ANALISIS TUTUPAN LAHAN DI KABUPATEN TAPANULI TENGAH MENGGUNAKAN

PENGOLAHAN CITRA SATELIT LANDSAT 8 DENGAN METODE NORMALIZED

DIFFERENCE VEGETATION INDEX (NDVI) DAN MAXIMUM LIKELIHOOD
CLASSIFICATION
Noni Ayu Sarasati (1806186244)
Mahasiswa S1 Program Studi Geografi Universitas Indonesia
noni.ayu@ui.ac.id

ABSTRACT
Remote sensing techniques are considered effective for obtaining the latest land cover information in
the form of a map of the results of image classification. This technique has the ability to provide
information on spatial diversity on the surface of the earth quickly, broadly, precisely, and easily. The
analysis of image data processing in this journal aims to obtain information on land cover in Tapanuli
Tengah district, North Sumatra by processing images obtained from the official website that provides
satellite imagery. Applications used to process these images are ENVI, Google Earth Pro, and ArcMap.
The method used in this journal is Normalized Difference Vegetation Index (NDVI) and Maximum
Likelihood Classification. Then the data is tested for accuracy by calculating Kappa values to measure
the consistency of Producer’s Accuracy and User Accuracy. The results of image data processing are
objects on the surface of the earth such as vegetation and built up land.

Keywords: Central Tapanuli Regency, ENVI, Satellite imagery, NDVI, Maximum Likelihood Classification,
Kappa Value

ABSTRAK
Teknik penginderaan jauh dianggap efektif untuk memperoleh informasi tutupan lahan terbaru berupa
peta hasil klasifikasi citra. Teknik ini memiliki kemampuan dalam menyediakan informasi
keberagaman spasial di permukaan bumi dengan cepat, luas, tepat, dan mudah. Analisis pengolahan
data citra pada jurnal ini bertujuan untuk mendapatkan informasi tutupan lahan di kabupaten Tapanuli
Tengah, Sumatera Utara dengan dengan mengolah citra yang diperoleh dari laman resmi yang
menyediakan citra satelit. Aplikasi yang digunakan untuk mengolah citra tersebut adalah ENVI, Google
Earth Pro, dan ArcMap. Metode yang digunakan dalam jurnal ini adalah Normalized Difference
Vegetation Index (NDVI) dan Maximum Likelihood Classification. Kemudian data tersebut diuji
akurasinya dengan perhitungan nilai Kappa untuk mengukur konsistensi dari Producer’s Accuracy dan
User Accuracy. Hasil dari pengolahan data citra tersebut adalah objek-objek di permukaan bumi seperti
vegetasi dan lahan terbangun.

Kata kunci: Kabupaten Tapanuli Tengah, ENVI, Citra satelit, NDVI, Maximum Likelihood Classification, Nilai
Kappa
PENDAHULUAN terdapat 2 pulau, Kecamatan Sorkam 1
pulau, Kecamatan Badiri 3 pulau,
1.1 Latar Belakang
Kecamatan Tapian Nauli 20 pulau,
Tapanuli Tengah berada di ketinggian 0-
Kecamatan Manduamas 4 pulau,
1.266 m diatas permukaan laut dan
Kecamatan Sosorgadong 1 pulau, dan
berlokasi di 1°11’00” - 2°22’0” LU dan
Kecamatan Pandan 1 pulau. Adapun
98°07’ - 98°12’ BT dengan batas-batas
seluruh pulau-pulau tersebut telah memiliki
wilayah padasebelah utara berbatas dengan
nama.
Provinsi Aceh, sebelah selatan berbatas
Menurut Lillesand dan Kiefer (1979),
dengan Kabupaten Tapanuli Selatan,
Penginderaan Jauh adalah ilmu dan seni
sebelah timur berbatas dengan Kabupaten
untuk memperoleh informasi tentang
Tapanuli Utara danKabupaten Humbang
obyek, daerah, atau gejala dengan jalan
Hasundutan dan Pakpak Bharat di sebelah
menganalisis data yang diperoleh dengan
barat berbatasan dengan Sibolga dan
menggunakan alat tanpa kontak langsung
Samudera Indonesia. Kabupaten Tapanuli
terhadap obyek, daerah, atau gejala yang
Tengah memiliki luas daratan sebesar
dikaji. Sabins (1996) dalam Kerle et al.
2.194,98 Km2, 3,06% dari luas Provinsi
(2004) menjelaskan bahwa penginderaan
Sumatera Utara dan luas laut Kabupaten
jauh adalah ilmu untuk memperoleh,
Tapanuli Tengah ± 4.000 km2, sebagian
mengolah dan menginterpretasi citra yang
besar berada di Pulau Sumatera dan
telah direkam yang berasal dari interaksi
sebagian kecil merupakan pulau-pulau
antara gelombang elektromagnetik dengan
yang tersebar di Samudera Hindia. Secara
sutau objek. Salah satu upaya atau cara
keseluruhan luas wilayah Kabupaten
untuk memperoleh informasi tutupan lahan
Tapanuli Tengah adalah ± 6.194,98 km2.
pada suatu wilayah di permukaan bumi
Secara administratif Kabupaten Tapanuli
adalah dengan penggunaan teknologi
Tengah memiliki 20 Kecamatan, yang
penginderaan jauh. Data atau informasi
terdiri dari 159 Desa dan 56 Kelurahan.
yang diperoleh dari perekaman satelit
Kecamatan yang paling luas adalah
masih berupa data mentah yang perlu
Kecamatan Kolang yakni 400,65 km2
diolah terlebih dahulu agar bisa
(18,25 persen), sedangkan yang paling
diinterpetasikan. Pada jurnal ini metode
kecil adalah Kecamatan Barus yaitu 21,81
yang dilakukan untuk pengolahan citra
km2 (0,99 persen). Jumlah pulau-pulau di
tersebut adalah dengan metode Normalized
Kabupaten Tapanuli Tengah sebanyak 32
Difference Vegetation Index (NDVI) dan
(tigapuluh dua) pulau yang hanya sebagian
Maximum Likelihood Classification.
kecil dihuni oleh penduduk. Sebaran ke-32
Normalized Difference Vegetation
pulau tersebut tersebar di 6 (enam)
Index (NDVI) atau indeks vegetasi
Kecamatan, yaitu di Kecamatan Barus
merupakan indeks yang menggambarkan
tingkat kehijauan suatu tanaman dan 1.2 Tujuan Penelitian
merupakan kombinasi matematis antara Tujuan dari penelitian ini adalah untuk
band merah dan band NIR (Near Infrared melihat indeks kerapatan vegetasi di
Radiation). Perhitungan NDVI didasarkan Kabupaten Tapanuli Tengah dengan
pada prinsip bahwa tanaman hijau tumbuh menggunakan metode NDVI,
secara efektif dengan menyerap sinar Mengklasifikasikan penggunaan tutupan
radiasi di daerah spektrum cahaya tampak lahan di Kabupaten Tapanuli Tengah, serta
(PAR atau Photosynthetically Aktif memberikan informasi tahapan yang
Radiation), serta tanaman hijau sangat dilakukan untuk mengolah data citra sesuai
memantulkan radiasi dari daerah dengan kaidah dan aturan yang berlaku.
inframerah dekat. onsep pola spektral di
dasarkan oleh prinsip ini menggunakan BAHAN DAN METODE
hanya citra band merah adalah sebagai 2.1 Bahan
berikut : Data atau bahan yang digunakan adalah
NDVI = (NIR – Red) / (NIR+Red) citra Kabupaten Tapanuli Selatan yang
Dimana : dapat diperoleh dari laman resmi yaitu
NIR= radiasi inframerah dekat dari piksel. www.earthexplorer.usgs.gov. Data citra
Red= radiasi cahaya merah dari piksel yang digunakan adalah citra Landsat 8 C1
Level-1 yang diambil pada 17 September
Maximum Likelihood Estimation
2019 dengan path 128 dan row 59.
merupakan Teknik yang digunakan untuk
Pengolahan citra Kabupaten Tapanuli
mencari dan menemukan titik-titk tertentu
Selatan ini menggunakan 2 citra karena
yang berguna untuk memaksimalkan
wilayahnya yang memanjang di pesisir
sebuah fungsi, Teknik ini sangat luas untuk
Sumatera Utara. Citra lainnya diambil pada
dipakai dalam penaksiran suatu parameter
26 Maret 2019 dengan path 129 dan row 59.
distribusi data dan tetap dominan untuk
Untuk pengolahan data-data tersebut
dipakai dalam pengembangan uji-uji baru
dibutuhkan aplikasi ENVI, ArcMap,
(Lehmann,1986). Dan nilai Kappa adalah
Google Earth Pro, dan data citra Kabupaten
ukuran reabilitas yang menyatakan
Tapanuli Selatan.
konsistensi dari pengukuran yang
dilakukan dua orang penilai atau
2.2 Metode
konsistensi antar dua metode pengukuran
Tahapan yang dilakukan diawali
serta koefisien Cohen’s kappa hanya
dengan Layer stacking atau Komposit,
diterapkan pada hasil pengukuran data
karena citra yang digunakan ada 2 maka
kualitatif (Kategorik).
setelah layer stacking dilakukan mosaic
untu menyatukan kedua citra tersebut,
kemudian membuat data ROI (sho) pada
 wilayah kabupaten Tapanuli Selatan dan Tahap ketiga adalah dengan memotong
subset data from ROIs, dan kemudian citra (Subset) sesuai dengan batas kabupaten
dilakukan metode NDVI damn Maximum yang sudah diperoleh dari data ROI. Fungsinya
Likelihood Classifications. Tahap-tahap adalah untuk mempermudah pengolahan data
tersebut dilakukan dalam aplikasi ENVI. karena lebih terfokus pada wilayah yang akan
Dan terakhir adalah dengan melakukan uji dianalisis.
akurasi.
Tahapan pertama yang dilakukan
dalam mengolah citra adalah Layer
Stacking yaitu menggabungkan band-band
yang ada pada citra (band1-7) yang sudah
diunduh di laman resmi. Kemudian citra
tersebut di mosaic agar dapat diolah
datanya.

Gambar 3 (Hasil Subset)

Tahap keempat adalah mendijit dengan ROI.

Gambar 1 (Hasil dari Layer Stacking dan
Mosaic)
Tahap kedua yaitu mengambil data
ROI dalam bentuk shp untuk mendapatkan
batas wilayah kabupaten Tapanuli Tengah yang
dapat diunduh pada situs resmi.
Dijit dilakukan sesuai dengan kelas-kelas yang
akan diklasifikasi. Kelas-kelas dijit yang
digunakan pada jurnal ini adalah Vegetasi,
Lahan Terbangun, Awan, dan BAgian Hitam.
Untuk memudahkan dalam dijitasi maka
kombinasi RGB yang digunakan adalah 5,4,3
yaitu False Colour.

Gambar 4 (Pendijitan ROI dengan Kombinasi

Band 543)
Gambar 2 (Data ROI bagian Wilayah Kabupaten
Tapanuli Tengah)
Tahap Kelima adalah melakukan Selanjutnya data diolah dengan menggunakan
klasifikasicitra dengan metode Maximum tool Layer to KML untuk menyimpan file titik
Likelihood Classifications. Cara kerja metode sampel kedalam format (.kmz) supaya dapat
ini adalah dengan membaca nilai Digital dibaca di aplikasi Google Earth Pro untuk dapat
Number dari hasil dijit ROI dan dilakukan Uji Akurasi.
mengklasifikasikan wilayah kedalam kelas-
kelas berdasarkan nilai DN yang sama.

Gambar 7 (Uji Akurasi Titik Sampel)

Titik sampel yang sudah tersebar secara acak

kemudian dilakukan koreksi apakah titik
tersebut sudah sesuai dan akurat atau tidak.
Gambar 5 (Hasil Klasifikasi Citra)

Tahap keenam adalah menguji akurasi dari citra Titik Referensi di Google Earth
Hasil
Veget Lahan Tot User’s
tersebut dengan menyimpan hasil klasifikasi Klasifik
asi Terban al Accura
asi
citra dalam bentuk TIFF kemudian diinput gun cy
Vegetas 49 1 50 98%
kedalam Arcmap untuk membuat titik sampel i
acak terlebih dahulu. Lahan 30 20 50 40%
Terbang
un
Total 79 21 100
Produce 62% 95%
r’s
Accurac
y
Tabel 1 (Table Confusion Matrix)

Uji akurasi titik-titik sampel dilakukan dengan

menggunakann metode Table Confusion
Matrix untuk mengetahui keakuratan dari
klasifikasi tutupan lahan yang telah dilakukan.
Gambar 6 (Hasil dari menggunakan tool Random Dengan metode Table Confusion Matrix, dapat
Point)
diketahui nilai Kappa sebagai parameter
keakuratan atau uji reliabilitas dari hasil
klasifikasi tutupan lahan di Kabupaten Tapanuli Terdapat tingkatan dari hasil perhitungan nilai
Tengah. User’s Accuracy merupakan Indeks Kappa :
merupakan akurasi yang dilihat dari sisi
pengguna petanya dan Producer’s Accuracy
merupakan akurasi yang dilihat dari sisi
penghasil peta. Pada table perhitungan terdapat
istilah omisi kesalahan yaitu kesalahan yang
terjadi karena adanya penghilangan fitur.

Dilakukan juga perhitungan Overall Accuracy

dengan rumus:
Tabel 4 (Tingkatan Keeratan Kesepakatan)
Total piksel yang benar
HASIL DAN PEMBAHASAN
Total keseluruhan piksel
3.1 Hasil
Dan untuk perhitungan indeks Kappa:
Hasil yang diperoleh dari pengolahan citra
Landsat8 Kabupaten Tapanuli Tengah adalah
tutupan lahan yang mendominasi kabupaten

Keterangan : N = Total piksel. tersebut merupakan vegetasi. Hal tersebut

dipengaruhi oleh topografi dari kabupaten
D = Total piksel yang benar (Yang berada di jalur
miring). tersebut yang banyak di dominasi oleh
Q = Perkalian antara masing-masing total piksel pegunungan sehinnga jarang ditemukan
per kelas di User’s Accuracy dan Producer’s
pemukiman. Setelah melakukan proses
Accuracy.
pengolahan hingga tahap akhir, yaitu
Producer’s User’s Accuracy
Hasil Accuracy perhitungan nilai kappa saat uji akurasi, nilai
Klasifik Akur Omisi Akur Omisi
Kappa didapatkan sebesar 0,862 yang termasuk
asi asi Kesala asi Kesala
han han kedalam tingkatan Kuat (good).
Vegeta 62% 38% 98% 2%
si 3.2 Pembahasan
Lahan 95% 5% 40% 60%
Terban Data yang digunakan dalam junal ini adalah
gun
Tabel 2 ((Hasil dari Perhitungan Producer’s data Level 1 sehingga tidak perlu dilakukan
Accuracy dan User’s Accuracy dari 3 klasifikasi koreksi geometrik. Data tersebut masih bersifat
dalam Akurasi dan Omisi Kesalahannya)
mentah sehingga perlu dilakukan pengolahan
Jumlah Overall Indeks
Klasifikasi Accuracy Kappa untuk kemudian dapat dilakukan Analisa
3 86% 0.862 terhada citra tersebut. Citra yang digunakan
Tabel 3 (Hasil dari Perhitungan Overall Accuracy
sebanyak 2 citra untuk Kabupaten Tapanuli
dan Indeks Kappa dengan Algoritma Maximum
Likelihood Classification) tengah. Proses pertama yang dilakukan adalah
Layer Stacking untuk menggabungkan band 1-
7 data citra yang masih mendah dan kemudian • Ari. 2019. Pengindraan Jauh :
kedua citra tersebut di mosaic atau digabungkan Pengertian, Fungsi, dan Proses.
supaya dapat diolah. Kemudian dilakukan tahap https://ilmugeografi.com/geologi/pen
Subset atau pemotongan citra sesuai dengan gindraan-jauh, diakses pada Kamis, 26
batas kabupaten. Selanjutnya dilakukan tahap Desember 2019
klasifikasi atau dijit. Setelah dilakukan • Wang, J., Rich, P. M., Price, K. P., &
klasifikasi, data tersebut diuji akurasinya Kettle, W. D. 2004. Relations between
dengan memeriksa titi sampel pada Google NDVI and tree productivity in the
Earth Pro. Titik-titik sampel tersebut dilihat dan central Great Plains. International
dicatat kebenarannya pada sebuah tabel yaitu Journal of Remote Sensing. 25(16):
Confusion Matrix. Kemudian dihitung akurasi 3127-3138.
dari pengolah dalam melakukan klasifikasi. • Kondisi Geografis Kabupaten Tapanuli
Tengah.
KESIMPULAN
http://www.tapteng.go.id/deskripsi.ht
Pengolahan data citra Landsat8 ml?id=Kondisi_Geografi Diakses pada
merupakan cara efektif untuk memperoleh Jumat, 27 Desember 2019.
informasi tutupan lahan di suatu wilayah dari
• Iqbal, Muhammad. 2017. Maximum
jarak jauh. Tutupan lahan pada Kabupaten
Likelihood Estimation.
Tapanuli Tengah didominasi oleh vegetasi
https://miqbal.staff.telkomuniversity.a
dibandingkan dengan lahan terbangunnya.
c.i d/maximum-likelihood-estimation/ ,
Proses klasifikasi citra adalah proses
diakses pada sabtu, 28 Desember 2019.
pengelompokan piksel kedalam beberapa kelas
sesuai dengan nilai Digital Number (DN).
Klasifikasi citra bertujuan untuk melakukan
kategorisasi secara manual ataupun digital
dengan metode Maximum Likelihood
Classification dan NDVI dari semua piksel citra
kedalam kelas penggunaan lahan dan tutupan
lahan. Pada tahap akhir proses ini akan
diperoleh nilai Kappa sehingga dapat diketahui
akurasi dari proses pengolahan citra tersebut.

REFERENSI

• Putut, Iqbal., Hernina, Revi. 2019.

Bahan materi dan Powerpoint
Penginderaan Jauh.
https://scele.ui.ac.id/course/view.php