1 BAB I PENDAHULUAN
1.1. Latar Belakang
Indonesia adalah negara yang memiliki iklim tropis, serta tidak lepas dari pengaruh angin muson barat maupun angin muson timur. Dalam kondisi normal, angin muson barat bersifat basah, sehingga menyebabkan di Indonesia mengalami musim penghujan. Sedangkan angin muson timur bersifat kering, menyebabkan di Indonesia mengalami musim kemarau.
Keduanya berlangsung silih berganti sepanjang tahun dengan durasi rerata masing - masing adalah 6 bulan. Akan tetapi, dewasa ini isu pemanasan global dan perubahan iklim melanda permukaan bumi. Adanya perubahan iklim tersebut akan dapat mempengaruhi siklus hidrometeorologi pada suatu wilayah.
Perubahan iklim juga dapat menyebabkan perubahan durasi musim penghujan dan musim kemarau. Apabila musim kemarau berlangsung dalam jangka waktu yang panjang dan persediaan air di dalam tanah sangat terbatas, maka dapat menyebabkan terjadinya kekeringan pada suatu wilayah. Kekeringan merupakan suatu fenomena yang sangat kompleks dan dapat terjadi di berbagai tempat, sehingga dibutuhkan berbagai sudut pandang dalam melakukan analisis. Kekeringan meteorologis terjadi apabila curah hujan pada suatu wilayah berada di bawah kondisi normal, misalkan pada daerah bayangan hujan. Sedangkan kekeringan pertanian merupakan kekeringan yang terjadi ketika air tanah tidak cukup untuk memenuhi kebutuhan air tanaman sehingga pertumbuhannya tetap, bahkan mati (Kodoatie, 2003).
Teknologi penginderaan jauh mengalami perkembangan yang pesat dewasa ini. Hal tersebut dapat menunjang penyediaan data untuk memecahkan permasalahan kekeringan. Teknologi penginderaan jauh memiliki kelebihan dalam memberikan informasi secara lebih cepat
2
dengan cakupan pengamatan yang lebih luas. Salah satu produk teknologi penginderaan jauh yang tergolong masih baru adalah citra Landsat 8. Citra Landsat 8 memiliki keunggulan dalam penyajian gambar dengan tingkat sensitifitas 16 bit, sehingga objek - objek lebih mudah untuk dibedakan.
Selain itu citra Landsat 8 juga menunjang untuk penelitian yang bersifat monitoring karena tersedia secara gratis dan memiliki data yang bersifat time series. Penentuan zonasi kekeringan dapat dilakukan melalui ekstraksi suhu permukaan (land surface temperature) saluran termal citra Landsat 8 serta transformasi indeks vegetasi SAVI (Soil Adjusted Vegetation Index). Transformasi SAVI dipilih karena dapat menonjolkan informasi vegetasi dengan meminimalisir pengaruh objek tanah. Hal tersebut sesuai dengan kondisi tutupan vegetasi di daerah penelitian yang didominasi oleh vegetasi kerapatan rendah. Melalui data suhu permukaan dan transformasi indeks vegetasi, maka akan dihasilkan indeks TVDI (Temperature Vegetation Dryness Index). TVDI merupakan indeks kekeringan yang ditentukan berdasarkan hubungan antara suhu permukaan dan indeks vegetasi. Indeks tersebut diperoleh hanya berdasarkan input dari data citra penginderaan jauh (Sandholt, 2002).
Kabupaten Grobogan adalah salah satu Kabupaten di Jawa Tengah yang memiliki riwayat kekeringan hampir setiap tahun. Meskipun terdapat Waduk Kedung Ombo, namun karena pendistribusian air tidak sesuai dengan yang diharapkan, maka kekeringan tetap terus melanda Kabupaten Grobogan. Kabupaten Grobogan memiliki relief berupa daerah pegunungan kapur, perbukitan, serta dataran yang mendominasi di bagian tengahnya. Oleh karena materi batuan yang mendominasi merupakan batuan gamping, maka akan sangat berpengaruh terhadap kelembaban dan kembang kerut tanah. Saat kelembaban tanah rendah dan kembang kerut tanah tinggi, dapat dipastikan bahwa tidak ditemukan air yang cukup di permukaan tanah.
Menurut Tempo.co, pada tanggal 29 Agustus 2013 sebanyak 68 desa di Kabupaten Grobogan mengalami kekeringan. Sejumlah desa
3
tersebut tersebar di Kecamatan Pulokulon (13 desa), Kradenan (6 desa), Wirosari (6 desa), Toroh (7 desa), Purwodadi (3 desa), Tawangharjo (10 desa), Gabus (14 desa), Ngaringan (1 desa) dan Geyer (10 desa).
Kemudian menurut Suara Merdeka.com, pada tahun 2012 kekeringan di Grobogan melanda 121 desa dari total 280 desa dan tersebar di 15 Kecamatan meliputi Ngaringan, Wirosari, Tawangharjo, Gabus, Kradenan, Toroh, Pulokulon, Purwodadi, Toroh, Geyer, Penawangan, Karangrayung, Kedungjati, dan Brati. Begitu juga pada tahun 2011, berdasarkan data yang didapat Solopos pada tanggal 25 September 2011, menyebutkan jumlah desa yang mengalami kekeringan bulan Juli 2011 mencapai 118 desa dari 280 desa di Grobogan. Hanya empat Kecamatan yang tidak mengalami kekeringan pada musim kemarau ini, yakni Kecamatan Godong, Gubug, Tegowanu, dan Klambu. Fakta tersebut menjadikan alasan pemilihan lokasi penelitian di Kabupaten Grobogan, serta menunjukkan bahwa permasalahan ini sangat penting untuk diteliti lebih lanjut.
1.2. Rumusan Masalah dan Pertanyaan Penelitian
Kekeringan di suatu wilayah dapat dikenali melalui pendekatan objek - objek seperti tanah, air, dan vegetasi. Objek - objek tersebut memiliki respon spektral yang khas pada citra penginderaan jauh. Selama ini penelitian tentang kekeringan melalui teknik penginderaan jauh dilakukan menggunakan citra resolusi spasial rendah dengan cakupan wilayah yang terlalu luas. Akibatnya, hasil yang diperoleh kurang detail dalam menggambarkan wilayah yang beresiko kekeringan. Akan tetapi seiring dengan berkembangnya teknologi penginderaan jauh, saat ini tersedia data spasial citra penginderaan jauh dengan resolusi spasial yang lebih tinggi. Selain dalam hal ketersediaan data spasial, teknik analisis penginderaan jauh yang berkembang untuk mendeteksi kekeringan pun juga beragam. Sejauh ini penelitian menggunakan indeks Temperature Vegetation Dryness Index (TVDI) untuk mengidentifikasi kekeringan
4
dengan citra resolusi menengah seperti citra Landsat 8 juga masih jarang dilakukan. Perlu untuk diketahui sejauh manakah tingkat akurasi transformasi indeks vegetasi SAVI dari citra dibandingkan dengan kondisi sebenarnya di lapangan. Selanjutnya saluran termal citra Landsat 8 manakah yang akan digunakan untuk mengekstraksi suhu permukaan. Hal - hal tersebut dimaksudkan agar zonasi kekeringan yang dihasilkan dapat merepresentasikan kondisi yang sesungguhnnya di lapangan.
a. Rumusan Masalah
Berdasarkan uraian diatas maka dapat dirumuskan masalah penelitian sebagai berikut :
1. Kondisi penutup lahan di permukaan bumi sangat beragam, sehingga diperlukan uji akurasi transformasi indeks vegetasi SAVI (Soil Adjusted Vegetation Index) dibandingkan dengan kondisi nyata di lapangan.
2. Perlu dilakukan pengkajian saluran TIRS (Thermal Infrared Sensor) citra Landsat 8 manakah yang paling baik digunakan untuk menghasilkan informasi sebaran suhu permukaan.
3. Sebaran kekeringan pertanian di Kabupaten Grobogan perlu untuk dipetakan karena Kabupaten Grobogan termasuk wilayah yang berpotensi mengalami kekeringan pertanian.
b. Pertanyaan Penelitian
Berdasarkan latar belakang dan rumusan masalah diatas maka dapat dirumuskan pertanyaan penelitian sebagai berikut :
1. Bagaimanakah akurasi transformasi indeks vegetasi SAVI (Soil Adjusted Vegetation Index) dari citra Landsat 8 untuk mendapatkan informasi kerapatan vegetasi ?
2. Bagaimanakah akurasi saluran TIRS (Thermal Infrared Sensor) citra Landsat 8 untuk mendapatkan informasi sebaran suhu permukaan ?
5
3. Bagaimana sebaran kekeringan pertanian di Kabupaten Grobogan berdasarkan indeks TVDI (Temperature Vegetation Dryness Index) ?
Berdasarkan uraian tersebut maka sangat penting dilakukan penelitian mengenai “Pemanfaatan Citra Landsat 8 untuk Penentuan Zonasi Kekeringan Pertanian di Sebagian Kabupaten Grobogan dengan Metode TVDI (Temperature Vegetation Dryness Index)”
1.3. Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah :
1. Mengkaji akurasi transformasi indeks vegetasi SAVI (Soil Adjusted Vegetation Index) dari citra Landsat 8 untuk mendapatkan informasi kerapatan vegetasi.
2. Mengkaji akurasi berbagai saluran TIRS (Thermal Infrared Sensor) citra Landsat 8 untuk mendapatkan informasi sebaran suhu permukaan.
3. Mengkaji sebaran kekeringan pertanian di Kabupaten Grobogan berdasarkan indeks TVDI (Temperature Vegetation Dryness Index) yang diekstrak dari suhu permukaan (Land Surface Temperature) dan indeks SAVI (Soil Adjusted Vegetation Index).
1.4. Kegunaan Penelitian
Hasil penelitian ini diharapkan bermanfaat untuk :
1. Memberikan konstribusi terhadap pengembangan aplikasi teknologi penginderaan jauh untuk mengetahui sebaran kekeringan.
2. Memberikan solusi untuk mengurangi dampak permasalahan kekeringan berdasarkan aplikasi teknologi penginderaan jauh.
6 1.5. Keaslian Penelitian
Tabel 1.1. Penelitian Sebelumnya
Peneliti Tahun Tujuan Penelitian Metode Persamaan Perbedaan
Alfian Pujian Hadi
2011 Menentukan tingkat kekeringan lahan dari metode Temperature Vegetation Dryness Index (TVDI) citra ASTER dan metode Thornwaithe - Mather.
Transformasi NDVI, Land Surface Temperature (LST),
Transformasi TVDI, dan Metode Thornwaithe – Mather
1. Penetuan zonasi kekeringan dengan metode Temperature Vegetation Dryness Index (TVDI).
2. Penggunaan data Land Surface Temperature.
1. Tidak menggunakan metode Thornwaithe - Matter dalam analisis.
2. Transformasi indeks vegetasi yang digunakan. Penelitian sebelumnya menggunakan transformasi NDVI, namun dalam penelitian ini menggunakan SAVI.
3. Penelitian sebelumnya tidak secara multitemporal.
4. Perbedaan area kajian.
5. Penelitian yang sebelumnya cenderung didominasi oleh analisis faktor lingkungan dan analisis ilmu pertanian terkait dengan pola tanam.
Sedangkan penelitian ini akan melakukan analisis dari pengolahan citra dan survei lapangan.
Puguh Dwi Raharjo
2010 Melakukan identifikasi daerah yang berpotensi kekeringan di Kabupaten Kebumen dengan teknologi penginderaan jauh dan Sistem Informasi Geografis.
Indeks Kebasahan, Indeks Kecerahan, Transformasi NDVI, dan Sistem Informasi Geografis
Kesamaan tema yang diajukan. 1. Perbedaan citra yang digunakan, metode yang digunakan, dan area kajian.
2. Transformasi indeks vegetasi yang digunakan. Penelitian sebelumnya
7
menggunakan transformasi NDVI, namun dalam penelitian ini menggunakan transformasi SAVI.
Parwati dan Suwarsono
2008 Mendeteksi kekeringan lahan berdasarkan data TERRA MODIS dengan metode Temperature Vegetation Dryness Index (TVDI).
Transformasi EVI (Enchanced Vegetation Index),
Land Surface Temperature (LST), Transformasi TVDI
Persamaan metode yang digunakan dan cara analisis yang dilakukan yaitu dari data Land Surface Temperature.
1. Perbedaan citra yang digunakan.
2. Perbedaan daerah kajian.
3. Transformasi indeks vegetasi yang digunakan. Penelitian sebelumnya menggunakan transformasi EVI, namun dalam penelitian ini menggunakan SAVI.
Quazi K.
Hassan, et al
2007 Menentukan indeks kebasahan dari citra MODIS berdasarkan analisis NDVI dan LST untuk evaluasi hutan tropis di Kanada.
Transformasi Normalized Difference Vegetation Index (NDVI) Land Surface Temperature (LST).
Persamaan dalam menggunakan Land Surface Temperature (LST) sebagai bahan untuk melakukan analisis.
Perbedaan citra yang digunakan, metode yang digunakan, dan area kajian.
