Browsing by Author "NOVIANI PUTRI"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    HUBUNGAN SUHU PERMUKAAN LAHAN DENGAN INDEKS VEGETASI DI HULU SUB DAS CIKAPUNDUNG BERBASIS DATA ANALISIS CITRA SATELIT LANDSAT 8
    (2020-09-06) NOVIANI PUTRI; Ade Setiawan; Muhammad Amir Solihin
    Perubahan penggunaan lahan yang terjadi di wilayah Hulu Sub DAS Cikapundung dapat berdampak pada iklim mikro. Suhu permukaan lahan (LST) sebagai indikator iklim mikro dan indeks vegetasi (NDVI) sebagai faktor dari LST menjadi variabel utama dalam penelitian. Teknologi penginderaan jauh dapat menjadi cara alternatif untuk mendapat estimasi nilai LST dan NDVI pada lokasi studi. Penelitian ini bertujuan untuk melihat karakteristik dan mengetahui hubungan antara suhu permukaan lahan dan indeks vegetasi menggunakan data analisis citra satelit landsat 8. Lokasi studi diantaranya lima Desa (Cikole, Cikidang, Cibodas, Wangunharja, dan Suntenjaya) di Kecamatan Lembang. Metode yang digunakan untuk mendapat estimasi nilai suhu permukaan lahan yaitu dengan pendekatan Mono Window Algorithm (MWA), sedangkan nilai indeks vegetasi didapat dari algoritma NDVI. Karakteristik ditunjukkan dari nilai standar deviasi dan hubungan antara LST dan NDVI diketahui dari hasil uji korelasi. Hasil penelitian menunjukkan karakteristik suhu pemukaan lahan (LST) dan indeks vegetasi (NDVI) dipengaruhi oleh penggunaan lahan dan elevasi. Hubungan antara LST dan NDVI ditunjukkan korelasi negatif dengan pengaruh NDVI sebesar 23,6% terhadap LST, sedangkan sisanya dipengaruhi oleh faktor lain seperti penggunaan lahan dan elevasi
  • No Thumbnail Available
    Item
    PREDIKSI C-ORGANIK TANAH PERMUKAAN MENGGUNAKAN CITRA SATELIT MULTISPEKTRAL BERBASIS MACHINE LEARNING DI SUB-DAS CIKAPUNDUNG
    (2023-10-09) NOVIANI PUTRI; Muhammad Amir Solihin; Mahfud Arifin
    Dinamika C-organik tanah sebagai parameter kualitas tanah terus terjadi akibat perubahan tutupan lahan, khususnya di Sub-DAS Cikapundung, Jawa Barat. Penelitian ini bertujuan untuk mengidentifikasi dan membuat model prediksi C-organik tanah permukaan secara spasial menggunakan data penginderaan jauh. Identifikasi variabel prediktor C-organik tanah permukaan melalui prinsip Digital Soil Mapping diantaranya karakteristik tanah, iklim, organisme, topografi, dan bahan induk. Pendekatan machine learning seperti Random Forest (RF), Support Vector Regression (SVR) dan Artificial Neural Network (ANN) dapat mempermudah kalkulasi data dalam memprediksi C-organik tanah permukaan. Hasil penelitian menunjukkan variabel grup iklim dan topografi masing-masing memiliki pengaruh 49% dan 47% terhadap C-organik tanah permukaan. Sedangkan variabel grup organisme, karakteristik tanah, dan bahan induk hanya memiliki pengaruh masing-masing 20%, 30% dan 26%. Variabilitas C-organik tanah permukaan yang dihasilkan oleh model RF, SVR, dan ANN bergantung pada kombinasi dari variabel grup prediktor yang diuji dalam Dataset I dan Dataset II. Akurasi model prediksi C-organik tanah permukaan tertinggi terdapat pada RF (R2= 0,43) dibandingkan SVR (R2= 0,29) dan ANN (R2= 0,34). Nilai Relative Percent Difference menunjukkan bahwa model RF dapat menggambarkan tinggi rendahnya variabilitas C-organik tanah permukaan. Sementara itu, model SVR dan ANN menghasilkan model overfitting dalam nilai prediksi C-organik yang ditunjukkan dengan nilai negatif pada nilai minimum prediksi. Oleh karena itu, model prediksi C-organik tanah permukaan bergantung pada variabel prediktor terpilih dan jenis model efektif dalam menggambarkan variabilitas C-organik tanah permukaan. Prediksi C-organik tanah dapat digunakan sebagai dasar perencanaan peningkatan kualitas tanah untuk mencapai target Tujuan Pembangunan Berkelanjutan melalui pemantauan C-organik tanah secara spasial dan temporal.