Identifikasi Degradasi Tutupan Lahan dan Kerapatan Vegetasi  di Kabupaten Murung Raya Melalui Algoritma NDVI: Identification of Land Cover Degradation and Vegetation Density in Murung Raya Regency Using the NDVI Algorithm

Anggy Septrya Mangga; Sigit Heru Murti Budi  Santosa; Bakti Setiawan

doi:10.22437/jurnalsilvatropika.v9i2.41470

Authors

Anggy Septrya Mangga 1Program Studi Ilmu Lingkungan, Sekolah Pascasarjana, Fakultas Geografi, Universitas Gadjah Mada
Sigit Heru Murti Budi Santosa Fakultas Geografi, Universitas Gadjah Mada
Bakti Setiawan Departemen Teknik Arsitektur dan Perencanaan, Fakultas Teknik, Universitas Gadjah Mada

DOI:

https://doi.org/10.22437/jurnalsilvatropika.v9i2.41470

Keywords:

NDVI , Murung Raya, Vegetation Density, Landsat 8, Environmental Degradation

Abstract

ABSTRACT

As a strategic upstream area of the Barito River, Murung Raya Regency currently faces serious environmental challenges due to massive land clearing and development activities. This study aims to analyze the condition and density of vegetation in Murung Raya Regency using the Normalized Difference Vegetation Index (NDVI) from 2023 Landsat 8 satellite imagery. The results show that the total study area is 20,211.68 Ha, which is heavily dominated by Non-Vegetation (44.19%) and Very Low Vegetation (44.18%) classes, totaling 17,864.54 Ha or 88.39% of the total area. Spatially, these low NDVI values strongly correlate with bareland, infrastructure networks, and land clearing activities. Meanwhile, high-density forest only accounts for 8.84%, primarily in the northern region. These findings emphasize the urgent need for spatial planning policy evaluation and forest area protection in the upstream to ensure the sustainability of ecological functions in the future.

Keywords: NDVI, Murung Raya, Vegetation Density, Landsat 8, Environmental Degradation.

ABSTRAK

Sebagai wilayah hulu Sungai Barito yang strategis, Kabupaten Murung Raya saat ini menghadapi tantangan serius berupa degradasi lingkungan akibat aktivitas pembangunan dan pembukaan lahan yang masif. Penelitian ini bertujuan untuk menganalisis kondisi dan kerapatan vegetasi di Kabupaten Murung Raya menggunakan indeks vegetasi Normalized Difference Vegetation Index (NDVI) melalui citra satelit Landsat 8 tahun 2023. Hasil penelitian menunjukkan bahwa total luas wilayah studi adalah 20.211,68 Ha, yang didominasi secara masif oleh kelas Non-Vegetasi (44,19%) dan Vegetasi Sangat Rendah (44,18%), dengan total akumulasi mencapai 17.864,54 Ha atau 88,39% dari luas wilayah. Secara spasial, rendahnya nilai NDVI ini berkorelasi kuat dengan keberadaan area terbuka (bareland), jaringan infrastruktur, dan aktivitas pembukaan lahan (land clearing). Sementara itu, hutan dengan kerapatan tajuk tinggi hanya tersisa 8,84%, terutama di wilayah utara. Temuan ini menegaskan urgensi perlunya evaluasi kebijakan tata ruang dan perlindungan kawasan hutan di hulu untuk menjamin keberlanjutan fungsi ekologis di masa depan.

Kata Kunci: NDVI, Murung Raya, Kerapatan Vegetasi, Landsat 8, Degradasi Lingkungan.

Downloads

Download data is not yet available.

References

Lillesand TM, Kiefer RW, Chipman JW. 2015. Remote Sensing and Image Interpretation (7th ed.). John Wiley & Sons.

Rouse JW, Haas RH, Schell JA, Deering DW. 1974. Monitoring vegetation systems in the Great Plains with ERTS. In Proceedings of the Third Earth Resources Technology Satellite-1 Symposium (pp. 309–317). NASA.

Jensen JR. 2016. Introductory Digital Image Processing: A Remote Sensing Perspective (4th ed.). Pearson Education.

Roy DP, Wulder MA, Loveland TR, et al. 2014. Landsat-8: Science and product vision for terrestrial global change research. Remote Sensing of Environment, 145: 154–172.

Irons JR, Dwyer JL, Barsi JA. 2012. The next Landsat satellite: The Landsat Data Continuity Mission. Remote Sensing of Environment, 122: 11–21.

Xue J, Su B. 2017. Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors, 2017: 1–17.

Wicaksono P. 2018. Analisis Perbandingan Algoritma Cloud Masking pada Citra Satelit Optik di Wilayah Tropis. Jurnal Geografi Indonesia.

Wachid N, Tyas WP. 2022. Analisis transformasi ndvi dan kaitannya dengan lst menggunakan platform berbasis cloud: Google Earth Engine. Jurnal Planologi, 19(1): 60-74.

Silitonga O, Purnama D, Nofriadiansyah E. 2018. Pemetaan kerapatan vegetasi mangrove di sisi tenggara Pulau Enggano menggunakan data citra satelit. Jurnal Enggano, 3(1): 98-111.

Putra EH. 2012. Analisis Kebutuhan Ruang Terbuka Hijau Berdasarkan Pendekatan Kebutuhan Oksigen Menggunakan Citra Satelit EO-1 ALI (Earth Observer-1 Advanced Land Imager) di Kota Manado. Earth Observer, 1: 41-54.

Arisandy A, Herlina L. 2022. Analisis Perubahan Tutupan Lahan Akibat Aktivitas Pertambangan di Kabupaten Murung Raya Menggunakan Citra Landsat 8. Jurnal Ilmu Lingkungan, 20(1): 45-53.

Randa AP, Syam, A. 2023. Identifikasi Lahan Terbuka dan Area Tambang Menggunakan Algoritma Normalized Difference Vegetation Index (NDVI) di Kalimantan. Jurnal Teknologi Sumberdaya Alam, 12(3): 112-120.

Nugroho AS, et al. 2021. Monitoring Kerapatan Vegetasi di Kawasan Rehabilitasi DAS melalui Transformasi NDVI. Jurnal Sylva Lestari, 9(2): 210-225.

Prasetyo LB. 2017. Pendekatan Spasial untuk Manajemen Keanekaragaman Hayati di Kalimantan Tengah. Prosiding Seminar Nasional Geomatika.

Sutanto. 2016. Penginderaan Jauh Dasar. Gadjah Mada University Press.

Wahyuni S, et al. 2020. Aplikasi Penginderaan Jauh untuk Pemetaan Kerapatan Vegetasi di Wilayah Pegunungan Muller. Jurnal Geografi Indonesia, 34(1): 12-20.

Putu A, et al. 2022. Application of normalized difference vegetation index in classifying land cover change over Bangli Regency by using Landsat 8 imagery. Journal of Infrastructure Planning and Engineering.

Januar. 2016. Analisis penggunaan NDVI dan BSI untuk identifikasi tutupan lahan pada citra Landsat 8 (Studi Kasus: Kota Semarang). Jurnal Geodesi Undip.

Budiputra AR. 2021. Analisis Kerapatan Vegetasi di Kabupaten Magelang Menggunakan Citra Landsat 8 Bermetode NDVI (Normalized Difference Vegetation Index). Jurnal Sosial Teknologi, 1(11): 1332–1340.

Andalas RP, et al. 2019. Analysis of land cover changing and vegetation index at Kuranji Watershed, Padang, West Sumatera, Indonesia. Journal of Geoscience, Engineering, Environment, and Technology.

Gandhi GM, Parthiban S, Thummalu N, Christy A. 2015. NDVI: Vegetation Change Detection using Remote Sensing and GIS – A Case Study of Vellore District. Procedia Computer Science, 57: 1199–1210.

Solihin MA, Putri AN, Setiawan A, Siliwangi D, Arifin M. 2017. Karakteristik Indeks Vegetasi pada Berbagai Penggunaan Lahan di Hulu Sub DAS Cikapundung melalui Interpretasi Citra Satelit Landsat 8. Kultivasi, 16(1): 300–306.

Kumar A. 2011. Stratification of forest density and its validation by NDVI (Normalized Difference Vegetation Index): a case study of Keonjhar district, Orissa. International Journal of Geomatics and Geosciences, 2(1): 127–135.

Higginbottom TP, Aditama MFR, Mustafa A, et al. 2024. Time-series analysis of satellite imagery for detecting vegetation cover changes in Indonesia. Scientific Reports, 14(2145): 1–15.

Pratiwi LK, Baskoro DPT, Arifin M. 2023. Analisis Perubahan NDVI sebagai Indikator Perubahan Tutupan Vegetasi di Provinsi Jambi [Skripsi/Tesis]. Bogor: IPB University.

Maulana I, Bakri SS, Onrizal. 2021. Analisis Perubahan Kerapatan Vegetasi Mangrove di Taman Nasional Ujung Kulon. ULIN: Jurnal Hutan Tropis, 5(2): 138–147.

Nailufar B. 2024. Analisis Perubahan Indeks Kerapatan Vegetasi dengan Metode NDVI di Kota Batu. Mintakat: Jurnal Arsitektur, 25(1): 42–51.