Jurnal Sosial dan Teknologi (SOSTECH)
Volume 1, Number 11, November 2021
p-ISSN 2774-5147 ; e-ISSN 2774-5155
How to cite:
Aqshal Raihan Budiputra. (2021). Analisis Kerapatan Vegetasi di Kabupaten Magelang Menggunakan Citra
Landsat 8 Bermetode NDVI (Normalized Difference Vegetation Index). Jurnal Sosial dan Teknologi
(SOSTECH), 1(11): 1.332-1.340
E-ISSN:
2774-5155
Published by:
https://greenpublisher.id/
ANALISIS KERAPATAN VEGETASI DI KABUPATEN MAGELANG
MENGGUNAKAN CITRA LANDSAT 8 BERMETODE NDVI (NORMALIZED
DIFFERENCE VEGETATION INDEX)
Aqshal Raihan Budiputra
Program Sarjana Geografi, Departemen Geografi, Universitas Indonesia, Indonesia
[email protected]
Abstrak
Latar belakang: Magelang merupakan daerah di Provinsi Jawa Tengah yang diapit oleh 3
gunung besar, yaitu Gunung Sumbing, Gunung Merbabu dan Gunung Merapi.
Tujuan penelitian: Tujuan penelitian ini yaitu untuk mengetahui penggunaan lahan yang ada
di citra Magelang, melihat indeks kerapatan vegetasi di Magelang menggunakan metode
NDVI, memberikan informasi tahapan pengolahan citra sesuai dengan ketentuan-ketentuan
yang berlaku dan melakukan klasifikasi baik manual maupun otomatis.
Metode penelitian: Metode yang digunakan untuk mengolah citra ini berupa layer stacking,
subset data from ROIs, band math untuk NDVI dan kalibrasi radiometrik, koreksi radiometrik
dan supervised class.
Hasil penelitian: Hasil dari pengolahan citra menunjukkan keberadaan daerah Magelang yang
diapit oleh tiga gunung, yaitu Gunung Sumbing (sebelah barat), Gunung Merapi (sebelah
tenggara) dan Gunung Merbabu (sebelah timur). Daerah Magelang terlihat didominasi oleh
tutupan vegetasi yang berada di kaki gunung dan daerah lembah. Namun, pada Gunung Merapi
ditemukan dominasi keberadaan badan air yang dimanfaatkan untuk kepentingan pertanian dan
keberadaannya tersebar secara acak pada lahan terbangun. Pusat Kota Magelang didominasi
oleh klasifikasi berwarna merah muda, dimana hal tersebut menunjukkan lahan terbangun
diikuti oleh badan-badan air yang mengairi lahan pertanian. Lalu, lahan terbuka yang ada di
Magelang berada di puncak gunung.
Kesimpulan: Magelang merupakan daerah yang diapit oleh tiga gunung, yaitu Gunung
Sumbing. Merapi dan Merbabu. Citra Magelang yang diperoleh menunjukkan bahwa Gunung
Merbabu (Timur) dan Gunung Sumbing (Barat) didominasi oleh tutupan vegetasi, menandakan
kondisi daerah yang subur dan berbanding terbalik dengan Gunung Merapi (Tenggara) yang
sudah mulai dipadati oleh lahan terbangun. Pusat Kota Magelang memiliki lahan yang datar,
namun disekitarnya didominasi oleh daerah pegunungan. Hal ini menyebabkan kota menjadi
lebih dipadati oleh manusia dibandingkan daerah pegunungan sekitar.
Kata kunci: NDVI, Citra Satelit, Vegetasi, Klasifikasi Diawasi
Abstract
Background: Magelang is an area in Central Java Province flanked by 3 large mountains,
namely Mount Sumbing, Mount Merbabu and Mount Merapi.
Research purposes: The purpose of this research is to find out the land use in magelang
imagery, see the vegetation density index in Magelang using the NDVI method, provide
information on the stages of image processing in accordance with applicable provisions and
perform classification both manual and automatic.
Research methods: The methods used to process this image are layer stacking, subset data
from ROIs, band math for NDVI and radiometric calibration, radiometric correction. and
supervised class.
Research result: The results of image processing show the existence of magelang area flanked
by three mountains, namely Mount Sumbing (west), Mount Merapi (southeast), and Mount
Merbabu (east). Magelang area looks dominated by vegetation cover located at the foot of
mountains and valley areas. However, on Mount Merapi found dominance of the existence of
bodies of water used for agricultural purposes, and its existence is spread randomly on the
built land. Magelang city center is dominated by the pink classification, which indicates the
land is built followed by bodies of water that irrigate agricultural land. Then, the open land in
Analisis Kerapatan Vegetasi di Kabupaten Magelang
Menggunakan Citra Landsat 8 Bermetode NDVI
(Normalized Difference Vegetation Index)
Aqshal Raihan Budiputra
1.333
Magelang is at the top of the mountain.
Conclusion: Magelang is an area flanked by three mountains, namely Mount Sumbing.
Merapi, and Merbabu. Magelang imagery obtained shows that Mount Merbabu (East) and
Mount Sumbing (West) are dominated by vegetation cover, indicating the condition of the
fertile area and inversely proportional to Mount Merapi (Southeast) which has begun to be
crowded by the built land. Magelang City Center has flat land, but the surroundings are
dominated by mountainous areas. This causes the city to become more crowded by humans
than the surrounding mountainous areas.
Keywords: NDVI, Satellite Imagery, Vegetation, Supervised Classification
Diterima: 28-10-2021; Direvisi: 29-10-2021; Disetujui: 14-11-2021
PENDAHULUAN
Secara geografis, Kota Magelang sendiri terletak di 110°12’30” - 110°12’52” BT
dan 7°26’28” - 7°30’9” LS (Khudhori, 2015) dan Kabupaten Magelang terletak di 7° 28′
0″ LS, 110° 13′ 0″ BT (Bronto et al., 2014). Kota Magelang dibagi dalam tiga kecamatan
yaitu Kecamatan Magelang Utara, Kecamatan Magelang Tengah dan Kecamatan
Magelang Selatan. Kabupaten Magelang terbagi menjadi empat kecamatan, yaitu
Kecamatan Secang (Utara), Kecamatan Tegalrejo (Timur), Kecamatan Magelang Tengah
(Selatan) dan Kecamatan Bandongan (Barat).
Penginderaan jauh didefinisikan sebagai perolehan informasi suatu objek tanpa
adanya kontak fisik dengan objek tersebut. Informasi dalam penginderaan jauh diperoleh
dengan mendeteksi dan mengukur perubahan dari objek yang digeneralisasikan dengan
kondisi optik disekitarnya, meliputi elektromagnetik, akustik dan potensial. Medan
elektromagnetik yang dipancarkan lalu dipantulkan oleh objek, gelombang akustik
dipantulkan atau dihamburkan oleh objek (Rahmatsyah et al., 2020) atau adanya
gangguan medan potensial karena adanya objek. Normalized Difference Vegetation Index
(NDVI) adalah suatu bentuk transformasi citra umum dalam studi vegetasi. Berdasarkan
hal ini, NDVI merupakan sebuah indeks yang mendeskripsikan perbedaan antara
reflektansi tutupan vegetasi yang terlihat (visible) (Ariani et al., 2019) dengan reflektansi
near-infrared dan dapat digunakan untuk memperkirakan kerapatan vegetasi yang ada
para suatu area (Muzaky & Jaelani, 2019).
NDVI memiliki kekuatan untuk menghubungkan refleksi optik sebagai suatu
bentuk pengukuran pada kondisi vegetasi di suatu daerah (Rif’anuddin, 2018). Hal ini
kemudian menunjukkan kegunaan informasi yang dapat diperoleh dari penginderaan jauh
(Hanim et al., 2016). NDVI didasari dari penggunaan pita near-infrared dan pita merah
(red), dimana hal ini berupa:
NDVI = (NIR-R)/(NIR+R)
-NIR (Near-Infrared) merupakan Band 5
-R (Red) merupakan Band 4
Adapun dari tujuan penelitian ini adalah mengetahui penggunaan lahan yang ada di
Citra Magelang, melihat indeks kerapatan vegetasi di Magelang menggunakan metode
NDVI, memberikan informasi tahapan pengolahan citra sesuai dengan ketentuan-
ketentuan yang berlaku dan melakukan klasifikasi baik manual maupun otomatis.
Klasifikasi citra adalah suatu kegiatan yang didasarkan pada pendeteksian dan
pengidentifikasian objek-objek di permukaan bumi pada citra satelit (Arifin & Hidayat,
2014). Salah satu metode klasifikasi citra yaitu metode klasifikasi terbimbing (supervised
classification). Metode standar dari supervised classification pada citra telah
dikembangkan untuk Landsat Multispektral Scanner dan Thematic Mapper (TM) dan
telah diterapkan pada variasi tipe citra yang hanya memiliki beberapa channel spectral.
Vol. 1, No. 11, pp. 1.332-1.340, November 2021
1.334 http://sostech.greenvest.co.id
Seperti namanya, Supervised Classification membutuhkan panduan dari manusia.
Berdasarkan hal ini, pengguna atau analis “mengawasi” (supervised) proses klasifikasi
piksel dalam suatu citra dengan menentukan nilai piksel yang dikaitkan dengan setiap
kelas. Hal ini dilakukan dengan memilih training sample dari jenis tutupan yang disebut
sebagai training area atau Region of Interest (ROI). Algoritma komputer kemudian
menggunakan signature spektral dari Region of Interest (ROI) ini untuk
mengklasifikasikan seluruh gambar (Ardyansyah & Danoedoro, 2015).
Data citra yang telah digunakan untuk mengembangkan gambaran indeks vegetasi
berfungsi mengidentifikasi perubahan lanskap musiman yang dapat mengindikasikan
kekeringan (Rahardjanto, 2019). NDVI dapat mengitung area kehijauan atau vegetasi
dengan mengukur perubahan antara Near-infrared dan pita merah (red) (Purba et al.,
2013). Hal ini dikarenakan klorofil pada daun menyerap sensor pita merah namun
memantulkan sensor infrared (Laremba, 2014). Melalui perbandingan nilai ukuran NDVI
dengan nilai-nilai historis (Arifah, 2018), dapat dimungkinkan untuk menyoroti area
pertanian yang secara signifikan kurang produktif daripada di masa lalu (Permana &
Arianti, 2012) dan dengan demikian memiliki indikasi gagal panen.
Penelitian sebelumnya terkait analisis menggunakan citra Landsat 8 di Kabupaten
Magelang, yang mengidentifikasi kelembaban tanah permukaan menggunakan
Temperature Vegetation Dryness Index (TVDI). Dalam penelitian tersebut, TVDI
memanfaatkan parameter yang juga menggunakan NDVI dan juga Land Surface
Temperature (LST). Hasil dari penelitian tersebut ditemukan bahwa Kabupaten Magelang
relatif lebih didominasi oleh kelas kelembaban tanah yang bersifat agak kering, dengan
luas sebesar 69.940,391 Ha (64,42% dari total luas lahan Kab. Magelang). Unsur
kelembaban tanah ini kemudian dinyatakan memiliki kaitan erat dengan unsur kerapatan
vegetasi. Dengan begitu, penelitian ini akan menjelaskan lebih lanjut wilayah Kabupaten
Magelang dari kerapatan vegetasinya, dimana data yang ditemukan dapat bersifat
komplementer dan melengkapi unsur-unsur yang kurang tersorot pada penelitian
sebelumnya.
METODE PENELITIAN
Bahan yang digunakan untuk mengolah data ini adalah software ENVI, SHP file
Kabupaten dan Kota Magelang, dan data citra meliputi citra Landsat 8 C1 Level 1 Path
120 Row 65 tanggal 18 Mei 2014 yang diunduh dari website earthexplorer.sugs.gov.
Metode yang digunakan untuk mengolah citra ini berupa layer stacking, subset data from
ROIs, band math untuk NDVI dan kalibrasi radiometrik, koreksi radiometrik dan
supervised class. Metode pertama yang dilakukan adalah layer stacking. Metode ini
berguna untuk meletakkan semua band dalam satu layer agar dapat mudah
diinterpretasikan dengan hanya memunculkan band yang diperlukan saja.
Analisis Kerapatan Vegetasi di Kabupaten Magelang
Menggunakan Citra Landsat 8 Bermetode NDVI
(Normalized Difference Vegetation Index)
Aqshal Raihan Budiputra
1.335
Gambar 1. Hasil Metode Layer Stacking Semua Band
dalam Satu Layer dari Citra Kab. Magelang.
Metode kedua yang digunakan yaitu subset data. Metode ini berguna untuk
memudahkan interpretasi suatu daerah agar citra dapat terlihat lebih fokus, serta
memudahkan membaca batas administrasi suatu daerah. Hal ini dikarenakan software
ENVI tidak bisa memunculkan batas administrasi dan untuk subset data membutuhkan
SHP file yang sudah dilakukan Query Builder di ArcMap. Pada metode ini dapat dibuka
Band 432 (true color) agar terlihat jelas permukaannya.
Gambar 2. Hasil Subset Data Citra Kab. Magelang Menggunakan Band 432 atau True
Color.
Metode ketiga yang dilakukan yaitu metode band math untuk mendapatkan nilai
NDVI menggunakan rumus berupa NDVI = (Near IR-R)/(Near IR+R) yang berarti Near
IR = Band 5 dan Red = Band 4.
Vol. 1, No. 11, pp. 1.332-1.340, November 2021
1.336 http://sostech.greenvest.co.id
Gambar 3. Hasil Pemerolehan Nilai NDVI Berdasarkan Penghitungan
Rumus.
Selanjutnya, dilakukan metode kalibrasi radiometrik yang dihitung menggunakan
band math dengan mengambil data-data angka dari metadata, seperti Reflectance dan
Radiance. Tujuan kalibrasi ini dilakukan untuk mengubah data pada citra yang disimpan
menggunakan digital number (DN) menjadi radian dan/atau reflektan. Dalam kalibrasi
ini, DN dikonversikan ke bentuk Top of Atmosphere (TOA) Radiance dan Spectral.
Gambar 4. Konversi data digital number (DN) ke bentuk Top of Atmosphere
(ToA) Spectral.
Gambar 5. Konversi data digital number (DN) ke bentuk Top
of Atmosphere (ToA) Radian.
Analisis Kerapatan Vegetasi di Kabupaten Magelang
Menggunakan Citra Landsat 8 Bermetode NDVI
(Normalized Difference Vegetation Index)
Aqshal Raihan Budiputra
1.337
Metode keempat yang dilakukan yaitu koreksi radiometrik. Metode ini dilakukan
karena citra satelit umumnya mengandung nilai digital number (DN) asli yang belum
diolah berdasarkan radian spektral yang sebenarnya, sehingga mempengaruhi hasil
informasi yang tidak akurat. Ketidakuratan informasi ini dapat menyebabkan efek
haziness (mengurangnya kontras citra) dan efek adjacency (tergabungnya nilai hamburan
pixel terdekat). Ini dapat disebabkan karena perbedaan nilai sudut pemotretan, posisi
matahari, kondisi cuaca, dan faktor lain yang mempengaruhinya. Dengan begitu, metode
ini dilakukan untuk memperbaiki nilai pixel dan membersihkan efek atmosferik dengan
mengkonversi nilai DN menjadi nilai unit spektral reflectance, dengan memanfaatkan
pengambilan data sudut matahari yang berasal dari metadata lalu kemudian digunakan
untuk membagi semua nilai band dari layer TOA Spectral.
Gambar 6. Koreksi Radiometrik dengan Brightness 100 untuk
Mengurangi efek haziness dan adjacency.
Gambar 7. Data Sudut Matahari atau TOA Spectral Sun Angle dengan Brightness 100
yang digunakan dalam Koreksi Radiometrik.
Pada metode kelima, dilakukan Maximum Likehood Classification atau
pengklasifikasian baik secara manual ataupun secara otomatis. Klasifikasi ini
mengasumsikan bahwa statistik untuk setiap kelas di setiap band terdistribusi secara
normal dan menghitung probabilitas bahwa pixel tertentu termasuk dalam kelas tertentu.
Vol. 1, No. 11, pp. 1.332-1.340, November 2021
1.338 http://sostech.greenvest.co.id
Dengan begitu, seluruh pixel yang ada digolongkan ke ke kelas yang memiliki
probabilitas tertinggi (sesuai namanya yaitu Maximum Likelihood). Berikut hasil digitasi
citra yang diperoleh:
Gambar 8. Hasil Pengklasifikasian Pixel dari Citra menggunakan Maximum Likelihood
Classification secara Manual.
Untuk hasil dari klasifikasi secara otomatis, didapatkan citra sebagai berikut:
Gambar 9. Hasil Pengklasifikasian Pixel dari Citra menggunakan Maximum Likelihood
Classification secara Otomatis (Metode Supervised).
HASIL DAN PEMBAHASAN
Hasil dari pengolahan citra menunjukkan keberadaan daerah Magelang yang diapit
oleh tiga gunung, yaitu Gunung Sumbing (sebelah barat), Gunung Merapi (sebelah
tenggara), dan Gunung Merbabu (sebelah timur). Daerah Magelang terlihat didominasi
oleh tutupan vegetasi yang berada di kaki gunung dan daerah lembah. Namun, pada
Gunung Merapi ditemukan dominasi keberadaan badan air yang dimanfaatkan untuk
kepentingan pertanian, dan keberadaannya tersebar secara acak pada lahan terbangun.
Pusat kota Magelang didominasi oleh klasifikasi berwarna merah muda, dimana hal
tersebut menunjukkan lahan terbangun diikuti oleh badan-badan air yang mengairi lahan
pertanian. Lalu, lahan terbuka yang ada di Magelang berada di puncak gunung.
Pada citra ini, terlihat bahwa Magelang memiliki permukaan yang rata-rata
memiliki keberadaan wilayah di kaki pegunungan, ditunjukkan dari kondisi sekelilingnya.
Analisis Kerapatan Vegetasi di Kabupaten Magelang
Menggunakan Citra Landsat 8 Bermetode NDVI
(Normalized Difference Vegetation Index)
Aqshal Raihan Budiputra
1.339
Keberadaan Kota Magelang terletak pada tinggi permukaan yang paling rendah
dibandingkan daerah sekitarnya. Di sisi lain, terlihat juga dominasi lahan vegetasi yang
meliputi banyaknya wilayah dengan kesuburan tinggi, sehingga banyak masyarakat
Magelang yang melakukan aktivitas cocok tanam, baik berupa perkebunan ataupun
penanaman pohon-pohon besar. Selain itu, daerah pegunungan juga masih memiliki
luasan hutan, namun pada daerah kaki Gunung Merapi didapatkan kondisi lahan vegetasi
yang sudah berkurang dibandingkan daerah lainnya. Hal ini dikarenakan peralihfungsian
lahan vegetasi menjadi lahan terbangun yang digunakan oleh masyarakat.
Pada data yang ditemukan pada penelitian ini, ditemukan hasil yang sesuai dengan
penelitian Ramdan (2018) dimana kerapatan vegetasi teridentifikasi cukup dominan di
beberapa daerah, namun mendapati kondisi lahan vegetasi yang sudah berkurang juga di
beberapa daerah lainnya. Hal ini ditunjukkan dengan hasil dari penelitian tersebut dimana
lahan dengan lereng yang terklasifikasi miring dan agak curam memiliki dominasi
kelembaban tanah normal (seluas 8.015,586 Ha). Berdasarkan data yang diperoleh di
penelitian ini, kondisi tersebut kemudian menandakan kerapatan vegetasi yang tinggi. Di
sisi lain, pada penelitian tersebut ditemukan bahwa lahan dengan klasifikasi lereng agak
miring (seluas 11.303,476 Ha) dan klasifikasi landai/berombak (seluas 5.981,982 Ha)
memiliki kelembaban tanah permukaan yang bersifat agak kering. Dengan penambahan
analisis data yang ditemukan penelitian ini, hal tersebut kemudian menunjukkan
kerapatan vegetasi yang lebih rendah semakin landainya suatu daerah di Magelang.
KESIMPULAN
Magelang merupakan daerah yang diapit oleh tiga gunung, yaitu Gunung Sumbing.
Merapi, dan Merbabu. Citra Magelang yang diperoleh menunjukkan bahwa Gunung
Merbabu (Timur) dan Gunung Sumbing (Barat) didominasi oleh tutupan vegetasi,
menandakan kondisi daerah yang subur namun berbanding terbalik dengan Gunung
Merapi (Tenggara) yang sudah mulai dipadati oleh lahan terbangun. Dengan begitu, hasil
kerapatan vegetasi teridentifikasi cukup dominan di beberapa daerah, namun juga sudah
berkurang di beberapa daerah lainnya. Ini teridentifikasi dengan semakin miring atau
terjalnya kelerengan suatu daerah, maka semakin mendominasi dan rapat pula kondisi
vegetasi yang ada didalamnya, namun semakin datar atau landainya suatu daerah maka
semakin berkurang vegetasi yang berada didalamnya. Lebih lanjut, Pusat Kota Magelang
memiliki lahan yang datar, namun disekitarnya didominasi oleh daerah pegunungan. Hal
ini menyebabkan kota menjadi lebih dipadati oleh manusia dibandingkan daerah
pegunungan sekitar.
BIBLIOGRAFI
Ardyansyah, T., & Danoedoro, P. (2015). Pengaruh Perbedaan Metode Image Fusion
Multisensor Terhadap Tingkat Akurasi Klasifikasi Berbasis-objek Untuk Pemetaan
Penutup Lahan Sebagian Daerah Istimewa YOGYAKARTA. Jurnal Bumi
Indonesia, 4(2).
Ariani, D., Prasetyo, Y., & Sasmito, B. (2019). Estimasi tingkat produktivitas padi
berdasarkan algoritma NDVI, EVI dan SAVI menggunakan Citra Sentinel-2
Multitemporal (Studi Kasus: Kabupaten Pekalongan, Jawa Tengah). Jurnal Geodesi
Undip, 9(1), 207–216.
Arifah, N. (2018). Pemodelan Spasial Perkembangan Lahan berdasarkan Penentuan
Prioritas Ruang Terbuka Hijau di Wilayah Surabaya Timur. Institut Teknologi
Sepuluh Nopember.
Vol. 1, No. 11, pp. 1.332-1.340, November 2021
1.340 http://sostech.greenvest.co.id
Arifin, S., & Hidayat, T. (2014). Kajian kriteria standar pengolahan klasifikasi visual
berbasis data inderaja multispektral untuk informasi spasial penutup lahan. Seminar
Nasional Penginderaan Jauh, 642.
Bronto, S., Ratdomopurbo, A., Asmoro, P., & Adityarani, M. (2014). Longsoran Raksasa
Gunung Api Merapi Yogyakarta–Jawa Tengah. Jurnal Geologi Dan Sumberdaya
Mineral, 15(4), 165–183.
Hanim, F., Sumarmi, S., & Amirudin, A. (2016). Pengaruh penggunaan multimedia
pembelajaran interaktif penginderaan jauh terhadap hasil belajar geografi. Jurnal
Pendidikan: Teori, Penelitian, Dan Pengembangan, 1(4), 752–757.
Khudhori, I. (2015). Analisis tempat rukyat di Jawa Tengah (studi analisis astronomis
dan geografis). UIN Walisongo.
Laremba, S. (2014). Sebaran dan Kerapatan Mangrove di Teluk Kota Kendari Sulawesi
Tenggara. In Makassar: FIKP UNHAS.
Muzaky, H., & Jaelani, L. M. (2019). Analisis Pengaruh Tutupan Lahan terhadap
Distribusi Suhu Permukaan: Kajian Urban Heat Island di Jakarta, Bandung dan
Surabaya. Jurnal Penginderaan Jauh Indonesia, 1(2), 45–51.
Permana, A. Y., & Arianti, F. (2012). Analisis Pengaruh PDRB, Pengangguran,
Pendidikan, dan Kesehatan terhadap Kemiskinan di Jawa Tengah Tahun 2004-
2009. Fakultas Ekonomika dan Bisnis.
Purba, K. D., Rahmawaty, R., & Riswan, R. (2013). Pendugaan Cadangan Karbon Above
Ground Biomass (AGB) pada Tegakan Sawit (Elaeis guineensis Jacq.) di Kabupaten
Langkat/(The Estimate of Carbon Stocks Above Ground Biomass (AGB) on Palm
(Elaeis guineensis Jacq.) Stands in Langkat District). Peronema Forestry Science
Journal, 2(1), 39–46.
Rahardjanto, A. (2019). Bioindikator (Teori dan aplikasi dalam biomonitoring) (Vol. 1).
UMMPress.
Rahmatsyah, M. S., Juliani, R., & Tampubolon, T. (2020). Fisika Kelautan. Media Sains
Indonesia.
Ramdan, C. A. (2018). Analisis Kelembaban Tanah Permukaan dengan Menggunakan
Citra Landsat 8 OLI/TRIS di Kabupaten Magelang. Universitas Muhammadiyah
Surakarta.
Rif’anuddin, S. H. (2018). Pemetaan Potensi Dan Kelayakan Tambang Batuan Kapur
Menggunakan Metode Penginderaan Jauh (Studi Kasus: Kecamatan Semanding,
Kabupaten Tuban, Jawa Timur). Institut Teknologi Sepuluh Nopember.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0
International License