Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital
Rima Hermayani
Fakultas Geografi, Universitas Gadjah Mada
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENGARUH DISTRIBUSI SAMPEL PEMODELAN TERHADAP AKURASI ESTIMASI LEAF AREA INDEX (LAI) MANGROVE Muhammad Kamal; Tito Kanekaputra; Rima Hermayani; Dian Utari
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 16 No. 2 Desember 2019
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (515.517 KB) | DOI: 10.30536/j.pjpdcd.2019.v16.a3069

Abstract

Estimasi leaf area index (LAI) mangrove merupakan salah satu aspek penting dalam rangka upaya pemantauan dan konservasi habitat mangrove. Citra penginderaan jauh sangat bermanfaat untuk melakukan estimasi status LAI mangrove, terutama dengan menggunakan pendekatan semi-empiris. Pendekatan ini membutuhkan pemilihan lokasi dan distribusi nilai sampel baik untuk pemodelan atau uji akurasi yang sesuai. Namun demikian, seringkali penentuan sampel ini dilakukan secara random tanpa memperhatikan distribusi spasial dan distribusi nilai sampel yang dikumpulkan. Penelitian ini bertujuan untuk melakukan analisis eksploratif terhadap sampel lapangan yang dikumpulkan untuk menjawab (1) apakah distribusi spasial dan (2) distribusi nilai sampel pemodelan berpengaruh terhadap akurasi estimasi LAI mangrove. Metode yang digunakan adalah dengan membangun model hubungan semi-empiris antara nilai piksel citra ALOS AVNIR-2 (10m) melalui Soil-Adjusted Vegetation Index (SAVI) dengan pengukuran LAI di lapangan menggunakan LICOR LAI-2200. Sampel pemodelan dan sampel uji dipilih secara random dan purposive melalui simulasi tiga skenario berdasarkan distribusi spasial dan sebaran nilainya. Kemudian uji akurasi dilakukan antara nilai estimasi LAI melalui Soil-Adjusted Vegetation Index (SAVI) dan data LAI lapangan menggunakan plot hubungan 1:1 dan Standar Eror of Estimate (SEE). Hasil penelitian menunjukkan bahwa akurasi estimasi LAI bervariasi tergantung pada distribusi spasial dan nilai sampel pemodelan. Akurasi estimasi yang tinggi diperoleh jika distribusi spasial sampel pemodelan tersebar merata dan nilai sampel meliputi rentang nilai sampel lapangan. Hasil penelitian ini dapat digunakan sebagai justifikasi disain lokasi sampel di lapangan dan pemilihan titik sampel untuk pemodelan dengan pendekatan semi-empiris.
Co-Authors Dian Utari Muhammad Kamal Tito Kanekaputra