3.1 Tempat dan Waktu Penelitian
Penelitian ini dilakukan pada bulan Juli – November 2010 di Kabupaten Bandung, Jawa Barat, meliputi 13 kecamatan di wilayah tersebut. Pengolahan data dilakukan di Laboratorium Analisis Lingkungan Departemen Konservasi Sumberdaya Hutan dan Ekowisata, Fakultas Kehutanan Institut Pertanian Bogor.
Gambar 1 Peta administrasi Kabupaten Bandung.
3.2 Alat dan Bahan
Alat yang digunakan dalam penelitian ini adalah seperangkat komputer yang dilengkapi dengan paket Sistem Informasi Geografis (perangkat keras dan lunak) dengan softwareErdas Imagine 9.1, ArcGIS 9.3, DNR Garmin 5.4.1, SPSS 15, dan Microsoft Office 2007. Alat yang digunakan di lapangan meliputi Global Positioning System (GPS), kamera digital dan alat tulis.
Bahan yang digunakan dalam penelitian ini adalah data citra Landsat ETM (+) path/row : 122/065, dengan tanggal akuisisi 12 Mei 2001 dan 6 Agustus 2009,
peta administrasi Kabupaten Bandung dan data statistik Kabupaten Bandung yang diperoleh dari BAPPEDA Kabupaten Bandung, peta Rupa Bumi Indonesia (RBI) dari Badan Planologi Kehutanan dan Data Klimatologi berupa suhu minimum, suhu maksimum, suhu rata-rata dan kelembaban relatif rata-rata Kabupaten Bandung yang diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG) Kelas I Bogor.
3.3 Metode Penelitian
Data citra diproses dan dianalisis agar didapatkan informasi yang dibutuhkan, sehingga dilakukan tahapan pemrosesan citra landsat, yaitu:
1. Pemulihan citra (Image Restoring)
Terdapat perubahan yang dialami oleh citra pada saat pengambilan citra oleh satelit, sehingga dilakukan perbaikan radiometrik dan geometrik. Perbaikan radiometrik bertujuan untuk memperbaiki bias pada nilai digital piksel yang disebabkan oleh gangguan atmosfer ataupun kesalahan sensor. Perbaikan geometrik dapat dilakukan dengan mengambil titik-titik ikat di lapangan atau menggunakan citra yang telah terkoreksi.
2. Penajman citra (Image Enhancment)
Penajaman citra dilakukan agar suau objek pada citra terlihat lebih tajam dan kontras, sehingga dapat memudahkan interpretasi secara visual.
3. Pemotongan (subset) wilayah kajian
Pemotongan citra dilakukan sesuai dengan lokasi penelitian yang telah ditentukan berdasarkan pada batas administrasi wilayah Kabupaten Bandung. Pemotongan citra dilakukan dengan memotong wilayah yang menjadi objek penelitian. Citra yang terkoreksi dipotong menggunakan Area of Interest
(AOI). Citra satelit landsat yang digunakan path/row : 122/065 tahun 2001 dan 2009.
4. Survey lapangan
Survey lapangan bertujuan untuk mengetahui kondisi lapangan dan perubahan penutupan lahan. Pengambilan titik kontrol dilakukan tidak secara menyeluruh, melainkan hanya beberapa tempat saja yang dianggap dapat mewakili masing-masing kelas klasifikasi penutupan lahan. Setiap lokasi
14
survey yang mewakili masing-masing kelas penutupan lahan, diambil titik koodinatnya dengan menggunakan Global Positioning System (GPS) untuk diverifikasikan dengan data citra.
5. Klasifikasi tutupan lahan
Interpretasi citra Landsat ETM+ dilakukan dengan melihat karakteristik dasar kenampakan masing-masing penggunaan/penutupan lahan pada citra yang dibantu dengan unsur-unsur interpretasi (Avery, 1992; Lillesand dan Kiefer, 1997). Klasifikasi citra diperlukan untuk mengetahui sebaran dan luas tipe penutupan lahan di wilayah studi. Klasifikasi citra yang digunakan menggunakan metode klasifikasi terbimbing (Supervised Classification) yaitu melalui proses pemilihan kategori informasi atau kelas yang diinginkan, yang selanjutnya memilih training area yang mewakili tiap kelas atau kategori untuk penentuan posisi contoh di lapangan dengan bantuan citra warna komposit dan peta penutupan lahan untuk setiap kelas penutupan lahan yang dibantu dengan data pengecekan lapang.
Tahapan yang dilakukan dalam klasifikasi terbimbing menggunakan
software Erdas Imagine 9.1 antarlain:
a. Pengenalan pola-pola spektral yang ditampilkan oleh citra dengan berpedoman pada titik kontrol yang diambil pada lokasi penelitian menggunkan GPS.
b. Pemilihan daerah (area of interest) yang diidentifikasi sebagai satu tipe penutupan lahan berdasarkan pola-pola spektral yang ditampilkan oleh citra.
c. Proses klasifikasi citra yang dilakukan secara otomatis oleh komputer berdasarkan pola-pola spektral yang telah ditetapkan pada saat proses pemilihan daerah. Klasifikasi citra pada wilayah penelitian meliputi: vegetasi rapat, vegetasi jarang, sawah, semak, lahan terbangun, lahan terbuka, awan dan bayangan awan.
d. Menggabungkan daerah-daerah yang memiliki tipe penutupan lahan yang sama (recode).
e. Citra hasil klasifikasi dikoreksi dengan membandingkannya dengan citra sebelum diklasifikasi.
T =
6. Estimasi suhu
Pengestimasian nilai suhu permukaan menggunakan software Erdas Imagine 9.1, kemudian dibangun sebuah model pada model maker yang sudah tersedia untuk mengkonversi nilai – nilai pixel pada landsat 5 TM dan band 6. Hal yang perlu diperhatikan adalah nilai DN (Digital Number) untuk dilakukan konversi menjadi nilai radiasi. Berikut adalah rumus yang digunakan untuk mengkonversi nilai digital menjadi nilai radiasi (USGS 2002).
Radiasi = gain x DN (digital number) + offset
Nilai gain sebesar 0,05518, digital number adalah dengan band 6 dan nilai offset sebesar 1,2378. Konversi band 6 pada Landsat 5 TM dan 7 ETM kemudan dilakukan untuk mengetahui suhu permukaan (USGS 2002):
3.4 Korelasi Normalized Difference Vegetation Index (NDVI) dengan Suhu
NDVI merupakan salah satu cara yang efektif dan sederhana untuk mengidentifikasikan kondisi vegetasi di suatu wilayah, dan metode ini cukup berguna dan sudah sering digunakan dalam menghitung indeks kanopi tanaman hijau pada data multispectral penginderaan jauh. Secara defenisi matematis, dengan menggunakan NDVI, maka suatu wilayah dengan kondisi vegetasi yang rapat akan memiliki nilai NDVI yang positif. Nilai NDVI perairan bebas akan cenderung bernilai negatif.
NDVI pada dasarnya adalah menghitung seberapa besar penyerapan radiasi matahari oleh tanaman terutama bagian daun. Tumbuhan hijau menyerap radiasi matahari pada bagian photosynthetically active radiation (PAR). Nilai NDVI merupakan perbedaan reflektansi dari kanal inframerah dekat dan kanal cahaya tampak (merah). Nilai NDVI berkisar antara -1 sampai +1, yang artinya bahwa jika wilayah tersebut semakin hijau rapat suatu vegetasi, maka nilai NDVI semakin besar. Nilai NDVI semakin kecil jika berada pada suatu wilayah yang jarang atau tidak ada vegetasi. Persamaan untuk menghitung NDVI adalah NDVI
Keterangan : T : Suhu Efektif (K)
K2 : Konstanta Kalibrasi 2 (Tabel 2) K3 : Konstanta Kalibrasi 1 (Tabel 1) : Spektral Radiasi (W/(m2*ster*µm)
16
y = a + bx
= (NIR – VIS)/(NIR+VIS), dengan NIR merupakan Reflektansi kanal inframerah dekat/near infrared (kanal 2) dan VIS merupakan Reflektansi kanal cahaya tampak/infrared (kanal 2).
Analisis korelasi dan regresi dilakukan untuk memperoleh tingkat hubungan antara NDVI dengan suhu ditentukan dengan bentuk persamaan yang akan dicoba adalah regresi linier sederhana antara NDVI sebagai variabel bebas X dan suhu permukaan sebagai variabel tak bebas y dengan persamaan umum adalah y = b0 + b1*x. Besarnya nilai b1 yang negatif akan menentukan berapa besarnya pengurangan nilai x yang dapat meningkatkan nilai y.
3.5 Estimasi Kelembaban Udara Relatif (RH)
Data kelembaban didapatkan dari stasiun BMKG Kelas I Dramaga Bogor dan pengukuran langsung yang dilakukan Rushayati (2010) pada beberapa tipe penutupan lahan. Estimasi nilai kelembaban berdasarkan hasil regresi antara suhu rata-rata dan kelembaban rata-rata di Kabupaten Bandung. Regresi sederhana yang didapatkan, yaitu :
Berdasarkan rumus regresi sederhana, y merupakan kelembaban variabel terikat, sedangkan x merupakan variabel bebas. Nilai DN dari suhu permukaan digunakan sebagai nilai x untuk penentuan wilayah sebaran kelembaban. Hasil regresi yang didapatkan dimasukkan ke dalam software Erdas Imangine, sehingga didapatkan peta sebaran kelembaban.
3.6 Penentuan Temperature Humidity Index (THI)
Penentuan indeks kenyamanan atau THI dapat ditentukan dari nilai suhu udara (0C) dan kelembaban (RH) dengan menggunakan persamaan Nieuwolt, 1975 dalam D. Murdiyarso dan H. Suharsono, 1992, yaitu:
Keterangan : T a : Suhu Udara (
o
C) RH : Kelembaban relatif (%)
3.7Rekomendasi Pengembangan RTH Berdasarkan Pengelompokkan Klasifikasi Suhu
Berdasarkan hasil perhitungan indeks kenyamanan atau THI didapatkan proposi RTH suatu wilayah. Peta penutupan lahan dan peta administrasi wilayah di overlay dengan peta sebaran suhu, yang kemudian dikelompokkan berdasarkan kelas suhu dan THI. Dari data tersebut dapat diketahui sebaran suhu pada suatu daerah, dan dapat diidentifikasi daerah mana saja yang memiliki suhu permukaan yang tinggi, rendah, ataupun sedang, sehingga dapat direkomendasikan ruang terbuka hijau yang sesuai dengan kondisi lingkungan.
18