ANALISIS PERUBAHAN KERAPATAN VEGETASI DI KECAMATAN MEDAN BELAWAN
SKRIPSI
FANDI ASRORI TINAMBUNAN 151201029
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
UNIVERSITAS SUMATERA UTARA MEDAN
2019
ANALISIS PERUBAHAN KERAPATAN VEGETASI DI KECAMATAN MEDAN BELAWAN
SKRIPSI
FANDI ASRORI TINAMBUNAN 151201029
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan di Fakultas Kehutanan
Universitas Sumatera Utara
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
UNIVERSITAS SUMATERA UTARA MEDAN
2019
ii
ABSTRACT
FANDI ASRORI TINAMBUNAN: Vegetation Density Change Analysis in Medan Belawan District. Under supervision of Dr.Anita Zaitunah,S.Hut., M.Sc.
Development of city has caused land use change including decreasing of vegetated land. Information on vegetation density is important for regional planning related to environmental quality. The research was aimed to analyse the vegetation density in Medan Belawan District in year 2007 and 2018 and to analyse the change of vegetation density between those years. NDVI analysis was conducted to Landsat images. The classification of ndvi values gives information on distribution of vegetation density in the area. The highest area in year 2007 is under dense class with 1,921.04 hectaror 63.43 %. In year 2018shows that the highest area is lowest dense class with 1,195.70 hectar or39.47 %. In period of 11 years there was the decrease of vegetation density in the research.
Keywords :Vegetation density, Medan Belawan, NDVI.
ABSTRAK
FANDI ASRORI TINAMBUNAN: Analisis Perubahan Kerapatan Vegetasi di Kecamatan Medan Belawan. Dibawah bimbingan Dr.Anita Zaitunah,S.Hut., M.Sc Perkembangan kota menyebabkan perubahan tutupan lahan termasuk berkurangnya lahan bervegetasi. Informasi mengenai kerapatan vegetasi menjadi penting bagi perencanaan wilayah terkait kualitas lingkungan. Penelitian ini bertujuan untuk menganalisa kerapatan vegetasi Kecamatan Medan Belawan tahun 2007 dan 2018 serta menganalisa perubahan kerapatan vegetasi antara tahun tersebut. Penelitian ini menggunakan analisis Normalized Difference Vegetation Index (NDVI). Pengkelasan nilai NDVI menghasilkan sebaran kerapatan vegetasi.
Hasil penelitian menunjukkan luas kerapatan terbesar tahun 2007 adalah kelas rapat dengan luas 1.921,04 hektar atau 63,43 %. Peta tahun 2018 menunjukkan luas kerapatan terbesar adalah kelas jarang dengan luas 1.195,70 hektar atau 39,47 %. Dalam kurun waktu 11 tahun diketahui adanya penurunan kelas kerapatan vegetasi di Kecamatan Medan Belawan.
Kata kunci :Kerapatan Vegetasi, Medan Belawan, NDVI.
iv
RIWAYAT HIDUP
Penulis lahir di Berastagi, Kabupaten Karo, Provinsi Sumatera Utara pada tanggal 08 November 1997, dari Ayahanda Tunggul Tinambunan dan Ibunda Hidayati. Penulis merupakan anak kedua dari dua bersaudara. Penulis mengikuti pendidikan awal di SD Negeri No 040446 Kabanjahe dan pendidikan menengah pertama di tempuh dari tahun 2009 – 2012 di SMP Swasta Letjend Jamin Ginting Berastagi, penulis menyelesaikan pendidikan menengah atas di SMA Negeri 1 Berastagi pada tahun 2012 – 2015. Penulis melanjutkan pendidikan di program studi Kehutanan Fakultas Kehutanan, Universitas Sumatera Utara melalui Jalur SNMPTN (Seleksi Nasional Masuk Perguruan Tinggi Negeri). Penulis mengikuti Praktik Pengenalan Ekosistem Hutan (P2EH) pada tanggal 18 Juli – 27 Juli 2017 di KDHTK Pondok Buluh Sumatera Utara.
Penulis juga melakukan Praktik Kerja Lapangan (PKL) di KPH Bandung Utara.
Pada tanggal 09 Juni–09 Agustus. Pada tahun 2019 penulis menyelesaikan skripsi yang berjudul “Analisis Perubahan Kerapatan Vegetasi di Kecamatan Medan Belawan ”.
KATA PENGANTAR
Puji dan syukur penulis sampaikan kepada Allah SWT karena atas segala rahmat dan rezeki yang telah diberikan-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Analisis Perubahan Kerapatan Vegetasi di Kecamatan Medan Belawan”. Skripsi ini sebagai syarat untuk menyelesaikan tugas akhir di Program Studi Kehutanan Fakultas Kehutanan Universitas Sumatera Utara.
Penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Ayahanda Tunggul Tinambunan dan Ibunda Hidayati yang selalu memberikan dukungan semangat, moril/materil, serta doa yang tak henti kepada penulis selama mengikuti pendidikan hingga dapat menyelesaikan skripsi ini. Saudara perempuan penulis Aulia Putri Tinambunan yang telah memberikan dukungan doa dan semangat kepada penulis.
2. Ibu Dr. Anita Zaitunah, S.Hut., M.Sc selaku Ketua Komisi Pembimbing yang telah membimbing, memberi masukan dan arahan kepada penulis dalam menulis dan menyelesaikan skripsi ini.
3. Dosen penguji, Bapak Dr. Ir. Yunasfi, M.Si, Ibu Ridwanty Batubara, S.Hut., MP, dan Ibu Ridahati Rambe, S.Hut., M.Si.
4. Ketua dan Sekretaris Departemen Manajemen Hutan, Bapak Dr. Bejo Slamet S.Hut., M.Si dan Bapak Dr. Muhdi, S.Hut, M.Si dan seluruh Staf Pengajar dan Pegawai di Program Studi Kehutanan Fakultas Kehutanan.
5. Teman satu tim penelitian Irma Nurmayanti, Ervi Alantina Mtd, Nurul Aliyah Harahap, Gery Ramadana yang telah bekerja sama dengan baik sehingga penelitian berjalan dengan lancar.
6. Terima kasih kepada teman seperjuangan Gery Ramadana Program Studi Kehutanan Fakultas Kehutanan serta kepada berbagai pihak yang telah banyak membantu penulis dalam menyelesaikan skripsi ini.
Penulis berharap, semoga pihak yang telah memberikan semua bentuk bantuan mendapat balasan dari Allah SWT atas amal perbuatannya. Dan penulis berharap semoga skripsi ini dapat bermanfaat bagi pengembangan ilmu pengetahuan.
Medan, Oktober 2019 Penulis
vi
DAFTAR ISI
Halaman
PENGESAHAN SKRIPSI ... i
PERNYATAAN ORISINILITAS ... ii
ABSTRACT ... iii
ABSTRAK ... iv
RIWAYAT HIDUP ... v
KATA PENGANTAR ... vi
DAFTAR ISI ... vii
DAFTAR TABEL ... viii
DAFTAR GAMBAR ... ix
DAFTAR LAMPIRAN ... x
PENDAHULUAN Latar Belakang ... 1
Tujuan Penelitian ... 2
Manfaat Penelitian ... 2
TINJAUAN PUSTAKA Definisi Kota ... 3
Kondisi Umum Lokasi Penelitian….. ... 4
Penginderaan Jarak Jauh dan Sistem Informasi Geografis ... 4
Normalized Difference Vegetation Index (NDVI) ... 6
METODE PENELITIAN Waktu dan Lokasi Penelitian ... 8
Alat dan Data Penelitian... 8
Metode Pengumpulan Data dan Analisis Data... 9
Pengolahan Citra ... 9
HASIL DAN PEMBAHASAN Analisis NDVI di Kecamatan Medan Belawan ... 12
Kelas Kerapatan Vegetasi Di Kecamatan Medan Belawan ... 17
Perubahan Kerapatan Vegetasi di Kecamatan Medan Belawan Tahun 2007-2018 ... 20
KESIMPULAN DAN SARAN Kesimpulan ... 24
Saran ... 24 DAFTAR PUSTAKA
DAFTAR TABEL
No. Teks Halaman 1. Data Primer dan Sekunder yang Diperlukan Dalam Penelitian ... 9 2. Kelas Kerapatan Vegetasi Kecamatan Medan Belawan Tahun 2007 ... 13 3. Kelas Kerapatan Vegetasi Kecamatan Medan Belawan Tahun 2018 ... 15 4. Perubahan Kerapatan Vegetasi di Kecamatan Medan Belawan
Tahun 2007-2018 ... 20
viii
DAFTAR GAMBAR
No. Teks Halaman
1. Peta Lokasi Penelitian ... 8
2. Tahapan Pembuatan Peta Perubahan Kerapatan Vegetasi ... 11
3. Sebaran Kerapatan Vegetasi Kecamatan Medan Belawan Tahun 2007. ... 13
4. Peta Kerapatan Vegetasi Kecamatan Medan Belawan Tahun 2007... 14
5. Sebaran Kerapatan Vegetasi Kecamatan MedanBelawan Tahun 2018. ... 15
6. Peta Kerapatan VegetasiKecamatan Medan Belawan Tahun 2018... 16
7. Visual Kelas Kerapatan Non Vegetasi ... 17
8. Visual Kelas Kerapatan Non Jarang ... 17
9. Visual Kelas Kerapatan Non Agak Rapat ... 18
10.Visual Kelas Kerapatan Non Rapat... 18
11. Perbandingan Visual Kelas Kerapatan Non Vegetasi ... 19
12. Perbandingan Visual Kelas Kerapatan Jarang ... 19
13. Perbandingan Visual Kelas Kerapatan Agak Rapat ... 19
14 Perbandingan Visual Kelas Kerapatan Rapat ... 20
15. Perubahan Persentase Kerapatan Vegetasi Kecamatan Medan Belawan Tahun 2007-2018 ... 21
DAFTAR LAMPIRAN
No. Teks Halaman 1. Peta Perubahan Sebaran Kerapatan Vegetasi di Kecamatan Medan
Belawan tahun 2007 dan tahun 2018 ... 27 2. Titik Ground Check di Kecamatan Medan Belawan ... 28
x
PENDAHULUAN
Latar Belakang
Pertumbuhan penduduk yang tinggi belakangan ini diketahui mengakibatkan kebutuhan akan pemukiman, sehingga daerah bervegetasi mengalami degradasi.
Demikian pula kondisi kerapatan vegetasi di Kecamatan Medan Belawan mengalami banyak penurunan yang dikonversi menjadi pemukiman. Pemetaan kerapatan vegetasi perlu dilakukan untuk mendukung kegiatan monitoring, inventarisasi dan konservasi vegetasi di Kecamatan Medan Belawan.
Pertumbuhan penduduk merupakan salah satu faktor utama dalam perkembangan permukiman. Seiring dengan meningkatnya jumlah penduduk selalu diikuti dengan peningkatan pemanfaatan lahan untuk permukiman.
Peningkatan jumlah penduduk selalu meningkat setiap tahunnya sejalan dengan pertambahan perubahan jumlah penggunaan lahan. Pertumbuhan penduduk yang tinggi menyebabkan semakin terbatasnya kawasan suatu wilayah sehingga mendasari terjadinya perubahan alih fungsi lahan. Wilayah perkotaan merupakan pusat permukiman yang memiliki banyak kegiatan ekonomi dan sosial. Aktivitas di perkotaaan selalu meningkat karena kota akan selalu berkembang untuk menyesuaikan dengan jumlah penduduk. Pertumbuhan penduduk mengakibatkan berkurangnya lahan bervegetasi (Nugroho, 2017).
Vegetasi merupakan salah satu bentuk penyusun ruang perkotaan. Vegetasi sebagai bagian dari susunan keruangan memiliki manfaat penting di perkotaan.
Salah satunya adalah merubah kondisi atmosfer lingkungan udara baik secara langung maupun tidak langsung. Berubahnya kondisi lingkungan perkotaan menyebabkan keseimbangan ekosistem menjadi terganggu (Aftriana, 2013).
Ketidaktaatan manusia terhadap peraturan mengenai lingkungan hidup menjadi pemicu maraknya kasus pencemaran dan perusakan lingkungan hidup. Salah satunya hutan mangrove yang mengalami kerusakan. Hutan mangrove adalah hutan yang tumbuh di air payau, dan dipengaruhi oleh pasang-surut air laut. Hutan ini tumbuh khususnya di tempat-tempat di mana terjadi pelumpuran dan akumulasi bahan organik. Hutan mangrove di Indonesia mulai terancam dengan banyaknya lahan mangrove yang ditebang dan dijadikan lahan perkotaan baru
atau area pertambakan. Hanya sedikit jenis tumbuhan yang bertahan hidup di tempat semacam ini, dan jenis-jenis ini kebanyakan bersifat khas hutan bakau karena telah melewati proses adaptasi dan evolusi. Kerusakan hutan mangrove yang tidak sedikit ini banyak menimbulkan kerugian, baik dari segi sosial maupun ekonomi. (Karuniastuti, 2006).
Sebaran dan keberadaan vegetasi di daerah perkotaan dapat diketahui secara efektif dengan pendekatan indeks vegetasi. Indeks vegetasi merupakan suatu algoritma yang diterapkan terhadap citra satelit, untuk menonjolkan aspek kerapatan vegetasi ataupun aspek lain yang berkaitan dengan kerapatan. Indeks vegetasi adalah suatu transformasi matematis yang melibatkan tiga saluran sekaligus yaitu saluran merah (red), hijau(green), dan inframerah dekat (near infrared). (Hidayati, 2012).
Melihat permasalahan di atas, perlu dilakukan suatu pemantauan kerapatan vegetasi di Kecamatan Medan Belawan secara cepat dengan memanfaatkan
teknologi penginderaan jauh. Kerapatan vegetasi salah satunya dapat diketahui dengan menggunakan teknik NDVI (Normalized Difference Vegetation Index).
Maka dari itu, untuk mengetahui kondisi vegetasi, informasi data kerapatan vegetasi, luas lahan perlu dilakukan penelitian tentang analisis kerapatan vegetasi di Kecamatan Medan Belawan tahun 2007 dan 2018.
Tujuan Penelitian
Penelitian ini mempunyai tujuan, yaitu:
1. Menganalisa kerapatan vegetasi Kecamatan Medan Belawan tahun 2007 dan 2018.
2. Menganalisa perubahan kerapatan vegetasi antara tahun 2007 dan 2018 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat menjadi sumber informasi dasar bagi pihak yang terkait terutama pemerintah daerah tentang kondisi vegetasi untuk melakukan kegiatan rehabilitasi dan perencanaan tata ruang khususnya di Kecamatan Medan Belawan
TINJAUAN PUSTAKA
Definisi Kota
Kota adalah suatu wilayah yang dicirikan oleh adanya prasarana perkotaan seperti bangunan, rumah sakit, pendidikan, pasar, industri dan lain sebagainya, beserta alun-alun yang luas dan jalanan beraspal yang diisi oleh padatnya kendaraan bermotor. Dari segi fisik, suatu kota banyak dipengaruhi oleh struktur- struktur buatan manusia (artificial), misalnya pola jalan, landmark, bangunan- bangunan permanen dan monumental, utilitas, pertamanan dan lalu lintas (traffic).
Aktivitas dan perkembangan kota mempunyai pengaruh terhadap lingkungan fisik seperti iklim (Jayadinata,1999).
Perkembangan kota harus tetap berjalan sejalan dengan kepentingan pembangunan daerah, namun di satu sisi tidak menimbulkan dampak negatif yang semakin tinggi, oleh karena itu pengambil kebijakan harus benar-benar melakukan analisa yang tepat. Hal ini tentunya didukung dengan informasi pola sebaran spasial perubahan dan apa saja yang telah terjadi pada kurun waktu tertentu.
Selajan dengan perkembangan teknologi, pemanfaatan data penginderaan jauh dan sistem informasi geografis merupakan salah satu cara yang cukup tepat untuk digunakan. Data-data variabel yang dibutuhkan dalam analisis dapat diperoleh dari citra penginderaan jauh dengan cepat dan tingkat akurasi yang cukup baik.
Selanjutnya, analisis perubahan dan arah perkembangan kota dapat dilakukan dengan menggunakan sistem informasi geografis (Lumbantoruan, 2010).
Faktor lingkungan di perkotaan pada dasarnya sangat erat kaitannya dengan masalah pencemaran. Apabila usaha pengendalian pencemaran dilakukan dengan konsep pembangunan dan peningkatan jumlah ruang terbuka hijau, maka cemaran karbondioksida merupakan kriteria yang dapat digunakan sebagai standar. Hal ini disebabkan karena karbondioksida merupakan parameter yang sangat erat kaitannya dengan oksigen dalam produksi pohon. Pembangunan berbagai fasilitas, sarana dan prasarana tersebut akan membutuhkan lahan untuk lokasi pembangunan yang mau tidak mau akan mengurangi jumlah ruang terbuka hijau yang ada di sekitar kota. Hal tersebut akan menyebabkan berkurangnya jumlah vegetasi tumbuh-tumbuhan. Berkurangnya vegetasi dapat mempengaruhi kondisi
dan kualitas udara sekitar, karena adanya pencemaran udara dimana zat-zat pencemar udara tersebut tidak semuanya dapat terserap oleh vegetasi karena jumlah vegetasi yang semakin berkurang. Tumbuhan mengubah karbondioksida dan air dengan bantuan cahaya matahari (sebagai sumber energi) menjadi karbohidrat, oksigen, dan air. Karbohidrat tersebut tersimpan dalam batang, daun, bunga, ranting, dan buah, sehingga karbon yang tersimpan dalam tanaman (vegetasi) dapat menggambarkan jumlah karbondioksida yang terserap oleh vegetasi (Hamdaningsih, dkk, 2010).
Kondisi Umum Lokasi Penelitian
Kecamatan Medan Belawan berbatasan langsung dengan selat malaka di sebelah utara, kecamatan Medan Labuhan di sebelah selatan, kabupaten Deli Serdang di sebelah barat dan di sebelah timur. Kecamatan Medan Belawan memiliki 6 kelurahan yaitu, Belawan Pulau Sicanang, Belawan Bahagia, Belawan Bahari, Belawan II, Bagan Deli, Belawan I (Badan Pusat Statistik Kota Medan, 2018).
Di Kecamatan Medan Belawan terdapat Pelabuhan Belawan yang merupakan pelabuhan terbuka untuk perdagangan internasional, regional dan nasional.
Pelabuhan Belawan ini merupakan urat nadi perekonomian Sumatera Utara khususnya arus keluar masuk barang dan penumpang melalui angkutan laut, sehingga Kota Medan dikenal dengan pintu gerbang Indonesia bagian Barat (Badan Pusat Statistik Kota Medan, 2018).
Kecamatan Medan Belawan dihuni oleh 98.167 orang penduduk dimana penduduk terbanyak berada di kelurahan Belawan II yakni sebanyak 21.496 orang. Jumlah penduduk terkecil di kelurahan Belawan Sicanang yakni sebanyak 15.104 orang. Bila dibandingkan antara jumlah penduduk serta luas wilayahnya, maka kelurahan Belawan Bahagia merupakan kelurahan terpadat yaitu 22.637 jiwa tiap km2 (Badan Pusat Statistik Kota Medan, 2018).
Penginderaan Jarak Jauh dan Sistem Informasi Geografis
Penginderaan jarak jauh merupakan suatu teknik untuk mengumpulkan informasi mengenai objek dan lingkungannya dari jarak jauh tanpa sentuhan fisik.
Tujuan utama penginderaan jarak jauh adalah untuk mengumpulkan data
sumberdaya alam dan lingkungan. Biasanya teknik ini menghasilkan beberapa bentuk citra yang selanjutnya diproses dan diinerpretasi guna membuahkan data yang bermanfaat untuk aplikasi di bidang pertanian, arkeologi, kehutanan, geografi, geologi, perencanaan dan bidang-bidang lainnya. Saat ini sistem satelit salah satu sistem penginderaan jarak jauh menjadi perhatian utama karena kemampuannya dalam mengatasi kendala dalam keterbatasan dan lamanya operasi dari sistem penginderaan jarak jauh. Penginderaan jarak jauh meliputi dua proses utama yaitu pengumpulan data dan analisis data (Rahmi, 2009).
Perkembangan teknologi penginderaan jauh saat ini dan yang akan datang memberikan data yang relatif baru, cepat, dan akurat. Peluncuran berbagai macam satelit oleh negara-negara maju semakin memacu perkembangan penginderaan jauh sebagai salah satu alat untuk memperoleh data inventarisasi sumberdaya alam yang handal. Adanya satelit-satelit Landsat, SPOT, ERS-1, NOAA, dan lain- lain yang mengorbit di bumi dengan berbagai jenis sensor, resolusi spektral, dan resolusi spasial sangat menguntungkan para pemakai data satelit sesuai dengan kebutuhannya (Arnanto, 2013)
Definisi Sistem Informasi Geografis (SIG) selalu berkembang, bertambah, dan bervariasi. SIG juga merupakan suatu bidang kajian ilmu dan teknologi yang relatif baru, digunakan oleh berbagai bidang disiplin ilmu, dan berkembang dengan cepat. SIG adalah sistem komputer yang digunakan untuk memasukkan (capturing), menyimpan, memeriksa, mengintegrasikan, memanipulasi, menganalisa, dan menampilkan data-data yang berhubungan dengan posisi-posisi di permukaan bumi. SIG dapat didefinisikan sebagai kombinasi perangkat keras dan perangkat lunak komputer yang memungkinkan untuk mengelola (manage),
menganalisa, memetakan informasi spasial berikut data atributnya (data deskriptif) dengan akurasi kartografi. SIG dapat merepresentasikan
realworld (dunia nyata) di atas monitor komputer sebagaimana lembaran peta dapat merepresentasikan dunia nyata di atas kertas ( Harseno, dkk, 2007).
Saat ini penggunaan data citra penginderaan jauh seperti Landsat dan Sistem Informasi Geografis (SIG) berperan sangat penting sebagai sebuah metode yang murah dan mudah dalam penyediaan data liputan suatu kawasan dan dinamika didalamnya. Pada data citra penginderaan jauh seperti Landsat TM dan ETM,
karakteristik air, vegetasi dan tanah dapat dengan mudah diinterprestasi menggunakan jenis band sinar tampak (visible) dan inframerah (infrared).
Absorbsi gelombang infra merah oleh air dan reflektansi beberapa jenis panjang gelombang yang kuat terhadap jenis obyek vegetasi dan tanah menjadikan teknik kombinasi ini ideal dalam memetakan distribusi perubahan darat dan air yang diperlukan dalam pengekstraksian perubahan garis pantai (Kasim, 2012).
Normalized Difference Vegetation Index (NDVI)
Kerapatan vegetasi yang terdapat di daerah perkotaan akan sangat mempengaruhi suhu permukaan daerah tersebut. Kerapatan vegetasi inilah yang akan menciptakan kenyamanan dan kesejukan di suatu penggunaan lahan.
Semakin tinggi kerapatan vegetasi pada suatu lahan, maka akan semakin rendah suhu permukaan di sekitar lahan tersebut, begitu juga sebaliknya. Suhu permukaan yang tinggi ini banyak ditemui di daerah perkotaan, karena penggunaan lahannya seringkali mempunyai kerapatan vegetasi yang rendah mempengaruhi suhu permukaan daerah tersebut. Penggunaan data digital di bidang kehutanan memungkinkan penyadapan data sebaran kerapatan vegetasi pada permukaan lahan lebih mudah dan cepat. Identifikasi kerapatan vegetasi dapat dilakukan dengan cepat dengan cara interpretasi citra secara digital menggunakan transformasi Normalized Difference Vegetation Index (NDVI).
Tinggi rendahnya suatu kerapatan vegetasi dapat diketahui dengan menggunakan teknik Normalized Difference Vegetation Index (NDVI), yang merupakan sebuah transformasi citra penajaman spektral untuk menganalisa hal-hal yang berkaitan dengan vegetasi (Putra, 2011).
Normalized Difference Vegetation Index (NDVI) merupakan kombinasi
antara teknik penisbahan dengan teknik pengurangan citra. Penisbahan saluran (band rationing) sendiri biasa digunakan untuk menghasilkan efek tertentu dalam
kaitannya dengan penonjolan aspek spektral vegetasi, pengurangan efek bayangan, serta penonjolan litologi. Perhitungan NDVI didasarkan pada prinsip bahwa tanaman hijau sangat efektif menyerap radiasi di daerah spektrum cahaya tampak (PAR atau Photosynthetically Aktif Radiation), sementara itu tanaman hijau memantulkan radiasi inframerah dekat NDVI dapat dihitung untuk setiap citra yang memiliki band merah dan band inframerah dekat.
Penafsiran biofisik NDVI adalah fraksi yang diserap radiasi fotosintesis aktif (Dasuka, dkk, 2016).
Normalized Difference Vegetation Index (NDVI) merupakan indeks rasio yang paling umum digunakan untuk vegetasi. NDVI dihitung berdasarkan per- pixel dari selisih normalisasi antara band merah dan inframerah dekat pada citra.
Hasil penisbahan antara band merah dan infa-merah menghasilkan perbedaan yang maksimum antara vegetasi dan tanah. Kerapatan vegetasi adalah satu aspek yang mempengaruhi karakteristik vegetasi dalam citra. Kerapatan vegetasi umumnya diwujudkan dalam bentuk persentase untuk mengetahui tingkat suatu kerapatan vegetasi. Indeks vegetasi merupakan suatu algoritma yang ditetapkan terhadap citra (biasanya pada citramultisaluran) untuk menonjolkan aspek kerapatan vegetasi ataupun aspek lain yang berkaitan dengan kerapatan, misalnya biomassa, Leaf Area Index (LAI), konsentrasi klorofil, dan sebagainya. Secara praktis, indeks vegetasi ini merupakan suatu transformasi matematis yang melibatkan beberapa saluran sekaligus, dan menghasilkan citra baru yang lebih representative dalam menyajikan fenomena vegetasi (Danoedoro, 2012).
Nilai NDVI mempunyai rentang antara -1 (minus) hingga 1 positif. Rentang nilai antara -1 hingga +1 hasil dari transformasi NDVI ini mempunyai presentasi yang berbeda pada penggunaan lahannya. Semakin besar nilai NDVI maka kerapatannya semakin tinggi, dan sebaliknya semakin rendah nilainya maka diasumsikan bahwa areal tersebut merupakan tubuh air. Nilai yang mewakili vegetasi berada pada rentang 0.1 hingga 0,7, jika nilai NDVI di atas nilai ini menunjukkan tingkat kesehatan dari tutupan vegetasi yang lebih baik. Informasi data kerapatan vegetasi dan perubahannya, luas lahan, dan keadaan dilapangan dapat dideteksi dari teknik penginderaan jauh dengan menggunakan citra satelit salah satunya adalah Landsat 8. Landsat 8 mempunyai ukuran rentang yang berbeda dari frekuensi sepanjang spektrum elektromagnetik warna, meskipun tidak selalu warna terlihat dengan mata manusia. Setiap rentang disebut sebuah band, dan Landsat 8 memiliki 11 band (Purwanto,2015).
METODE PENELITIAN
Waktu dan Lokasi Penelitian
Penelitian ini dilaksanakan pada bulan Januari 2019 sampai dengan Maret 2019. Lokasi penelitian adalah di Kecamatan Medan Belawan, Medan, Sumatera
Utara. Pengolahan data dilakukan di Laboratorium Manajemen Hutan
Terpadu Program Studi Kehutanan, Fakultas Kehutanan, Universitas Sumatera Utara. Lokasi penelitian dapat dilihat pada Gambar 1.
Sumber: Badan Informasi Geospasial 2018
Gambar 1. Peta Lokasi Penelitian Alat dan Data Penelitian
Alat yang digunakan dalam penelitian ini terdiri atas alat pengambilan data dan alat analisis data. Alat pengambilan data lapangan antara lain GPS (Global Positioing system), kamera foto, alat tulis. Alat analisis data yang akan
digunakan adalah Microsoft Excel dan Microsoft Word, ArcGis, ERDAS Imagine 9.2.
Data yang digunakan dalam penelitian ini adalah data primer dan sekunder tertera pada Tabel 1.
Tabel 1. Data Primer dan Sekunder yang Diperlukan dalam Penelitian
No Nama Data Sumber Jenis Data Tahun
1. Data lapangan (Ground check)
Survei Lapangan Primer 2018
2 Citra Landsat 8 OLI path/row 129/58
www.earthexplorer.usgs.gov Sekunder 2018
3. Citra Landsat 5 path/row 129/57
www.earthexplorer.usgs.gov Sekunder 2007
4. Peta Administrasi
Kecamatan Medan Belawan
Balai Pemantapan Kawasan Hutan Medan
Sekunder 2018
5. Data Kependudukan Kecamatan Medan Belawan
Badan Pusat Statistik Medan Sekunder 2017
Metode Pengumpulan Data dan Analisis Data
Data yang dikumpulkan adalah berupa data primer dan data sekunder. Data primer diperoleh dari hasil pengamatan langsung berupa data kondisi lapangan.
Data sekunder diperoleh dari data-data sebelumnya yang sudah ada berupa peta dan citra Landsat.
Analisis yang dilakukan secara digital pada citra Landsat tahun 2007 dan 2018. Metode ini berguna untuk mengetahui kerapatan vegetasi dengan nilai NDVI, sebab pada citra Landsat terdapat saluran band near infrared dan band red yang digunakan untuk membedakan kerapatan vegetasi dan lahan terbuka. Oleh karena itu dilakukan pengecekan lapangan guna untuk mendapatkan informasi yang akurat.
Pengolahan Citra
Dilakukan pengunduhan citra Landsat dari situs earthexplorer.usgs.go. Citra Landsat yang diunduh mempunyai beberapa band dan terpisah setiap band nya.
Untuk melakukan analisis dari citra Landsat tersebut, diperlukan kombinasi band untuk mendapatkan tampilan citra sesuai dengan tema atau tujuan dari analisis sehingga dapat melakukan koreksi radiometrik. Penggabungan band citra tersebut dilakukan dengan menggunakan ERDAS Imagine 9.2.
Koreksi radiometrik dilakukan untuk meniadakan (noise) yang terjadi akibat pengaruh sistematik perekam citra. Koreksi dilakukan dengan menggunakan software ERDAS Imagine 9.2. Selanjutnya dilakukan pemotongan citra untuk mendapatkan gambar lokasi penelitian secara lebih spesifik. Pemotongan citra dilakukan dengan menggunakan software ArcGis 10.1 menggunakan peta Kecamatan Medan Belawan
Prinsip kerja NDVI yaitu dengan mengukur tingkat kehijauan. Rentang nilai antara -1 hingga +1 hasil dari transformasi NDVI ini mempunyai presentasi yang berbeda pada penggunaan lahannya. Semakin besar nilai NDVI maka kerapatannya semakin tinggi, dan sebaliknya semakin rendah nilainya maka diasumsikan bahwa areal tersebut merupakan tubuh air. Pembagian klasifikasi ini agar kita mengetahui luas area Kota Medan, Kecamatan Medan Belawan.
Pembagian Pengklasifikasian ini dibagi menjadi 4 kelas yaitu: non vegetasi, jarang, agak rapat dan rapat.
Formula untuk menghitung nilai NDVI untuk citra Landsat 8 adalah:
NDVI =
Keterangan : NIR = Near Infra-Red R = Red
(Untuk Landsat 5 menggunakan band 3 dan 4).
NDVI mempunyai rentang nilai dari -1,0 hingga 1,0. Awan, air, dan objek non vegetasi mempunyai nilai NDVI kurang dari nol. Nilai yang mewakili vegetasi terdapat pada rentang 0,1 hingga 0,7 (Lufillah, 2017).
kanal NIR (band 5) – kanal Red (band 4) kanal NIR (band 5) + kanal Red (band 4)
Tahapan untuk membuat peta perubahan kerapatan vegetasi dapat dilihat pada Gambar 2.
Gambar 2. Tahapan Pembuatan Peta Perubahan Kerapatan Vegetasi Overlay
Citra Landsat Tahun 2007
Citra Landsat Tahun 2018
Analisis NDVI Analisis NDVI
Peta NDVI Peta NDVI
Klasifikasi Kerapatan Vegetasi
Klasifikasi Kerapatan Vegetasi
Peta Kerapatan Vegetasi 2007
Peta Kerapatan Vegetasi 2018
Peta Perubahan Kerapatan Vegetasi
HASIL DAN PEMBAHASAN
Analisis Normalized Difference Vegetation Index (NDVI) di Kecamatan Medan Belawan
Nilai indeks vegetasi yang digunakan dalam penelitian ini adalah hasil dari pengolahan citra menggunakan transformasi Normalized Difference Vegetation Index (NDVI). Nilai indeks vegetasi ini dihitung sebagai rasio antara pantulan yang terukur dari band merah (R) dan band infra-merah (didekati oleh band NIR).
Penggunaan kedua band ini banyak dipilih sebagai parameter indeks vegetasi karena hasil ukuran dari band ini dipengaruhi oleh penyerapan klorofil, peka terhadap biomassa vegetasi, serta memudahkan dalam pembedaan antara lahan bervegetasi, lahan terbuka, dan air.
Menurut Dasuka, dkk (2016) Normalized Difference Vegetation Index (NDVI) merupakan kombinasi antara teknik penisbalan dengan teknik pengurangan citra. Penisbalan saluran (band rationing) sendiri biasa digunakan untuk menghasilkan efek tertentu dalam kaitannya dengan penonjolan aspek spektral vegetasi, pengurangan efek bayangan, serta penonjolan litologi.
Perhitungan NDVI didasarkan pada prinsip bahwa tanaman hijau sangat efektif menyerap radiasi di daerah spektrum cahaya tampak (PAR atau Photosynthetically Aktif Radiation), sementara itu tanaman hijau memantulkan radiasi inframerah dekat NDVI dapat dihitung untuk setiap citra yang memiliki band merah dan band inframerah dekat. Penafsiran biofisik NDVI adalah fraksi yang diserap radiasi fotosintesis aktif
Prinsip kerja NDVI yaitu dengan mengukur tingkat kehijauan. Intensitas kehijauan pada citra landsat berkorelasi dengan tingkat kerapatan tajuk vegetasi dan mendeteksi tingkat kehijauan dengan kandungan klorofil daun. Rentang nilai antara -1 hingga +1 hasil dari transformasi NDVI ini mempunyai presentasi yang berbeda pada penggunaan lahannya. Semakin besar nilai NDVI maka kerapatannya semakin tinggi, dan sebaliknya semakin rendah nilainya maka diasumsikan bahwa areal tersebut merupakan tubuh air.
Pengolahan citra Landsat 5 tahun 2007 dengan menggunakan rentang nilai NDVI di Kecamatan Medan Belawan menghasilkan kelas kerapatan vegetasi yang dapat dilihat pada Tabel 2.
Tabel 2. Nilai NDVI di Kecamatan Medan Belawan Tahun 2007
No NDVI Luas (Ha)
1 < 0 81,74
2 0 - 0,17 295,84
3 0,17 - 0,34 729,81
4 > 0,34 1.921,04
Total 3.028,43
Pada Tabel 2 dapat di lihat bahwa pada citra Landsat 5 tahun 2007 didapat nilai NDVI terbesar ada pada rentang > 0,34 yaitu sebesar 1.921,04 hektar atau 63,43 % dari luas total NDVI, dan nilai NDVI terkecil ada pada rentang < 0 yaitu sebesar 81,74 hektar atau 2,70 % dari luas total NDVI, dan luas total NDVI wilayah Kecamatan Medan Belawan adalah 3.028,43 hektar.
Sebaran kerapatan vegetasi di Kecamatan Medan Belawan tahun 2007 dapat dilihat dari Gambar 3.
Gambar 3. Sebaran Kerapatan Vegetasi di Kecamatan Medan Belawan Tahun 2007
2,70
9,77
24,10
63,43
0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00
Non Vegetasi Jarang Agak Rapat Rapat
Kelas Kerapatan Vegetasi
Persentase Luas
%
Peta kerapatan vegetasi di Kecamatan Medan Belawan tahun 2007 dapat dilihat pada Gambar 4.
Gambar 4. Peta Kerapatan Vegetasi di Kecamatan Medan Belawan Tahun 2007
Sedangkan pengolahan citra Landsat 8 OLI tahun 2018 dengan menggunakan rentang nilai NDVI di Kecamatan Medan Belawan menghasilkan kelas kerapatan vegetasi yang dapat dilihat pada Tabel 3.
Tabel 3. Kelas Kerapatan Vegetasi di Kecamatan Medan Belawan Tahun 2018
No NDVI Luas (Ha)
1 < 0 361,64
2 0 - 0,17 1.195,70
3 0,17 - 0,34 674,68
4 > 0,34 797,76
Total 3.029,78
Pada Tabel 3 dapat di lihat bahwa pada citra Landsat 8 OLI tahun 2018 didapat nilai NDVI terbesar ada pada rentang 0-0,17 yaitu sebesar 1.195,70 hektar atau 39,47 % dari luas total NDVI, dan nilai NDVI terkecil ada pada rentang < 0 yaitu sebesar 362,05 hektar atau 11,94 % dari luas total NDVI, dan luas total NDVI wilayah Kecamatan Medan Belawan adalah 3.029,61 hektar.
Sebaran kerapatan vegetasi di Kecamatan Medan Belawan tahun 2018 dapat dilihat dari Gambar 5.
Gambar 5. Sebaran Kerapatan Vegetasi di Kecamatan Medan Belawan Tahun 2018
11,94
39,47
22,27
26,33
0,00 5,00 10,00 15,00 20,00 25,00 30,00 35,00 40,00 45,00
Non Vegetasi Jarang Agak Rapat Rapat
Kelas Kerapatan Vegetasi
Persentase Luas
%
Peta kerapatan vegetasi di Kecamatan Medan Belawan tahun 2018 dapat dilihat pada Gambar 6.
Gambar 6. Peta Kerapatan Vegetasi di Kecamatan Medan Belawan Tahun 2018
Kelas Kerapatan Vegetasi Di Kecamatan Medan Belawan
Berdasarkan nilai NDVI yang diperoleh dari pengolahan citra maka kelas kerapatan dibagi menjadi empat kelas yaitu non vegetasi, kelas jarang, agak rapat dan rapat.
Non vegetasi
Klasifikasi non vegetasi dalam interpretasi pada citra terletak tidak terlalu menyebar di seluruh wilayah Kecamatan Medan Belawan yaitu hanya berupa perairan tanpa vegetasi. Adapun nilai NDVI nya memiliki rentang < 0. Visual kelas kerapatan non vegetasi dapat dilihat pada Gambar 7 a,b,c.
a. b. c.
Gambar 7 . Visual Kelas Kerapatan Non Vegetasi (a. Badan air; b. Badan air; c. Badan air) Jarang
Klasifikasi jarang dalam interpretasi pada citra berupa kenampakan pemukiman, lahan kosong, juga bisa termasuk RTH dimana sangat sedikit jumlah vegetasi di kelas ini. Adapun nilai NDVI nya memiliki rentang 0 – 0,17. Visual kelas jarang dapat dilihat pada Gambar 8 a,b,c.
a. b. c.
Gambar 8 . Visual Kelas Kerapatan Jarang
(a. Pelabuhan Belawan; b. Lahan Kosong; c. Ruang terbuka hijau)
Agak Rapat
Klasifikasi agak rapat dalam interpretasi pada citra berupa kenampakan permukiman, namun sudah mulai ditemukan lahan vegetasi yang cukup banyak.
Kelas kerapatan ini memiliki jumlah vegetasi yang sedikit lebih banyak dibandingkan dengan luasan permukiman. Adapun nilai NDVI nya memiliki rentang 0,17 - 0,34. Visual kelas agak rapat dapat dilihat pada Gambar 9 a,b,c.
a. b. c.
Gambar 9. Visual Kelas Agak rapat
(a. Lahan kosong ditumbuhi rumput; b. Semak belukar dan pohon;
c. Kuburan ditumbuhi rumput dan pohon)
Rapat
Klasifikasi rapat dalam interpretasi pada citra semua sudah berupa kenampakan vegetasi yang banyak dimana pemukiman sudah tidak termasuk lagi ke dalam kelas ini. Adapun nilai NDVI nya memiliki rentang > 0,34. visual kelas rapat dapat dilihat pada Gambar 10 a,b,c.
a. b. c.
Gambar 10. Perbandingan Visual Kelas Rapat (a. Mangrove; b. Semak belukar dan pohon; c. Mangrove)
Banyak sekali faktor yang mempengaruhi penentuan nilai dari NDVI. Hal ini sesuai dengan pernyataan Humaedi (2016) yang menyatakan bahwa tinggi rendahnya nilai NDVI sangat dipengaruhi oleh kerapatan vegetasi, tutupan tajuk, dan jenis vegetasi karena semakin rapat vegetasi dan tutupan tajuk maka permukaan daun akan memantulkan radiasi yang semakin besar, serta jika vegetasi yang teridentifikasi merupakan pepohonan maka akan memiliki nilai NDVI yang tinggi dibandingkan jika yang teridentifikasi berupa semak atau rumput. Faktor iklim dan gangguan terhadap lingkungan juga dapat
mempengaruhi nilai NDVI, jika citra landsat yang digunakan bertepatan pada musim kemarau maka pepohonan cenderung menggugurkan daunnya untuk mengurangi proses penguapan sehingga tut
pemantulan radiasi dari permukaan daun akan semakin kecil yang akan berdampak pada rendahnya nilai NDVI
Hasil pengecekan di lapangan berupa badan air. Perbandingan pada Gambar 11 a,b,c
a.
Gambar 11
(a. Kelas non vegetasi pada Citra NDVI (badan air) pada Peta Kerapatan Vegetasi (badan
Kelas kerapatan jarang dilapangan berupa dan proyek pembangunan
Gambar 12 a,b,c.
a.
Gambar 12
(a. Kelas jarang pada citra NDVI (pemukiman) Kerapatan Vegetasi (pemukiman)
mempengaruhi nilai NDVI, jika citra landsat yang digunakan bertepatan pada musim kemarau maka pepohonan cenderung menggugurkan daunnya untuk mengurangi proses penguapan sehingga tutupan tajuk semakin berkurang dan pemantulan radiasi dari permukaan daun akan semakin kecil yang akan berdampak pada rendahnya nilai NDVI.
Hasil pengecekan di lapangan tahun 2019, kelas kerapatan non vegetasi hanya . Perbandingan visual kelas kerapatan non vegetasi
a,b,c.
b. c.
11. Perbandingan Visual Kelas Kerapatan Non Vegetasi Kelas non vegetasi pada Citra NDVI (badan air); b. Kelas non vegetasi pada Peta Kerapatan Vegetasi (badan air); c. Kelas non vegetasi di
lapangan (badan air))
Kelas kerapatan jarang dilapangan berupa pemukiman, lahan
proyek pembangunan. Perbandingan visual kelas jarang dapat dilihat pada
b. c.
12. Perbandingan Visual Kelas Kerapatan Jarang
Kelas jarang pada citra NDVI (pemukiman); b. Kelas jarang pada Peta Kerapatan Vegetasi (pemukiman); c. Kelas jarang di lapangan
(pemukiman))
mempengaruhi nilai NDVI, jika citra landsat yang digunakan bertepatan pada musim kemarau maka pepohonan cenderung menggugurkan daunnya untuk upan tajuk semakin berkurang dan pemantulan radiasi dari permukaan daun akan semakin kecil yang akan
kelas kerapatan non vegetasi hanya ual kelas kerapatan non vegetasi dapat dilihat
Kerapatan Non Vegetasi Kelas non vegetasi Kelas non vegetasi di
pemukiman, lahan kosong, pabrik . Perbandingan visual kelas jarang dapat dilihat pada
Jarang
Kelas jarang pada Peta Kelas jarang di lapangan
Kelas kerapatan agak rapat yang
lahan yang di tumbuhi rumput dan vegetasi Perbandingan visual k
a.
Gambar (a. Kelas agak rapa
agak rapat pada Peta Kerapatan Vegetasi (pemakaman bervegetasi) rap
Kelas kerapatan rapat yang ditemukan dilapangan berupa vegetasi (bakau) yang jumlahnya sudah mulai banyak
Perbandingan visual k a.
Gambar 1
(a. Kelas rapat pada citra NDVI (mangrove) Kerapatan Vegetasi (mangrove)
Perubahan Luas Ke Tahun 2007 dan 2018
Perubahan luas kerapatan Vegetasi di Kecamatan Medan Belawan diperoleh dengan cara penampalan peta tahun
menganalisis NDVI pada peta 2
mengalami kenaikan dan penurunan. Perubahan kerapatan vegetasi di Kecamatan Medan Belawan dapat dilihat pada
elas kerapatan agak rapat yang ditemukan dilapangan berupa
lahan yang di tumbuhi rumput dan vegetasi dengan jumlah yang sedikit.
kelas agak rapat dapat dilihat pada Gambar 13 b. c.
Gambar 13. Perbandingan Visual Kelas Agak rapat Kelas agak rapat pada Citra NDVI (pemakaman bervegetasi) agak rapat pada Peta Kerapatan Vegetasi (pemakaman bervegetasi)
rapat di lapangan (pemakaman bervegetasi))
elas kerapatan rapat yang ditemukan dilapangan berupa vegetasi (bakau) yang jumlahnya sudah mulai banyak, sawit dan lahan berumput yang luas
kelas rapat dapat dilihat pada Gambar 14 a,b,c b. c.
Gambar 14. Perbandingan Visual Kelas Rapat
Kelas rapat pada citra NDVI (mangrove); b. Kelas rapat pada Peta Kerapatan Vegetasi (mangrove); c. Kelas rapat di lapangan (mangrove)
Perubahan Luas Kerapatan Vegetasi di Kecamatan Medan Belawan 2018
Perubahan luas kerapatan Vegetasi di Kecamatan Medan Belawan diperoleh dengan cara penampalan peta tahun 2007-2018. Perubahan diperoleh deng menganalisis NDVI pada peta 2007-2018. Dimana perubahan yang didapat mengalami kenaikan dan penurunan. Perubahan kerapatan vegetasi di Kecamatan Medan Belawan dapat dilihat pada Tabel 4.
ditemukan dilapangan berupa , pemakaman, dengan jumlah yang sedikit.
13 a,b,c .
Agak rapat
(pemakaman bervegetasi); b. Kelas agak rapat pada Peta Kerapatan Vegetasi (pemakaman bervegetasi); c. Kelas agak
elas kerapatan rapat yang ditemukan dilapangan berupa vegetasi (bakau) dan lahan berumput yang luas
a,b,c.
Rapat
Kelas rapat pada Peta (mangrove))
Kecamatan Medan Belawan
Perubahan luas kerapatan Vegetasi di Kecamatan Medan Belawan diperoleh 2018. Perubahan diperoleh dengan . Dimana perubahan yang didapat mengalami kenaikan dan penurunan. Perubahan kerapatan vegetasi di Kecamatan
Tabel 4. Perubahan kerapatan vegetasi di Kecamatan Medan Belawan Tahun 2007 dan 2018
No Kerapatan Vegetasi
Luas (Ha)
Tahun 2007 Tahun 2018 Perubahan (Ha)
1 Non Vegetasi 81,74 361,64 279,90
2 Jarang 295,84 1.195,70 899,86
3 Agak rapat 729,81 674,68 55,13*
4 Rapat 1.921,04 797,76 1.123,28*
TOTAL 3.028,43 3.029,78
Keterangan (*) : Mengalami Penurunan
Pada Tabel 4 dapat dilihat kelas kerapatan yang mengalami kenaikan atau penambahan luas yaitu kelas non vegetasi dan jarang. Pada kelas non vegetasi mengalami perubahan kenaikan sebesar 279,9 hektar atau sebesar 9,24 %, pada kelas jarang mengalami perubahan kenaikan sebesar 899,86 hektar atau sebesar 29,67 %
Adapun kelas kerapatan yang mengalami penurunan atau pengurangan luas adalah kelas agak rapat dan rapat. Kelas agak rapat mengalami perubahan penurunan luas sebesar 55,13 hektar atau 1,83 %, pada kelas rapat mengalami perubahan penurunan sebesar 1.123,28 atau 37,10 %
Perubahan persentase kerapatan vegetasi di Kecamatan Medan Belawan tahun 2007-2018 dapat dilihat pada Gambar 15.
Gambar 15. Perubahan Persentase Kerapatan Vegetasi di Kecamatan Medan Belawan Tahun 2007-2018
2,70 9,77
24,10
63,43
11,94
39,47
22,27 26,33
9,24
29,70
-1,83
-37,10 -60,00
-40,00 -20,00 0,00 20,00 40,00 60,00 80,00
Non Vegetasi Jarang Agak Rapat Rapat
Persentase 2007 Persentase 2018 Perubahan
Perubahan kerapatan vegetasi dan luasannya di Kecamatan Medan Belawan tahun 2007-2018 cukup signifikan. Kerapatan vegetasi yang rapat di tahun 2007 dan di tahun 2018 semakin sedikit terlihat dari hutan mangrovenya, ataupun pepohonan yang ada di Kecamatan Medan Belawan tersebut. Perubahan kelas kerapatan vegetasi di Kecamatan Medan Belawan dari kurun waktu 2007 dan 2018 memiliki luasan yang berbeda – beda berdasarkan kategori kelas kerapatannya. Perubahan kerapatan ini bervariasi yang berdampak pada berubahnya luasan tiap – tiap kelas kerapatan vegetasi mulai dari kategori non vegetasi, jarang, agak rapat, rapat. Penurunan disebabkan pertumbuhan penduduk yang membuat pemukiman semakin meningkat dan alih fungsi lahan lainnya.
Hasil pengecekan lapangan (ground check) ditemukan bahwa perubahan kerapatan vegetasi dipengaruhi oleh perubahan pemanfaatan lahan dimana banyaknya terjadi perubahan pemanfaatan lahan yang memiliki vegetasi menjadi pemukiman. Pemanfaatan lahan dari hasil pengecekan lapangan terjadi dimana lahan terbuka dan lahan bervegetasi dimanfaatkan untuk membangun tambak, pemukiman dan bangunan-bangunan lainnya.
Selama kurun waktu 11 tahun, terjadi penurunan kelas kerapatan di Kecamatan Medan Belawan. Perubahan kerapatan vegetasi pada area tersebut terjadi karena perubahan penggunaan lahan terkait peningkatan jumlah penduduk yang menyebabkan perubahan pemanfaatan lahan menjadi areal pemukiman di area tersebut, hal ini sesuai dengan pernyataan Sumaatmadja (1988) bahwa pertumbuhan penduduk merupakan salah satu faktor utama dalam perkembangan pemukiman. Seiring dengan meningkatnya jumlah penduduk selalu diikuti dengan peningkatan pemanfaatan lahan untuk pemukiman. Peningkatan jumlah penduduk selalu meningkat setiap tahunnya sejalan dengan pertambahan perubahan penggunaan lahan.
Pertumbuhan penduduk yang semakin tinggi menyebabkan semakin terbatasnya kawasan suatu wilayah sehingga mendasari terjadinya perubahan alih fungsi lahan. Keberadaan areal bervegetasi di kawasan perkotaan memberikan kontribusi utama terhadap peningkatan kualitas lingkungan perkotaan menjadi lebih baik serta keanekaragaman hayati di wilayah perkotaan merupakan sumber penyangga dan penyeimbang lingkungan hidup diperankan oleh karakter
ekosistemnya. Penurunan kerapatan vegetasi pada Kecamatan Medan Belawan berdampak pada peningkatan suhu serta daerah resapan air pada wilayah tersebut.
Vegetasi memiliki banyak sekali manfaat untuk daerah perkotaan. Oleh karena itu, kerapatan vegetasi perlu diperhatikan agar tidak terjadi perubahan alih
fungsi lahan secara sembarangan. Hal ini sesuai dengan pernyataan Ashazy dan Cahyono (2013) yang menyatakan bahwa vegetasi di kawasan
terbangun juga sangat dibutuhkan, selain untuk sirkulasi udara agar lebih segar, juga berfungsi sebagai peresap air masuk kedalam tanah selain itu juga vegetasi tersebut dapat memberikan kenyamanan berupa keindahan lingkungan yang dapat membuat efek psikologis masyarakat di daerah tersebut jauh lebih baik.
Tidak semua masyarakat sadar akan lingkungan, sebagian besar masyarakat malah merusak vegetasi yang ada disekitar tempat tinggal mereka dengan mengalihfungsikannya secara berlebihan. Masyarakat belum menyadari arti penting manfaat lingkungan vegetasi terhadap pelestarian di kawasan pesisir.
Perlu dilakukan sosialisasi kepada masyarakat dalam arti pentingnya vegetasi terutama lingkungan vegetasi di sekitarnya juga perlu dipelihara dan dijaga Hal ini sesuai dengan pernyataan Haumahu (2014) yaitu, penggunaan lahan merupakan unsur lahan yang mengalami perubahan sangat cepat. Hal ini disebabkan karena semua aktivitas manusia sangat bergantung pada lahan.
Pemenuhan kebutuhan manusia (pangan, sandang, dan papan) sangat dipengaruhi oleh ketersediaan lahan.
KESIMPULAN DAN SARAN
Kesimpulan
1. Kelas kerapatan vegetasi terbesar di Kecamatan Medan Belawan pada tahun 2007 yaitu pada kelas rapat sebesar 1.921,04 hektar atau 63,43%. Sedangkan kelas kerapatan vegetasi terbesar di Kecamatan Medan Belawan pada tahun 2018 yaitu pada kelas jarang sebesar 1.195,70 hektar atau 39,47%.
2. Perubahan kelas kerapatan pada kelas non vegetasi dan jarang mengalami perubahan kenaikan luas sedangkan kelas agak rapat dan rapat mengalami perubahan penurunan
Saran
Diharapkan pemerintah dan masyarakat melakukan reboisasi pada daerah bervegetasi sedikit, memanfaatkan pekarangan rumah dengan ditanami vegetasi dan melestarikannya. Sehingga keberadaan vegetasi tetap memberikan konstribusi dalam menciptakan suasana fungsional, efisien, nyaman, sehat, dan estetis.
DAFTAR PUSTAKA
Aftriana CV. 2013. Analisis Perubahan Kerapatan Vegetasi Kota Semarang Menggunakan Bantuan Teknologi Pengideraan Jauh. Universitas Negeri Semarang. Semarang.
Arnanto A. 2013. Pemanfaatan Transformasi Normalized Difference Vegetation Index (NDVI) Citra Landsat TM Untuk Zonasi Vegetasi Di Lereng Merapi Bagian Selatan. Jurnal Geomedia.11 (2) : 155-170.
Ashazy AA, Cahyono AB. 2013. Analisis Indeks Vegetasi Menggunakan Citra
Satelit FORMOSAT-2 Di Daerah Perkotaan. Jurnal Teknik Pomits.
10 (10) : 3-4.
[BPS] Badan Pusat Statistik Kota Medan. 2018. Kecamatan Medan Belawan Dalam Angka 2017. CV. Rilis Grafika.
Danoedoro P. 2012. Pengantar Penginderaan Jauh Digital. Andi Offset.
Yogyakarta.
Dasuka YP, Sasmito, B, Hani’ah. 2016. Analisis Sebaran Jenis Vegetasi Hutan
Alami Menggunakan Sistem Penginderaan Jauh. Jurnal Geodesi Undip.
5 (2): 1-8.
Hamdaningsih SS, Fandeli C, Baiquni M. 2010. Studi Kebutuhan Hutan Kota Berdasarkan Kemampuan Vegetasi Dalam Penyerapan Karbon Di Kota Mataram. Majalah Geografi Indonesia. 24 (1): 1-9.
Harseno E, Igor V. 2007. Aplikasi Sistem Informasi Geografis Dalam Pemetaan Batas Administrasi, Tanah, Geologi, Penggunaan Lahan, Lereng, Daerah Istimewa Yogyakarta Dan Daerah Aliran Sungai Di Jawa Tengah Menggunakan Software Arcview Gis. Yogyakarta: Majalah Ilmiah UKRIM Edisi 1/th XII.
Hidayati IN. 2012. Ekstraksi Data Indeks Vegetasi Untuk Evaluasi Ruang Terbuka Hijau Di Kabupaten Sleman Berdasarkan Citra Penginderaan Jauh.
Fakultas Geografi: Universitas Gadjah Mada. Hibah Penelitian Dosen,
diunduh dari http: // geo.ugm.ac.id / wpcontent / u ploads /2014 /03/b5 [15 Agustus 2019].
Humaedi I. 2016. Pendugaan Cadangan Karbon Di Vegetasi AlpinDan Sub Alpin Area Reklamasi Grasberg PT FREEPORT INDONESIA. Papua. Skripsi.
Institut Pertanian Bogor. Bogor.
Haumahu JP. 2014. Analisis Perubahan Penggunaan Lahan di Jazirah Leitimur Pulau Ambon. Agrologia 3 : 103 – 111.
Jayadinata JT. 1999. Tata Guna Tanah dalam Perencanaan Pedesaan, Perkotaan Nugroho, Andi. 2017. Analisis Kerapatan Vegetasi Di Kecamatan Ngaglik
Tahun 2006 dan 2016 Menggunakan Teknik Penginderaan Jauh, Diakses dari :http: //journal.student.uny.ac.id/ ojs/ index.php/ geoeducasia /article/viewFile/9817/9471 [17 Agustus 2019].
Karuniastuti N. 2006. Peranan Hutan Mangrove Bagi Lingkungan Hidup. Forum Manajemen, 6 (1). 1-2.
Kasim F. 2012. Pendekatan Beberapa Metode Dalam Monitoring Perubahan Garis Pantai Menggunakan Dataset Penginderaan Jauh Landsat dan SIG. Jurnal Ilmiah Agropolitan, 9 (1) : 620-635.
Lufilah SV. 2017. Pemanfaatan Citra lansat 8 Untuk Analisis Indeks Vegetasi Di DKI Jakarta. Jurnal Lanskap Indonesia, 9 (1) :73-80.
Lumbantoruan W. 2010. Studi Perkembangan Kota Medan Menggunakan Data Penginderaan Jauh dan Sig. Jurnal Geografi, 12 (2) : 2-3.
Nugroho A. 2017. Analisis Kerapatan Vegetasi di Kecamatan Ngaglik Tahun 2006 dan 2016 Menggunakan Teknik Penginderaan Jarak Jauh. Universitas Yogyakarta. Yogyakarta. 306-320.
Purwanto A. 2015. Pemanfaatan Citra Landsat 8 Untuk Identifikasi Normalized Difference Vegetation Index (NDVI) Di Kecamatan Silat Hilir Kabupaten Kapuas Hulu. Jurnal Edukasi, 13(1) : 4-5.
Putra HE. 2011. Penginderaan Jauh dengan Er Mapper. Yogyakarta: Gadjah Mada University Press.
Rahmi J. 2009. Hubungan Kerapatan Tajuk Dan Penggunaan Lahan Berdasarkan Analisis Citra Satelit dan Sistem Informasi Geografis Di Taman Nasional Gunung Leuser. Diakses dari : http : // repository. usu. ac. id /bitstream / handle / 123456789 / 7637 / 09e02718. pdf ; jsessionid = ECF9766 C56F4428010ED37895F7A282B?sequence=1.pdf [15 Agustus 2019].
Sumaatmadja N. 1988 Studi Geografi Suatu Pendekatan dan Analisa Keruangan.
Alumni. Bogor.
LAMPIRAN
Lampiran 1. Peta Perubahan Sebaran NDVI di Kecamatan Medan Belawan Tahun 2007 dan tahun 2018
Lampiran 2. Titik Ground Check Lapangan di Kecamatan Medan Belawan
NO X Y KETERANGAN
1 462466,9 414988,4 Badan Air
2 463052,8 415390,8 Badan Air
3 462767,1 415293,4 Badan Air
4 463210,3 415455,3 Badan Air
5 463887,4 415996,5 Badan Air
6 464125,6 416146,7 Badan Air
7 464386,4 416536,8 Badan Air
8 464900,7 416575,5 Badan Air
9 463927,8 416915,7 Badan Air
10 462068,8 414968,0 Bangunan
11 462941,8 415248,0 Lahan Kosong
12 461463,0 415336,9 Pemukiman
13 461582,4 415369,4 Pemukiman
14 464441,2 415400,1 Bangunan
15 462144,7 415564,0 Pemukiman
16 464370,2 415614,0 Lahan Kosong
17 464673,5 416154,3 Pemukiman
18 464261,1 416266,9 Pemukiman
19 464569,3 416276,3 Pemukiman
20 464436,9 416288,0 Pemukiman
21 464365,7 416382,4 Pemukiman
22 464276,4 416406,8 Pemukiman
23 464640,3 416408,1 Pemukiman
24 464093,2 416469,3 Pemukiman
25 464833,4 416501,4 Lahan Kosong
26 464747,7 416612,5 Bangunan
27 464691,0 416678,4 RTH (Taman)
28 464747,3 416703,6 Bangunan
29 464537,1 416843,4 Pemukiman
30 464846,6 416862,7 Lahan Kosong
31 464350,8 416870,2 Pemakaman Muslim
32 464734,6 416910,3 Bangunan
33 464519,7 417000,9 Pemukiman
34 464406,7 417083,1 Pemukiman
35 464864,1 417113,3 Pemukiman
36 464489,4 417163,0 Pemukiman
37 467171,1 417220,2 Pemukiman
38 464534,6 417266,5 Pemukiman
39 464803,9 417268,7 Pemukiman
40 466946,1 417271,6 Pemukiman
41 467010,3 417364,3 Pemukiman
42 464902,8 417368,1 Pemukiman
43 466347,5 417369,5 Pabrik
44 467235,7 417383,5 Pemukiman
45 464621,7 417408,5 Lahan Kosong
NO X Y KETERANGAN
46 464587,7 417445,8 RTH (Taman)
47 466562,5 417508,2 Pabrik
48 467308,6 417524,3 Pemukiman
49 464852,2 417571,0 Pemukiman
50 464599,9 417595,9 Terminal
51 465046,8 417613,4 Pemukiman
52 467100,1 417635,1 Lahan Terbuka
53 464921,6 417703,9 Pemukiman
54 464765,7 417776,4 Pemukiman
55 466590,1 417807,3 Pabrik
56 464662,3 417819,1 Lahan Kosong
57 464924,5 417848,3 Pemukiman
58 465373,9 417875,5 RTH (Taman)
59 465120,9 417949,7 Pemukiman
60 465979,4 417961,8 RTH (Taman)
61 465391,8 418024,4 Proyek Pembangunan
62 465408,7 418116,7 Bangunan
63 465239,2 418170,8 Pemukiman
64 465040,1 418200,5 Pemukiman
65 464932,9 418323,0 Pemukiman
66 465557,3 418369,9 Pelabuhan Belawan
67 461590,7 415082,5 Bakau Berair
68 462246,4 415123,5 Bakau Berair
69 462147,7 415148,2 Lahan Kosong Berumput
Berair
70 464148,0 415198,1 Bekas pabrik (rumput)
71 464145,0 415273,9 Pemakaman Muslim
72 462914,2 415399,4 Bakau Berair
73 463751,1 415559,3 Lahan Kosong Berumput
74 463572,7 415691,5 Bakau Berair
75 464131,9 415704,0 Bakau Berair
76 464032,3 415721,9 Semak
77 464045,9 415783,3 Bakau
78 464776,6 416011,0 Bakau berair
79 464870,7 416673,0 Bakau berair
80 464870,4 416876,1 Bangunan
81 464691,4 416915,1 Eceng Gondok Berair
82 466126,2 417461,5 Bakau Berair
83 465646,6 418029,7 Lahan Terbuka Sekitaran
Pabrik
84 465275,2 417990,0 Bakau
85 464741,2 418049,0 Monumen TNI AL
86 465445,2 418528,4 Bakau Berair Disekitarannya
87 461699,9 414816,7 Lahan Kosong
88 461589,2 414841,3 Bakau
89 461814,3 414959,8 Bakau
90 464001,8 415167,4 Semak
NO X Y KETERANGAN
91 461812,6 415227,2 Bakau Berair
92 464174,0 415281,1 Semak
93 462470,8 415322,1 Bakau
94 462702,3 415389,5 Bakau
95 462192,0 415410,8 Bakau Berair
96 464377,8 415466,7 Semak
97 461927,5 415473,2 Bakau
98 463370,7 415682,8 Sawit
99 464658,9 415946,9 Bakau
100 464845,7 416352,1 Bakau berair
101 464122,0 416946,4 Bakau
102 465790,8 417013,8 Bakau Berair
103 465109,3 417173,8 Semak dan Pohon
104 466126,0 417258,4 Bakau
105 465267,2 417433,8 Semak
106 465711,1 417441,8 Bakau Berair
107 467462,8 417444,1 Bakau Berair
108 465143,0 417452,6 Bakau Berair
109 465207,4 418507,8 Bakau
110 461733,3 414789,3 Bakau
111 461480,9 415076,3 Bakau Berair
112 461820,7 415163,3 Bakau Berair
113 461984,3 415228,8 Bakau
114 463558,0 415599,6 Semak
115 463674,1 415818,7 Bakau
116 464176,5 415857,6 Bakau Berair Jembatan
117 464443,7 415874,5 Bakau berair