ESTIMATING VEGETATION DENSITY USING THE NDVI METHOD IN PAYAKUMBUH CITY

PENDUGAAN KERAPATAN VEGETASI MENGGUNAKAN METODE NDVI DI KOTA PAYAKUMBUH

Authors

  • Rio Valery Allen
  • Muhammad Syahfitra Syahfitra

Keywords:

Kerapatan Vegetasi, NDVI, Sistem Informasi Geografis

Abstract

Pertumbuhan pesat pembangunan di kawasan perkotaan berdampak signifikan terhadap perubahan tutupan lahan, termasuk penurunan vegetasi. Salah satu metode yang efektif untuk memantau perkembangan wilayah perkotaan ialalah menggunakan analisis tutupan lahan dengan menggunakan peta tutupan lahan. Di Kota Payakumbuh, peningkatan pembangunan telah mengakibatkan menurunnya vegetasi, yang menimbulkan berbagai kendala lingkunganPenelitian ini bertujuan untuk memetakan sebaran dan kerapatan vegetasi di Kota Payakumbuh tahun 2023 dengan memanfaatkan data Citra Landsat 8 dan metode Indeks Vegetasi Terdiferensiasi Normal (NDVI). Metode NDVI ini bekerja dengan membandingkan pantulan cahaya dari kanal merah dan inframerah dekat (NIR) untuk menentukan kerapatan vegetasi. Hasil penelitian menunjukkan bahwa nilai NDVI di Kota Payakumbuh pada tahun 2023 berkisar antara 0,1 hingga 1, yang mengindikasikan variasi tingkat kerapatan vegetasi di berbagai area kota.

Downloads

Download data is not yet available.

References

Aftriana. (2013). Analisis Perubahan Kerapatan Vegetasi Kota Semarang Menggunakan Bantuan Teknologi Penginderaan Jauh. In Journal of Chemical Information and Modeling (Vol. 8, Issue 9).

Allen, R. V., & Syahfitra, M. (2024). Analysis of Tapakis Watershed Land Change from 2013 to 2023 Using a Geographic Information System Rio. 1(2), 1–10.

BPS Sumatera Barat. (2015). Sumatra Barat Dalam Angka (1st ed.). BPS Sumatra Barat. BPS Sumatera Barat. (2023). Sumatera Barat Dalam Angka 2023. Berita Resmi Badan Pusat Statistik, 54.

Daoedoro, P. (2012). Pengantar Penginderaan Jauh Digital. AndiOffset.

Hakim, L., Ismail, N., & Faisal, F. (2017). Kajian Awal Penentuan Daerah Prospek Panas Bumi di Gunung Bur Ni Telong berdasarkan Analisis Data DEM SRTM dan Citra Landsat 8.

Jurnal Rekayasa Elektrika, 13(3), 125. https://doi.org/10.17529/jre.v13i3.8332

Jia, K., Wei, X., Gu, X., Yao, Y., Xie, X., & Li, B. (2014). Land cover classification using Landsat 8 Operational Land Imager data in Beijing, China. Geocarto International, 29(8), 941–951. https://doi.org/10.1080/10106049.2014.894586

Jogo, N., & Ismaun, I. (2011). RTH 30% resolusi (kota) hijau (1st ed.). PT. Gramedia Pustaka Utama.

Klompmaker, J. O., Hoek, G., Bloemsma, L. D., Gehring, U., Strak, M., Wijga, A. H., van den Brink, C., Brunekreef, B., Lebret, E., & Janssen, N. A. H. (2018). Green space definition affects associations of green space with overweight and physical activity. Environmental Research, 160(May 2017), 531–540. https://doi.org/10.1016/j.envres.2017.10.027

Purwanto, A. (2015). Pemanfaatan Citra Landsat 8 Untuk Identifikasi Normalized Difference Vegetation Index ( Ndvi ) Di Kecamatan Silat Hilir Kabupaten Kapuas Hulu. Edukasi, 13(1), 27–36.

Wu, C.-D., Chen, Y.-C., Pan, W.-C., Zeng, Y.-T., Chen, M.-J., Guo, Y., & Candice Lung, S.-C. (2017). Land-use regression with long-term satellite-based greenness index and culture- specific sources to model PM2.5 spatial-temporal variability. Environmental Pollution, 224. https://doi.org/10.1016/j.envpol.2017.01.074

Susanto, D., & Syamsudin, M. (2022). Kinerja alat pengering gambir berbasis pemanas gas dengan kapasitas besar untuk produksi gambir komersial. Jurnal Pengolahan Hasil Pertanian, 14(2), 234-241. https://doi.org/10.1016/j.jphp.2022.14.2.234.

Versteeg, H. K., & Malalasekera, W. (2007). An introduction to computational fluid dynamics: The finite volume method (2nd ed.). Pearson Education.

Downloads

Published

2025-02-10

How to Cite

Valery Allen, R., & Syahfitra, M. S. (2025). ESTIMATING VEGETATION DENSITY USING THE NDVI METHOD IN PAYAKUMBUH CITY: PENDUGAAN KERAPATAN VEGETASI MENGGUNAKAN METODE NDVI DI KOTA PAYAKUMBUH. Atech-i, 2(1), 33–40. Retrieved from https://atech-i.id/index.php/atechi/article/view/28

Issue

Section

Articles