Analisis Perbandingan Data Citra Satelit Landsat 8 Dan Landsat 9 Dalam Estimasi LST, NDVI dan NDBI Menggunakan Google Earth Engine

Purwoko, Dana (2025) Analisis Perbandingan Data Citra Satelit Landsat 8 Dan Landsat 9 Dalam Estimasi LST, NDVI dan NDBI Menggunakan Google Earth Engine. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6016232021-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (8MB) | Request a copy

Abstract

Perkembangan urbanisasi yang pesat di kota-kota besar seperti Jakarta secara signifikan mengubah tutupan lahan, yang berdampak pada kondisi termal lingkungan dan kualitas ekologis. Penelitian ini bertujuan untuk melakukan analisis perbandingan kuantitatif data dari satelit Landsat 8 dan Landsat 9 dalam estimasi Suhu Permukaan Tanah (LST), Normalized Difference Vegetation Index (NDVI), dan Normalized Difference Built-up Index (NDBI) di wilayah DKI Jakarta guna memastikan kontinuitas data untuk pemantauan lingkungan. Dengan memanfaatkan platform Google Earth Engine untuk mengolah data citra komposit tahunan periode 2023-2024 , analisis dilakukan melalui perbandingan kualitatif visual dan validasi statistik kuantitatif menggunakan regresi linier. Hasil penelitian menunjukkan tingkat konsistensi yang sangat tinggi antara kedua sensor. Untuk NDVI dan NDBI, ditemukan korelasi yang mendekati sempurna (R > 0,97 dan R > 0,96 secara berurutan) dengan galat rata-rata yang dapat diabaikan, yang mengonfirmasi bahwa data keduanya bersifat dapat dipertukarkan (interchangeable). Meskipun data LST juga menunjukkan korelasi yang sangat kuat (R > 0,86), teridentifikasi adanya selisih sistematis ringan yang terukur antara 1,60°C hingga 2,3°C. Analisis lebih lanjut menggunakan data gabungan berhasil mengonfirmasi hubungan negatif antara LST dan NDVI serta hubungan positif antara LST dan NDBI di lingkungan perkotaan. Secara keseluruhan, studi ini menyimpulkan bahwa Landsat 9 berhasil melanjutkan misi Landsat 8 dengan reliabilitas dan fidelitas yang luar biasa, sehingga data dari kedua satelit dapat digabungkan secara valid untuk menjamin kontinuitas dalam pemantauan dinamika lingkungan perkotaan jangka panjang.
====================================================================================================================================
Rapid urbanization in major cities like Jakarta significantly alters land cover, impacting environmental thermal conditions and ecological quality. This study aims to conduct a quantitative comparative analysis of data from the Landsat 8 and Landsat 9 satellites in estimating Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI), and Normalized Difference Built-up Index (NDBI) in the DKI Jakarta region to ensure data continuity for environmental monitoring. Utilizing the Google Earth Engine platform to process annual composite imagery for the 2023–2024 period, the analysis was performed through visual qualitative comparison and quantitative statistical validation using linear regression. The results show a very high level of consistency between the two sensors. For NDVI and NDBI, a near-perfect correlation was found (R > 0.97 and R > 0.96, respectively) with negligible average error, confirming that their data are interchangeable. Although LST data also exhibited a very strong correlation (R > 0.86), a slight, measurable systematic difference ranging from 1.60°C to 2.3°C was identified. Further analysis using the combined dataset successfully confirmed the negative relationship between LST and NDVI and the positive relationship between LST and NDBI in the urban environment. Overall, this study concludes that Landsat 9 successfully continues the mission of Landsat 8 with outstanding reliability and fidelity, allowing data from both satellites to be validly combined to ensure continuity in the long-term monitoring of urban environmental dynamics.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Landsat, LST, NDVI, NDBI, Google Earth Engine, Landsat, LST, NDVI, NDBI, Google Earth Engine
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing
Divisions:	Faculty of Civil Engineering and Planning > Geomatics Engineering > 29101-(S2) Master Thesis
Depositing User:	Dana Purwoko
Date Deposited:	28 Jan 2026 09:02
Last Modified:	28 Jan 2026 09:02
URI:	http://repository.its.ac.id/id/eprint/130373

Actions (login required)

View Item