MONITORING SUHU PERMUKAAN TANAH SECARA PERIODIK UNTUK
KESESUAIAN TANAMAN PERKEBUNAN DENGAN MEMANFAATKAN CITRA
LANDSAT 8
(Studi Kasus: Kabupaten Malang, Jawa Timur)
Indrajati, Prastiwi ª*, Sunaryo, D. K. ª, Noraini, A.ª
ª Teknik Geodesi, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Nasional Malang prastiwiindrajati@gmail.com
Abstraksi
Kabupaten Malang juga dikenal sebagai daerah yang kaya akan potensi diantaranya dari pertanian, perkebunan, dan tanaman obat keluarga. Seiring perkembangan zaman dan peningkatan jumlah penduduk di Kabupaten Malang ini berdampak pada menurunnya kualitas lingkungan hidup yang mengakibatkan terjadinya perubahan iklim mikro terutama peningkatan suhu dan penurunan kelembapan udara.
Suhu permukaan tanah sangat mempengaruhi pertumbuhan tanaman, salah satunya adalah tanaman perkebunan. Suhu permukaan tanah merupakan faktor penting dalam menentukan tempat dan waktu penanaman yang cocok, bahkan suhu permukaan tanah dapat juga sebagai faktor penentu dari pusat - pusat produksi tanaman. Citra Landsat 8 ini digunakan untuk mengetahui perubahan suhu permukaan tanah di Kabupaten Malang dari tahun 2013 sampai tahun 2016 dan kesesuaian lahan yang sesuai untuk tanaman perkebunan berdasarkan suhu permukaan tanah.
Hasil penelitian menunjukkan suhu permukaan tanah di Kabupaten Malang sebesar 7,662℃– 43,449℃ di tahun 2013, 11,802℃– 43,428℃ di tahun 2014, 5,569℃– 45,631℃ di tahun 2015, dan 5,093℃– 44,048℃ di tahun 2016. Dari hasil kesesuaian tanaman perkebunan berdasarkan suhu mendapatkan klasifikasi sangat sesuai pada tanaman apel seluas 80.021,499 ha, tanaman kelapa 90.768,532 ha, tanaman kopi seluas 53.093,686 ha, tanaman teh seluas 24.358,738 ha.
Kata kunci: Kabupaten Malang, Suhu Permukaan Tanah, Kesesuaian Tanaman, Tanaman Perkebunan.
1. Pendahuluan
Kabupaten Malang adalah kabupaten terluas kedua dengan populasi terbesar di Jawa Timur. Kabupaten Malang juga dikenal sebagai daerah yang kaya akan potensi diantaranya dari pertanian, perkebunan, tanaman obat keluarga (Bagian Pengelola Data Elektronik Sekretariat Daerah, 2016). Suhu permukaan tanah di Kabupaten Malang yang semakin hari semakin meningkat. Peningkatan suhu ini disebabkan oleh meningkatnya jumlah penduduk yang berdampak pada menurunnya kualitas lingkungan hidup yang mengakibatkan terjadinya perubahan iklim mikro terutama peningkatan suhu dan penurunan kelembapan udara (Pusat Studi Pembangunan Pertanian dan Pedesaan, 2015).
Suhu permukaan tanah sangat mempengaruhi pertumbuhan tanaman, salah satunya adalah tanaman perkebunan. Suhu permukaan tanah merupakan faktor penting dalam menentukan tempat dan waktu penanaman yang cocok, bahkan suhu permukaan tanah dapat juga sebagai faktor penentu dari pusat - pusat produksi tanaman (Tisdale dan Nelson, 1966).
Dalam penelitian ini, data suhu permukaan tanah diperoleh dengan memanfaatkan data citra Landsat 8 OLI/TIRS. Citra satelit penginderaan jauh
memfasilitasi kebutuhan kajian terkait suhu bumi dengan teknologi saluran inframerah termal yang mampu merekam nilai spektral untuk mengidentifikasi suhu.
Penelitian ini dilakukan untuk mendapatkan analisis perubahan suhu permukaan tanah di Kabupaten Malang secara periodik dari tahun 2013 - 2016 dan mendapatkan analisis kesesuaian tanaman perkebunan berdasarkan masing – masing suhu permukaan tanah secara periodik.
2. Metodologi
berdasarkan Balai Besar Litbang Sumberdaya Lahan Pertanian tahun 2012.
Lokasi penelitian berada di Kabupaten Malang dengan letak geografis 112o17' sampai 112o57' Bujur Timur dan 7o44' sampai 8o26' Lintang Selatan dengan luas ± 3.465 km², dan terdiri dari 33 Kecamatan.
Gambar 1. Lokasi Penelitian
Gambar 2. Diagram Alir Penelitian
Adapun penjelasan dari diagram alir diatas adalaa sebagai berikut:
a. Tahapan persiapan penelitia
b. Konversi Digital Number ke Radian
Konversi nilai piksel ke nilai radian spektral atau disebut dengan Top Of Atmosphere Radiance (TOA Radiance). Persamaan yang digunakan untuk Landsat 8 (USGS, 2013):
= ��� + � ... (1) Dimana:
L = radian spektral pada sensor Qcal = nilai piksel (DN)
ML = konstanta rescalling (RADIANCE MULT BAND x)
AL = konstanta penambah (RADIANCE ADD BAND_x)
b. Cek Geometrik
Cek koreksi geometrik dilakukan untuk menyesuaikan koordinat piksel pada citra dengan koordinat bumi di bidang datar. Citra Landsat 8 yang dipublikasikan berupa produk L1 T (level-one terrain-corrected) yang terbebas dari kesalahan akibat sensor, satelit dan bumi, sehingga Landsat 8 tidak perlu koreksi geometrik lagi (USGS, 2013). c. Cropping Citra
Pemotongan citra dari data citra yang telah terkoreksi dengan Peta Administrasi Kabupaten Malang untuk mendapatkan cakupan daerah penelitian.
d. Konversi Nilai Radian Menjadi Brightness Temperature
Konversi nilai radian menjadi Brightness Temperature untuk mengubah data pada citra yang disimpan dalam bentuk radian ke brightness temperature (untuk kanal Termal Infrared).
Persamaan yang digunakan untuk melakukan konversi nilai radian menjadi Brightness Temperature (Weng. dkk, 2004 dan Voogt. dkk, 2003):
� =� +
... (2)
Dimana:
T = suhu radian dalam satuan Kelvin (K) � = nilai radian spektral
K1 = konstanta kalibrasi radian spektral (W/(m2 .sr. m), diperoleh pada metadata untuk band 10 atau 11
K2 = konstanta kalibrasi suhu absolut (K), diperoleh pada metadata untuk band 10 atau 11
e. Konversi Kelvin ke Celcius
Konversi temperatur dari satuan kelvin ke celcius menggunakan persamaan (Weng. dkk, 2004 dan Voogt. dkk, 2003):
�°� = �° − ... (3) Dimana:
�°� = Temperatur dalam satuan celcius �° = Temperatur dalam satuan kelvin
f. Uji Akurasi Suhu dengan NMAE dan Korelasi Linier
Melakukan uji akurasi suhu menggunakan persamaan NMAE (Normalized Mean Absolute Error) menggunakan persamaan (Jaelani, 2015):
�� % = �∑� |�� ,�−� �� ,�� �� | ×
�= (4)
Dimana:
Korelasi linier untuk mengetahui kesalahan error, dan mengetahui kekuatan hubungan kedekatan suatu relasi yang terjadi antar variabel dalam koefisien korelasinya. Persamaan yang digunakan untuk mendapatkan nilai koefisien korelasi (Usman dan Akbar, 2006):
=√ n Σ − Σn Σ − Σ . Σ . n Σ . Σ ... (5) = ... (6) Keterangan:
r = koefisien korelasi
r2 = koefisien determinasi n = jumlah pengamatan
x = variabel bebas y = variabel terikat g. Analisis Data
Menganalisis perubahan suhu permukaan tanah di Kabupaten Malang dari tahun 2013 – 2016 dan menganalisis perubahan suhu permukaan tanah terhadap kesesuaian tanaman perkebunan sesuai dengan kriteria suhu tanaman. Berikut adalah kriteria rentang suhu tanaman perkebunan berdasarkan Balai Besar Litbang Sumberdaya Lahan Pertanian:
Tabel 1. Suhu tanaman perkebunan, BBSDLP (2012)
Nama Tanaman
3. Hasil dan Pembahasan
3.1 Hasil Konversi Digital Number ke Radian Berikut adalah nilai piksel citra Landsat 8 yang telah dilakukan konversi digital number ke radian dan telah dilakukan cropping dengan batas administrasi Kabupaten Malang:
Tabel 2. Nilai piksel hasil konversi digital number ke radian pada band termal citra Landsat 8 pada area
Kabupaten Malang
3.2 Hasil Cek Koreksi Geometrik
Berikut adalah hasil cek geometrik Landsat 8 pada metadata yang mempunyai informasi titik GCP yang digunakan serta nilai RMSE:
Tabel 3. Nilai RMS geometrik citra Landsat 8
Tanggal Perekaman Point GCP
Berikut adalah hasil dari proses konversi nilai radian menjadi brightness temperature dalam satuan kelvin:
Tabel 4. Nilai suhu minimum dan maksimum dengan satuan kelvin pada band termal citra Landsat 8
Tahun Band
3.4 Hasil Konversi Kelvin Ke Celcius
Berikut adalah hasil konversi satuan kelvin ke celcius pada hasil persebaran suhu di Kabupaten Malang:
Tabel 5. Nilai suhu minimum dan maksimum dengan satuan celcius pada band termal citra Landsat 8
Tahun Band
3.5 Hasil Uji Akurasi
Tabel 6. Data suhu hasil pengukuran lapangan, pengolahan citra Landsat 8, dan nilai Normalized Mean
Absolute Error (NMAE)
Dari hasil uji akurasi antara Normalized Mean Absolute Error (NMAE) diatas diperoleh nilai keseluruhan sebesar 4,221%, sehingga memenuhi syarat minimum ≤30% (Jaelani, 2015).
Hasil uji korelasi linier dengan menggunkan metode regresi linier sederhana yang dilakukan untuk mengetahui hubungan antar suhu pada citra dan suhu di lapangan berdasarkan data yang diperoleh ialah sebagai berikut:
Dari grafik diatas didapatkan model persamaan yaitu y = 0,9559x – 0,2362 dengan nilai R2 = 0,5791, sehingga memenuhi syarat minimum R2 > 0,5.
Semakin besar nilai R2 menunjukkan bahwa data semakin akurat, dan sebaliknya semakin kecil nilai R2 menunjukkan bahwa data tidak akurat (Arafah, 2015).
3.6 Analisis Monitoring Suhu Permukaan Tanah Hasil dari monitoring suhu permukaan tanah di Kabupaten Malang didapatkan dari hasil pengolahan citra Landsat 8 dari tahun 2013 – 2016 deperoleh hasil rentang suhu sebagai berikut:
Tabel 7. Rentang suhu permukaan tanah
Tahun Citra Rentang suhu (℃) 2013 7,662 – 43,449 2014 11,802 – 43,428 2015 5,569 – 45,631 2016 5,093 – 44,048
Grafik 2. Perubahan suhu permukaan tanah
3.7 Analisis Suhu terhadap Kesesuaian Tanaman Perkebunan
Analisis suhu permukaan tanah secara periodik untuk kesesuaian tanaman perkebunan dilakukan dengan melakukan skoring dari hasil pengolahan suhu pada citra tahun 2013 - 2016 berdasarkan nilai suhu masing – masing tanaman, sehingga mendapatkan skor tertinggi yaitu 160, dan skor terendah 40. Maka untuk mendapatkan klasifikasi kesesuaian akan dilakukan perhitungan untuk mendapatkan interval kelas dengan menggunakan persamaan (Prahasta, 2002):
� � � = �� −�ℎ � �ℎ
= −
= =
Tabel 8. Klasifikasi kesesuaian
Total Skor Kesesuaian 160 Sangat Sesuai 120 - 150 Cukup Sesuai 80 - 110 Kurang Sesuai 40 - 70 Tidak Sesuai
Berikut adalah hasil kesesuaian masing – masing tanaman berdasarkan suhu permukaan tanah tahun 2013 - 2016:
Gambar 3. Hasil kesesuaian tanaman apel berdasarkan suhu
Tabel 9. Luasan berdasarkan klasifikasi tanaman apel
Tanaman Apel
Klasifikasi Luasan (ha) Sangat Sesuai 80.021,499 Cukup Sesuai 194.009,184 Kurang Sesuai 71.168,644 Tidak Sesuai 1.157,463
Gambar 4. Hasil kesesuaian tanaman kelapa berdasarkan suhu
Tabel 10. Luasan berdasarkan klasifikasi tanaman kelapa
Tanaman Kelapa
Klasifikasi Luasan (ha) Sangat Sesuai 90.768,532 Cukup Sesuai 221.240,017 Kurang Sesuai 28.271,050 Tidak Sesuai 6.002,959
Gambar 5. Hasil kesesuaian tanaman kopi berdasarkan suhu
Tabel 11. Luasan berdasarkan klasifikasi tanaman kopi
Tanaman Kopi
Gambar 6. Hasil kesesuaian tanaman teh berdasarkan suhu
Tabel 12. Luasan berdasarkan klasifikasi tanaman teh
Tanaman Teh
Klasifikasi Luasan (ha) Sangat Sesuai 24.358,738 Cukup Sesuai 104.688,553 Kurang Sesuai 217.047,304 Tidak Sesuai 209,133
4. Kesimpulan
Hasil penelitian yang telah dilakukan pada Monitoring Suhu Permukaan Tanah Secara Periodik untuk Kesesuaian Tanaman Perkebunan dengan Memanfaatkan Citra Landsat 8 dengan studi kasus Kabupaten Malang dapat diambil kesimpulan bahwa: 1. Berdasarkan hasil monitoring suhu dari pengolahan citra Landsat 8 secara periodik dari band 10 didapatkan hasil suhu permukaan tanah pada tahun 2013 sebesar , ℃ − , ℃, tahun 2014 sebesar , ℃ − , ℃, tahun 2015 sebesar , ℃ − , ℃, dan tahun 2016 sebesar , ℃ − , ℃. Pada hasil yang diperoleh dapat disimpulkan bahwa hasil monitoring suhu permukaan tanah dari tahun 2013 – 2014 pada suhu minimum mengalami kenaikan 4,14℃, tahun 2014 – 2015 mengalami penurunan 6,23℃, tahun 2015 – 2016 mengalami penurunan 0,48℃. Pada suhu maksimum 2013 – 2014 mengalami penurunan 0,02℃, tahun 2014 – 2015 mengalami kenaikan 2,20℃, tahun 2015 – 2016 mengalami penurunan 1,58℃.
2. Pada hasil analisa suhu permukaan tanah terhadap kesesuaian tanaman perkebunan didapatkan klasifikasi sangat sesuai untuk tanaman apel dengan luas 80.021,499 ha, untuk tanaman kelapa dengan luas 90.768,532 ha, tanaman kopi dengan luas 53.093,686 ha, dan tanaman teh dengan luas 24.358,738 ha. Maka dapat disimpulkan bahwa berdasarkan suhu permukaan tanah tanaman yang cocok untuk daerah Kabupaten Malang adalah tanaman apel dan kelapa.
5. Refrensi
Arafah, Feny. 2015. Analisis Parameter Kualitas Air Laut di Perasiran Kabupaten Sumenep untuk Pembuatan Peta Sebaran Potensi Ikan Pelagis.
Surabaya: Program Magister Teknik Geomatika, Institut Teknologi Sepuluh November.
Badan Litbang Pertanian. 2015. Definisi (arti) Perkebunan. Pusat Penelitian dan Pengembangan Perkebunan, Badan Penelitian dan Pengembangan Pertanian Kementrian Pertanian. http://perkebun-an.litbang.pertanian.go.id/?p=3507
Bagian Pengelola Data Elektronik Sekretariat Daerah, 2016. Selayang Padang Kabupaten Malang. Bagian Pengelola Data Elektronik Sekretariat Daerah Kabupaten Malang. http://www.malangkab.go.id/site/read/detail/79/-selayang-padang.html.
BBSDLP. 2012. Kriteria Komoditas Tanaman. Balai Besar Litbang Sumberdaya Lahan Pertanian. http://bbsdlp.litbang.pertanian.go.id/tamp_komod itas.php
Jaelani, L.M. 2015. Uji Akurasi Produk Reflektan Permukaan Landsat menggunakan Data In Situ di Danau Kasumigaura Jepang, in Prosiding Pertemuan Ilmiah Tahunan Masyarakat Ahli Penginderaan Jauh Indonesia XX, Bogor.
Prahasta, Eddy. 2002. Konsep - Konsep Dasar Sistem Informasi Geografis. Bandung: Informatika. Pusat Studi Pembangunan Pertanian dan Pedesaan,
2015. Kondisi Geografi dan Iklim Malang. Pusat Studi Pembangunan Pertanian dan Pedesaan Institut Pertanian Bogor. http://psp3.ipb.ac.id-/web/?page_id=699.
Tisdale, S.L. dan Nelson, W.L. 1966. Soil Fertility And Fertilizers Third Edition. Collier Macmillan Publishers, London.
USGS. 2013. Landsat 8 Data User Handbook. Department of the Interior U.S. Geological Survey.
Usman, Husaini dan Setiady Akbar, Purnomo. 2006. Pengantar Statistika. Yogyakarta: BUMI AKSARA.
Voogt, J. & Oke, T. 2003. Thermal remote sensing of urban climates. Remote Sensing of the Environment, Volume 86, p. 370–84.
