Melola Discovery

← Melola Discovery

Jurnal

KAJIAN KERAPATAN VEGETASI HUTAN LINDUNG GUNUNG UNGARAN JAWA TENGAH TAHUN 2016 MENGGUNAKAN METODE INDEKS VEGETASI

Geo-Image Journal · Vol. 6 No. 1 (2017) · hlm. 1–7

DOI
10.15294/geoimage.v6i1.15243
ISSN
2549-0362, 2252-6285
Terbit
2017-07-10
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

The research aims are to know the vegetation density level using vegetation index method of NDVI, SAVI, ARVI, DVI and RVI and to know the highest accuracy of vegetation index methods to determine the vegetation density in protected forest Mount Ungaran. The sampling method use purposive random sampling, with 82 sampel points. This research uses descrpitive research method. The first variable is vegetation density and the second ones is distribution and area produced by vegetation index transformations. The result of this research shows that the distribution and the area of classification results for each vegetation index transformation are different. There was little differenceof wide in the transformation of NDVI and SAVI is an area of 900 m2, equevalent to one pixel on the Landsat-8 imagery. Meanwhile classification generated by the transformation of ARVI, a lot of generating area is included dense classification, and the classification generated by the transformation of DVI and RVI is more a lot included rare classification. The confusion matrix shows NDVI transformation has the best accuracy with an overall accuracy percentage of 75,61%.

Jaringan kolaborasi para penulis

40 penulis · 118 tautan kepenulisan bersama · 2 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • University of August 17, 1945 Banyuwangi
  • Poltekkes Kemenkes Malang
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Sriyanto SriyantoAfiliasi tidak diketahui3
Moch. ArifienAfiliasi tidak diketahui3
Suroso SurosoAfiliasi tidak diketahui3
Sriyono SriyonoAfiliasi tidak diketahui3
Erni SuhariniAfiliasi tidak diketahui3
Wahyu SetyaningsihPoltekkes Kemenkes Malang2
Fahrudin HanafiAfiliasi tidak diketahui2
Dewi Liesnoor SetyowatiState University of Semarang2
Hairumini HairuminiAfiliasi tidak diketahui2
Saptono PutroState University of Semarang2
Ananto AjiAfiliasi tidak diketahui2
Sunarko SunarkoUniversity of August 17, 1945 Banyuwangi2
Juhadi JuhadiAfiliasi tidak diketahui2
Dwi JatmikoAfiliasi tidak diketahui1
R SugiyantoAfiliasi tidak diketahui1
Eka Anjar SariAfiliasi tidak diketahui1
Nina RosianaAfiliasi tidak diketahui1
Fandi Yusuf MaldiniAfiliasi tidak diketahui1
Apik Budi SantosoAfiliasi tidak diketahui1
Sisna Yuliana Diah Utami PutriAfiliasi tidak diketahui1
Eva BanowatiAfiliasi tidak diketahui1
Ratna Dwi SetyowatiAfiliasi tidak diketahui1
Edi PranotoAfiliasi tidak diketahui1
Eko Adi SaputroAfiliasi tidak diketahui1
Dwi Utami PutriAfiliasi tidak diketahui1
Putri Inmas PAfiliasi tidak diketahui1
Nurrahim Adhadina Eka PutriAfiliasi tidak diketahui1
Elvita SafitriAfiliasi tidak diketahui1
Mohammad Nur supraptoAfiliasi tidak diketahui1
Ratna Dewi AnisaAfiliasi tidak diketahui1
Ruhaniah Atma SariAfiliasi tidak diketahui1
Isnaini Rahmatia IrnawatiAfiliasi tidak diketahui1
Leksahawa PramawidyaAfiliasi tidak diketahui1
Ariyani IndrayatiAfiliasi tidak diketahui1
Rini Tri Anjani Nur FaidahAfiliasi tidak diketahui1
Nida Sayyidatul IzzaAfiliasi tidak diketahui1
Retno Salaras MahatiAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/geoimage/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">KAJIAN KERAPATAN VEGETASI HUTAN LINDUNG GUNUNG UNGARAN JAWA TENGAH TAHUN 2016 MENGGUNAKAN METODE INDEKS VEGETASI</dc:title>
	<dc:creator>Lintang, Nuansa Chandra</dc:creator>
	<dc:creator>Sanjoto, Tjaturahono Budi</dc:creator>
	<dc:creator>Tjahjono, Heri</dc:creator>
	<dc:description xml:lang="en-US">The research aims are to know the vegetation density level using vegetation index method of NDVI, SAVI, ARVI, DVI and RVI and to know the highest accuracy of vegetation index methods to determine the vegetation density in protected forest Mount Ungaran. The sampling method use purposive random sampling, with 82 sampel points. This research uses descrpitive research method. The first variable is vegetation density and the second ones is distribution and area produced by vegetation index transformations. The result of this research shows that the distribution and the area of classification results for each vegetation index transformation are different. There was little differenceof wide in the transformation of NDVI and SAVI is an area of 900 m2, equevalent to one pixel on the Landsat-8 imagery. Meanwhile classification generated by the transformation of ARVI, a lot of generating area is included dense classification, and the classification generated by the transformation of DVI and RVI is more a lot included rare classification. The confusion matrix shows NDVI transformation has the best accuracy with an overall accuracy percentage of 75,61%.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2017-07-10</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/geoimage/article/view/15243</dc:identifier>
	<dc:identifier>10.15294/geoimage.v6i1.15243</dc:identifier>
	<dc:source xml:lang="en-US">Geo-Image Journal; Vol 6 No 1 (2017); 1-7</dc:source>
	<dc:source>2549-0362</dc:source>
	<dc:source>2252-6285</dc:source>
	<dc:source>10.15294/geoimage.v6i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/geoimage/article/view/15243/8249</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2017 Geo-Image</dc:rights>
</oai_dc:dc>