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 1. 2. 3. 4.

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)

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
Tingkat Kebasahan Non-Badan Air Kebasahan Sedang Kebasahan Tinggi

d. Indeks Vegetasi Vegetasi adalah berbagai macam jenis tumbuhan yang menempati suatu area, vegetasi sangat berpengaruh pada suatu lahan karena dapat berfungsi sebagai area penutup lahan, penutupan lahan oleh vegetasi dapat memberi efek positif bagi area tersebut. Penelitian ini menduga indeks vegetasi (NDVI).Indeks normalisasi perbedaan vegetasi merupakan suatu indeks untuk menentukan tingkat kerapatan vegetasi suatu lahan.NDVI merupakan suatu metode yang digunakan untuk menentukan indeks vegetasi dengan menggunakan data citra satelit.Menurut Rahman 2009 NDVI merupakan suatu metode yang paling sering digunakan untuk menghitung dan menentukan nilai indeks vegetasi.Metode NDVI ini sangat bagus digunakan pada daerah yang memiliki vegetasi rapat. NDVI dapat menunjukkan tingkat kehijauan vegetasi tersebut juga biomassa vegetasi yang dihitung dengan menggunakan software ermapper dan data citra satelit landsat yang terukur dari band merah (red) dan band infra merah dekat (NIR) pada spektrum gelombang elektromagnetik. Dengan adanya penginderaan jauh, sangat memudahkan menghitung indeks ini.Secara teori dari hitungan NDVI, nilainya berkisar antara -1 hingga +1. Rumus perhitungan NDVI NDVI = (Band 4-Band 3)/(Band 4+Band 3) Tabel 2Klasifikasi NDVI (Wahyunto 2003) Kelas 1 2 3 4 5

Nilai NDVI -1
Tingkat Kehijauan Lahan Tidak Bervegetasi kehijauan Sangat Rendah Kehijauan Rendah Kehijauan Sedang Kehijauan Tinggi

5

Bagan alir metode penelitian

mulai

Citra Landsat

Koreksi Citra

Cropping wilayah Kajian

Band 4 dan 3

Normalized Difference Vegetation Index (NDVI)

Band 4 dan 5

Normalized Difference Wetness Index (NDWI)

6

HASIL DAN PEMBAHASAN Analisis Normalized Difference Wetness Index Indeks kebasahan merupakan indeks modifikasi dari NDVI (Gao 1996), indeks kebasahan menunjukkan tingkat kebasahan suatu lahan yang terekam oleh citra. Penuelas (1993) mengusulkan wetness index (WI) untuk mendeteksi adanya kandungan air pada suatu tanaman.Sedangkan menurut Crist (1984) bahwa wetness indexini merupakan suatu indeks yang digunakan untuk menghitung kebasahan lahan di suatu area dengan anggapan bahwa semakin padat vegetasi di suatu area maka semakin tinggi indeks kebasahan lahan tersebut, karena adanya vegetasi yang mempunyai cairan dalam daun.

Gambar 1Histogram rentang nilai NDWI tahun 1997, 2000, 2009 Tabel 3Nilai NDWI Ndwi min modular max std.dev 1997* -0.443 0.2 0.525 0.124 2000** -0.601 0.2 0.636 0.127 2009*** -0.992 0.2 0.99 0.118 *Landsat TM 5 path/row (125/61) 18 Agustus 1997 ** Landsat TM 5 path/row (125/61) 09 Juli 2000 *** Landsat TM 5 path/row (125/61) 31 Mei 2009 Lahan

median 0.151 0.158 0.138

mean 0.123 0.144 0.121

Hasil pengolahan data citra satelit landsatpada bulan agustus tahun 1997 menunjukkan bahwa nilai dari indeks kebasahan berkisar -0.44-0.52, nilai modular NDWI yaitu 0.2 sebagai nilai yang paling banyak muncul dalam scene 125/61 tersebut. Di tahun 1997 peristiwa besar terjadi di jambi yaitu kebakaran hutan gambut, di jambi terdapat 440 titik api (Lapan, Bappedal, WWF-IP). sehingga menyebabkan kerusakan hutan yang sangat besar dan mempengaruhi nilai indeks kebasahan, di tahun 1997 nilai dari indeks kebasahan dalam kondisi rendah. Dalam citra satelit terdapat digital number, pada gambar di atas

7 menunjukkan nilai digital number dari 0-255 yang menunjukkan dalam satu pixel dalam lingkup satu scene. Bulan juli tahun 2000, nilai NDWI berkisar -0.6-0.63, nilai modular indeks kebasahan pada tahun tersebutyaitu 0.2, ini merupakan nilai modular dari keseluruhan data scene 125/61 nilai tersebut menunjukkan bahwa NDWI wilayah tersebut termasuk dalam golongan rendah.Tahun 2009 bulan mei juga termasuk dalam penelitian identifikasi nilai NDWI, nilai NDWI berkisar -0.99-0.98, rentang nilai NDWI di tahun tersebut merupakan nilai paling tinggi diantara tahun-tahun yang lain, dan nilai modular di tahun tersebut yaitu 0.2, tahun 2009 merupakan indeks kebasahan tertinggi dari tahun sebelumnya. Penginderaan jauh sangat berperan dalam menghitung indeks ini, NDWI menggunakan dua kanal/band yaitu NIR dan SWIR sehingga dapat menampilkan hasil kelembaban lahan yang diamati, kanal/band SWIR belum digunakan sebelumnya pada penentuan indeks vegetasi, penelitian ini disampaikan dalam sebuah konferensi ilmiah(Gao 1995). Akan tetapi Tucker (1980) pertama kali mengajukan bahwa SWIR sangat sensitif terhadap kandungan air kanopi vegetasi. Kisaran panjang gelombang 1.3-2.5 μm menunjukkan jumlah air di biomassa daun.Secara logika menunjukkan bahwa apabila NDWI tinggi maka vegetasi yang berada dalam suatu area tersebut sangat padat, begitu pula sebaliknya, apabila NDWI rendah maka vegetasi jarang atau rendah dalam suatu area tersebut.Oleh karena itu hubungan NDVI dan NDWI sangat erat, karena dua indeks tersebut dapat saling melengkapi dalam satu penelitian. Daerah-daerah dengan kondisi lahan yang lembab dan vegetasi yang rapat merupakan faktor tingginya nilai indeks tersebut.Jika ditelusuri pada peta dan dibandingkan dengan kondisi lapangan bahwa tingkat vegetasi di daerah jambi memang tinggi, karena masih banyak hutan dan juga kebun kelapa sawit.Nilai indeks kebasahan yang negatif menunjukkan tingkat kebasahan tanah yang rendah dan vegetasi yang rendah, sedangkan nilai NDWI yang tinggi yang positif terdapat tingkat kebasahan yang tinggi.Lahan pertanian yang kering memungkinkan bahwa nilai indeks kebasahan negatif, nilai indeks yang negatif tersebut menunjukkan kondisi tanah yang kering.Indeks ini juga menunjukkan bahwa semakin rendah vegetasi pada lahan tersebut maka tingkat ekstrim kebasahan di lahan tersebut semakin tinggi, sedangkan jika vegetasinya banyak dan rapat maka indeks kebasahan tersebut tinggi. Guna mengetahui keragaman nilai NDWI di dalam area kajian, maka perlu diketahui faktor-faktor yang mempengaruhinya. Pada penelitian ini, faktor-faktor tersebut terdiri dari nilai kerapatan vegetasi (NDVI) dan jenis tanah.

Analisis Normalized Difference Vegetation Index Indeks vegetasi sangat berperan penting dalam suatu lahan. Menurut Malingreau 1986 dalam Hidayat dan mukhlis 1995 bahwa indeks vegetasi merupakan suatu indeks yang menunjukkan tingkat kehijauan tanaman pada suatu area yang terdeteksi melalui data citra satelit landsat dengan menggunakan kanal/band merah dan infra merah. Dengan adanya metode NDVI ini maka suatu area yang keadaan vegetasinya sangat rapat maka nilai NDVI bersifat positif, sedangkan nilai NDVI perairan akan bernilai negatif.

8

Gambar 2Histori rentang nilai NDVI 1997, 2000, 2009 Tabel 4Nilai NDVI NDVI min modular max mean median 1997* -0.17 0.33 0.461 0.213 0.224 2000** -0.389 0.5 0.701 0.347 0.391 2009*** -0.992 0.5 0.978 0.383 0.432 *Landsat TM 5 path/row (125/61) 18 Agustus 1997 ** Landsat TM 5 path/row (125/61) 09 Juli 2000 *** Landsat TM 5 path/row (125/61) 31 Mei 2009 Lahan

std.dev 0.086 0.218 0.432

Hasil pengolahan data citra satelit untuk perhitungan indeks vegetasi (NDVI) pada tahun 1997 bulan agustus bahwa nilai yang didapatkan adalah -0.170.46, dan nilai modular NDVI yaitu 0.3, bahwa nilai yang tebanyak keluar pada tahun 1997 tersebut, hal ini menunjukkan akan pengaruh NDVI yang sedang maka menyebabkan NDWI di tahun tersebut rendah karena adanya kebakaran lahan gambut pada tahun tersebut. Di tahun 2000 nilai NDVI hasil perhitungannya yaitu -0,38-0.7, dengan nilai modular yaitu 0.5, dalam klasifikasi yang dikategorikan oleh Wahyunto bahwa kondisi pada tahun tersebut di scene 125/61 berada dalam kondisi tinggi, hal ini menunjukkan di area tersebut vegetasi termasuk dalam kerapatan yang tinggi, dan nilai maksimum di tahun tersebut dikategorikan dalam kondisi vegetasi yang sangat tinggi. Di tahun 2000 pemulihan dari dampak kebakaran sudah cenderung terlihat . Tahun 2009 nilai NDVI yaitu -0.99-0.97, dengan nilai modular yaitu 0.5. Diantara ketiga nilai NDVI dari ketiga tahun yang dihitung, bahwa tahun 2009 yang memiliki nilai NDVI tertinggi.Nilai tersebut menunjukkan bahwa NDVI bernilai positif, sehingga tingkat kehijaun tanaman di wilayah jambi adalah tinggi. Indeks vegetasi ini dapat menunjukkan upaya untuk memprakirakan seberapa kritis lahan di suatu area.Dengan adanya penginderaan jauh dapat memudahkan untuk menduga kerapatan vegetasi di suatu lahan.Penggunaan lahan dan penutup lahan juga sangat berperan dalam menduga indeks vegetasi. Penggunaan lahan merupakan bentuk campur tangan manusia terhadap lahan untuk digunakan sesuai keinginan manusia (Vink 1875), sedangkan penutup lahan

9 adalah menurut Turner II et al. 1991 dalam Rustiadi 1996 mengungkapkan bahwa penutup lahan adalah segala inventaris yang ada di permukaan tanah dan juga yang berada didekat tanah. Banyak faktor yang mempengaruhi nilai NDVI yaitu seperti penggunaan lahan dan juga perubahan tutupan lahan.Penggunaan lahan dapat mengakibatkan vegetasi berkurang, karena manusia ingin membangun lahan terbangun. Thoha (2006) menyatakan bahwa semakin tinggi nilai NDVI maka tutupan lahan yang ada di lahan tersebut mempunyai tingkat kerapatan vegetasi yang tinggi, begitu juga sebaliknya. Tanah Jambi memiliki karakteristik tanah yang berbeda yaitu jenis tanah gambut dan mineral. Di wilayah jambi banyak terdapat lahan gambut, tanah gambut terbentuk dari pelapukan sisa sisa tanaman-tanaman purba yang sudah mati, tanah gambut mengandung minimal 12-18% C organik dengan mempunyai ketebalan tanahnya sekitar 50 cm. Dalam bagian taksonomi tanah, tanah gambut disebut juga histosol atau organosol yang bila ketebalan lapisan gambut >40 cm, dan bila bulk density > 0.1 g/cm3 (Widjaja Adhi 1986). Luas lahan gambut pada path/row 12561 yaitu 6583.3 hektar, sedangkan luas lahan tanah mineral yaitu 32737.34 hektar, dengan rumus untuk menghitung luas lahan : panjang*lebar*jumlah pixel*10000. 10000(konversi menjadi hektar).

Gambar 3Peta jenis tanah

Hubungan NDVI, NDWI dan Tanah Analisis normalisasi indeks kebasahan menunjukkan tingkat kebasahan suatu lahan , dengan anggapan bahwa apabila semakin banyaknya vegetasi di

10 lahan tersebut maka indeks kebasahan juga tinggi, karena daun dari vegetasi mengandung cairan. Begitu juga sebaliknya apabila pada suatu lahan vegetasinya rendah, maka tingkat kebasahan pada lahan tersebut sangat ekstrim. Hal ini juga dapat dipengaruhi oleh faktor vegetasi dan tipe tanah. Hasil perhitungan nilai NDWI pada penelitian ini dibagi menjadi tiga kategori, yaitu rendah, sedang dan tinggi, sedangkan nilai NDVI dibagi menjadi 5 kelas, yaitu lahan tidak bervegetasi, kehijauan sangat rendah, kehijauan rendah, kehijauan sedang dan kehijauan tinggi. Kemudian di overlay dengan tanah mineral dan gambut sehingga dapat menunjukkan nilai NDWI pada ketiga tahun tersebut (1997, 2000 dan 2009). Tabel 5Luas wilayah nilai NDVI dan NDWI di tanah mineral dan gambut tahun 1997, 2000, 2009 Kelas Ndwi

% (persentase)

NDVI 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3

1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

1997 0.81 7.44 3.59 0.46 0.01 0.05 4.71 28.06 47.47 4.67 0.01 0.39 0.76 1.24 0.32

Gambut 2000 2.54 6.91 1.92 0.90 1.37 2.71 10.53 8.29 10.17 45.37 0.78 0.23 2.62 2.73 2.94

2009 0.01 8.09 2.26 1.77 3.07 0.00 2.23 5.71 9.48 66.27 0.00 0.00 0.05 0.15 0.90

1997 0.60 12.13 0.64 0.51 0.34 0.15 14.38 20.43 20.78 28.50 0.07 0.10 0.44 0.52 0.42

Mineral 2000 1.43 4.32 1.66 1.09 2.20 0.84 3.72 2.32 5.41 75.31 0.17 0.04 0.15 0.53 0.80

2009 0.00 14.54 2.91 1.87 1.94 0.03 5.28 9.12 16.41 47.35 0.01 0.06 0.10 0.20 0.20

Tabel5 menunjukkan tingkat persentase luas atau banyak cell yang menunjukkan tingginya NDWI di tipe tanah gambut dan mineral. Di tanah mineral, persentase luas wilayah terdapat di kelas 2 NDWI dan kelas 5 NDVI yaitu sebesar 28.50 %, ini menunjukkan bahwa tingkat kebasahan di tanah mineral pada tahun 1997 tinggi. Sedangkan di tanah gambut, persentasenya lebih rendah dari pada tanah mineral yaitu pada tingkat kelas NDWI sedang, sedangkan NDVI pada kondisi kehijauan tinggi dengan tingkat persentase sebesar 4.67 %. Hal ini menunjukkan bahwa gambut sangat mudah terbakar jika dalam keadaan kering karena gambut tidak dapat menahan air tetapi dapat menyimpan cadangan air tinggi, berbeda dengan tanah mineral yang dapat menahan air lebih lama. Cara menghitung persentase tingginya indeks kebasahan yaitu jumlah cell dibagi dengan jumlah cell keseluruhan dikalikan 100. (∑cell/∑keseluruhan cell*100) Tahun 2000 di tanah mineral persentasenya lebih tinggi daripada di tanah gambut, di tanah mineral persentasenya mencapai 75.31 % di kondisi tingkat

11 NDVI kehijauan tinggi dan NDWI sedang, kondisi pada tahun tersebut sangat tinggi indeks kebasahannya yang terdapat di tanah mineral. Sedangkan di tanah gambut persentasenya yaitu sebesar 45.37 % sama kondisinya yang terdapat di tanah mineral. Kondisi dipengaruhi oleh tingkat tingginya vegetasi di area tersebut. Persentase indeks kebasahan pada tahun 2009 di lahan gambut sangat tinggi yaitu 66.27 % pada kondisi NDVI kehijauan tinggi dan juga NDWI kondisi yang sedang. Hal ini menunjukkan bahwa tingginya vegetasi di suatu lahan yang berada di gambut akan menunjukkan indeks kebasahan yang tinggi, sedangkan persentase indeks kebasahan di tanah mineral pada tahun 2009 yaitu 47.35 % di kondisi NDVI tinggi sedangkan NDWI berada di tingkat sedang. Indeks vegetasi mempengaruhi nilai indeks kebasahan, karena indeks kebasahan merupakan modifikasi dari indeks kebasahan. Nilai negatif dari indeks kebasahan merupakan keekstriman dari satu lahan tersebut, karena vegetasi yang terdapat di lahan tersebut sangat rendah, sehingga sangat mempengaruhi nilai indeks kebasahan tersebut. Keekstriman lahan tersebut terekam dengan sensor, sehingga kelihatan akan rendah vegetasi di lahan tersebut. Tingginya vegetasi di suatu lahan menunjukkan tingginya indeks kebasahan di lahan tersebut dengan dipengaruhi oleh kondisi jenis tanah dan faktor iklim dan cuaca. 0.3 0.25

NDWI

0.2 0.15 gambut 0.1

mineral

0.05 0 0

0.1

0.2

0.3

0.4

NDVI

Gambar 4Hubungan NDVI dan NDWI terhadap tipe tanah (gambut dan mineral) tahun 1997 (path/row 125/61) Gambar 4 menunjukkan bahwa tipe tanah sangat mempengaruhi nilai NDWI. Reflektan jenis tanah biasanya meningkat dengan panjang gelombang 0.81.3 μm. Kondisi tanah yang basah dan vegetasi yang banyak di suatu area maka nilai NDWI adalah tinggi. Dari grafik di atas nilai NDWI yang tinggi berada pada kondisi lahan mineral, di tahun 1997/1998 terjadi kebakaran hutan hebat di jambi yang disebabkan pembukaan lahan untuk perkebunan kelapa sawit. Periode kebakaran hutan antara bulan juli sampai oktober 1997, titik kebakaran hutan di jambi mencapai 400 titik (19%), sehingga ekosistem hutan yang terbakar sudah berubah menjadi lahan terbuka, kondisi pertama hutan sebelum terbakar yaitu tipe hutan rawa dengan pohon strata paling tinggi hingga paling bawah.

12 Hal ini menunjukkan bahwa gambut sangat rentan terhadap kekeringan, sifat mengering tidak akan balik. Gambut kering sama halnya dengan kayu kering yang mudah terbakar, gambut yang terbakar dapat menghasilkan energi panas yang lebih besar dari kayu,sehingga sangat sulit untuk dipadamkan dan dapat merambat sangat cepat. Berbeda dengan tanah mineral yang dapat menahan air walaupun tidak bisa menyimpan air, akan tetapi gambut dapat menyimpan air lebih banyak, sehingga jika di suatu area tersebut vegetasinya tinggi maka indeks kebasahannya tinggi. Jadi kondisi di tahun 1997, nilai NDWI di tanah mineral lebih tinggi dari pada tanah gambut seperti pada penjelasan sebelumnya.

NDWI

0.5 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1

gambut mineral

0.05 0 0

0.2

0.4

0.6

0.8

NDVI

Gambar 5Hubungan NDVI dan NDWI terhadap tipe tanah (gambut dan mineral) tahun 2000 (path/row 125/61) Tanah merupakan salah satu faktor yang mempengaruhi nilai NDWI, pada gambar 5 , grafik ini menjelaskan bahwa pada kondisi tingkat vegetasi <0.35, menunjukkan bahwa nilai NDWI di tanah mineral lebih tinggi. Hal ini dapat disebabkan bahwa di area gambut dengan tingkat vegetasi rendah mempunyai resiko lebih cepat mengalami kekeringan dibanding dengan tanah mineral. Tanah mineral dapat menahan air lebih lama dalam kondisi kekeringan dibandingkan tanah gambut, di tingkat nilai <0.35 tanah mineral lebih mendominasi tingkat tingginya nilai NDWI, vegetasi di tingkat nilai tersebut yaitu rendah, sehingga menyebabkan nilai NDWI di tanah gambut rendah, kondisi ini juga menunjukkan bahwa kelembaban/ kebasahan lahan di gambut dapat terjaga pada kondisi tingkat vegetasi yang rapat. Data ini diambil dari data citra landsat 5 TM path/row 125/61.

13 0.4 0.35 0.3 NDWI

0.25 0.2 gambut

0.15

mineral

0.1 0.05 0

0

0.1

0.2

0.3

0.4

0.5

0.6

NDVI

Gambar 6NDVI dan NDWI terhadap tipe tanah (gambut dan mineral) tahun 2009 (path/row 125/61) Kedua kurva di atas menunjukkan hubungan berbanding terbalik antara tanah gambut dengan mineral.Di tahun 2009 nilai NDWI di tanah gambut yaitu tinggi dengan kondisi vegetasi kehijauan tinggi, sedangkan di mineral nilai NDWI rendah. Keadaan tersebut sama dengan kondisi di tahun 2000, NDWI di kondisi tingkat vegetasi <0.35 menunjukkan nilai NDWI di tanah mineral lebih tinggi dibandingkan di tanah gambut. Pada kondisi tingkat vegetasi sedang dan rapat, menunjukkan bahwa nilai NDWI di lahan gambut lebih tinggi dibandingkan di tanah mineral. Hal ini menunjukkan bahwa tingginya nilai NDWI di tanah gambut dipengaruhi oleh kerapatan vegetasi di lahan tersebut. NDWI di tanah gambut sangat terpengaruh oleh kerapatan vegetasi, kondisi lahan kering menyebabkan NDWI bernilai negatif di tanah gambut, karena gambut tidak dapat menahan air dalam jangka waktu yang panjang pada saat kondisi lahan kering, sehingga menyebabkan mudahnya terjadi kebakaran jika ada sedikit percikan api, akan tetapi apabila di lahan tersebut vegetasinya tinggi, maka NDWI bersifat positif di tanah gambut , oleh sebab itu vegetasi sangat mempengaruhi tingginya nilai NDWI di tanah gambut, berbeda hal nya di tanah mineral, tanah mineral dapat menahan air dalam jangka waktu yang panjang, sehingga kebakaran sangat sedikit di lahan mineral dalam kondisi kering.

SIMPULAN DAN SARAN Simpulan Nilai indeks kebasahan menunjukkan tingkat kebasahan suatu lahan. Nilai NDWI tahun 1997 yaitu -0.44-0.52, sedangkan pada tahun 2000 nilai NDWI -0.60.63, dan di tahun 2009 bernilai -0.99-0.99. Nilai NDWI yang negatif menunjukkan bahwa kondisi lahan di wilayah tersebut kering, sedangkan yang

14 bernilai positif menunjukkan lahan yang basah dan juga vegetasi yang rapat. Nilai NDVI menunjukkan tingkat kepadatan vegetasi di suatu lahan, hubungan NDVI dengan tutupan lahan sangat kuat. Di tahun 1997 nilai NDVI yaitu -0.17-0.46, pada tahun 2000 nilai NDVI yaitu -0.38-0.7, dan di tahun 2009 nilai NDVI yaitu 0.99-0.97. Lahan gambut lebih rentan kering jika vegetasi di badan gambut tersebut jarang, berbeda dengan kondisi tanah mineral yang jika vegetasi di area mineral jarang karena tanah mineral dapat menahan air di dalam tubuh. Akan tetapi indeks kebasahan di tanah gambut akan lebih tinggi jika di area tersebut terdapat kondisi vegetasi yang rapat. Saran Penelitian analisis normalized difference wetness index (NDWI) perlu dilakukan lebih lanjut dengan menggunakan data citra satelit yang terbaru untuk dapat memperoleh informasi kondisi perubahan lahan di wilayah kajian. Hasil penelitian ini hanya bersifat sesaat dan memerlukan data pendukung untuk dapat menentukan nilai NDWI, seperti landuse.

DAFTAR PUSTAKA Aggarwal S. 2003. Satellite Remote Sensing and GIS Applications in Agricultural Meteorology: Principles of Remote Sensing. Proceedings of the Training Workshop.Pp: 23 – 28. Dehra Dun India. Gao, B.-C., 1996. “NDWI - a normalized difference water index for remote sensing of vegetation liquid water from space”. Remote Sensing of Environtment 58, 257-266. Handoko. 1995. Klimatologi Dasar. Jakarta: Pustaka Jaya Hidayat, A & M. Mukhlis. 1995. Deteksi dini kebakaran hutan dan lahan pada musim kering 1995 menggunakan data inframerah termal NOAA-AVHRR. Buletin PERHIMPI Vol. III No. 1dan 2 : 53-57. Lessard R et al. 1994. Methane and carbon dioxide fluxes from poorly drained adjacent cultivated and forest sites. Canadian Journal of Soil Science [CAN. J. SOIL SCI./REV. CAN. SCI. SOL]. Vol. 74, no. 2, pp. 139-146. Lillesand T, dan Kieffer R. 1979. Remote Sensing and Image Interpretation. PeneremahDulbahri, Suharsono P, Hartono dan Suharyadi. Penyunting Sutanto. 1990. Gadjah Mada University Press.Yogyakarta. Terjemahan dari: Penginderaan Jauh dan Interprestasi citra. Peñuelas, J., Filella, I., Biel, C., Serrano, L., and Savé, R., 1993. “The reflectance at the 950-970 nm region as an indicator of plant water status”. Internation Journal of Remote Sensing, vol 14, no 10, 1887-1905. Rahman, A.S dan Sandi.I.W.A. 2009.Analisis Vegetasi Menggunakan Citra Alos/Avnir-2 dan Sistem Informasi Geografis (SIG) untuk Evaluasi Tata Ruang Kota Denpasar. Jurnal Bumi Lestari. Volume 9 No.1 : Hal 1-11. Rustiadi, E. 1996. Land Use Change in The Suburb Area (The Case Study in Nagahama City, Shiga Prefecture, Japan and Jabodetabek Area of Indonesia).

15 A Thesis for Degree of Master of Agriculture.Division of Tropical Agriculture Kyoto University. Thoha. A.S. 2006. Penggunaan Penginderaan Jarak Jauh dan Sistem Informasi Geografis untuk Deteksi dan Prediksi Kebakaran Gambut Di Kabupaten Bengkalis Propinsi Riau. Tesis. Sekolah Pasca Sarjan. Institut Pertanian Bogor. Bogor Tucker, C. J. (1980). Remote Sensing of leaf water content in the near infrared. Remote Sensing of Environment, 10(1), 23-32 Vink, A. P. A. 1975.Land Use in Advancing Agriculture. Springer Verlag, New York. Wahyunto, S. Ritung, dan Widagdo.2003. Laporan Akhir Teknologi Penginderaan Jauh untuk Efisiensi Inventarisasi dan Monitoring Sumberdaya Lahan. Balai Penelitian Tanah. Puslitbang Tanah dan Agroklimat. Badan Litbang Pertanian. Widjaja Adhi, I.P.G. 1986. Pengelolaan lahan rawa pasang surut dan lebak. J. Litbang Pertanian 5. Badan Litbang Pertanian. Jakarta.

16

LAMPIRAN Lampiran 1Peta NDVI tahun 1997

Lampiran 2Peta NDWI tahun 1997

17 Lampiran 3Peta NDVI 2000

Lampiran 4Peta NDWI 2000

18 Lampiran 5Peta NDVI 2009

Lampiran 6Peta Tahun 2009

19

RIWAYAT HIDUP Penulis lahir pada 7 Desember 1991 di desa Dayah Meunara Provinsi Aceh dari pasangan Muhammad Yunus dan Elidar Djohan. Penulis merupakan anak ke tujuh dari tujuh bersaudara. Penulis menyelesaikan pendidikan tingkat dasar di MIN Titeue tahun 2004, pendidikan menengah pertama di MTsS Jeumala Amal Pidie Jaya tahun 2007, kemudian penulis menyelesaikan pendidikan menengah atas di MA Jeumala Amal tahun 2010, di tahun tersebut penulis lulus di IPB melalui Beasiswa Utusan Daerah (BUD) Kementrian Agama untuk program studi Meteorologi Terapan, Departemen geofisika dan Meteorologi (GFM), Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA). Selama perjalanan menjadi mahasiswa, penulis aktif di CSS MoRA (Community of Santri of Ministry of Religous Affair) IPB, merupakan organisasi perkumpulan mahasantri penerima beasiswa kementrian agama tahun 2011/2012 dan 2012/2013. Pada tahun 2013 penulis menjadi asisten praktikum mata kuliah Meteorologi Satelit di Program Sarjana Meteorologi Terapan. Penulis telah menyelesaikan penelitian yang berjudul: Analisis Normalized Difference Wetness Index (NDWI) Dengan Menggunakan Data Citra Satelit Landsat 5 TM (Studi kasus : provinsi Jambi Path/Row : 125/61). Penelitian ini merupakan salah satu syarat mendapatkan gelar sarjana sains di program studi Meteorologi Terapan, Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam,Institut Pertanian Bogor.