Ndbi PDF [PDF]

Citation preview

Praktikum Pengindraan Jauh Terapan DETEKSI KAWASAN TERBANGUN/ NDBI (NORMALIZED DIFFERENCE BUILT-UP INDEX) Brilliant Izzul Auliya | 17/416836/SV/14574 | 21/10/2019



Judul DETEKSI KAWASAN TERBANGUN/ NDBI (Normalized Difference Built-Up Index)



Tujuan Praktikum ini bertujuan untuk : 1. Mahasiswa mengetahui cara perhitungan untuk analisis NDBI. 2. Mahasiswa memahami konsep serta cara melakukan pengolahan change detection dengan citra yang memiliki resolusi temporal berbeda.



Alat dan Bahan ALAT 1. Seperangkat komputer 2. Software ENVI Standard



BAHAN 1. Citra Landsat Palu tanggal 23 September 2018 2. Citra Landsat Palu tanggal 2 Oktober 2018 3. Modul Praktikum PJ Terapan Minggu 9



PAGE 1



Langkah Kerja



PAGE 2



Hasil dan Pembahasan Hasil yang diperoleh dalam praktikum ini adalah sebagai berikut. 1. Hasil Cek Statistik Citra Sebelum Pengolahan a) Citra Sebelum Bencana (23/09/2018)



b) Citra Setelah Bencana (02/10/2018)



PAGE 3



2. Hasil NDBI Hasil NDBI Citra Sebelum Bencana Sebelum pewarnaan :



Hasil NDBI Citra Setelah Bencana Sebelum pewarnaan :



Setelah pewarnaan :



Setelah pewarnaan :



Hasil Nilai Maksimum dan Minimum Tanggal 23/09/18 02/10/18



NDBI min -0,804315 -0,792606



NDBI max 0,339610 0,327652



PAGE 4



3. Hasil Komposit Band 6,5,2 Hasil Komposit Citra Sebelum Bencana



4. Hasil Pembuatan ROI a) Citra Sebelum Bencana ROI Pemukiman



ROI Vegetasi



b) Citra Setelah Bencana ROI Pemukiman



Hasil Komposit Citra Setelah Bencana



ROI Lahan Terbuka



ROI Laut



ROI Lahan Terbuka



PAGE 5



ROI Vegetasi



5. Hasil Klasifikasi Supervised Citra Sebelum Bencana



ROI Laut



Citra Setelah Bencana



PAGE 6



Gambar pada tabel diatas sekaligus menampilkan nilai ROI Separibility dari masing-masing ROI. Dapat dilihat bahwa nilai ROI Separibility berkisar antara 1,9 sampai dengan 2. Nilai tersebut menunjukkan bahwa keterpisahan antar kelas objek ROI yan digunakan sudah bagus. Nilai ROI Separibility tertinggi adalah 2, semakin nilai ROI Sparibility mendekati angka 2 maka kualitas dalam pemilihan objek ROI dapat dikatakan sudah bagus. 6. Hasil Change Detection a) Pixel Count



b) Percentage (%)



Melalui hasil change detection diatas, kita dapat mengetahui perbedaan terhadap objek pada citra yang diakibatkan oleh bencana alam gempa dan tsunami pada area tersebut. Objek yang mengalami perubahan paling besar adalah objek pemukiman. Dari hasil change detection diatas diperoleh bahwa perubahan objek pemukiman menjadi lahan terbuka adalah 34,232% dan perubahan pemukiman menjadi vegetasi adalah 12,093%. 7. Menjawab Soal a) Berdasarkan konsep yang sudah dijelaskan pada pertemuan materi NDVI, jelaskan mengapa nilai NDBI adalah -1 s/d 1! Jawaban : nilai NDBI adalah -1 s/d 1. Nilai tersebut menunjukkan rentang pantulan spektral dari objek citra yang melibatkan saluran SWIR1 dan NIR. Nilai NDBI diperoleh menggunakan rumus : PAGE 7



NDBI = (𝑆𝑊𝐼𝑅 – 𝑁𝐼𝑅)/(𝑆𝑊𝐼𝑅 + 𝑁IR) Nilai NDBI adalah 1 dengan asumsi bahwa pada citra tersebut didominasi oleh lahan terbangun. Nilai 1 tersebut diperoleh apabila kanal SWIR memantulkan gelombangnya secara keseluruhan (100%) dan tidak ada gelombang yang dipancarkan oleh kanal NIR (0%). Nilai NDBI adalah -1 dengan asumsi bahwa pada citra tersebut didominasi oleh lahan tidak terbangun (objek selain lahan terbangun seperti vegetasi, perairan, lahan terbuka, dll). Nilai -1 tersebut diperoleh apabila kanal SWIR tidak memantulkan gelombangnya sama sekali (0%) dan kanal NIR memantulkan gelombangnya secara keseluruhan (100%). b) Jelaskan mengapa komposit band 6,5,2 digunakan pada kasus bencana di Palu? Jawaban : ketiga band tersebut dipilih karena kombinasi antara ketiga band tersebut dapat menampilkan visual citra untuk keperluan ekstraksi lahan terbangun yang terbaik. Band 6 (SWIR) cocok digunakan untuk mengidentifikasi objek bangunan, band 5 (NIR) cocok digunakan untuk mengidentifikasi objek vegetasi, dan band 2 (Blue) cocok digunakan untuk mengidentifikasi objek perairan.



Kesimpulan Berdasarkan praktikum “DETEKSI KAWASAN TERBANGUN/ NDBI (Normalized Difference Built-Up Index)” dapat disimpulkan sebegai berikut : Change Detection digunakan untuk melihat perubahan dari objek-objek pada citra dengan resolusi temporal yang berbeda. Komposit band 652 merupakan kombinasi band yang sangat cocok digunakan untuk deteksi perubahan lahan setelah bencana gempa dan tsunami. Kombinasi tersebut dapat menampilkan dengan cukup jelas perubahan dari objek-objek pada citra seperti objek vegetasi, perairan, lahan terbuka, dan pemukiman (bangunan).



PAGE 8