rafal, M.Rizal, M.Fazal, Safarul Agung yang selalu
memberikan semangat, dukungan,doa dan kasih sayang yang selalu
diberikan setiap waktu kepada penulis.
6. Staf pengajar dan pegawai Departemen Geofisika dan Meteorologi
7. Teman satu bimbingan dan tim asisten praktikum mata kuliah
meteorologi satelit bang Ryan, Annisa Nurdiana, Adrini Ekadiah,
Himmah dan kak Tomy atas segala bantuan selama proses penelitian.
8. Terima kasih kepada Pipit Putri Aji yang selalu memberikan kritikan,
pelajaran, semangat dan dukungan.
9. Terima kasih kepada teman-teman EBOLERS tercinta : Kang Dede, Om
Daus aponk, Ka Reza, Sob Fey yang selalu memberi semangaaat.
10. Teman New-new HIMAJA bang Thaisir, cak Indro, Givo dan bang
Ryan.
11. Teman-teman GFM 47 yang selalu jaya, GFM 48 dan 49 , team Futsal
GFM , IMTR aceh dan CSS MoRA IPB.
Penulis menyadari bahwa karya ilmiah ini masih banyak kekurangan, oleh
karena itu kritik dan saran yang membangun sangat diperlukan. Semoga
karya ilmiah ini bermanfaat.
Bogor, Agustus 2014
Teungku Haikal
DAFTAR ISI
DAFTAR TABEL
ix
DAFTAR GAMBAR
ix
DAFTAR LAMPIRAN
ix
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
2
METODE
2
Waktu dan Tempat Penelitian
2
Prosedur Analisis Data
3
HASIL DAN PEMBAHASAN
6
Analisis Normalized Difference Wetness Index
6
Analisis Normalized Difference Vegetation Index
7
Tanah
9
Hubungan NDVI, NDWI dan Tanah
9
SIMPULAN DAN SARAN
13
Simpulan
13
Saran
14
DAFTAR PUSTAKA
14
LAMPIRAN
16
RIWAYAT HIDUP
19
DAFTAR TABEL
1.
2.
3.
4.
5.
Klasifikasi NDWI (Xu 2006 merujuk ke MNDWI)
Klasifikasi NDVI (Wahyunto 2003)
Nilai NDWI
Nilai NDVI
Luas wilayah nilai NDVI dan NDWI di tanah mineral dan gambut
tahun 1997, 2000, 2009
4
4
6
8
10
DAFTAR GAMBAR
Histogram rentang nilai NDWI tahun 1997, 2000, 2009
Histori rentang nilai NDVI 1997, 2000, 2009
Peta jenis tanah
Hubungan NDVI dan NDWI terhadap tipe tanah (gambut dan mineral)
tahun 1997 (path/row 125/61)
5. Hubungan NDVI dan NDWI terhadap tipe tanah (gambut dan mineral)
tahun 2000 (path/row 125/61)
6. NDVI dan NDWI terhadap tipe tanah (gambut dan mineral) tahun 2009
(path/row 125/61)
1.
2.
3.
4.
6
8
9
11
12
13
DAFTAR LAMPIRAN
1.
2.
3.
4.
5.
6.
Peta NDVI tahun 1997
Peta NDWI tahun 1997
Peta NDVI tahun 2000
Peta NDWI tahun 2000
Peta NDVI tahun 2009
Peta NDWI tahun 2009
16
16
17
17
18
18
1
PENDAHULUAN
Latar Belakang
Penginderaan jauh atau remote sensing merupakan suatu ilmu yang
memberikan informasi tentang suatu objek atau daerah di permukaan bumi
dengan cara perekaman informasi objek tersebut tanpa dengan kajian langsung
objek yang dikaji tersebut (Aggarwal 2003). Menurut Lillesand dan kiefer (1979)
bahwa inderaja termasuk dalam ilmu dan seni yang menginformasikan suatu
obyek yang akan dikaji dengan menggunakan satelit sehingga tidak membutuhkan
alat yang bersentuhan langsung (sensor) dengan objek yang dikaji.
Citra penginderaan jauh dapat dimanfaatkan untuk kajian tertentu, salah
satunya yaitu untuk mengindetifikasikan indeks kebasahan lahan di daerah Jambi
dengan menggunakan citra landsat 5. Indeks kebasahan merupakan indeks yang
menunjukkan tingkat kebasahan suatu area, peneliti Gao 1996 mengusulkan
normalized difference water index(NDWI), indeks tersebut merupakan modifikasi
dari normalized difference vegetation index(NDVI) yang banyak digunakan untuk
identifikasi tanaman, dengan panjang gelombang yang digunakan yaitu 860 nm1240 nm. Indeks kebasahan menunjukkan tingkat kebasahan suatu objek dan juga
kelengasan tanah yang terdetek dengan satelit tersebut. Jika vegetasi di suatu
ruang itu kurang, maka tingkat kebasahan lahan tersebut termasuk dalam keadaan
ekstrim.
Informasi yang didapatkan dari citra landsat bisa dijadikan overlay dalam
tingkat kebasahan suatu lahan. Indeks kebasahan sering digunakan dalam ilmu
tanah dan juga hidrologi untuk dijadikan sebagai indikator terhadap wilayah yang
mempunyai potensi banjir.Indeks kebasahan juga dapat menjadi parameter yang
digunakan untuk mengidentifikasi kekeringan, kebakaran lahan, kebutuhan air
tanaman, dan pembangunan pertanian. Dalam penelitian ini bahwa pengkajian
indeks kebasahan lahan dilakukan di wilayah Jambi, karena memiliki karakteristik
tanah yang berbeda yaitu tipe tanah gambut dan mineral dan juga memiliki jenis
tutupan lahan yang beragam.Dengan adanya penginderaan jauh akan sangat
memudahkan untuk mengidentifikasi hal tersebut.
Landsat 5 diluncurkan pada 1 maret 1984 yang merupakan teknologi
penginderaan jauh yang diorbitkan oleh NASA Amerika Serikat, sensor yang
digunakan yaitu sensor TM (Thematic Mapper), mempunyai resolusi
spasial30x30 m pada kanal/band 1, 2, 3, 4, 5 dan 7. Sensor Thematic Mapper
mengamati obyek-obyek dipermukaan bumi dalam 7 band/kanal spektral,yaitu
terdiri dari kanal/band 1, 2 dan 3 termasuk dalam sinar tampak (visible),
band/kanal 4, 5 dan 7 termasuk dalam infra merah dekat dan infra merah
menengah, sedangkan band/kanal 6 termasuk dalam infra merah thermal yang
mempunyai resulosi spasial 120x120 m. Jadi, kanal yang digunakan untuk
menduga wetness index yaitu kanal 4 NIR dan 5 SWIR.
2
Perumusan Masalah
Apakah faktor indeks vegetasi dan jenis tanah dapat menyebabkan nilai
NDWI berubah jadi rendah atau tinggi. Jika ya, mengapa dan seberapa besar nilai
NDWI. Jika tidak,hal lain apakah yang mempengaruhi nilai NDWI
Tujuan Penelitian
1. Penelitian ini bertujuan untuk menentukan nilai Normalized Difference
Wetness index(NDWI)dari kanal Near Infrared (NIR) dan Short
Wavelength Infrared (SWIR) Landsat 5 TM (path/row : 125/61)
2. Mengetahui pengaruh faktor tutupan vegetasi (NDVI) dan tipe tanah
terhadap nilai NDWI
Manfaat Penelitian
Manfaat pengetahuan dari indeks kebasahan yaitu dapat dijadikan
parameter untuk mengidentifikasi kekeringan, kebakaran lahan, kebutuhan air
tanaman, dan pembangunan pertanian. NDWI sering digunakan dalam ilmu tanah
dan juga hidrologi.
Ruang Lingkup Penelitian
Penelitian ini hanya diteliti di path/row 125/61, lahan yang terdapat bagian
gambut dan mineral, lahan terbangun dan juga vegetasi.
METODE
Waktu dan Tempat Penelitian
Penelitian ini dilaksanakan dari bulan Februari sampai bulan Mei 2014,
penelitian dilaksanakan di laboratorium Meteorologi dan Pencemaran Atmosfer,
Departemen Geofisika dan Meteorologi, Institut Pertanian Bogor. Wilayah kajian
terdapat didaerah Provinsi Jambi yang berada pada koordinat 2º 45' - 0º 45' LS 101º 0' 104º 55' BT.
Alat dan Bahan
Alat yang digunakan pada penelitian ini adalah komputer yang dilengkapi
dengan software(perangkat lunak) Microsoft Office 2007, Er Mapper 7.1, AcrGIS
9.3. Bahan yang digunakan dalam penelitian ini adalah data citra Landsat TM 5
yaitu 3 citra pada tahun 1997, 2000, 2009 path/row : 125/61.
3
Prosedur Analisis Data
Pemilihan data citra satelit
Tahap awal yang dilakukan sebelum pengolahan data adalah pemilihan data
citra satelit, karena hal tersebut dapat mempengaruhi dalam tahap pengolahan data
citra nanti.Data citra satelit dapat dipilih dan diunduh melalui alamat situs
:http://www.usgs.gov/. Data yang dipilih adalah data satelit Landsat 5 TM.
Kanal/band yang digunakan yaitu kanal/band 5 SWIR, panjang gelombang SWIR
yaitu 1.55-1.75 μm dan kanal 4 NIR dengan panjang gelombang 0.76-0.90 μm
pada path/row 125/61.Sedangkan pengolahan suhu permukaan menggunakan
band 6/band thermal, panjang gelombang 10.40-12.50 μm.
Proses pengolahan data citra satelit
Hal
pertama
yang
dilakukan
adalah
mengimport
data
dan
menampilkannya.Pengolahan data citra yang paling utama dilakukan sebelum
dilanjutkan pada tahapan selanjutnya disebut preprocessing image, tahapan ini
dilakukan agar mendapat informasi yang jelas dari data citra tersebut. Tahap awal
pengolahan data citra yaitu :
a. Koreksi Geometrik
Koreksi geometrik dilakukan dengan tujuan untuk menyetarakan
koordinat pada citra satelit dengan koordinat bumi, kemudian menentukan
sistem proyeksi dan sistem koordinat yang akan digunakan.
b. Cropping wilayah kajian (Provinsi Jambi)
Pemotongan wilayah kajian sangat perlu dilakukan dalam pengolahan
data tersebut, karena dapat memudahkan mengolah data citra yang satelit
yang memiliki ukuran citra yang sangat besar, sehingga lebih fokus pada
wilayah kajian yang akan diteliti yaitu Provinsi Jambi.
c. Analisis Wetness Index (indeks Kebasahan)
Dalam menganalisis indeks kebasahan dengan citra landsat, kanal/band
yang digunakan adalah 4 dan 5. Band 4 termasuk dalam spektral infra
merah dekat (near)/Near Infrared (NIR) dengan panjang gelombang 0.760.90, kegunaan dari band 4 tersebut yaitu dapat membedakan jenis
vegetasi yang dideteksi dan juga aktivitas vegetasi tersebut sehingga dapat
membatasi tubuh air dan juga kelembaban tanah. Sedangkan band 5
termasuk dalam infra merah sedang/middle infrared dengan panjang
gelombang 1.55-1.75, band 5 berguna untuk menunjukkan komposisi
kelembaban tumbuhan dan kelembaban tanah, juga dapat membedakan
salju dan awan. Indeks kebasahan ini juga menunjukkan normalized
difference water index (NDWI). NDWI ini dikembangkan untuk
menggambarkan badan air dari citra satelit. Dengan formula :
NDWI = NIR - SWIR / NIR + SWIR
4
Tabel 1Klasifikasi NDWI (Xu 2006 merujuk ke MNDWI)
Kelas
1
2
3
Nilai NDWI
-1