IDENTIFIKASI EKSPANSI AREA TERBANGUN SECARA TEMPORAL MENGGUNAKAN NDBI DAN MNDWI, STUDI KASUS : URBAN SPRAWL KOTA BANDUNG

(1)

BANDUNG INSTITUTE OF TECHNOLOGY 2021 GEODESY AND GEOMATICS ENGINEERING

IDENTIFIKASI EKSPANSI AREA TERBANGUN SECARA TEMPORAL MENGGUNAKAN NDBI DAN MNDWI, STUDI KASUS : URBAN SPRAWL KOTA BANDUNG

Dustin Edward Sipahutar (15120073)

1. Introduction

1.1 Background (10)

Urban Sprawl di Kota Bandung, Indonesia, telah menjadi subyek banyak penelitian karena dampaknya yang signifikan terhadap aspek penggunaan lahan, ekonomi, ekologi, dan kemasyarakatan di wilayah tersebut. Urban Sprawl merupakan fenomena yang mencakup ekspansi geografis dari kota dan kota-kota yang seringkali ditandai dengan perumahan berdensitas rendah, penggunaan lahan tunggal, dan peningkatan ketergantungan pada kendaraan pribadi untuk transportasi (Yale Weekly Student Magazine, 2021). Perkembangan ini seringkali tidak terencana dan mengakibatkan aksesibilitas yang tidak memadai ke berbagai fasilitas penting seperti perumahan, pekerjaan, dan layanan publik seperti sekolah, rumah sakit, dan transportasi umum (Imbrenda, Coluzzi, & Bianchini, 2022). Urban sprawl sering dikritik karena menyebabkan degradasi lingkungan, meningkatkan segregasi, dan melemahkan vitalitas area perkotaan yang sudah ada. Beberapa masalah lingkungan yang dikaitkan dengan urban sprawl termasuk perubahan iklim, produksi limbah, penghancuran habitat, dan polusi udara dan air (Hlebakos, 2023).

Fenomena urban sprawl juga dapat menimbulkan ketimpangan kesehatan, mengurangi kualitas air, dan memiliki dampak negatif pada kehidupan sosial penduduk (Resnik, 2010).

Pemantauan urban sprawl sangat penting, dengan memahami karakteristik spatio-temporalnya dapat dihasilkan masukan yang lebih baik bagi perencanaan dan strategi pengelolaan kota (Magidi & Ahmed, 2019). Metode pengamatan konvensional, seperti pengamatan in-situ belum tentu memiliki resolusi spasial dan temporal yang diperlukan untuk memantau perluasan lahan terbangun di area perkotaan secara efektif, sehingga pemantauan berbasis satelit merupakan alternatif yang dianggap lebih layak. Pengamatan satelit telah menjadi alat yang penting dalam memonitor dan memprediksi urban sprawl. Teknologi ini memungkinkan pengumpulan data dengan resolusi temporal, spasial, dan spektral yang sesuai dengan kebutuhan pengamatn, dengan beberapa kombinasi satelit pengamatan untuk memenuhi karakteristik sesuai kebutuhan (Shao, 2020). Citra satelit Landsat, melalui berbagai sensornya (TM, ETM+, dan OLI), telah digunakan untuk memantau perluasan perkotaan. Penelitian terdahulu telah memanfaatkan citra Landsat untuk memetakan tutupan lahan, menilai dan memodelkan perluasan kota, dan memantau ekspansi area kota dari waktu ke waktu (Mohammady & Delavar, 2016).

Gambar 1. Visualisasi dari Urban Sprawl dan Perbandingannya dengan Compact City (Hlebakos, 2023)

(2)

1.2 Purpose (5)

1. Mengidentifikasi area terbangun secara temporal menggunakan kombinasi citra satelit Landsat

2. Menentukan laju pertumbuhan luasan lahan terbangun secara temporal melalui pengamatan citra satelit di Kota Bandung

2. Methodology

2.1 Prior Studies (5)

Peneltian serupa pernah dilakukan oleh (Hamad, 2020). Dengan tujuan untuk mengamati dan menganalisis perkembangan urban sprawl di Tehran, ibukota Iran, selama periode 1986 hingga 2017, dengan menggunakan citra satelit Landsat pada tahun 1986, 1998, 2009, dan 2017.

Digunakan kanal pada band 4 (merah) dan band 5 (inframerah dekat) untuk menghasilkan citra yang sesuai untuk analisis urban sprawl menggunakan Normalized Difference Vegetation Index (NDVI) untuk mengidentifikasi area terbangun. Nilai NDVI yang rendah menunjukkan area yang kurang vegetasi dan lebih banyak terbangun. Hasil analisis menunjukkan bahwa area yang mengalami urban sprawl meningkat secara signifikan selama periode pengamatan.

Minimum 1 Reference / Citation .

2.2 Data (10)

No Data Source Data Type Year Resolution /

scale 1. USGS Landsat 4 Level

2 Collection 2

United States Geological

Survey

Raster 1982 - 1993 30m

2. USGS Landsat 5 Level 2 Collection 2

Raster 1984 - 2012 30m

3 USGS Landsat 7 Level 2 Collection 2

Raster 1999 - Sekarang

30m

(3)

2.3 Method ( 30 )

Dalam pengolahan data, akan digunakan citra dari satelit Landsat 4, 5, 7, 8, dan 9 demi memastikan kontinuitas data dalam konteks waktu, mengingat bahwa satelit-satelit ini memiliki periode operasional yang tumpang tindih dan memiliki jangkauan yang cukup jauh ke masa lalu sehingga memungkinkan untuk melakukan pengamatan perubahan lahan terbangun dari tahun 1990 sampai 2020 untuk analisis temporal yang akan mengidentifikasi perubahan urban sprawl seiring waktu.

Menggunakan Google Earth Engine, akan dilakukan penentuan indeks ternormalisasi dari citra satelit yang telah ditentukan, yaitu Normalized Difference Built-up Index (NDBI) dan Modified Normalized Difference Water Index (MNDWI), untuk menilai ekspansi area terbangun dan perbandingannya pada tahun 1990, 1995, 2000, 2005, 2010, 2015, dan 2020.

NDBI (Normalized Difference Built-up Index) dan MNDWI (Modified Normalized Difference Water Index) adalah indeks spektral yang digunakan untuk mengidentifikasi area terbangun dan air terbuka pada citra satelit. NDBI memanfaatkan band Near-Infrared (NIR) dan Short Wave Infrared (SWIR) untuk menekankan area terbangun buatan manusia. Indeks ini dihitung sebagai rasio antara SWIR dan NIR, yang membantu untuk mengurangi efek dari perbedaan pencahayaan terestrial serta efek atmosfer (Kshetri, 2018). Rumus perhitungannya adalah:

𝑵𝑫𝑩𝑰 =𝑺𝑾𝑰𝑹 − 𝑵𝑰𝑹 𝑺𝑾𝑰𝑹 + 𝑵𝑰𝑹

Indeks ini memiliki rentang nilai dari -1 hingga 1, dengan area terbangun cenderung memiliki reflektansi SWIR yang lebih tinggi dibandingkan dengan reflektansi NIR. Aplikasi dari NDBI termasuk prediksi aliran airheds dan perencanaan penggunaan lahan (Zheng, Tang, & Wang, 2021).

MNDWI menggunakan band Green dan SWIR untuk meningkatkan fitur air terbuka dan mengurangi fitur area terbangun yang sering dikorelasikan dengan air terbuka dalam indeks lain. Rumus perhitungannya adalah :

𝑴𝑫𝑵𝑾𝑰 =𝑮𝒓𝒆𝒆𝒏 − 𝑺𝑾𝑰𝑹 𝑮𝒓𝒆𝒆𝒏 + 𝑺𝑾𝑰𝑹

Indeks ini membantu dalam identifikasi permukaan air terbuka dengan mengurangi gangguan latar belakang dari tanah, vegetasi, dan area terbangun (Hidayati, Suharyadi, &

Danoedoro, 2018).

MNDWI digunakan dalam kombinasi dengan NDBI untuk mendeteksi area yang telah dibangun. Secara khusus, kondisi berikut (dicantumkan pada tautan script) digunakan untuk mengidentifikasi area terbangun:

var built = ee.Image(0).where(ndbi.gt(-0.1).and(mndwi.lte(0)), year)

Dalam kondisi ini, area yang memiliki nilai NDBI lebih besar dari -0.1 dan MNDWI kurang dari atau sama dengan 0 dianggap sebagai area yang telah dibangun. Dengan kata lain, dengan memperhitungkan MNDWI, skrip ini berusaha menghilangkan kesalahan dari perairan yang mungkin dianggap sebagai area terbangun berdasarkan NDBI saja.

Tautan script GEE yang digunakan :

https://code.earthengine.google.com/3c5e6cd37887c56143fa3b684fe102c4

(4)

Gambar 2. Diagram Alir Pengerjaan Praktikum

(5)

3. Discussion and Discussion (35)

3.1 Result 1

Berdasarkan pengamatan citra satelit Landsat 4,5,7, 8, dan 9. Telah dilakuka pengamatan area terbangun pada tahun 1990, 1995, 2000, 2005, 2010, 2015, dan 2020. Menggunakan fungsi pada Google Earth Engine, untuk masing-masing tahun pengamatan telah secara otomatis ditentukan citra satelut yang akan digunakan tergantung pada ketersediaan set datanya.

Sebagai contoh, untuk pengamatan pada tahun 1990, karena citra satelit yang tersedia hanya dari Landsat 4 dan 5, maka pengamatan hanya akan dilakukan menggunakan citra satelit tersebut.

Kemudian, menggunakan kanal komposit atau penggabungan dari kanal gelombang yang tersedia pada masing-masing satelit pengamatan, akan dilakukan penentuan area terbangun menggunakan kanal komposit Normalized Difference Building Index (NDBI) dan Modified Normalized Difference Water Index (MNDWI). Memanfaatkan NDBI, dapat dilakukan pemantauan dan penentuan area terbangun pada suatu daerah, dalam kasus ini, terbatas pada Kota Bandung. Hasilnya, sebagaimana ditampilkan pada Gambar 4, menunjukkan bagaimana laju dan arah dari ekspansi lahan terbangun di Kota Bandung.

Gambar 4 menunjukkan bahwa telah terjadi pertumbuhan yang signifikan dari lahan terbangun di Kota Bandung pada tahun 1990 sampai 2020. Dalam rentang waktu 30 tahun, Kota Bandung yang pada awalnya berpusat di bagian barat, telah mengalami perluasan dan penambahan area terbangun ke arah timur, utara, dan selatan.Ditandai pada kotak berwarna merah nomor 1, dengan piksel yang berwarna biru muda dan hijau, yang menandakan ekspansi lahan terbangun ke arah timur, yang dilanjutkan semakin jauh ke arah timur dengan piksel berwarna kuning, orange, dan merah menandakan bahwa sejak tahun 2010. Pada kotak nomor 2 dan 3 , yang menunjukkan bahwa perluasan lahan terbangun juga terjadi ke arah selatan dan utara pada tahun 2015 sampai 2020.

Gambar 3. Pemetaan Ekspansi Area Terbangun di Kota Bandung secara Temporal

(6)

3.2 Result 2

Perhitungan luasan area terbangun dilakukannya pengamatan setiap tahun untuk area terbangun menggunakan NDBI dan MNDWI yang didefinisikan sebagai area dengan NDBI >

-0.1 dan MNDWI ≤ 0. Setelah menentukan area terbangun, skrip menghitung luasannya dengan menggunakan fungsi multiply dan pixelArea. Setiap piksel yang diidentifikasi sebagai area terbangun diberi nilai berdasarkan luas pikselnya (dalam hektar) menggunakan ee.Image.pixelArea().multiply(0.0001). Pada skrip ini akan dihasilkan grafik seperti pada gambar 5 yang menunjukkan perubahan luasan area terbangun sepanjang waktu menggunakan ui.Chart.image.series. Fungsi ini mengagregasi nilai dari koleksi citra berdasarkan ROI yang ditentukan, dengan reducer sum untuk mengakumulasi total area untuk setiap tahun.

Berdasarkan gambar 5, diberikan grafik yang menunjukkan tren pertumbuhan lahan terbangun selama periode 1990 hingga 2020. Pada tahun 1990, luas lahan terbangun berada di rentang 15,000,000 Ha. Terdapat pertambahan luasan area terbangun yang stabil namun signifikan dari tahun 1990 hingga 2010. Pada tahun 2010, luasnya mendekati 30,000,000 Ha.

Setelah tahun 2015, terjadi sedikit penurunan dan luas lahan terbangun stabil di sekitar 25,000,000 Ha hingga 2020.

4. Conclusion (5)

1.

Telah terjadi ekspansi area terbangun di Kota Bandung, sejak tahun 1990 sampai 2020, dengan arah pertumbuhan dari yang awalnya terpusat di bagian barat menuju bagian timur, utara, dan selatan Kota Bandung.

2.

Luasan area terbangun di Kota Bandung mengalami perluasan sebesar kurang lebih 10 juta Hektar dalam periode 1990 sampai 2015, namun menuju tahun 2020, terdapat pengurangan luasan lahan terbangun di Kota Bandung.

Gambar 4. Perubahan Luasan Area Terbangun di Kota Bandung secara Temporal

(7)

Referensi

Hamad, R. (2020). A remote sensing and GIS-based analysis of urban sprawl in Soran District, Iraqi Kurdistan. SN Applied Sciences, 1-9.

Hidayati, I. N., Suharyadi, R., & Danoedoro, P. (2018). Developing an Extraction Method of Urban Built-Up Area Based on Remote Sensing Imagery Transformation Index. Forum Geografi, 96-108.

Hlebakos, J. (2023). ENVIRONMENTAL SCIENCE 101. San Jacinto: LibreTexts.

Imbrenda, V., Coluzzi, R., & Bianchini, L. (2022). Chapter Two - Urban sprawl: Theory and practice.

Advances in Chemical Pollution, Environmental Management and Protection, 23-46.

Kshetri, T. B. (2018). NDVI, NDBI & NDWI Calculation Using Landsat 7, 8. GeoWorld, 32-34.

Magidi, J., & Ahmed, F. (2019). Assessing urban sprawl using remote sensing and landscape metrics: A case study of City of Tshwane, South Africa (1984–2015). The Egyptian Journal of Remote Sensing and Space Science, 335-346.

Mohammady, S., & Delavar, M. R. (2016). Urban sprawl assessment and modeling using landsat images and GIS. SpringerLink, 1-14.

Resnik, D. B. (2010). Urban Sprawl, Smart Growth, and Deliberative Democracy. PubMed Central, 1852–

1856.

Shao, Z. (2020). Spatio-temporal-spectral observation model for urban remote sensing. Geo-spatial Information Science, 372-386.

Yale Weekly Student Magazine. (2021, Maret 16). The Yale Ledger. From campuspress.yale.edu:

https://campuspress.yale.edu/ledger/urban-sprawl-a-growing-problem/

Zheng, Y., Tang, L., & Wang, H. (2021). An improved approach for monitoring urban built-up areas by combining NPP-VIIRS nighttime light, NDVI, NDWI, and NDBI. Journal of Cleaner Production, 129488.