Perbandingan Pengaruh Koreksi Radiometrik Citra Landsat 8 Terhadap Indeks Vegetasi Pada Tanaman Padi
|
|
- Liana Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Perbandingan Pengaruh Koreksi Radiometrik Citra Landsat 8 Terhadap Indeks Vegetasi Pada Tanaman Padi Vivi Diannita Sari, Muhammad Taufik, Lalu Muhamad Jaelani Program Magister Teknik Geomatika FTSP ITS, Surabaya vivi.diannita@gmail.com Abstrak Citra satelit penginderaan jauh Landsat 8 yang diperuntukan guna keperluan darat, disediakan pada Level 1T yang telah terkoreksi geometri sistematis. Untuk mendapatkan nilai citra berupa reflektan, perlu dilakukan koreksi radiometrik. Namun, citra reflektan terkoreksi atmosfer Bottom of Atmosphere (BOA), masih jarang digunakan daripada Top of Atmosphere (TOA). Hal ini dikarenakan proses koreksi radiometrik berupa koreksi efek atmosfer, masih tergolong sulit. Untuk itu, penelitian ini bertujuan membandingkan penggunaan kedua reflektan citra tersebut pada indeks vegetasi dengan studi kasus tanaman padi. Koreksi efek atmosfer pada penelitian ini, dilakukan dengan parameter koreksi dari hasil simulasi menggunakan Second Simulation of a Satellite Signal in the Solar Spectrum-Vector (6SV). Reflektan dibutuhkan sebagai nilai masukan dalam perhitungan indeks vegetasi, dalam hal ini digunakan Normalized Difference Vegetation Index (NDVI) dan Modified Soil Adjusted Vegetation Index (MSAVI). Pada objek tanaman padi, hasil dari setiap indikator uji statistik sederhana yang digunakan, menunjukkan bahwa koreksi efek atmosfer ternyata tidak memberikan pengaruh yang besar terhadap hasil perhitungan indeks vegetasi. Hasil uji perbandingan citra TOA dan BOA, menghasilkan RMSE 0,053 dan NMAE 20,164% untuk NDVI, dan RMSE 0,016 dan NMAE 13,028% untuk MSAVI. Kata kunci: Indeks Vegetasi, Koreksi Radiometrik, Landsat 8, Padi, Reflektan. 1. Pendahuluan Perkembangan satelit penginderaan jauh yang begitu pesat, ditandai dengan semakin meningkatnya spesifikasi dan jumlah penggunanya di berbagai bidang antara lain pertanian, kehutanan, kelautan, tata ruang, sumber daya, dan lain sebagainya. Terlebih saat ini, beberapa citra satelit penginderaan jauh bisa diperoleh dengan mudah dan gratis, seperti citra satelit Landsat 8. Berdasarkan Data Format Control Book (DFCB) (USGS, 2012), citra satelit yang beredar dan digunakan oleh masyarakat adalah citra satelit Landsat 8 Level 1T. Dimana citra ini telah diterapkan koreksi geometri sistematik dan masih perlu dilakukan koreksi radiometrik karena data citra berformat Digital Number (DN). Koreksi radiometrik dibutuhkan untuk merubah data dari format DN ke Rekayasa Infrastruktur Geomatika J - 13
2 radian atau reflektan. Terdapat dua jenis produk luaran citra berformat reflektan yang dihasilkan, yaitu Top of Atmosphere (TOA) atau reflektan yang tertangkap sensor dan Bottom of Atmosphere (BOA) atau reflektan pada objek yang telah terkoreksi atmosfer. Sedangkan penggunaan kedua jenis reflektan tersebut, masih perlu diuji tingkat keefektifitasannya apabila digunakan pada algoritma indeks vegetasi. Indeks vegetasi merupakan pengukuran optis tingkat kehijauan (greenness) kanopi vegetasi, sifat komposit dari klorofil daun, luas daun, struktur dan tutupan kanopi vegetasi (Huete, 2011). Tanaman padi menjadi indikator karena dapat dengan mudah diidentifikasi berdasarkan karakter fisik dari perubahan lahannya. Sebelumnya, Sari dan Sukojo (2014), melakukan identifikasi fase tumbuh padi menggunakan citra reflektan TOA, memperoleh hasil indeks vegetasi MSAVI memiliki koefisien determinasi terbaik daripada ND- VI yaitu 0, Metodologi Tahap awal dalam penelitian ini adalah pengumpulan data yaitu data primer dan data sekunder. Data primer meliputi data pengukuran koordinat sampel fase tumbuh tanaman padi yang dibagi menjadi 10 fase, dimulai fase 1 adalah fase bera, selanjutnya fase seedling, tillering, stem elongation, panicle, heading, flowering, milk grain, dough grain, dan mature grain (IRRI, 2002 dalam Wibowo, 2010). Data sekunder meliputi data citra satelit Landsat 8 Path 119 Row 65 tanggal 20 April Tahap selanjutnya adalah pengolahan data antara lain sebagai berikut: a) Koreksi radiometrik, proses ini terbagi menjadi dua yaitu kalibrasi radiometrik dan koreksi atmosfer. - Kalibrasi radiometrik bertujuan merubah DN ke radian atau reflektan menggunakan parameter yang tersedia di metadata. Untuk menghasilkan data dalam format reflektan TOA (ρλ) digunakan persamaan: ρλ = (Mρ Qcal + Aρ) / sin(θse) dimana ρλ merupakan reflektan TOA terkoreksi sudut matahari, Mρ adalah REFLECTANCE_MULT_ BAND_x, Aρ adalah REFLEC- TANCE_ADD_BAND_x, Qcal adalah Digital Number (DN), θse adalah SUN_ELEVATION (USGS, 2013a). Sedangkan untuk merubah dari DN ke radian (Lλ), digunakan persamaan: Lλ = MLQcal + AL dimana Lλ merupakan radian TOA, ML adalah RADIANCE_MULT_ BAND_x, AL adalah RADIANCE_ ADD_BAND_x, Qcal adalah Digital Number (DN) (USGS, 2013a). - Koreksi atmosfer bertujuan menurunkan reflektansi objek dari total radiansi TOA setelah proses normalisasi kondisi pencahayaan dan penghapusan efek atmosfer. Dalam penelitian ini, citra Landsat 8 dilakukan koreksi dari efek atmosfer menggunakan parameter koreksi dari hasil simulasi menggunakan Second Simulation of a Satellite Signal in the Solar Spectrum- Vector (6SV) (Vermote, dkk, Rekayasa Infrastruktur Geomatika J - 14
3 1997). Reflektan terkoreksi atmosfer diturunkan dari radian-sensor menggunakan persamaan: y = xa*(lλ) - xb acr = y /(1.+xc*y) dimana acr merupakan reflektan terkoreksi efek atmosfer (Atmospheric Corrected Reflectance), Lλ adalah citra berformat radian, xa xb xc adalah parameter koreksi yang diperoleh dengan menjalankan perangkat lunak 6SV berbasis web yang ada di Untuk mendifinisikan konsentrasi dari aerosol, digunakan parameter meteorologi berupa horizontal visibility (pada citra penelitian ini, digunakan visibility = 6,2 km) yang dimasukkan dalam 6SV. Tebal optis aerosol (aerosol thickness) pada 550 nm selanjutnya dihitung berdasarkan profil atmosferis daerah Tropical dan model aerosol Urban Model. Tabel 1. Parameter Koreksi Atmosfer 6SV (Sumber: Hasil Perhitungan Simulasi 6SV) Band Parameter xa xb xc Band 2 0, , ,14004 Band 4 0, , ,05205 Band 5 0, , ,06556 b) Perhitungan algoritma indeks vegetasi dengan data masukan reflektan TOA dan BOA. c) Analisa nilai indeks vegetasi dilakukan dengan ground truth posisi (koordinat) sebaran fase tumbuh tanaman padi yang diambil di kabupaten Bojonegoro, menggunakan metode regresi sesuai dengan transformasi bentuk hubungannya, untuk mendapatkan model hubungan antara fase tumbuh dan nilai indeks vegetasinya pada citra satelit Landsat 8. d) Uji perbandingan setiap fase tumbuh antara hasil reflektan TOA dan BOA. Dalam hal ini dapat diketahui melalui nilai Koefisien Determinasi (R 2 ), Root Mean Square Error (RMSE) dan Normalized Mean Absolute Error (NMAE) masingmasing hubungan. 3. Hasil dan Pembahasan Dari 49 koordinat ground truth yang digunakan untuk mengidentifikasi kedua citra terolah algoritma indeks vegetasi, dilakukan proses regresi antara fase tumbuh dan nilai indeks vegetasi untuk mendapatkan model keduanya. Diperoleh model terbaik untuk citra reflektan TOA adalah algoritma yang berhubungan dengan klorofil daun yaitu NDVI, Sedangkan pada algoritma yang berhubungan dengan efek tanah yaitu MSAVI, model terbaik terletak pada citra BOA. NDVI lebih sensitif terhadap klorofil, sehingga klorofil dapat membaurkan factor kerapatan daun. Karena pada prinsipnya nilai NDVI berdasar pada kontras antara absorpsi maksimum klorofil pada panjang gelombang merah dan reflektansi maksimum pada infrared yang disebabkan oleh struktur sel daun. Sehingga efek dari atmosfer dianggap tidak berpengaruh besar pada hamburan klorofil tersebut. Pada indeks vegetasi MSAVI, nilai efek background dari tanah sudah diminimalisir sehingga reflektansi struktur sel kanopi daun akan lebih baik (Sukmono, 2013). Sehingga dibutuhkan kon- Rekayasa Infrastruktur Geomatika J - 15
4 disi atmosfer yang lebih baik (terkoreksi efek atmosfer) untuk dapat mengidentifikasi faktor background tanah dengan baik. Dilihat dari persamaan regresi yang dihasilkan, kurva yang terbentuk adalah Gambar 1. Kurva hasil regresi antara fase tumbuh dan nilai indeks vegetasi dari citra reflektan TOA (kiri) dan citra reflektan BOA (kanan) Tabel 2. Hubungan regresi fase tumbuh padi dan indeks vegetasi masing-masing reflektan (Sumber: Hasil Perhitungan) Indeks Reflektan TOA Reflektan BOA Vegetasi Persamaan Regresi R 2 Persamaan Regresi R 2 NDVI y=-0,013x 2 +0,1901x-0,0437 0,8547 y=-0,016x 2 +0,2321x-0,2774 0,8507 MSAVI y=-0,009x 2 +0,1324x-0,1 0,7592 y=-0,0121x 2 +0,1758x-0,2293 0,7749 polinomial orde dua. Sehingga untuk algoritma NDVI dan MSAVI kedua citra, terdapat kisaran nilai yang sama antara fase ke 6, 7 dan 9, 10. Dimana puncak kurva berada pada fase ke 8. Untuk itu, dimanfaatkan nilai reflektan dari gelombang green (0,53μm 0,59μm) yang terletak pada band 3 di Landsat 8. Gelombang green mengidentifikasi puncak vegetasi, yang berguna untuk menilai tanaman (USGS, 2013b). Pada citra reflektan TOA, fase 6 dan 7 memiliki nilai reflektan gelombang green di bawah 0,9 dan fase 9 dan 10 bernilai di atas 0,9. Sedangkan pada citra reflektan BOA, fase 6 dan 7 memiliki nilai reflektan gelombang green di bawah 0,7 dan fase 9 dan 10 Rekayasa Infrastruktur Geomatika J - 16
5 bernilai di atas 0,7. Hal ini dikarenakan antara fase 6, 7 dan 9, 10 memiliki tingkat kehijauan daun yang berbeda. Selanjutnya, dari masing-masing persamaan regresi pada Tabel 2, dapat dihitung nilai rentang fase tumbuh dari masing-masing hubungan model. Untuk menguji perbandingan citra terkoreksi efek atmosfer dan tidak, pada setiap fase tumbuh, digunakan indikator nilai statistik yaitu Korelasi, Koefisien Determinasi (R 2 ), Root Mean Square Gambar 2. Kurva regresi nilai beberapa indeks vegetasi antara citra reflektan TOA (nilai ukuran) dan citra reflektan BOA (nilai estimasi) Error (RMSE) dan Normalized Mean Absolute Error (NMAE) masing-masing hubungan. Digunakan asumsi nilai ukurannya adalah reflektan BOA dan nilai estimasinya adalah reflektan TOA. Pengujian statistik ini bertujuan untuk menilai seberapa besar pengaruh efek atmosfer terhadap indeks vegetasi. Reflektan BOA adalah sebagai reflektan yang dianggap benar. Dikarenakan telah mengalami koreksi atau penghilangan dari efek-efek atmosfer yang mempengaruhi perekaman citra. Tabel 3. Hasil uji statistik sederhana antara rata-rata nilai masing-masing indeks vegetasi (IV) reflektan TOA terhadap BOA (Sumber: Hasil Perhitungan) IV R R 2 RMSE NMAE (%) NDVI 0,936 0,908 0,053 20,164 MSAVI 0,947 0,907 0,016 13,028 Dapat dilihat pada Tabel 3, nilai korelasi (R) menunjukkan adanya hubungan yang positif karena nilai mendekati +1. Hal ini berarti bahwa peningkatan nilai salah satu peubah akan menyebabkan peningkatan nilai peubah lainnya. Korelasi terbaik pada indeks vegetasi MSAVI. Pada indikator uji statistik koefisien determinasi (R 2 ) terlihat masing-masing indeks vegetasi memiliki nilai yang mendekati 1, yang menunjukkan bahwa kedua peubah memiliki hubungan yang dapat saling menjelaskan secara kuat. Kedua indeks vegetasi, memiliki nilai R 2 yang hampir sama. Indikator kesesuaian RMSE adalah suatu indikator kesalahan yang didasarkan pada total kuadratis dari simpangan antara hasil model dengan hasil observasi. Dapat dilihat pada Tabel 3 bahwa nilai RMSE rata-rata berada di bawah Rekayasa Infrastruktur Geomatika J - 17
6 0,1 yang menunjukkan bahwa nilai estimasi cukup akurat terhadap nilai ukuran. Diperoleh RMSE terbaik pada indeks vegetasi MSAVI. NMAE merupakan indikator uji yang paling penting, karena NMAE ditujukan untuk pengamatan pada daerah kajian yang berbeda atau beragam. Semakin kecil nilai NMAE, maka akan semakin akurat nilai estimasi terhadap nilai ukuran. Diperoleh keseluruhan nilai NMAE di bawah 30% yang berarti nilai ukuran (reflektan TOA) pada indeks vegetasi dapat digunakan untuk menjelaskan fase tumbuh tanaman padi. NMAE terbaik terletak pada indeks vegetasi MS- AVI. 4. Kesimpulan Dari hasil analisa dan pembahasan dapat disimpulkan beberapa hal antara lain: 1. Indeks vegetasi NDVI berhubungan dengan klorofil daun, memiliki model yang lebih baik pada citra reflektan TOA. Sedangkan indeks MSAVI yang berhubungan dengan efek tanah, memiliki model lebih baik pada citra reflektan BOA. 2. Kurva pada kedua model menunjukkan hubungan kuadratik. Hal ini menyebabkan nilai NDVI dan MSAVI kedua citra, terdapat kisaran nilai yang sama antara fase ke 6, 7 dan 9, 10, dengan puncak kurva pada fase ke 8. Sehingga untuk membedakan, digunakan nilai reflektan dari gelombang green (0,53μm 0,59μm) pada band 3 Landsat 8, karena gelombang ini sensitif terhadap kesehatan tanaman hijau. 3. Dari setiap indikator uji statistik yang digunakan, menunjukkan bahwa koreksi efek atmosfer tidak memberikan pengaruh yang besar terhadap hasil perhitungan indeks vegetasi (NDVI dan MSAVI) dibandingkan dengan citra yang hanya terkoreksi sudut matahari (TOA), dalam hal ini pada tanaman padi. Daftar Pustaka Huete, dkk., (2011), MODIS Vegetation Indices, Land Remote Sensing and Global Environmental Change, Springer, New York Sari, V.D, dan Sukojo, B.M., (2014), Analisa Estimasi Produksi Padi Berdasarkan Fase Tumbuh Dan Model Peramalan Autoregressive Integrated Moving Average (Arima) Menggunakan Citra Satelit Landsat 8 (Studi Kasus: Kabupaten Bojonegoro), Surabaya: Skripsi Institut Teknologi Sepuluh Nopember. Sukmono, A., (2013), Model Estimasi Kandungan Klorofil dan Kerapatan Daun Tanaman Padi dengan Citra Hyperspectral Berbasis Spektral in Situ, Surabaya: Thesis Institut Teknologi Sepuluh Nopember. USGS., (2012), Landsat Data Continuity Mission (LDCM) Level 1 (L1) Data Format Control Book (DFCB) Version 6.0. South Dakota: Departement of the Interior U. S. Geological Survey. USGS., (2013), <URL: usgs.gov/landsat8_using_produc t.php>, Dikunjungi tanggal 26 April 2015, jam Rekayasa Infrastruktur Geomatika J - 18
7 USGS., (2013), <URL: usgs.gov/best_spectral_bands_to_ use.php>, Dikunjungi tanggal 10 Mei 2015, jam Wibowo, A., (2010), Pengembangan Metode Estimasi Kandungan Air Kanopi Daun (Canopy Water Content) Tanaman Padi Dengan Data Hyperspectral, Surabaya: Disertasi Institut Teknologi Sepuluh Nopember. Rekayasa Infrastruktur Geomatika J - 19
8 Rekayasa Infrastruktur Geomatika J - 20
Prosiding Seminar Nasional Aplikasi Teknologi Prasarana Wilayah (ATPW), Surabaya, 11 Juni 2015, ISSN
ANALISIS PARAMETER KUALITAS AIR LAUT DI PERAIRAN KABUPATEN SUMENEP UNTUK PEMBUATAN PETA SEBARAN POTENSI IKAN PELAGIS (Studi Kasus : Total Suspended Solid (TSS)) Feny Arafah, Muhammad Taufik, Lalu Muhamad
Lebih terperinciValidasi Algoritma Estimasi Konsentrasi Chl-A pada Citra Satelit Landsat 8 dengan Data In-Situ (Studi Kasus: Perairan Selatan Pulau Lombok, NTB)
G159 Validasi Algoritma Estimasi Konsentrasi Chl-A pada Citra Satelit Landsat 8 dengan Data In-Situ (Studi Kasus: Perairan Selatan Pulau Lombok, NTB) Umroh Dian Sulistyah 1, Lalu Muhamad Jaelani 1, Gathot
Lebih terperinciUji Akurasi Produk Reflektan-Permukaan Landsat Menggunakan Data In situ di Danau Kasumigaura, Jepang
Uji Akurasi Produk Reflektan-Permukaan Landsat Menggunakan Data In situ di Danau Kasumigaura, Jepang Lalu Muhamad Jaelani, Fajar Setiawan, Bunkei Matsushita Lalu Muhamad Jaelani, Ph.D Fajar Setiawan, S.Si
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciII. METODOLOGI PENELITIAN
1 Analisa Estimasi Produksi Padi Berdasarkan Fase Tumbuh dan Model Peramalan Autoregressive Integrated Moving Average (ARIMA) Menggunakan Citra Satelit Landsat 8 (Studi Kasus: Kabupaten Bojonegoro) Vivi
Lebih terperinciANALISA ESTIMASI PRODUKSI PADI BERDASARKAN FASE TUMBUH DAN MODEL PERAMALAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE
Analisa Estimasi Produksi Padi Berdasarkan Fase Tumbuh dan Model Peramalan Autoregressive Integrated Moving Average (ARIMA) Menggunakan Citra Satelit Landsat 8 ANALISA ESTIMASI PRODUKSI PADI BERDASARKAN
Lebih terperinciPemetaan Distribusi Spasial Konsentrasi Klorofil-a dengan Landsat 8 di Danau Towuti dan Danau Matano, Sulawesi Selatan
Pemetaan Distribusi Spasial Konsentrasi Klorofil-a dengan Landsat 8 di Danau Towuti dan Danau Matano, Sulawesi Selatan Lalu Muhamad Jaelani, Fajar Setiawan, Hendro Wibowo, Apip Lalu Muhamad Jaelani, Ph.D
Lebih terperinciVALIDASI ALGORITMA ESTIMASI KONSENTRASI CHL-A PADA CITRA SATELIT LANDSAT 8 DENGAN DATA IN-SITU (Studi Kasus: Perairan Selatan Pulau Lombok, NTB)
JURNAL TEKNIK ITS Vol. X, No. X, (2016) ISSN: 2337-3539 (2301-9271 Print) 1 VALIDASI ALGORITMA ESTIMASI KONSENTRASI CHL-A PADA CITRA SATELIT LANDSAT 8 DENGAN DATA IN-SITU (Studi Kasus: Perairan Selatan
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciLAPORAN PRAKTIKUM PENGINDERAAN JAUH TERAPAN KALIBRASI RADIOMETRIK PADA CITRA LANDSAT 8 DENGAN MENGGUNAKAN ENVI 5.1
LAPORAN PRAKTIKUM PENGINDERAAN JAUH TERAPAN KALIBRASI RADIOMETRIK PADA CITRA LANDSAT 8 DENGAN MENGGUNAKAN ENVI 5.1 Nama Oleh : : Mohammad Luay Murtadlo NRP : 3512100068 Dosen Pembimbing Nama : Lalu Muhamad
Lebih terperinciOptimalisasi Pemetaan Fase Pertumbuhan Padi Berdasarkan Analisa Pola Reflektan dengan Data Hiperspektral Studi Kasus : Kabupaten Karawang
Optimalisasi Pemetaan Fase Pertumbuhan Padi Berdasarkan Analisa Pola Reflektan dengan Data Hiperspektral Studi Kasus : Kabupaten Karawang M. A. Rauf Syafriyyin 1) dan Bangun Mulyo Sukojo 2) Jurusan Teknik
Lebih terperinciOleh : Hernandi Kustandyo ( ) Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Oleh : Hernandi Kustandyo (3508100001) Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember Ekosistem mangrove adalah salah satu obyek yang bisa diidentifikasi
Lebih terperinciJurnal Geodesi Undip Januari 2016
ANALISIS FASE TUMBUH PADI MENGGUNAKAN ALGORITMA NDVI, EVI, SAVI, DAN LSWI PADA CITRA LANDSAT 8 Nur Wahidah Sudarsono; Bambang Sudarsono; Arwan Putra Wijaya *) Program Studi Teknik Geodesi Fakultas Teknik,
Lebih terperinciANALISIS KUALITAS AIR UNTUK BUDIDAYA RUMPUT LAUT EUCHEUMA COTTONI DENGAN CITRA LANDSAT 8 (Studi Kasus: Laut Selatan Pulau Lombok, NTB)
JURNAL TEKNIK ITS Vol. X, No. X, (2016) ISSN: 2337-3539(2301-9271 Print) 1 ANALISIS KUALITAS AIR UNTUK BUDIDAYA RUMPUT LAUT EUCHEUMA COTTONI DENGAN CITRA LANDSAT 8 (Studi Kasus: Laut Selatan Pulau Lombok,
Lebih terperinciAnalisa Perubahan Luasan Terumbu Karang Dengan Metode Penginderaan Jauh (Studi Kasus: Pulau Menjangan, Bali) Teguh Hariyanto 1, Alhadir Lingga 1
Analisa Perubahan Luasan Terumbu Karang Dengan Metode Penginderaan Jauh (Studi Kasus: Pulau Menjangan, Bali) ANALYSIS OF CHANGES CORAL REEFS AREA USING REMOTE SENSING (A Case Study: Menjangan Island, Bali)
Lebih terperinciAnalisis Band Optimal Enhanced Vegetation Index (EVI) Pada Citra Hiperspektral Untuk Mengestimasi Fase Tumbuh dan Produktifitas Padi
Analisis Band Optimal Enhanced Vegetation Index (EVI) Pada Citra Hiperspektral Untuk Mengestimasi Tumbuh dan Produktifitas Padi Achmad Rival Setyawan 1), Bangun Mulyo Sukojo 1), Arief Darmawan 2) 1) Jurusan
Lebih terperinciLampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997
LAMPIRAN Lampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997 17 Lampiran 2. Peta klasifikasi penutup lahan Kodya Bogor tahun 2006 18 Lampiran 3. Peta sebaran suhu permukaan Kodya Bogor tahun
Lebih terperinciEvaluasi Algoritma Wouthuyzen dan Son untuk Pendugaan Sea Surface Salinity (SSS) (Studi Kasus: Perairan Utara Pamekasan)
G176 Evaluasi Algoritma Wouthuyzen dan Son untuk Pendugaan Sea Surface Salinity (SSS) (Studi Kasus: Perairan Utara Pamekasan) Nafizah 1, Lalu Muhamad Jaelani 1 dan Gathot Winarso 2 1 Jurusan Teknik Geomatika,
Lebih terperinciBAB I PENDAHULUAN I.1. Latar Belakang
BAB I PENDAHULUAN I.1. Latar Belakang Ilmu penginderaan jauh berkembang sangat pesat dari masa ke masa. Teknologi sistem sensor satelit dan berbagai algoritma pemrosesan sinyal digital memudahkan pengambilan
Lebih terperinciPemetaan Distribusi Spasial Konsentrasi Klorofil-A dengan Landsat 8 di Danau Matano dan Danau Towuti, Sulawesi Selatan
Pemetaan Distribusi Spasial Konsentrasi Klorofil-A dengan Landsat 8 di Danau Matano dan Danau Towuti, Sulawesi Selatan Lalu Muhamad Jaelani 1, Fajar Setiawan, Hendro Wibowo, Apip 2 PENDAHULUAN Abstrak
Lebih terperinciBAB III PEMBAHASAN. 3.1 Data. Data yang digunakan dalam penelitian ini berupa :
3.1 Data BAB III PEMBAHASAN Data yang digunakan dalam penelitian ini berupa : 1. Citra Landsat-5 TM, path 122 row 065, wilayah Jawa Barat yang direkam pada 2 Juli 2005 (sumber: LAPAN). Band yang digunakan
Lebih terperinciUji Akurasi Produk Reflektan-Permukaan Landsat Menggunakan Data In situ di Danau Kasumigaura, Jepang
Uji Akurasi Produk Reflektan-Permukaan Landsat Menggunakan Data In situ di Danau Kasumigaura, Jepang Lalu Muhamad Jaelani 1, Fajar Setiawan 2, Bunkei Matsushita 3 PENDAHULUAN Abstrak Estimasi parameter
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
Analisis Sebaran Konsentrasi Suhu Permukaan Laut dan ph untuk Pembuatan Peta Lokasi Budidaya Kerapu Bebek Menggunakan Citra Satelit Landsat -8 (Studi Kasus: Teluk Lampung, Lampung) Fitriana Kartikasari,
Lebih terperinciAnalisa Kondisi Ekosistem Mangrove Menggunakan Data Citra Satelit Multitemporal dan Multilevel (Studi Kasus: Pesisir Utara Surabaya)
A554 Analisa Kondisi Ekosistem Mangrove Menggunakan Data Citra Satelit Multitemporal dan Multilevel (Studi Kasus: Pesisir Utara Surabaya) Deni Ratnasari dan Bangun Muljo Sukojo Departemen Teknik Geomatika,
Lebih terperinciJurnal Geodesi Undip Oktober 2016
ANALISIS PENGARUH KOREKSI ATMOSFER TERHADAP ESTIMASI KANDUNGAN KLOROFIL-A MENGGUNAKAN CITRA LANDSAT 8 Lilik Kristianingsih, Arwan Putra Wijaya, Abdi Sukmono *) Program Studi Teknik Geodesi Fakultas Teknik
Lebih terperinciPENGARUH FENOMENA LA-NINA TERHADAP SUHU PERMUKAAN LAUT DI PERAIRAN KABUPATEN MALANG
Pengaruh Fenomena La-Nina terhadap SPL Feny Arafah PENGARUH FENOMENA LA-NINA TERHADAP SUHU PERMUKAAN LAUT DI PERAIRAN KABUPATEN MALANG 1) Feny Arafah 1) Dosen Prodi. Teknik Geodesi Fakultas Teknik Sipil
Lebih terperinciAplikasi Penginderaan Jauh Untuk Monitoring Perubahan Ruang Terbuka Hijau (Studi Kasus : Wilayah Barat Kabupaten Pasuruan)
Aplikasi Penginderaan Jauh Untuk Monitoring Perubahan Ruang Terbuka Hijau (Studi Kasus : Wilayah Barat Kabupaten Pasuruan) Ardiawan Jati, Hepi Hapsari H, Udiana Wahyu D Jurusan Teknik Geomatika, Fakultas
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-572
JURNAL TEKNIK ITS Vol., No., (01) ISSN: 33-353 (301-1 Print) A-5 Analisa Kondisi Ekosistem Mangrove Menggunakan Data Citra Satelit Multitemporal dan Multilevel (Studi Kasus: Pesisir Utara Surabaya) Deni
Lebih terperinciPemetaan Tingkat Kekeringan Berdasarkan Parameter Indeks TVDI Data Citra Satelit Landsat-8 (Studi Kasus: Provinsi Jawa Timur)
Pemetaan Tingkat Kekeringan Berdasarkan Parameter Indeks TVDI Data Citra Satelit Landsat-8 (Studi Kasus: Provinsi Jawa Timur) Diah Witarsih dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik
Lebih terperinciBAB III METODA. Gambar 3.1 Intensitas total yang diterima sensor radar (dimodifikasi dari GlobeSAR, 2002)
BAB III METODA 3.1 Penginderaan Jauh Pertanian Pada penginderaan jauh pertanian, total intensitas yang diterima sensor radar (radar backscattering) merupakan energi elektromagnetik yang terpantul dari
Lebih terperinciII. TINJAUAN PUSTAKA 2.1. Usahatani Padi dan Mobilitas Petani Padi
II. TINJAUAN PUSTAKA 2.1. Usahatani Padi dan Mobilitas Petani Padi Usahatani merupakan organisasi dari alam, kerja, dan modal yang ditujukan kepada produksi lapangan pertanian (Hernanto, 1995). Organisasi
Lebih terperinciIII. METODOLOGI. Gambar 1. Peta Administrasi Kota Palembang.
III. METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan pada bulan Juli-Oktober 2010. Lokasi penelitian di Kota Palembang dan Laboratorium Analisis Spasial Lingkungan, Departemen Konservasi Sumberdaya
Lebih terperinciBadan Pengkajian dan Penerapan Teknologi (BPPT), Jakarta 3
MODEL ESTIMASI KERAPATAN DAUN TANAMAN PADI DENGAN CITRA HYPERSPECTRAL BERBASIS SPECTRAL IN SITU UNTUK PEMANTAUAN FASE TUMBUH PADI Abdi Sukmono 1, Arief Darmawan 2, Bangun Muljo Sukojo 1, Hepi Hapsari Handayani
Lebih terperinciJURNAL TEKNIK ITS Vol. X, No. X, (2016) ISSN: ( Print) 1
JURNAL TEKNIK ITS Vol. X, No. X, (2016) ISSN: 2337-3539 (2301-9271 Print) 1 Analisis Sebaran Konsentrasi Suhu Permukaan Laut Dan ph Untuk Pembuatan Peta Lokasi Budidaya Kerapu Bebek Menggunakan Citra Satelit
Lebih terperinciGenerated by Foxit PDF Creator Foxit Software For evaluation only. 23 LAMPIRAN
23 LAMPIRAN 24 Lampiran 1 Diagram Alir Penelitian Data Citra LANDSAT-TM/ETM Koreksi Geometrik Croping Wilayah Kajian Kanal 2,4,5 Kanal 1,2,3 Kanal 3,4 Spectral Radiance (L λ ) Albedo NDVI Class Radiasi
Lebih terperinciSTUDI TINGKAT KERAPATAN MANGROVE MENGGUNAKAN INDEKS VEGETASI
JURNAL TEKNIK POMITS Vol. 4, No. 4, (203) ISSN: 350-3537 STUDI TINGKAT KERAPATAN MANGROVE MENGGUNAKAN INDEKS VEGETASI Hernandi K, Bangun Muljo Sukojo, dan Ety Parwati Jurusan Teknik Geomatika, Fakultas
Lebih terperinciVALIDASI ALGORITMA ESTIMASI KONSENTRASI CHL-A DENGAN MENGGUNAKAN CITRA SATELIT LANDSAT 8(Studi Kasus : Laut Selatan Pulau Lombok, NTB)
VALIDASI ALGORITMA ESTIMASI KONSENTRASI CHL-A DENGAN MENGGUNAKAN CITRA SATELIT LANDSAT 8(Studi Kasus : Laut Selatan Pulau Lombok, NTB) Lalu Muhamad Jaelani 1, Umroh Dian Sulistyah 1, Gathot Winarso 2 1
Lebih terperinciBAB II. TINJAUAN PUSTAKA
DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii KATA PENGANTAR... iv DAFTAR ISI... vi DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xii ABSTRACT... xiii
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kandungan air kanopi (Canopy Water Content) sangat erat kaitannya dalam kajian untuk mengetahui kondisi vegetasi maupun kondisi ekosistem terestrial pada umumnya. Pada
Lebih terperinciPenggunaan Algoritma NDVI dan EVI pada Citra Multispektral untuk Analisa Pertumbuhan Padi (Studi Kasus: Kabupaten Indramayu, Jawa Barat)
Penggunaan Algoritma NDVI dan EVI pada Citra Multispektral untuk Analisa Pertumbuhan Padi (Studi Kasus: Kabupaten Indramayu, Jawa Barat) 1 Aulia Hafizh S, Agung Budi Cahyono, dan Agus Wibowo Jurusan Teknik
Lebih terperinciBAB IV PENGOLAHAN DATA
BAB IV PENGOLAHAN DATA 4.1 Koreksi Geometrik Langkah awal yang harus dilakukan pada penelitian ini adalah melakukan koreksi geometrik pada citra Radarsat. Hal ini perlu dilakukan karena citra tersebut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Hutan merupakan suatu kesatuan ekosistem berupa hamparan lahan berisi sumber daya alam hayati yang didominasi pepohonan dalam persekutuan alam lingkungannya, yang satu
Lebih terperinciPERUBAHAN DELTA DI MUARA SUNGAI PORONG, SIDOARJO PASCA PEMBUANGAN LUMPUR LAPINDO
PERUBAHAN DELTA DI MUARA SUNGAI PORONG, SIDOARJO PASCA PEMBUANGAN LUMPUR LAPINDO Ima Nurmalia Permatasari 1, Viv Dj. Prasita 2 1) Mahasiswa Jurusan Oseanografi, Universitas Hang Tuah 2) Dosen Jurusan Oseanografi,
Lebih terperinciIndeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut :
Indeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut : NDVI=(band4 band3)/(band4+band3).18 Nilai-nilai indeks vegetasi di deteksi oleh instrument pada
Lebih terperinciMETODOLOGI. Gambar 4. Peta Lokasi Penelitian
22 METODOLOGI Tempat dan Waktu Penelitian Penelitian dilakukan di Kota Sukabumi, Jawa Barat pada 7 wilayah kecamatan dengan waktu penelitian pada bulan Juni sampai November 2009. Pada lokasi penelitian
Lebih terperinciJURNAL TEKNIK POMITS Vol. x, No. x, (2014) ISSN: xxxx-xxxx (xxxx-x Print) 1
JURNAL TEKNIK POMITS Vol. x,. x, (2014) ISSN: xxxx-xxxx (xxxx-x Print) 1 Pemanfaatan Data Penginderaan Jauh untuk Identifikasi Kerusakan Hutan di Daerah Aliran Sungai (DAS) (Studi Kasus : Sub DAS Brantas
Lebih terperinciPemanfaatan Data Landsat-8 dan MODIS untuk Identifikasi Daerah Bekas Terbakar Menggunakan Metode NDVI (Studi Kasus: Kawasan Gunung Bromo)
Pemanfaatan Data Landsat-8 dan MODIS untuk Identifikasi Daerah Bekas Terbakar Menggunakan Metode NDVI (Studi Kasus: Kawasan Gunung Bromo) Nurul Aini Dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas
Lebih terperinciPEMETAAN LAHAN TERBANGUN PERKOTAAN MENGGUNAKAN PENDEKATAN NDBI DAN SEGMENTASI SEMI-AUTOMATIK
PEMETAAN LAHAN TERBANGUN PERKOTAAN MENGGUNAKAN PENDEKATAN NDBI DAN SEGMENTASI SEMI-AUTOMATIK Iswari Nur Hidayati1, Suharyadi2, Projo Danoedoro2 1 Program Doktor pada Program Studi Geografi UGM 2 Fakultas
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 ANALISA PERBANDINGAN KANDUNGAN KLOROFIL MENGGUNAKAN METODE MCARI DAN TCARI (Wilayah Studi : Kabupaten Karawang, Jawa Barat)
Lebih terperinciSEMINAR NASIONAL GEOGRAFI UMS 2016 Farid Ibrahim, Fiqih Astriani, Th. Retno Wulan, Mega Dharma Putra, Edwin Maulana; Perbandingan Ekstraksi
PERBANDINGAN EKSTRAKSI BRIGHTNESS TEMPERATUR LANDSAT 8 TIRS TANPA ATMOSPHERE CORRECTION DAN DENGAN MELIBATKAN ATMOSPHERIC CORRECTION UNTUK PENDUGAAN SUHU PERMUKAAN Farid Ibrahim 1, Fiqih Atriani 2, Th.
Lebih terperinciAnalisis Rona Awal Lingkungan dari Pengolahan Citra Landsat 7 ETM+ (Studi Kasus :Daerah Eksplorasi Geothermal Kecamatan Sempol, Bondowoso)
JURNAL TEKNIK POMITS Vol. X, No. X, (Mar, 2013) ISSN: 2301-9271 Analisis Rona Awal Lingkungan dari Pengolahan Citra Landsat 7 ETM+ (Studi Kasus :Daerah Eksplorasi Geothermal Kecamatan Sempol, Bondowoso)
Lebih terperinciNorida Maryantika 1, Lalu Muhammad Jaelani 1, Andie Setiyoko 2.
ANALISA PERUBAHAN VEGETASI DITINJAU DARI TINGKAT KETINGGIAN DAN KEMIRINGAN LAHAN MENGGUNAKAN CITRA SATELIT LANDSAT DAN SPOT 4 (STUDI KASUS KABUPATEN PASURUAN) rida Maryantika 1, Lalu Muhammad Jaelani 1,
Lebih terperinciMODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA
MODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI
Lebih terperinciSTUDI KONSENTRASI KLOROFIL-A BERDASARKAN TEKNIK PENGINDERAAN JAUH
Studi Konsentrasi Klorofil - a Alifah raini/feny Arafah/Fourry Handoko STUDI KONSENTRASI KLOROFIL-A BERDASARKAN TEKNIK PENGINDERAAN JAUH Alifah raini 1) ; Feny Arafah 1) ; Fourry Handoko 2) 1) Program
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print)
ANALISA RELASI PERUBAHAN TUTUPAN LAHAN DAN SUHU PERMUKAAN TANAH DI KOTA SURABAYA MENGGUNAKAN CITRA SATELIT MULTISPEKTRAL TAHUN 1994 2012 Dionysius Bryan S, Bangun Mulyo Sukotjo, Udiana Wahyu D Jurusan
Lebih terperinciRIZKY ANDIANTO NRP
ANALISA INDEKS VEGETASI UNTUK IDENTIFIKASI TINGKAT KERAPATAN VEGETASI HUTAN GAMBUT MENGGUNAKAN CITRA AIRBORNE HYPERSPECTRAL HYMAP ( Studi kasus : Daerah Hutan Gambut Kabupaten Katingan dan Kabupaten Pulang
Lebih terperinciPola Sebaran Total Suspended Solid (TSS) di Teluk Jakarta Sebelum dan Sesudah Reklamasi
Pola Sebaran Total Suspended Solid (TSS) di Teluk Jakarta Sebelum dan Sesudah Ahmad Arif Zulfikar 1, Eko Kusratmoko 2 1 Jurusan Geografi, Universitas Indonesia, Depok, Jawa Barat E-mail : Ahmad.arif31@ui.ac.id
Lebih terperinciABSTRAK. Kata kunci: Ruang Terbuka Hijau, Penginderaan Jauh, Citra Landsat 8, Indeks Vegetasi (NDVI, MSAVI2 dan WDRVI) vii
ABSTRAK Ruang Terbuka Hijau kota adalah bagian dari ruang-ruang terbuka (open space) suatu wilayah perkotaan yang diisi oleh tumbuhan dan berbagai jenis Vegetasi lainnya. Keanekaragaman suatu Vegetasi
Lebih terperinciDAFTAR TABEL. No. Tabel Judul Tabel No. Hal.
DAFTAR ISI Halaman Judul... No Hal. Intisari... i ABSTRACT... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xi BAB I... 1 1.1. Latar Belakang... 1 1.2.
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Hasil Hasil penelitian tugas akhir ini berupa empat model matematika pendugaan stok karbon. Model matematika I merupakan model yang dibentuk dari persamaan regresi linear
Lebih terperinciBAB II DASAR TEORI Koreksi Geometrik
BAB II DASAR TEORI 2.1 Penginderaan Jauh Penginderaan jauh didefinisikan sebagai ilmu dan seni untuk memperoleh informasi tentang suatu objek atau fenomena melalui analisis data yang diperoleh dengan suatu
Lebih terperinciJURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian
JURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian http://journal.unnes.ac.id/sju/index.php/ujet ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIK PENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA
Lebih terperinciPERUBAHAN LUAS DAN KERAPATAN EKOSISTEM MANGROVE DI KAWASAN PANTAI TIMUR SURABAYA
PERUBAHAN LUAS DAN KERAPATAN EKOSISTEM MANGROVE DI KAWASAN PANTAI TIMUR SURABAYA Inggriyana Risa Damayanti 1, Nirmalasari Idha Wijaya 2, Ety Patwati 3 1 Mahasiswa Jurusan Oseanografi, Universitas Hang
Lebih terperinciPemetaan Potensi Batuan Kapur Menggunakan Citra Satelit Landsat 8 di Kabupaten Tuban
A630 Pemetaan Potensi Batuan Kapur Menggunakan Citra Satelit Landsat 8 di Kabupaten Tuban Dhiyaulhaq Al Majid dan Bangun Muljo Sukojo Departemen Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan,
Lebih terperinci5. PEMBAHASAN 5.1 Koreksi Radiometrik
5. PEMBAHASAN Penginderaan jauh mempunyai peran penting dalam inventarisasi sumberdaya alam. Berbagai kekurangan dan kelebihan yang dimiliki penginderaan jauh mampu memberikan informasi yang cepat khususnya
Lebih terperinciix
DAFTAR ISI viii ix x DAFTAR TABEL Tabel 1.1. Emisivitas dari permukaan benda yang berbeda pada panjang gelombang 8 14 μm. 12 Tabel 1.2. Kesalahan suhu yang disebabkan oleh emisivitas objek pada suhu 288
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sumatera Utara memiliki luas total sebesar 181.860,65 Km² yang terdiri dari luas daratan sebesar 71.680,68 Km² atau 3,73 % dari luas wilayah Republik Indonesia. Secara
Lebih terperinciPEMETAAN KERUSAKAN MANGROVE DI MADURA DENGAN MEMANFAATKAN CITRA DARI GOOGLE EARTH DAN CITRA LDCM
PEMETAAN KERUSAKAN MANGROVE DI MADURA DENGAN MEMANFAATKAN CITRA DARI GOOGLE EARTH DAN CITRA LDCM Oleh : Firman Farid Muhsoni, S.Pi., M.Sc Program Studi Ilmu Kelautan Universitas Trunojoyo Madura email
Lebih terperinciPENGGUNAAN CITRA SATELIT LANDSAT 8 UNTUK ANALISA PATAHAN PADA LAPANGAN PANAS BUMI ARJUNO WELIRANG PROVINSI JAWA TIMUR
PENGGUNAAN CITRA SATELIT LANDSAT 8 UNTUK ANALISA PATAHAN PADA LAPANGAN PANAS BUMI ARJUNO WELIRANG PROVINSI JAWA TIMUR Bakruddin, Widya Utama, Dwa Desa Warnana Jurusan Teknik Geomatika FTSP ITS, Surabaya
Lebih terperinciBab IV Hasil dan Pembahasan
Bab IV Hasil dan Pembahasan 4.1. Hasil 4.1.1. Digitasi dan Klasifikasi Kerapatan Vegetasi Mangrove Digitasi terhadap citra yang sudah terkoreksi dilakukan untuk mendapatkan tutupan vegetasi mangrove di
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1 Pembuatan algoritma empiris klorofil-a Tabel 8, Tabel 9, dan Tabel 10 dibawah ini adalah percobaan pembuatan algoritma empiris dibuat dari data stasiun nomor ganjil, sedangkan
Lebih terperinciGD 319 PENGOLAHAN CITRA DIGITAL KOREKSI RADIOMETRIK CITRA
LAPORAN PRAKTIKUM II GD 319 PENGOLAHAN CITRA DIGITAL KOREKSI RADIOMETRIK CITRA Tanggal Penyerahan : 2 November 2016 Disusun Oleh : Kelompok : 7 (Tujuh) Achmad Faisal Marasabessy / 23-2013-052 Kelas : B
Lebih terperinciJURNAL TEKNIK ITS Vol. X, No. X, (2016) ISSN: ( Print) 1
JURNAL TEKNIK ITS Vol. X, No. X, (2016) ISSN: 2337-3539 (2301-9271 Print) 1 Validasi Algoritma Estimasi konsentrasi Klorofil-a dan Padatan Tersuspensi Menggunakan Citra Terra dan Aqua Modis dengan Data
Lebih terperinciJURNAL TEKNIK POMITS Vol. x, No. x, (Juni, 2013) ISSN: ( Print)
Abstrak- Vegetasi merupakan unsur utama dalam rantai makanan. Semua rantai makanan rantai utamanya dimulai dengan tanaman atau vegetasi, untuk manusia terutama di Indonesia rantai utama yang paling banyak
Lebih terperinciANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS
ANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS Oleh : Tyas Eka Kusumaningrum 3509 100 001 LATAR BELAKANG Kawasan Pesisir Kota
Lebih terperinciIDENTIFIKASI SUHU PERMUKAAN TANAH DENGAN METODE KONVERSI DIGITAL NUMBER MENGGUNAKAN TEKNIK PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFI
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol.6 No. 2, Desember 2017 : 59-69 IDENTIFIKASI SUHU PERMUKAAN TANAH DENGAN METODE KONVERSI DIGITAL NUMBER MENGGUNAKAN TEKNIK PENGINDERAAN JAUH DAN SISTEM INFORMASI
Lebih terperinciPEMETAAN KERUSAKAN MANGROVE MENGGUNAKAN CITRA LANDSAT OLI DI DELTA MAHAKAM, KALIMATAN TIMUR
PEMETAAN KERUSAKAN MANGROVE MENGGUNAKAN CITRA LANDSAT OLI DI DELTA MAHAKAM, KALIMATAN TIMUR Ratri Ma rifatun Nisaa, Nurul Khakhim Prodi Kartografi dan Penginderaan Jauh, Fakultas Geografi UGM E-mail: ratri.marifatun@gmail.com
Lebih terperinciANALISA NDVI CITRA SATELIT LANDSAT MULTI TEMPORAL UNTUK PEMANTAUAN DEFORESTASI HUTAN KABUPATEN ACEH UTARA
Jurnal Inotera, Vol. 2,.1, Januari-Juni 2017 ANALISA NDVI CITRA SATELIT LANDSAT MULTI TEMPORAL UNTUK PEMANTAUAN DEFORESTASI HUTAN KABUPATEN ACEH UTARA Meraty Ramadhini 1, Bangun Muljo Sukojo 2. 1 Program
Lebih terperinciANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA)
ANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA) Oleh : Dawamul Arifin 3508 100 055 Jurusan Teknik Geomatika
Lebih terperinciEndang Prinina 1, Lalu Muhamad Jaelani 1, Salam Tarigan 2 1
G206 Validasi Algoritma Estimasi konsentrasi Klorofil-a dan Padatan Tersuspensi Menggunakan Citra Terra dan Aqua Modis dengan Data In situ (Studi Kasus: Perairan Selat Makassar) Endang Prinina 1, Lalu
Lebih terperinciBAB III DATA DAN METODOLOGI PENELITIAN
BAB III DATA DAN METODOLOGI PENELITIAN 3.1 Data Ada 3 data utama yang digunakan dalam penelitian ini. Data yang pertama adalah data citra satelit Landsat 7 ETM+ untuk daerah cekungan Bandung. Data yang
Lebih terperinciSTUDI PERUBAHAN SUHU PERMUKAAN LAUT (SPL) MENGGUNAKAN SATELIT AQUA MODIS
STUDI PERUBAHAN SUHU PERMUKAAN LAUT (SPL) MENGGUNAKAN SATELIT AQUA MODIS Oleh : Dwi Ayu Retnaning Anggreyni 3507.100.017 Dosen Pembimbing: Prof.Dr.Ir. Bangun M S, DEA, DESS Lalu Muhammad Jaelani, ST, MSc
Lebih terperinciJurnal Geodesi Undip Januari 2016
ANALISIS PENGGUNAAN NDVI DAN BSI UNTUK IDENTIFIKASI TUTUPAN LAHAN PADA CITRA LANDSAT 8 (Studi Kasus : Wilayah Kota Semarang, Jawa Tengah) Dafid Januar, Andri Suprayogi, Yudo Prasetyo *) Program Studi Teknik
Lebih terperinciAnalisis Indeks Vegetasi Menggunakan Citra Satelit FORMOSAT-2 Di Daerah Perkotaan (Studi Kasus: Surabaya Timur)
JURNAL TEKNIK POMITS Vol. X, No. X, (Apr, 2013) ISSN: 2301-9271 1 Analisis Indeks Vegetasi Menggunakan Citra Satelit FORMOSAT-2 Di Daerah Perkotaan (Studi Kasus: Surabaya Timur) Agneszia Anggi Ashazy dan
Lebih terperinciLAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI. Oleh: Nama : Deasy Rosyida Rahmayunita NRP :
LAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI Oleh: Nama : Deasy Rosyida Rahmayunita NRP : 3513100016 Dosen Pembimbing: Nama : Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS NIP
Lebih terperinciAplikasi-aplikasi ICV untuk sumber daya air: - Pengukuran luas perairan, - Identifikasi konsentrasi sedimen/tingkat kekeruhan, - Pemetaan daerah
ICV APLIKASI UNTUK SUMBER DAYA AIR Aplikasi-aplikasi ICV untuk sumber daya air: - Pengukuran luas perairan, - Identifikasi konsentrasi sedimen/tingkat kekeruhan, - Pemetaan daerah banjir, - Kesuburan perairan,
Lebih terperinciANALISIS INDEKS VEGETASI MANGROVE MENGGUNAKAN CITRA SATELIT ALOS AVNIR-2 (Studi Kasus: Estuari Perancak, Bali)
ANALISIS INDEKS VEGETASI MANGROVE MENGGUNAKAN CITRA SATELIT ALOS AVNIR-2 (Studi Kasus: Estuari Perancak, Bali) ANALYSIS OF MANGROVE VEGETATION INDEX USING AN ALOS AVNIR-2 SATELLITE (A case study: Estuari
Lebih terperinciInterpretasi Citra Satelit Landsat 8 Untuk Identifikasi Kerusakan Hutan Mangrove di Taman Hutan Raya Ngurah Rai Bali
Interpretasi Citra Satelit Landsat 8 Untuk Identifikasi Kerusakan Hutan Mangrove di Taman Hutan Raya Ngurah Rai Bali I WAYAN RUMADA A. A. ISTRI KESUMADEWI *) R. SUYARTO Program Studi Agroekoteknologi,
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Print) C-130
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) C-130 Analisis Perubahan Konsentrasi Total Suspended Solids (TSS) Dampak Bencana Lumpur Sidoarjo Menggunakan Citra Landsat Multi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman kelapa sawit (Elaeis guineensis Jacq.) merupakan tanaman perkebunan utama di Indonesia. Kelapa sawit menjadi komoditas penting dikarenakan mampu memiliki rendemen
Lebih terperinciStudi Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area Terbakar (Studi Kasus: Provinsi Riau)
A758 Studi Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area Terbakar (Studi Kasus: Provinsi Riau) Agita Setya Herwanda, Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan
Lebih terperinciVARIASI SUHU PERMUKAAN DARATAN KOTA PADANG BERDASARKAN CITRA LANDSAT 7 ETM+ dan LANDSAT 8 OLI/TIR
VARIASI SUHU PERMUKAAN DARATAN KOTA PADANG BERDASARKAN CITRA LANDSAT 7 ETM+ dan LANDSAT 8 OLI/TIR Oleh: Fajrin*, Dwi Marsiska Driptufany* Program Studi Teknik Geodesi, Fakultas Teknik Sipil dan Perencanaan,
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.. Variasi NDVI Citra AVNIR- Citra AVNIR- yang digunakan pada penelitian ini diakuisisi pada tanggal Desember 008 dan 0 Juni 009. Pada citra AVNIR- yang diakuisisi tanggal Desember
Lebih terperinciGambar 1. Peta Lokasi Penelitian
10 BAB III BAHAN DAN METODE 3.1. Waktu dan Tempat Penelitian Penelitian ini dimulai pada bulan Maret 2011 dan berakhir pada bulan Oktober 2011. Penelitian ini terdiri atas pengamatan di lapang dan analisis
Lebih terperinciPEMANFAATAN CITRA ASTER DIGITAL UNTUK ESTIMASI DAN PEMETAAN EROSI TANAH DI DAERAH ALIRAN SUNGAI OYO. Risma Fadhilla Arsy
PEMANFAATAN CITRA ASTER DIGITAL UNTUK ESTIMASI DAN PEMETAAN EROSI TANAH DI DAERAH ALIRAN SUNGAI OYO Risma Fadhilla Arsy Abstrak : Penelitian di Daerah Aliran Sungai Oyo ini bertujuan mengesktrak parameter
Lebih terperinciSudaryanto dan Melania Swetika Rini*
PENENTUAN RUANG TERBUKA HIJAU (RTH) DENGAN INDEX VEGETASI NDVI BERBASIS CITRA ALOS AVNIR -2 DAN SISTEM INFORMASI GEOGRAFI DI KOTA YOGYAKARTA DAN SEKITARNYA Sudaryanto dan Melania Swetika Rini* Abstrak:
Lebih terperinciPengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak
Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 Pengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak Effect of Pansharpening on Built-up
Lebih terperinci4. HASIL DAN PEMBAHASAN
4. HASIL DAN PEMBAHASAN 4.1. Pemetaan Batimetri 4.1.1. Pemilihan Model Dugaan Dengan Nilai Digital Asli Citra hasil transformasi pada Gambar 7 menunjukkan nilai reflektansi hasil transformasi ln (V-V S
Lebih terperinciGeo Image 5 (2) (2016) Geo Image.
Geo Image 5 (2) (2016) Geo Image http://journal.unnes.ac.id/sju/index.php/geoimage ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIKPENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA PANGAN Ahmad Yazidun
Lebih terperinciKARAKTERISTIK CITRA SATELIT Uftori Wasit 1
KARAKTERISTIK CITRA SATELIT Uftori Wasit 1 1. Pendahuluan Penginderaan jarak jauh merupakan salah satu teknologi penunjang pengelolaan sumber daya alam yang paling banyak digunakan saat ini. Teknologi
Lebih terperinci