ANALISIS PERBANDINGAN BERBAGAI MODEL TRANSFORMASI INDEKS VEGETASI DALAM PREDIKSI KERAPATAN KANOPI JATI (TECTONA GRANDIS L.F.) DI SEBAGIAN HUTAN WANAGAMA

AGUNG ANDHIKA PRANA, Dr. Sigit Heru Murti B.S., M.Si. ; Iswari Nur Hidayati, S.Si., M.Sc.

2014 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Perkembangan teknologi akan menyebabkan berkembangnya ilmu dalam pengolahan data penginderaan jauh, tidak terkecuali metode dalam ekstraksi informasi vegetasi. Analisis model transformasi indeks vegetasi sangat berguna untuk berbagai hal, diantaranya dalam penentuan prediksi kerapatan kanopi vegetasi, ataupun turunannya seperti penentuan jumlah tegakan vegetasi, biomassa dan konsentrasi klorofil. Banyak ditemukannya berbagai macam algoritma dalam menentukan indeks vegetasi tentunya bertujuan untuk pemecahan masalah tertentu. Ketepatan pemilihan metode yang bertujuan mendapatkan informasi vegetasi perlu diketahui agar hasil yang dicapai dapat maksimal. Penerapan indeks vegetasi yang dapat dilakukan adalah estimasi kerapatan jenis vegetasi tertentu, salah satunya Jati (Tectona Grandis Lf). Penelitian ini bertujuan untuk membandingkan beberapa indeks vegetasi dalam mendapatkan data kerapatan kanopi jati. Selain itu, penelitian ini mencari indeks vegetasi yang terbaik atau paling efektif dalam melakukan prediksi kerapatan. Indeks vegetasi dipilih antara lain NDVI, SAVI, MSAVI dan ATSAVI. Metodologis agar didapatkannya indeks vegetasi yang paling baik dinilai dengan 2 langkah utama yakni dengan melakukan analisis regresi atau analisis hubungan antara variabel pendukung, yakni nilai indeks vegetasi itu sendiri dengan nilai kerapatan tajuk sebenarnya di lapangan. Selanjutnya, yaitu dilakukannya suatu uji akurasi dari kebenaran yang direpresentasikan oleh suatu indeks vegetasi. Langkah ini berguna untuk menvalidasi suatu indeks vegetasi yang memiliki hubungan yang cukup kuat dengan nilai kerapatan sebenarnya, dimana nilai indeks vegetasi tersebut dapat dipertanggungjawabkan kebenarannya. Dari ke-empat indeks vegetasi yang diteliti, ATSAVI memiliki korelasi dengan kerapatan kanopi jati yang paling baik yakni dengan nilai r (koefisien korelasi) = 0,823. Hasil dari uji akurasi mencapai tingkat keakuratan sebesar 88,9 % .

Technological developments will lead to the development of science in the processing of remote sensing data, is no exception in the method of extraction of vegetation information. Vegetation indices is very useful for many things, including the determination of vegetation canopy density prediction, or derivatives such as determining the number of stands of vegetation, biomass and chlorophyll concentration. Many of the discovery of a wide variety of algorithms to determine the vegetation index is certainly aimed at solving a particular problem. The accuracy of the selection methods that aim to get the information of vegetation needs to be known in order to be able to achieve maximum results. Application of vegetation index to do is estimate the density of vegetation types, one of which is Teak (Tectona grandis Lf). This study aimed to compare the data of vegetation index in getting the teak’s canopy density. In addition, this study vegetation index seek the best or most effective in the prediction density. Selected vegetation indices such as NDVI, SAVI, MSAVI and ATSAVI. Methodologycal of vegetation indices acquired best assessed with 2 main steps namely by performing a regression analysis or analysis of the relationship between variables supporters, namely the value of the index itself vegetation canopy density with the actual value in the field. Furthermore, the accuracy did a test of truth is represented by an index of vegetation. This step is useful to validate a vegetation index that has a strong enough relationship with the actual density value, where the value of the vegetation index can be accounted for righteousness. Of the four vegetation indices studied, ATSAVI correlated with the density of the canopy is best with r (correlation coefficient) values of 0,823. The results of the test accuracy, ATSAVI had a value up to 88.9%.

Kata Kunci : Indeks Vegetasi, NDVI-SAVI-MSAVI-ATSAVI, Tectona Grandis Lf, Regresi dan Korelasi/ Vegetation Indices, NDVI-SAVI-MSAVI-ATSAVI, Tectona Grandis Lf, Regression dan Correlation Analysis