Prosiding SEMINAR NASIONAL SAINSTEK 2017 ISSN: TIM PROSIDING

(1)

(2)

Prosiding SEMINAR NASIONAL SAINSTEK 2017 ISSN: 2541-0636

Denpasar, Bali – 21 Oktober 2017 | i

TIM PROSIDING

Penanggung Jawab: Drs. Ida Bagus Made Suaskara, M.Si. Pengarah:

Drs. I Made Satriya Wibawa, M.Si. Anak Agung Bawa Putra, S.Si., M.Si. Drs. I Wayan Santiyasa, M.Si.

Editorial Team Chief-in-Editor

Dr. Dra. Wiwik Susanah Rita, M.Si. Associate Editor

Desak Putu Eka Nilakusmawati, S.Si., M.Si. Editorial Board:

Prof. Dr. Marjono, M.Phil. (UB)

Junaidi Khotib, S.Si, Apt, M.Kes, Ph.D (UNAIR) Dr. I Ketut Gede Suhartana, S.Kom., M.Kom. (UNUD) Dr. Dra. Ni Wayan Bogoriani, M.Si. (UNUD)

Dr. Drs. I Made Oka Adi Parwata, M.Si. (UNUD) Made Susilawati, S.Si., M.Si. (UNUD)

Ir. I Komang Dharmawan, M.Math., Ph.D. (UNUD) Dr. Ir. G.K. Gandhiadi, M.T. (UNUD)

Dr. rer.nat. Drs. I Made Agus Gelgel Wirasuta, Apt., M.Si. (UNUD) Dr. Sagung Chandra Yowani, S.Si., Apt., M.Si. (UNUD)

Dr. Dra. Putu Adriani Astiti, M.Si. (UNUD)

Dr. Dra. Meitini Wahyuni Proborini, M.Sc.St. (UNUD) Dr. Drs. Anak Agung Ngurah Gunawan, M.Si. (UNUD) Dr. Ir. Herry Suyanto, M.T. (UNUD)

Dra. Luh Gede Astuti, M.Kom. (UNUD)

I Dewa Made Bayu Atmaja Darmawan, S.Kom., M.Cs. (UNUD) Kartika Sari, S.Si., M.Sc. (UNUD)

Sekretariat:

Dr. I Nengah Wirajana, S.Si., M.Si. Dr. I Ketut Ginantra, S.Pd., M.Si. I Gusti Ayu Made Srinadi, S.Si., M.Si.

Gusti Ayu Vida Mastrika Giri, S.Kom., M.Cs. Ni Made Pitri Susanti, S.Farm., M.Farm., Apt. I Gusti Agung Adnyana Putra, S.Si., M.Si.

(3)

ii | Denpasar, Bali – 21 Oktober 2017 Desain Grafis:

I Komang Ari Mogi, S.Kom., M.Si. I Gede Artha Wibawa, S.T., M.Kom.

I Gede Oka Gartria Atitama, S.Kom., M.Kom. Agus Muliantara, S.Kom., M.Kom.

(4)

Denpasar, Bali – 21 Oktober 2017 | iii

KATA PENGANTAR

Pertama-tama, kita panjatkan puja dan puji syukur kehadirat Ida Sanghyang Widhi Wasa/Tuhan Yang Maha Esa, karena atas berkat-Nyalah maka Prosiding Seminar Nasional Sains dan Teknologi (SainTech) yang kedua (II) dapat selesai sesuai dengan harapan. Seminar Nasional Sains dan Teknologi ini mengambil tema “Penguatan Riset Perguruan Tinggi untuk Pengembangan Sains dan Teknologi yang Berkelanjutan” yang diselenggarakan oleh Fakultas MIPA Universitas Udayana pada tanggal 21 Oktober 2017, bertempat di Universitas Udayana Kampus Jl. PB. Sudirman Denpasar, Bali.

Saat ini, kesadaran akan pentingnya publikasi untuk pengembangan ilmu melalui berbagai penelitian khususnya bidang sains dan teknologi masih dipandang rendah. Sebagai pendidik, salah satu tugas pokok dan fungsi adalah melakukan penelitian yang kemudian dipublikasikan untuk dapat disebarkan kepada masyarakat luas. Sebagai mahasiswa salah satu syarat untuk dapat merah gelar S1 wajib mempunyai publikasi ilmiah. Oleh karena itu Fakultas MIPA melaksanakan kegiatan dalam bentuk seminar nasional Sains dan Teknologi ini .

Adapun tujuan dari kegiatan ini yaitu: meningkatkan pengetahuan dan pemahaman tentang keilmuan sains dan teknologi; meningkatkan kepedulian tentang pentingnya publikasi dari hasil penelitian Hibah Unggulan Program Studi (HUPS) dan Dosen Muda; memberikan wahana dalam publikasi ilmiah bagi peneliti, dosen, dan mahasiswa; dan sebagai sarana untuk lebih mempererat civitas akademika dan masyarakat lain.

Peserta kegiatan seminar nasional ini dihadiri oleh dosen, mahasiswa, dan peneliti lain yang berjumlah 95 pemakalah pendamping dan 200 peserta dan tamu undangan. Invited speaker dalam seminar ini mengundang Prof. Dr. Marjono, M.Phil. (Universitas Brawijaya) dan Junaidi Khotib, S.Si, Apt, M.Kes, Ph.D (Universitas Airlangga). Atas nama panitia, kami mengucapkan terimakasih yang sebesar-besarnya atas kesediaan beliau semua hadir dalam acara ini.

Kami dari pihak panitia mengucapkan terima kasih kepada semua peserta dan pemakalah yang telah mengirimkan makalahnya untuk diterbitkan pada prosiding seminar nasional ini. Terima kasih pula kepada Rektor Universitas Udayana, pihak Fakultas MIPA Universitas Udayana, pihak sponsor dan panitia baik dari staf dosen, staf pegawai, panitia mahasiswa, serta semua pihak yang turut memberikan kontribusi atas suksesnya pelaksanaan kegiatan ini.

Ketua Panitia

(5)

iv | Denpasar, Bali – 21 Oktober 2017

DAFTAR ISI

Halaman TIM PROSIDING... ... i KATA PENGANTAR... ... ii DAFTAR ISI ... ... iii DAFTAR ARTIKEL

ANALISIS KESTABILAN PADA MODEL PENYEBARAN PENYAKIT DEMAM DENGUE DENGAN MASA INKUBASI VIRUS DAN LAJU INSIDENSI NONLINEAR

I Putu W Gautama, Widodo, I Putu Eka N Kencana... 1-14 KAUSALITAS ANTARA MOTIVASI, PERSEPSI, DAN TINGKAT KEPUASAN

WISATAWAN MANCANEGARA

Eka N. Kencana, Ketut Jayanegara, Trisna Darmayanti.. ... 15-24 PENERAPAN ANALISIS BIPLOT DALAM PERCOBAAN LOKASI GANDA

(MULTI ENVIRONMENT TRIAL)

Brian Yonathan Suryantho, I Komang Gde Sukarsa, I Gusti Ayu Made Srinadi.. ... 25-31 PENDUGAAN DATA HILANG PADA RANCANGAN BUJUR SANGKAR LATIN

DENGAN ANALISIS KOVARIAN

Farida Ayu Rahmawati, Made Susilawati, Kartika Sari.. ... 32-37 ANALISIS PELAYANAN TELLER BRI CANGGU MENGGUNAKAN

TEORI ANTERAN

Made Citra Puspita Dewi, I Wayan Sumarjaya, Tjokorda Bagus Oka.. ... 38-42 PEMODELAN KASUS GIZI BURUK DI PROVINSI BALI

DENGAN REGRESI BINOMIAL NEGATIF

Diah Arini, I Gusti Ayu Made Srinadi, I Wayan Sumarjaya.. ... 43-48 REGRESI POISSON DALAM MEMODELKAN JUMLAH PENDERITA

KUSTA DI PROVINSI BALI

Kharisma Innaka Arfidina, Made Susilawati, I Gusti Ayu Made Srinadi.. ... 49-54 PENERAPAN MODEL REGRESI PROBIT UNTUK MENDUGA FAKTOR-

FAKTOR YANG MEMENGARUHI PENGELOMPOKAN UKT

Mitta Gargita, Made Susilawati, I.G.A. Made Srinadi .. ... 55-60 PEMODELAN PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE (DBD)

DENGAN PENDEKATAN REGRESI LINEAR BERGANDA

(6)

vi | Denpasar, Bali – 21 Oktober 2017 RANCANG BANGUN CASE BASE SISTEM REKOMENDASI MUSIK

BERDASARKAN DATA KONTEKS DAN EEG

Gst. Ayu Vida Mastrika Giri, A.A. Istri Ngurah Eka Karyawati . ... 131-136 PENGARUH ALGORITMA DIJKSTRA DALAM MENGURANGI BEBAN

KERJA PENGEMUDI OJEK DENGAN METODE ANALISA KUALITATIF

Isa Rizkie Cahyo, I Ketut Gede Suhartana ... 137-143 ANALISIS IMPLEMENTASI KOMPUTASI PARALEL PADA KRIPTOGRAFI

ASIMETRIS DENGAN MENGGUNAKAN ALGORITMA RSA

Putu Adi Prasetya, I Gede Arta Wibawa . ... 144-152 KONSERVASI JALAK BALI (Leucopsar rothschildi)

Sudaryanto, Meitini Wahyuni Proborini . ... 153-162 JENIS-JENIS KUPU-KUPU YANG DITEMUKAN DI KAWASAN

PARIWISATA UBUD, BALI

Anak Agung Gde Raka Dalem, Martin Joni .. ... 163-177 IDENTIFIKASI INTRUSI AIR LAUT PADA AKUIFER DEKAT PANTAI DENGAN

METODE GEOLISTRIK (STUDI KASUS DI CANDIDASA KARANGASEM BALI)

I Nengah Simpen, I Wayan Redana, Ni Nyoman Pujianiki.. ... 178-184 KLASIFIKASI KETERBELITAN MULTIPARTIT MENGGUNAKAN NILAI

TUNGGAL TENSOR INTI MATRIK UNFOLDING DALAM SISTEM TELEPORTASI KUANTUM

I N. Artawan, N.L.P. Trisnawati.. ... 185-192 IMPLEMENTASI PIEZOELEKTRIK SEBAGAI SENSOR PADA

KARAKTERISASI MATERIAL BARIUM TITANAT DENGAN SUBSTITUSI CALSIUM (Ba1- xCaxTiO3)

Windaryoto, Poniman, S. .. ... 193-197 DETEKSI OTOMATIS HISTOPATOLOGI TYPE INVASIVE DUKTAL

CARCINOMA (IDC) DAN INVASIVE LOBULER CARCINOMA (ILC) PADA MAMMOGRAM

A.A.N. Gunawan, I.W. Supardi, S. Poniman.. ... 198-205 RESIDU RADIOAKTIF DAN VITAMIN BUAH TOMAT PASCA RADIASI

GAMMA Co-60

Ida Bagus Made Suryatika, Gusti Agung Ayu Ratnawati, Gusti Ngurah Sutapa.. ... 206-213 EFEK RADIOTERAPI COBALT-60 TERHADAP PROFIL HEMATOLOGI

PADA PENDERITA KANKER SERVIKS DI RSUP SANGLAH

Ni Nyoman Ratini, I Made Yuliara.. ... 214-221 UJI MODEL INDEKS VEGETASI PADA SPEKTRUM TAMPAK DAN

INFRAMERAH CITRA LANDSAT UNTUK ANALISIS VEGETASI CENGKEH Yuliara, A. Kasmawan.. ... 222-228

(7)

Prosiding SEMINAR NASIONAL SAINSTEK 2017, pp. 222-228 ISSN: 2541-0636

222

UJI MODEL INDEKS VEGETASI PADA SPEKTRUM TAMPAK

DAN INFRAMERAH CITRA LANDSAT UNTUK ANALISIS

VEGETASI CENGKEH

Yuliara1 dan A. Kasmawan2

1

Jurusan Fisika FMIPA Unud Email: imdyuliara@unud.ac.id

2

Jurusan Fisika FMPA Unud Email: igdkhas@unud.ac.id

ABSTRACT

This study aims to test and determine an appropriate vegetation index model on the visible and infrared spectrum of Landsat 8 for analysis of area and clove vegetation density in Buleleng regency, Bali. Indication of clove vegetation on vegetation index model image is determined by coordinate of clove vegetation samples in the field. Overall accuracy Landsat 8 87.81%. Of the 4 vegetation index models tested (NDVI, RVI, IPVI, and SAVI), the RVI model is 7669.44 Ha which is the closest value to the data of the Forestry and Estate Crops Office of Buleleng Regency of Bali in 2014, which is 7622.32 Ha. Both data have a ratio of 99.4%. The dominant density category is medium density, with an average area of 4151.59 Ha. From a statistical perspective, the RVI model yields R2 = 99.77% and Fcount = 1549.03 > Ftable = 4.74. This shows that 99.77% of the visible spectrum (band4) and infrared (NIR, band5) can explain the RVI model, the band4 and band5 variables simultaneously affect a significant level of 5%. Thus, the most suitable vegetation index model for the analysis of clove vegetation in Buleleng Regency, Bali is the RVI model.

Keywords: test on vegetation index model, visible and infrared spectrum, clove vegetation

1. PENDAHULUAN

Data lapangan tahun 2014 selama 4 triwulan dari Dinas Kehutanan dan Perkebunan (DKP), Kabupaten Buleleng, Bali, menunjukkan bahwa, luas rata-rata areal vegetasi cengkeh di Kabupaten Buleleng, Bali adalah 7622,32 Ha [3]. Penyediaan data ini dilakukan dengan metode penilaian secara konvensional yang memiliki keterbatasan, tidak komprehensif, tidak real time, kurang akurat dan memerlukan waktu cukup lama, sehingga kurang cepat dalam mengambil keputusan. Salah satu aplikasi citra penginderaan jauh adalah monitoring sumber daya alam [5], [6], [7], dan [9]. Citra penginderaan jauh mampu mendeteksi perubahan pola vegetasi hijau yang merupakan kunci penilaian kuantitatif untuk monitoring dan pengelolaan sumber daya alam/ lingkungan melalui indeks vegetasi yang diekstrak dari data citra [7].

(8)

Yuliara, A. Kasmawan Uji Model Indeks Vegetasi Pada Spektrum Tampak dan Inframerah…

223

Model indeks vegetasi dirancang untuk memberikan penilaian kuantitatif dan merupakan pengukuran optis tingkat kehijauan (greenness) kanopi vegetasi, luas daun, sifat komposit dari klorofil daun, struktur dan tutupan kanopi vegetasi [5]. Nilai indeks vegetasi bergantung pada rasio reflektan spektral dari hasil interaksi antara objek (kanopi vegetasi) dengan energi pada spektrum tampak dan inframerah dari spektrum gelombang elektromagnetik [9].

Berbagai model indeks vegetasi telah banyak digunakan dalam penelitian yang berkaitan dengan vegetasi skala global dan dapat secara efektif digunakan untuk pemetaan kekeringan, desertifikasi dan penggundulan hutan [1], [2], [4], [10], [11], dan [12]. Penelitian-penelitian ini sebagian menggunakan data resolusi spasial rendah, seperti data Moderate Resolution Imaging Spectroradiometer (MODIS) [5]. Penggunaan citra resolusi rendah punya beberapa kelemahan terutama pada daerah-daerah yang sempit, beberapa jenis penutup lahan akan berada dalam satu piksel, sehingga menurunkan akurasi analisis. Citra Landsat mempunyai resolusi spasial, temporal, dan spektral cukup baik. Resolusi spasial citra Landsat 8 adalah 30 m dan perekaman ulangnya 16 hari serta punya banyak saluran (band) dengan dimensi piksel sama.

Studi ini bertujuan untuk menguji beberapa model indeks vegetasi dan menentukan model yang sesuai bagi vegetasi cengkeh dalam menentukan luas dan kerapatan vegetasi cengkeh di Kabupaten Buleleng, Bali menggunakan data citra Landsat 8.

2. METODE PENELITIAN

Tahapan yang dilakukan pada penelitian ini, (1) analisis data citra dan (2) analisis data statistik. Pada tahapan analisis data citra, hasil pengukuran koordinat sampel vegetasi cengkeh di lapangan mengindikasikan posisi vegetasi cengkeh pada citra Landsat 8. Titik-titik lokasi pengukuran dipilih yang vegetasi cengkehnya cukup homogen menggunakan Global Positioning System (GPS) Smartphone. Hal ini dimaksudkan supaya reflektan spektral yang terekam pada citra secara langsung didominasi oleh pengaruh dari vegetasi cengkeh.

Citra daerah studi didapat dengan melakukan mosaiking 2 scene citra Landsat 8, kemudian dioverlay dengan peta digital batas-batas daerah penelitian. Koreksi geometrik mengacu pada 9 titik kontrol sekutu (Ground Control Point, GCP). Untuk memperjelas interpretasi visual dan menonjolkan aspek vegetasi, dilakukan stretching dengan metode Linier with Saturation. Pembuatan citra komposit menggunakan kombinasi band, yaitu sebagai Blue = band 4, Green = band 5 dan Red = band 6. Seluruh proses pengolahan citra Landsat 8 menggunakan software pengolah citra IDRISI 17.00 : The Selva Edition. Citra indeks vegetasi dibangun menggunakan 4 model indeks vegetasi seperti yang disajikan pada Tabel 1.

(9)

224

Tabel 1. Model Indeks Vegetasi yang Diuji

Model Indeks Vegetasi Rumus

Normalized Difference Vegetation Index (NDVI) ( ) ( )⁄

Ratio Vegetation Index (RVI) ⁄

Infrared Percentage Vegetation Index (IPVI) ( ) Soil Adjusted Vegetation Index (SAVI) ( )( )

Keterangan :

NIR = Spektrum near infrared citra Landsat 8 (band 5 = Band5,  = 0,630 – 0,680 µm) Red = Spektrum tampak dari citra Landsat 8 (band 4 = Band4,  = 0,845 – 0,885 µm) L = Faktor koreksi kecerahan tanah = 0,5

Citra indeks vegetasi cengkeh ditentukan dengan cara menyeleksi nilai piksel-piksel pada citra model indeks vegetasi yang terindikasi sebagai vegetasi cengkeh menurut koordinat lapangan. Persentase perbandingan/ rasio luas ditentukan dari luas hasil klasifikasi vegetasi cengkeh untuk masing-masing model dan luas dari DKP Kabupaten Buleleng, Bali.

Pada tahapan analisis statistik, dilakukan kegiatan analisis regresi berganda dengan 2 variabel bebas (Red atau Band4 dan NIR atau Band5) dan 1 variabel terikat (indeks vegetasi) berdasarkan data yang dihasilkan oleh model-model indeks vegetasi. Pengaruh signifikan dengan taraf 5 % secara simultan dari Band4 dan Band5 terhadap model indeks vegetasi dilihat dari hasil uji F. Diagram alir penelitian disajikan pada Gambar 1.

Gambar 1. Diagram Alir Penelitian

3. HASIL DAN PEMBAHASAN

Citra daerah penelitian diperoleh dengan mosaiking 2 scene pada Path 117 , Row 66 dan Path 116 , Row 66 data citra Landsat 8 untuk daerah Bali yang kemudian di overlay dengan peta digital batas-batas daerah penelitian. Koreksi geometrik dan Resample yang menggunakan 9 GCP menghasilkan total nilai Root Mean Square (RMS) sebesar 0,0059.

(10)

225

Hasil ini sangat baik dalam memberikan kepastian posisi dari objek-objek dan menjadikan citra telah mempunyai referensi (georegistrasi) pada koordinat UTM zona 50N. Pengolahan stretching menggunakan metode Linear with Saturation dan pembentukkan citra komposit dengan komposisi band RGB = 654, menghasilkan visualisasi lebih baik dibandingkan dengan citra yang single band dan objek yang berbeda secara visual tampak terlihat lebih jelas [8].

Citra indeks vegetasi ke-4 model indeks vegetasi menghasilkan nilai indeks yang berbeda-beda untuk setiap model indeks vegetasi. Nilai indeks vegetasi yang terindikasi sebagai vegetasi cengkeh pada 10 titik pengamatan (TP) untuk setiap model indeks vegetasi disajikan pada Gambar 2 dan nilai minimum serta maksimumnya disajikan pada Tabel 2.

Gambar 2. Nilai Indeks Vegetasi Cengkeh pada 10 TP

Tabel 2. Nilai Minimum dan Maksimum dari Model Indeks Vegetasi

Model Indeks Vegetasi Nilai Indeks Vegetasi Cengkeh Jumlah Piksel Minimum Maksimum

NDVI 0,76543210 0,8571429 527810

RVI 0,07692308 0,1328671 519317

IPVI 0,88271610 0,9285715 527584

SAVI 1,14461500 1,2815530 527988

Secara umum, interpretasi nilai indeks vegetasi minimum yang mengindikasikan vegetasi cengkeh menunjukkan kurang sehatnya atau jarangnya kerapatan vegetasi cengkeh di lokasi yang bersangkutan, atau dapat dikatakan bahwa, vegetasi cengkeh tidak menutupi seluruh permukaan tanah. Sebaliknya, nilai maksimum menunjukkan kondisi vegetasi cengkeh dalam keadaan sehat atau subur dan aktif melakukan proses fotosintesis [5].

Proses klasifikasi citra untuk menentukan katagori kelas kerapatan dilakukan dengan modul CROSSTAB (Cross Tabulation) yang tersedia pada software pengolah citra Idrisi 17.00 : The Selva Edition. Hasil pengolahan berupa sebaran vegetasi cengkeh model-model indeks vegetasi beserta kelas kerapatannya yaitu, jarang, sedang dan lebat. Luas vegetasi cengkeh dan luas kelas kerapatan serta jumlah piksel untuk 4 model indeks vegetasi yang

0 0.5 1 1.5 1 2 3 4 5 6 7 8 9 10 In d ek s v eg eta si TP

Nilai indeks vegetasi cengkeh pada 10 TP

NDVI RVI IPVI SAVI

(11)

226

diuji disajikan pada Tabel 3. Sebaran vegetasi cengkeh dari model RVI disajikan pada Gambar 3.

Tabel 3. Luas dan Kelas Kerapatan dari Vegetasi Cengkeh

Model Indeks

Vegetasi Luas (Ha)

Kelas Kerapatan Vegetasi Cengkeh (Ha)

Jumlah piksel Jarang Sedang Lebat

NDVI 7852,68 2731,77 4086,08 1024,83 87252

RVI 7669,44 277,92 5707,53 1683,99 85216

IPVI 7852,23 2044,80 4697,73 1109,70 87247

SAVI 7943,04 2807,64 4039,29 1096,11 88256

Rata-rata (Ha) 7829,35 1965,53 4632,66 1228,66 86993

Luas yang dihasilkan oleh model RVI adalah 7669,44 Ha yang merupakan nilai paling kecil dibandingkan dengan yang dihasilkan oleh model indeks vegetasi lainnya. Luas yang paling besar dihasilkan oleh model SAVI, yaitu 7943,04 Ha. Bila dibandingkan dengan nilai luas dari DKP Kabupaten Buleleng tahun 2014, yaitu 7622,32 Ha, maka sesuai dengan Tabel 3, luas model RVI merupakan nilai yang paling dekat. Perbandingan luas ini adalah 99,4 %.

Gambar 3. Sebaran Vegetasi Cengkeh dari Model RVI

Luas dari katagori kelas kerapatan vegetasi cengkeh yang dihasilkan oleh ke-4 model indeks vegetasi adalah rata-rata sebesar 2439,32 Ha untuk kelas jarang, 4151,59 Ha untuk kelas sedang dan 1236,80 Ha untuk kelas lebat. Melihat hasil luas dari ke-3 katagori kelas ini, kelas jarang merupakan kelas yang mendominasi. Total piksel yang terindikasi sebagai vegetasi cengkeh adalah 86975 piksel. Rasio luas vegetasi cengkeh berdasarkan model-model indeks vegetasi dengan data tahun 2014 dari DKP Kabupaten Buleleng disajikan pada Tabel 4.

(12)

227

Tabel 4. Perbandingan Luas Model Indeks dengan Luas DKP Kab. Buleleng

Luas (Ha) Luas rata-rata DKP Kab. Buleleng 2014 (Ha) Rasio ( % )

7852,68 (NDVI) 7622,32 97,1

7669,44 (RVI) 7622,32 99,4

7852,23 (IPVI) 7622,32 97,1

7943,04 (SAVI) 7622,32 96,0

Model-model indeks vegetasi yang diuji berisi 2 variabel bebas (Band4 dan Band5) dan 1 variabel terikat (indeks vegetasi). Analisis statistik menggunakan regresi linier berganda, menghasilkan nilai R2 terbesar terdapat pada model RVI, yaitu R2  0,9977 dengan persamaan regresi berganda RVI = 0,0995 + 0,0070Band4 – 0,0007Band5. Nilai R2 0,9977 menunjukkan bahwa, 99,77 % variabel Band4 dan Band5 dapat menjelaskan variabel terikat model indeks vegetasi RVI. Pada uji F yang dilakukan, diperoleh Fhitung = 1549,03 yang mana

nilai ini lebih besar dari Ftabel = 4,74. Dapat dikatakan bahwa, variabel Band4 dan Band5

secara simultan mempengaruhi indeks vegetasi model RVI pada taraf signifikan 5 %.

4. SIMPULAN DAN SARAN

1) Model indeks vegetasi yang sesuai untuk analisis vegetasi cengkeh di Kabupaten Buleleng adalah model RVI dengan luas 7669,44 Ha. Luas ini paling dekat dengan luas data DKP Kabupaten Buleleng, Bali, yaitu 7622,32 Ha. Rasio luasnya 99,4 %, yang merupakan rasio paling besar dibandingkan model lainnya. Dari perspektif statistik, koefisien determinan RVI, R2 = 0,997745614  99,77 %. Persamaan regresi berganda yang dihasilkan model RVI = 0,0995 + 0,0070Band4 – 0,0007Band5 dengan Fhitung = 1549,03 > Ftabel = 4,74. Hal ini menunjukkan bahwa, variabel Band4

dan Band5 secara simultan mempengaruhi model indeks vegetasi RVI pada taraf signifikan 5 %.

2) Katagori kelas kerapatan dominan pada kelas sedang dengan luas rata-rata 4632,66 Ha.

3) Saran untuk pengembangan penelitian, yaitu disamping menggunakan citra resolusi lebih tinggi juga dicoba memodifikasi model RVI, sehingga klasifikasi lebih detail yang pada akhirnya memberikan akurasi lebih baik.

DAFTAR PUSTAKA

[1] Adams, J.B., Gillespie, A.R., Remote Sensing of Landscape with Spectral Images – A Physical

Modeling Approach. Cambridge University Press. New York, 2006.

[2] Beeri, O. Phillips, R. Hendrickson, J. et al. Estimating forage quantity and quality using aerial

(13)

228 110, 2007, pp.216–25.

[3] Dinas Kehutanan dan Perkebunan Pemkab Buleleng, Laporan Triwulan Luas Areal dan

Produksi Komoditas Perkebunan Kabupaten Buleleng Tahun 2014. Singaraja, 2014.

[4] Horning, N., Robinson, J.A., Sterling, E.J., Turner, W., Spector, S., Remote Sensing for Ecology

and Conservation. Oxford University Press, New York, 2010.

[5] Huete, A., Didan, K., Leeuwen, W.V., Miura, T., Glenn, E., MODIS Vegetation Indices. Land

Remote Sensing and Global Environmental. New York Change:.Springer, 2011.

[6] Huete, A.R, Glenn, E.P., Remote Sensing of Ecosystem Structure and Function, Advance in Environtment Remote Sensing, CRC Press. Boca Raton, 2011, pp. 291.

[7] Jensen, J.R., Remote Sensing of the Environment. An Earth Resource Perspective. USA: Prentice-Hall, Inc., 2000.

[8] Mather, P.M., Computer Processing of RemotelySensed Images An Introduction. John Willey & Sons Inc. Chichster, 2004.

[9] Rees, W. G., Physical Principles Of Remote Sensing. Second Edition. UK: Cambridge University Press, 2006, pp.10-13.

[10] Shao, Y., Fan, X., Liu, H., Xiao, J., Ross, S., Brisco, B., Brown, R. and Staples, G., Rice monitoring and production estimation using multitemporal RADARSAT. Remote Sensing of

Environment, vol. 76, 2001, pp. 310–325.

[11] Song, C., Gray, J.M., Gao, F., Remote Sensing of Vegetation with Landsat Imagery. CRC Press. Boca Raton, 2011.

[12] Xie, Y., Zongyao, S. Mei, Y. Remote Sensing Imagery In Vegetation Mapping : a review. J Plant Ecology, vol. 1, 2008, pp. 9-23.