ANALISIS KETERKAITAN PERUBAHAN KERAPATAN (1)

(1)

ANALISIS KETERKAITAN PERUBAHAN KERAPATAN VEGETASI TERHADAP SUHU PERMUKAAN (LAND SURFACE TEMPERATURE) PADA TAHUN 2013 DAN 2015 MENGUNAKAN PENGOLAHAN DATA CITRA LANDSAT 8 (STUDI KASUS : KABUPATEN BLORA, PROVINSI JAWA TENGAH)

ANALISIS KETERKAITAN PERUBAHAN KERAPATAN VEGETASI TERHADAP SUHU PERMUKAAN (LAND SURFACE TEMPERATURE) PADA TAHUN 2013 DAN 2015 MENGUNAKAN

PENGOLAHAN DATA CITRA LANDSAT 8

(STUDI KASUS : KABUPATEN BLORA, PROVINSI JAWA TENGAH)

Bernardinus Joko Prakosta Santu Aji

Program Studi Teknik Geodesi, Fakultas Teknik, Universitas Diponegoro Jl. Prof. H. Soedarto, SH. Kampus Tembalang, Semarang,

Email : bernardinusjokopsa@gmail.com

ABSTRAK

Peristiwa pemanasan global dan tingginya suhu global menjadi kajian yang harus diteliti. Efek pemanasan global sangat dirasakan, terutama di wilayah Kabupaten Blora, Provinsi Jawa Tengah.. Pemanasan global dipicu dari banyaknya faktor yang mendukung terjadinya peristiwa tersebut seperti tingkat vegetasi yang rendah, suhu permukaan tanah yang tinggi, kepadatan penduduk yang tinggi, polusi udara, dan sebagainya. Dengan teknologi penginderaan jauh, kita dapat mendeteksi tingkat kerapatan vegetasi dengan menggunakan metode Normalized Difference Vegetation Index (NDVI) pada suatu daerah dan dapat mendeteksi perubahan kerapatan tersebut dengan mengolah citra pada tahun yang berbeda. Teknologi penginderaan jauh ini digunakan pula untuk identifikasi bagaimana kondisi suhu permukaan (Land Surface Temperature).

Tujuan dari penelitian ini adalah untuk memberikan informasi tingkat vegetasi dan informasi tingkat suhu permukaan pada tahun 2013 dan 2015 di Kabupaten Blora, memberikan informasi berdasarkan data yang ada mengenai pengaruh perubahan NDVI dan tutupan lahan terhadap perubahan suhu permukaan, dan mengetahui korelasi hubungan antara suhu permukaan dengan tingkat kerapatan vegetasi atau NDVI.

Hasil dari penelitian ini adalah menunjukkan peningkatan suhu permukaan di tahun 2015 sebesar 2-3 derajat celcius dibanding dengan tahun 2013, menunjukkan penurunan tingkat kerapatan vegetasi dari vegetasi cukup rapat menjadi vegetasi jarang di tahun 2015, dan menunjukkan tingkat korelasi atau hubungan sebesar 60% antara variabel suhu permukaan dengan variabel NDVI.

(2)

lapisan atmosfer dan permukaan bumi akibat panas yang terperangkap oleh emisi lapisan karbondioksida di atmosfer. Pemanasan global sudah terjadi diberbagai belahan bumi dan efek pemanasan global sudah sangat dirasakan sampai detik ini.

Kabupaten Blora adalah salah satu kabupaten yang memiliki wilayah vegetasi yang cukup luas, suhu udara yang dingin, potensi tambang yang terkenal yakni tambang batu kapur yang menjadi eksistensi dari Kabupaten Blora. Namun, tampaknya kondisi vegetasi yang tinggi diberbagai sudut wilayah hanya dapat ditemukan di tahun-tahun lalu dan sekarang sudah berkurang. Pengaruh eksplorasi tambang batu kapur juga mempengaruhi berkurangnya vegetasi sebab dilakukan pembukaan lahan dan penebangan vegetasi.

Minimnya kerapatan vegetasi menjadi salah satu pengaruh yang signifikan dalam terjadinya pemanasan global. Pemanasan global juga dipengaruhi oleh beberapa faktor penunjang lainnya seperti kepadatan penduduk yang semakin tinggi, perubahan tutupan lahan yang mengakibatkan berkurangnya wilayah vegetasi, polusi udara, dan sebagainya. Semakin minim vegetasi disuatu wilayah dan ditunjang dengan faktor-faktor pemanasan global yang ada, dapat diprediksi wilayah tersebut memiliki suhu permukaan yang tinggi.

sangat perlu diketahui dan diidentifikasi untuk dilakukan

upaya pencegahannya.

Penggunaan teknologi

penginderaan jauh merupakan teknologi yang cocok, tepat, dan efisien dalam menentukan

bagaimana kondisi suhu

permukaan dan tingkat kerapatan vegetasi disuatu wilayah, khususnya di Kabupaten Blora. Dengan menggunakan teknologi penginderaan jauh kita dapat mengidentifikasi indeks kerapatan

vegetasi dengan metode

Normalized Difference Vegetation Index (NDVI) menggunakan kanal

near infra red dan kanal merah pada saluran citra satelit. Metode ini sangat efektif untuk mendeteksi perubahan kerapatan vegetasi di suatu daerah. Dengan teknologi penginderaan jauh kita juga dapat mengekstrak suhu permukaan dengan menggunakan metode

Perumusan masalah dalam penelitian ini adalah :

1. Bagaimana pengaruh

perubahan tutupan lahan terhadap suhu permukaan di Kabupaten Blora pada tahun 2013-2015?

perubahan NDVI terhadap

suhu permukaan

Kabupaten Blora pada tahun 2013-2015?

(3)

perubahan kerapatan

vegetasi dan tutupan lahan terhadap suhu permukaan?

Batasan Masalah

Batasan masalah dari penelitian ini sebagai berikut:

1. Penelitian ini hanya dibatasi di Kabupaten Blora menggunakan citra Landsat 8 tahun 2013 dan 2015.

2. Suhu permukaan lahan atau Land Surface Temperature (LST) adalah suhu kulit permukaan

penelitian berasal dari nilai

perhitungan NDVI

(Normalized Difference Vegetation Index) yakni: (a) Badan Air: -1 - 0; (b) Vegetasi Jarang: 0 – 0,25; (c) Vegetasi Cukup Rapat: 0,25 – 0,55; serta (d) Vegetasi Rapat: 0.55-0.78.

Tujuan Penelitian

Tujuan penelitian ini adalah sebagai berikut:

1. Memberikan informasi tingkat vegetasi dan informasi tingkat suhu permukaan pada tahun 2013 dan 2015 di

2. Memberikan informasi berdasarkan data yang ada

mengenai pengaruh permukaan dengan tingkat kerapatan vegetasi atau NDVI. radiance dari permukaan bumi, (2) upwelling radiance dari atmosfer dan radiance downwelling, (3) dari langit (Dash et al., 2002). Efek atmosfer termasuk penyerapan ke atas emisi dan irradiance ke bawah yang tercermin dari permukaan harus diperbaiki sebelum kecerahan suhu permukaan tanah diperoleh. Kecerahan suhu harus diatasi dengan spectrum nilai-nilai emisivitas sebelum perhitungan LST untuk jumlah sifat kekasaran permukaan tanah, jumlah dan sifat tutupan vegetasi dan termal.

Pengambilan dari LST

(4)

proporsi vegetasi dan tanahnya serta perbedaan dalam radiasi suhu antar kanopi vegetasi dan tanah mempengaruhi pengukuran LST (Qihao, Weng et al, 2003). Indeks vegetasi adalah besaran nilai kehijauan vegetasi yang diperoleh dari pengolahan sinyal dijital data nilai kecerahan (brightness) beberapa kanal data sensor satelit. Untuk pemantauan vegetasi, dilakukan proses pembandingan antara tingkat kecerahan kanal cahaya merah (red) dan kanal cahaya inframerah dekat (near infrared). Fenomena penyerapan cahaya merah oleh klorofil dan pemantulan cahaya inframerah dekat oleh jaringan mesofil yang terdapat pada daun akan membuat nilai kecerahan yang diterima sensor satelit pada kanal-kanal tersebut akan jauh berbeda.

Pada daratan non-vegetasi, termasuk diantaranya wilayah perairan, pemukiman penduduk, tanah kosong terbuka, dan wilayah dengan kondisi vegetasi yang rusak, tidak akan menunjukkan nilai rasio yang tinggi (minimum). Sebaliknya pada wilayah bervegetasi sangat rapat, dengan kondisi sehat, perbandingan kedua kanal tersebut akan sangat tinggi (maksimum).

Nilai perbandingan kecerahan kanal cahaya merah dengan cahaya inframerah dekat atau NIR/RED, adalah nilai suatu indeks vegetasi (yang sering disebut ”simple ratio”) yang sudah tidak dipakai lagi. Hal ini disebabkan karena nilai dari rasio NIR/RED akan

Oleh karena itu, dikembangkanlah suatu algoritma indeks vegetasi yang baru dengan normalisasi, yaitu NDVI (Normalized Difference Vegetation Index) seperti berikut ini:

Indeks vegetasi berbasis NDVI yang ditunjukkan pada persamaan diatas mempunyai nilai yang hanya berkisar antara -1 (non-vegetasi) hinga 1 ((non-vegetasi).

Beberapa varian dan

penyempurnaan NDVI telah

banyak dikembangkan.

Contohnya, SAVI yang merupakan perbaikan dari NDVI untuk koreksi pantulan cahaya dari tanah, ARVI yang memperhitungkan hamburan cahaya biru di atmosfir terhadap nilai NDVI.

Salah satu pengembangan dari SAVI dan ARCI adalah EVI yang lebih tahan terhadap pengaruh sangat hijau (subur dan lebat).

Hubungan LST dan NDVI

Hubungan antara indeks LST dan vegetasi seperti NDVI telah secara luas didokumentasikan dalam literatur. Dasar menggunakan NDVI untuk LST yakni jumlah vegetasi yang ada yakni menjadi

(5)

faktor penting dan NDVI dapat digunakan untuk menyimpulkan kondisi vegetasi secara umum. Kombinasi LST dan NDVI dengan

ruang LST-NDVI telah

dikembangkan dengan metode yakni (1)menggunakan hubungan vegetasi-tanah-kondisi, (2)metode pengukuran in situ, (3) awal dalam penelitian yaitu studi literatur dan mempersiapkan segala kebutuhan penelitian seperti alat dan bahan

2.Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data berupa citra satelit Landsat 8 tahun 2013 dan tahun 2015 serta batas administrasi Kabupaten Blora.

3.Tahap Pengolahan a. Pemilihan Band

Pemilihan band disini dilakukan untuk memilih band yang akan digunakan pada langkah selanjutnya. Untuk NDVI kita menggunakan band 4 dan 5 lalu untuk pengolahan temperatur permukaan kita menggunakan band 10 dan 11.

b. Klasifikasi NDVI

Klasifikasi NDVI

dilakukan pada citra dengan dua tahun yang berbeda dengan penerapan

band 4 dan band 5 dalam prosesnya.

c. Klasifikasi Suhu Permukaan band 11 pada prosesnya. d. Reklasifikasi

Reklasifikasi dilakukan untuk mengorganisir hasil

klasifikasi dengan

membuat kelas-kelas baru dengan range tertentu sesuai kebutuhan kita.

e. Pembentukan Matrik

Korelasi

Matrik korelasi bertujuan untuk mencari hubungan atau keterkaitan

4. Hasil

Dari hasil klasifikasi NDVI dan temperatur permukaan maka didapatkan peta persebaran vegetasi dan peta persebaran suhu permukaan.

DATA DAN PERALATAN

Data

Data yang digunakan dalam penelitian ini adalah :

1. Citra Landsat 8 TM tahun 2013 dan 2015 wilayah Kabupaten Blora

2. Peta Wilayah Administrasi Kabupaten Indonesia

(6)

1. Perangkat keras :

a. Laptop ASUS A450C b. Mouse Logitech 2. Perangkat lunak :

a. Sistem operasi Windows 8 64 bit

b. Microsoft Office Word 2010

c. Software ENVI 5.1 d. ArcGis 10.0

HASIL DAN PEMBAHASAN

Hasil Perhitungan Indeks Kerapatan Vegetasi Kota Sumbawa Tahun 2013 dan Tahun 2015

Gambar 1 Peta NDVI Kota Sumbawa Tahun 2013

Gambar 2 Peta NDVI Kabupaten Blora Tahun 2015

Tahun 2013 dan Tahun 2015

Gambar 3 Peta Suhu Permukaan Kota Sumbawa Tahun 2013

Gambar 4 Peta Suhu Permukaan Kota Sumbawa Tahun 2015

Berdasarkan hasil diatas terlihat ada peningkatan suhu berkisar diantara tiga hingga empat derajat celcius di beberapa daerah kota Sumbawa

REKLASIFIKASI

TEMPERATUR DAN NDVI

(7)

Gambar 5 Hasil Klasifikasi Suhu Permukaan

Gambar 6 Hasil Klasifikasi Indeks Kerapatan Vegetasi

ANALISA DAN HASIL

Analisis Hasil Suhu dan NDVI

Dari keempat peta yang telah dihasilkan, didapatkan analisis terhadap hasil sebagai berikut:

1. Perbedaan suhu permukaan dan NDVI di Kabupaten Blora pada tahun 2013 dan 2015 cukup terlihat signifikan.

2. Dari hasil suhu permukaan mengalami peningkatan suhu permukaan dari tahun 2013 ke tahun 2015. Dapat dilihat secara visual, warna merah yang menunjukkan suhu yang tinggi dengan derajat celcius yang tinggi tampak pada hasil suhu permukaan di tahun 2015. Ini berarti suhu permukaan

mengalami peningkatan di tahun 2015.

3. Dari hasil kerapatan vegetasi atau NDVI

mengalami penurunan

tingkat vegetasi di Kabupaten Blora dimana pada tahun 2013 vegetasi cukup rapat memiliki tingkat yang cukup tinggi namun di tahun 2015 didominasi dengan vegetasi jarang. Ini berarti tingkat kerapatan vegetasi di tahun

2015 mengalami

penurunan tingkat

kerapatan.

Analisis Korelasi Suhu dan NDVI

Gambar 7 Hasil Matrik Korelasi NDVI dan Temperatur

Dari hasil korelasi diatas, dapat dianalisis bahwa:

1. Nilai korelasi adalah nilai yang digunakan atau

didapatkan untuk

(8)

kerapatan vegetasi.

2. Nilai matrik korelasi diatas

sebesar 0.601635

menunjukkan bahwa antar

variabel saling

mempengaruhi sebesar 60 % dan bernilai positif maka hasil diatas disebut korelasi berbanding lurus dimana antar variabel memiliki pengaruh yang saling berbanding lurus.

3. Dari nilai tersebut, variabel antara suhu permukaan dan

kerapatan vegetasi

memiliki tingkat pengaruh atau hubungan yang saling mempengaruhi dengan nilai yang cukup besar.

KESIMPULAN

Adapun kesimpulan yang dapat di ambil dari penelitian ini adalah sebagai berikut :

1. Berdasarkan hasil diatas terjadi peningkatan suhu di beberapa daerah di Kabupaten Blora sebesar 2 sampai 3 derajat celcius. 2. Terjadi penurunan tingkat

kerapatan vegetasi di beberapa wilayah dari tingkat cukup rapat ke vegetasi jarang pada tahun 2015.

3. Dari hasil matriks korelasi didapatkan nilai sebesar 0.60135 yakni sekitar 60% tingkat korelasi antara suhu permukaan dengan NDVI. Dapat disimpulkan bahwa semakin jarang kerapatan

yang dihasilkan.

UCAPAN TERIMA KASIH

Terima kasih saya ucapkan kepada setiap pribadi yang telah

membantu saya demi

terlaksananya penelitian dan pembuatan jurnal ini. Kiranya Tuhan memberkati.

.

DAFTAR PUSTAKA

Dash, P., Gottsche, F. -M., Olesen, F. -S., & Fischer, H. (2002). Land surface temperature and emissivity estimation from passive sensor data: Theory and practice-current trends.

International Journal of Remote Sensing, 23(13), 2563 – 2594.

Franca, G. B., & Cracknell, A. P. (1994). Retrieval of land and sea surface temperature using NOAA-11 AVHRR data in north-eastern Brazil. International Journal of Remote Sensing, 15, measurements to infer surface soil water content and fractional vegetation cover. Remote Sensing Reviews, 9, 161 – 173.

Hidayati, I.N. 2013.

Analisis Transformasi Citra Dan Penggunaan/Penutup Lahan Terhadap Urban Heat Island Berbasis Citra Penginderaan Jauh. Jurnal Fakultas Geografi

(9)

Universitas Gadjah Mada : Yogyakarta.

Aditiyanti, A.H. 2013.

Analisis Pengaruh Perubahan NDVI dan Tutupan Lahan Terhadap Suhu Permukaan Di Kota Semarang. Jurnal Teknik Geodesi Universitas Diponegoro : Semarang.

Fawzi, N.I. 2014.

Pemetaan Emisivitas Permukaan Menggunakan Indeks Vegetasi. Jurnal Fakultas Geografi Universitas Gadjah Mada : Yogyakarta.

Weng, Qihao et al. 2003.

Estimation of land surface temperature–vegetation