PERBANDINGAN TINGKAT KERAPATAN VEGETASI MENGGUNAKAN ALGORITMA NDVI DAN EVI PADA CITRA LANDSAT-7 TAHUN 2015 DAN 2020 (STUDI KASUS: PULAU RUPAT, KABUPATEN BENGKALIS, PROVINSI RIAU)

DESY NURFITRIANI, Wahyu Marta M., S.T., M.Eng.

2020 | Tugas Akhir | D3 TEKNIK GEOMATIKA

Hutan merupakan sumber daya yang penting bagi kehidupan manusia. Akan tetapi, hampir setiap tahun kawasan hutan di wilayah Indonesia mengalami deforestasi. Dengan angka deforestasi yang cukup tinggi, perlu dilakukan pemantauan secara berkala pada wilayah yang masih memiki banyak hutan dan rawan terjadi pembalakan liar. Pulau Rupat merupakan salah satu wilayah yang memenuhi kriteria tersebut. Salah satu upaya pemantauan yang dapat dilakukan yaitu dengan memanfaatkan teknologi pengindraan jauh. Dalam penelitian ini, untuk melakukan pemantauan vegetasi, digunakan indeks vegetasi NDVI dan EVI yang diekstraksi dari nilai reflektan citra Landsat-7. Pemantauan dapat dilakukan dengan mengklasifikasikan nilai NDVI dan EVI menjadi kelas-kelas kerapatan vegetasi guna mempermudah proses analisis. Dalam penelitian ini, proses analisis meliputi perhitungan luas tiap kelas kerapatan vegetasi, uji akurasi hasil klasifikasi, serta analisis statistik berupa korelasi dan regresi linier. Luas tiap kelas pada NDVI dan EVI dibandingkan untuk mengetahui perbedaannya, uji akurasi dilakukan untuk mengetahui akurasi klasifikasi NDVI dan EVI, sedangkan analisis korelasi dan regresi linier dilakukan untuk mengetahui hubungan antara NDVI dan EVI. Hasil analisis menggunakan NDVI maupun EVI menunjukkan bahwa terjadi perubahan yang cukup signifikan antara kerapatan vegetasi tahun 2015 dan 2020 di Pulau Rupat. Pada kelas kerapatan lebat, terjadi penurunan luas sebesar 5519,97 ha pada pengolahan menggunakan NDVI dan 7158,42 ha pada pengolahan menggunakan EVI. Sementara itu, hasil uji akurasi klasifikasi NDVI dan EVI menunjukkan bahwa EVI lebih akurat dalam mengidentifikasi tingkat kerapatan vegetasi di Pulau Rupat. Overall accuracy klasifikasi NDVI pada tahun 2015 dan 2020 yaitu sebesar 90,8333 % dan 89,1667 %, sedangkan pada EVI yaitu sebesar 93,3333 % dan 91,6667 %. Diketahui pula bahwa kedua algoritma NDVI dan EVI memiliki hubungan kuat yang ditunjukkan dengan nilai korelasi sebesar 0,949 pada tahun 2015 serta 0,9655 pada tahun 2020.

Forests are an important resource for human life. However, almost every year the forest area in Indonesia is experiencing deforestation. With a high rate of deforestation, regular monitoring needs to be done in areas that still have a lot of forest and are prone to illegal logging. Rupat Island is one area that meets these criteria. One monitoring effort that can be done is by utilizing remote sensing technology. In this research, to monitor vegetation, the vegetation index NDVI and EVI was used which was extracted from the reflectance value of Landsat-7 images. Monitoring can be done by classifying NDVI and EVI values into vegetation density classes to simplify the analysis process. In this research, the analysis process includes the area calculation for each vegetation density class, accuracy assessment of the classification results, and statistical analysis of correlation and linear regression. The area of each class on NDVI and EVI was compared to find out the difference, an accuracy assessment was performed to determine the accuracy of NDVI and EVI classification, while correlation analysis and linear regression were performed to determine the relationship between NDVI and EVI. The results of the analysis using NDVI and EVI shows that there was a significant change between the vegetation density in 2015 and 2020 on Rupat Island. In the heavy density class, there was a decrease in area of 5519.97 ha in processing using NDVI and 7158.42 ha in processing using EVI. Meanwhile, the results of the NDVI and EVI classification accuracy tests show that EVI is more accurate in identifying the level of vegetation density on Rupat Island. The overall classification accuracy of NDVI in 2015 and 2020 was 90.8333% and 89.1667%, while in EVI it was 93.3333% and 91.6667%. It is also known that the two NDVI and EVI algorithms have a strong relationship which is indicated by a correlation value of 0.949 in 2015 and 0.9655 in 2020.

Kata Kunci : tingkat kerapatan vegetasi, NDVI, EVI, citra Landsat-7