ESTIMASI SUHU PERMUKAAN LAHAN DI KABUPATEN ACEH …
Transcript of ESTIMASI SUHU PERMUKAAN LAHAN DI KABUPATEN ACEH …
ESTIMASI SUHU PERMUKAAN LAHAN DI
KABUPATEN ACEH BARAT MENGGUNAKAN
SALURAN TERMAL CITRA LANDSAT
TUGAS AKHIR
Diajukan untuk melengkapi tugas-tugas dan memenuhi syarat-syarat guna memperoleh
gelar Sarjana Komputer
Oleh:
NUR ATIKAH SURI
1308107010021
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SYIAH KUALA
DARUSSALAM, BANDA ACEH
JANUARI, 2018
iii
KATA PENGANTAR
Syukur Alhamdulillah penulis panjatkan ke hadirat Allah SWT yang telah
melimpahkan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan
Tugas Akhir yang berjudul “Estimasi Suhu Permukaan Lahan di Kabupaten Aceh
Barat Menggunakan Saluran Termal Citra Landsat”.
Tugas Akhir ini merupakan salah satu syarat yang harus dipenuhi guna
memperoleh gelar Sarjana Komputer pada Jurusan Informatika, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala.
Penulis menyadari bahwa proses penulisan Tugas Akhir ini tidak terlepas dari
bantuan dan dukungan dari berbagai pihak, baik secara langsung maupun tidak
langsung, secara moril maupun materil. Pada kesempatan ini penulis ingin
mengucapkan banyak terima kasih kepada:
1. Bapak Dr. Muhammad Subianto, M.Si, selaku Ketua Jurusan Informatika
Universitas Syiah Kuala.
2. Bapak Dr. Nizamuddin, M.Info.Sc, selaku Dosen Pembimbing I dan
Bapak Muhammad Rusdi, Ph.D, selaku Dosen Pembimbing II atas
kesediaannya memberikan bimbingan dan arahan, nasehat serta kritik dan
sarannya dalam proses penulisan Tugas Akhir ini.
3. Bapak Ardiansyah, BSEE, M.Sc; Bapak Ir. Sugianto, M.Sc, Ph.D; dan
Bapak Dr. Muzailin, M.Sc selaku Dosen Penguji atas kesediaannya
menguji serta memberikan kritik dan sarannya dalam proses penulisan
Tugas Akhir ini.
4. Bapak Kurnia Saputra, M.Sc selaku Koordinator TA Jurusan Informatika
Universitas Syiah Kuala.
5. Ayahanda Muhammad Nur dan Ibunda Marlina tercinta yang senantiasa
selalu mendo’akan dan memberikan dukungan kepada penulis.
6. Seluruh keluarga, paman, bunda, dan kakak-kakakku yang telah banyak
memberikan bantuan serta dukungannya.
7. Sahabat “Noise” (Iin, Asma, Ulfa, Lulu, Lisa dan Tania) yang selalu
memberikan dukungan dan semangat kepada penulis selama proses
penulisan Tugas Akhir ini hingga selesai.
iv
8. Partner TA, Nur Asma dan Fadila yang telah berjuang bersama-sama
menyelesaikan Tugas Akhir ini dari seminar sampai sidang, yang selalu
memberikan dukungan dan semangatnya.
9. Sahabatku Sri Ulda Purnama, S.Pd yang turut membantu dan menemani
penulis saat melakukan survey lapangan.
10. Seluruh dosen dan staff tata usaha Jurusan Informatika Universitas Syiah
Kuala.
11. Teman-teman satu jurusan Informatika, khususnya angkatan 2013. Terima
kasih atas semangat dan dukungan yang telah diberikan selama proses
penyusunan Tugas Akhir ini.
Harapan penulis semoga tulisan ini dapat bermanfaat bagi perkembangan ilmu
pengetahuan.
Banda Aceh, 23 Januari 2018
Nur Atikah Suri
vi
ABSTRAK
Perubahan iklim seperti kemarau atau curah hujan yang tinggi dapat berdampak
pada suhu permukaan lahan yang merupakan salah satu variabel klimatologis.
Salah satu teknologi penginderaan jauh untuk mengestimasi suhu permukaan
lahan adalah dengan menggunakan saluran termal dari citra satelit Landsat.
Estimasi suhu permukaan lahan memerlukan nilai emisivitas permukaan atau
Land Surface Emissivity (LSE) yang didapat menggunakan metode NDVI
(Normalized Difference Vegetation Index). Hasil kajian menunjukkan rata-rata
suhu permukaan lahan di Kabupaten Aceh Barat pada tahun 2017 sebesar
25,10°C. Suhu permukaan ini lebih rendah 0,97°C dibandingkan pada tahun 2013
yang memiliki suhu rata-rata 26,07°C. Penyebaran suhu permukaan lahan di
Kabupaten Aceh Barat pada tahun 2013 dan 2017 memiliki pola penyebaran yang
cenderung sama. Suhu permukaan antara 25 - 28°C masih mendominasi sebagian
besar wilayah Kabupaten Aceh Barat.
Kata kunci : suhu permukaan lahan, Land Surface Emissivity (LSE), Normalized
Difference Vegetation Index (NDVI).
vii
ABSTRACT
Climate change such as drought or high rainfall can affect the land surface
temperature which is one of the climatological variables. One of the remote
sensing technologies to estimate land surface temperature is to use thermal bands
from Landsat satellite image. Estimation of land surface temperature require an
emissivity value or Land Surface Emissivity (LSE) obtained using the NDVI
(Normalized Difference Vegetation Index) method. The results of this study show
that the average of land surface temperature in West Aceh Regency in 2017 is
25,10°C. This surface temperature is lower 0,97°C than in 2013 which the average
temperature is 26,07°C. The distribution of land surface temperature in West
Aceh Regency in 2013 and 2017 has the same tendency to spread. Surface
temperature between 25 - 28°C still dominates most of West Aceh Regency.
Keyword : land surface temperature, Land Surface Emissivity (LSE), Normalized
Difference Vegetation Index (NDVI).
viii
DAFTAR ISI
Halaman
Halaman Judul ................................................................................................. i
Halaman Pengesahan ...................................................................................... ii
Kata Pengantar ................................................................................................ iii
Surat Pernyataan .............................................................................................. v
Abstrak ............................................................................................................ vi
Abstract ........................................................................................................... vii
Daftar Isi .......................................................................................................... viii
Daftar Gambar ................................................................................................. x
Daftar Tabel .................................................................................................... xi
Daftar Lampiran .............................................................................................. xii
BAB I. PENDAHULUAN
1.1. Latar Belakang ............................................................................ 1
1.2. Rumusan Masalah ....................................................................... 2
1.3. Tujuan Penelitian ......................................................................... 2
1.4. Manfaat Penelitian ....................................................................... 2
BAB II. TINJAUAN KEPUSTAKAAN
2.1. Penginderaan Jauh ....................................................................... 3
2.1.1. Sistem Penginderaan Jauh .................................................. 3
2.2. Citra Landsat 8 ............................................................................. 5
2.2.1. Band Thermal Infrared Sensor (TIRS) ............................... 5
2.3. NDVI (Normalized Difference Vegetation Index) ....................... 6
2.3.1. LSE (Land Surface Emissivity) .......................................... 7
2.4. Suhu Permukaan Lahan (Land Surface Temperature) ................ 8
2.5. Iklim ............................................................................................ 10
2.6. QuantumGIS (QGIS) .................................................................... 12
2.6.1. Semi-Automatic Classification Plugin (SCP) ..................... 12
2.7. Penelitian Terkait Suhu Permukaan Lahan .................................. 13
BAB III. METODE PENELITIAN
3.1. Tempat dan Waktu Penelitian ..................................................... 16
3.2. Alat dan Bahan ............................................................................ 16
3.3. Metode Penelitian ........................................................................ 19
3.4. Tahapan Pelaksanaan Penelitian ................................................. 19
3.4.1. Studi Literatur .................................................................... 19
3.4.2. Pengumpulan Data ............................................................. 20
3.4.3. Pra-Pengolahan Data ......................................................... 20
3.4.4. Pengolahan Data ................................................................ 21
3.4.5. Kegiatan Lapangan ............................................................ 21
BAB IV. HASIL DAN PEMBAHASAN
4.1. Pra-pengolahan Citra ................................................................... 23
4.2. Suhu Permukaan Lahan Kabupaten Aceh Barat ......................... 23
4.2.1. Suhu Permukaan Lahan Tahun 2013 ................................. 24
ix
4.2.2. Suhu Permukaan Lahan Tahun 2017 ................................. 27
4.3. Perbandingan Pola Penyebaran Suhu Permukaan Lahan
Kabupaten Aceh Barat Tahun 2013 dan 2017 ........................... 30
4.4. Ketelitian Estimasi Suhu Permukaan Lahan Berdasarkan
Hasil Ground Check ................................................................... 32
BAB V. KESIMPULAN DAN SARAN
5.1. Kesimpulan .................................................................................. 36
5.2. Saran ............................................................................................ 37
DAFTAR PUSTAKA .................................................................................... 38
LAMPIRAN ................................................................................................... 41
BIODATA ...................................................................................................... 43
x
DAFTAR GAMBAR
Halaman
Gambar 2.1. Curah hujan rata-rata Kabupaten Aceh Barat tahun
2013-2016 .................................................................................. 11
Gambar 2.2. Suhu rata-rata Kabupaten Aceh Barat tahun 2013-2016 ............ 11
Gambar 2.3. Kelembaban rata-rata Kabupaten Aceh Barat tahun
2013-2016 .................................................................................. 11
Gambar 2.4. Semi-Automatic Classification Plugin (Tab Landsat) ................ 13
Gambar 3.1. Lokasi kajian Kabupaten Aceh Barat ......................................... 16
Gambar 3.2. Citra satelit Landsat 8 akuisisi 24 Agustus 2013 path-row
131-057 dan 30 Juni 2013 path-row: 130-057 ............................ 17
Gambar 3.3. Citra satelit Landsat 8 akuisisi 16 Juni 2017 path-row
131-057 dan 9 Juni 2017 path-row: 130-057 .............................. 18
Gambar 3.4. Diagram alir penelitian ............................................................... 22
Gambar 4.1. Suhu maksimum pada area lahan terbuka .................................. 25
Gambar 4.2. Peta Estimasi Suhu Permukaan Lahan Kabupaten Aceh Barat
Tahun 2013 ................................................................................ 26
Gambar 4.3. Area lahan terbuka telah ditumbuhi kembali oleh vegetasi ....... 28
Gambar 4.4. Peta Estimasi Suhu Permukaan Lahan Kabupaten Aceh Barat
Tahun 2017 ................................................................................ 29
Gambar 4.5. Hasil penelusuran Google Earth tahun 2013-2016 .................... 31
Gambar 4.6. Grafik persentase luasan penyebaran suhu permukaan
lahan tahun 2013 dan 2017 ........................................................ 32
Gambar 4.7. Peta Ground Check Suhu Permukaan Lahan di Kabupaten
Aceh Barat ................................................................................. 33
xi
DAFTAR TABEL
Halaman
Tabel 2.1. Panjang Gelombang dan Resolusi Band Landsat 8 ....................... 5
Tabel 4.1. Klasifikasi Suhu Permukaan Lahan Tahun 2013 ........................... 24
Tabel 4.2. Klasifikasi Suhu Permukaan Lahan Tahun 2017 ........................... 27
Tabel 4.3. Hasil Ground Check Suhu Permukaan Lahan di Kabupaten
Aceh Barat ...................................................................................... 34
xii
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Suhu rata-rata dan kelembaban udara per bulan
Kabupaten Aceh Barat tahun 2013-2016 .................................... 41
Lampiran 2. Curah hujan rata-rata per bulan Kabupaten Aceh Barat
tahun 2013-2016 ........................................................................ 42
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Suhu permukaan dapat diartikan sebagai suhu bagian terluar dari suatu objek.
sedangkan untuk vegetasi dapat dipandang sebagai suhu permukaan kanopi
tumbuhan, dan pada tubuh air merupakan suhu dari permukaan air tersebut. Pada
saat permukaan suatu benda menyerap radiasi, suhu permukaannya belum tentu
sama. Hal ini tergantung pada sifat fisis objek pada permukaan tersebut. Sifat fisis
objek tersebut diantaranya: emisivitas, kapasitas panas jenis dan konduktivitas
termal.
Suhu permukaan lahan (land surface temperature) dapat didefinisikan sebagai
suhu permukaan rata-rata dari suatu permukaan yang digambarkan dalam satuan
piksel dengan berbagai tipe permukaan. Besarnya suhu permukaan dipengaruhi
oleh panjang gelombang. Panjang gelombang yang paling sensitif terhadap suhu
permukaan adalah inframerah termal. Saluran (band) termal dari suatu satelit
berfungsi untuk mencari suhu permukaan dari suatu objek di permukaan lahan.
Suhu permukaan lahan juga merupakan salah satu parameter keseimbangan energi
dan variabel klimatologis yang utama. Besarnya suhu permukaan lahan tergantung
pada kondisi parameter permukaan lainnya, seperti albedo, kelembaban
permukaan dan tutupan lahan serta kondisi vegetasi.
Kabupaten Aceh Barat adalah salah satu kabupaten di Provinsi Aceh yang
merupakan bagian wilayah pantai barat dan selatan kepulauan Sumatera yang
membentang dari barat ke timur. Menurut Bappeda Kabupaten Aceh Barat, secara
geografis Kabupaten Aceh Barat terletak pada posisi 04°06’ - 04°47’ Lintang
Utara dan 95°52’ - 96°30’’ Bujur Timur dengan luas wilayah sebesar 2.927,95
Km2. Perubahan iklim seperti terjadinya kemarau dan intensitas curah hujan yang
tinggi, adanya pembukaan lahan gambut dengan cara dibakar yang seringkali
menyebabkan kebakaran dan kabut asap di Kabupaten Aceh Barat serta
banyaknya tumbuh-tumbuhan (vegetasi) yang digantikan oleh aspal dan beton
untuk jalan, bangunan dan struktur lain sehingga menyebabkan permukaan tanah
yang tergantikan tersebut akan lebih banyak menyerap panas matahari dan
2
memantulkannya, hal-hal inilah yang menjadi salah satu penyebab berubahnya
suhu permukaan lahan (land surface temperature) menjadi tidak stabil.
Oleh karena itu, berdasarkan kondisi inilah estimasi suhu permukaan lahan
perlu dilakukan dan dikaji. Proses estimasi suhu permukaan lahan ini dilakukan
dengan menggunakan data penginderaan jauh. Penggunaan data penginderaan
jauh dalam identifikasi suhu permukaan lahan memberikan kemudahan untuk
menghasilkan identifikasi dengan wilayah yang luas, biaya relatif murah, dan
waktu yang singkat. Salah satu teknologi penginderaan jauh adalah memanfaatkan
citra dari satelit Landsat. Saluran 10 yang berada pada saluran Thermal Infrared
Sensor (TIRS) pada Landsat 8 dapat dimanfaatkan untuk kajian tidak langsung
mengenai suhu permukaan lahan.
1.2. Rumusan Masalah
1. Bagaimana estimasi suhu permukaan lahan di Kabupaten Aceh Barat dengan
memanfaatkan saluran termal citra Landsat?
2. Bagaimana hasil ketelitian dari estimasi suhu permukaan lahan menggunakan
saluran termal citra Landsat?
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Memetakan estimasi suhu permukaan lahan di Kabupaten Aceh Barat.
2. Menganalisis ketelitian estimasi suhu permukaan lahan menggunakan saluran
termal.
1.4. Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat memberikan informasi mengenai
suhu permukaan lahan di Kabupaten Aceh Barat dan hasil yang didapatkan
dengan pemanfaatan saluran termal pada citra Landsat tersebut dapat dijadikan
salah satu cara untuk mengestimasi suhu permukaan lahan.
3
BAB II
TINJAUAN KEPUSTAKAAN
2.1. Penginderaan Jauh
Penginderaan jauh (remote sensing) adalah ilmu dan seni untuk memperoleh
informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang
diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah atau
fenomena yang dikaji (Lillesand & Kiefer, 1994).
Berbagai sensor pengumpul data dari jarak jauh umumnya dipasang pada
wahana (platform) yang berupa pesawat udara, drone, satelit, atau wahana
lainnya. Objek yang diindera adalah objek yang terletak di permukaan bumi, di
atmosfer, dan di antariksa. Pengumpulan data dari jarak jauh tersebut dapat
dilakukan dalam berbagai bentuk sesuai dengan energi yang digunakan. Energi
yang digunakan dapat berupa variasi distribusi daya, distribusi gelombang bunyi
atau distribusi gelombang elektromagnetik. Data penginderaan jauh dapat berupa
citra (imagery), grafik, atau data numerik (Fatimah, 2012).
Data penginderaan jauh dapat dianalisis untuk mendapatkan informasi
tentang objek, daerah atau fenomena yang diindera atau diteliti. Proses
penerjemahan data menjadi informasi disebut analisis atau interpretasi data.
Analisis data penginderaan jauh memerlukan rujukan seperti peta tematik, data
statistik, dan data lapangan. Hasil analisis yang diperoleh berupa informasi
mengenai bentang lahan, jenis penutup lahan, kondisi lokasi, dan kondisi sumber
daya daerah yang diindera. Informasi tersebut bagi para pengguna dapat
dimanfaatkan untuk membantu proses pengambilan keputusan dalam
mengembangkan daerah tersebut. Keseluruhan proses mulai dari pengambilan
data, analisis data hingga penggunaan data disebut sistem penginderaan jauh
(Purwadhi, 2001).
2.1.1. Sistem Penginderaan Jauh
Sistem penginderaan jauh dapat bersifat aktif dan pasif, dibedakan
berdasarkan gelombang elektromagnetik yang diterima. Penginderaan jauh yang
bersifat pasif, yaitu sumber energi yang digunakan berasal dari matahari, radiasi
elektromagnetik, emisi panas, dan sumber lain selain sensor (alat untuk merekam
4
data). Penginderaan jauh yang bersifat aktif, apabila sumber energi yang
digunakan dihasilkan sendiri oleh perangkat penginderaan jauh, yaitu
menggunakan pembangkit energi atau generator.
Spektrum elektromagnetik secara keseluruhan mencakup gelombang radio
(terpanjang), gelombang mikro, inframerah, cahaya tampak, ultraviolet, sinar-X,
dan sinar gamma (terpendek). Cahaya tampak (visible light) adalah suatu bagian
yang sangat kecil dari keseluruhan spektrum energi yang terpancar di alam
semesta dengan panjang gelombang berkisar antara 0,4 – 0,7 μm. Tiap warna
memiliki panjang gelombang yang berbeda. Warna merah memiliki panjang
gelombang yang terpanjang dari cahaya tampak yaitu berkisar antara 0,6 – 0,7
μm. Warna hijau berada pada kisaran panjang gelombang 0,5 – 0,6 μm dan biru
yang memiliki panjang gelombang terpendek berada pada kisaran 0,4 – 0,5 μm.
Sistem penginderaan jauh pasif menerima energi yang dipantulkan atau
dipancarkan dari kenampakan yang ada di bumi. Distribusi spektral energi
pantulan sinar matahari dan energi pancaran dari benda sifatnya tidak seragam.
Tingkat energi matahari yang sampai di bumi bervariasi menurut waktu (jam dan
musim), tempat (lokasi), kondisi cuaca, dan kondisi permukaan bumi (material,
kemiringan, kekasaran permukaan).
Menurut Fatimah (2012), radiasi berkaitan dengan panas objek di bumi,
sehingga disebut energi termal atau inframerah termal. Energi ini tidak dapat
dilihat atau dipotret, tetapi dapat diindera dengan sensor non-fotografi yaitu
sensor termal yang peka terhadap panjang gelombang inframerah termal (3 – 18
μm). Sensor tersebut dapat berupa radiometer atau scanner (thermal scanner).
Sensor termal dapat dioperasikan dalam wahana pesawat atau satelit.
Pengoperasian sensor termal yang paling baik adalah pada waktu dini hari karena
pancaran panas benda pada waktu dini hari merupakan pancaran panas dari benda
itu sendiri (tidak terpengaruh oleh pancaran panas sumber lain), sehingga kontras
pancaran yang direkam sensor merupakan kontras termal yang benar-benar
direkam dari objek.
5
2.2. Citra Landsat 8
Satelit Landsat 8 diluncurkan pada 11 Februari 2013. Satelit ini adalah satelit
kedelapan dalam program Landsat dan merupakan yang ketujuh yang mencapai
orbit dengan berhasil. Awalnya Landsat 8 disebut Landsat Data Continuity
Mission (LDCM), yang merupakan kolaborasi antara NASA dan United States
Geological Survey (USGS) (NASA, 2016).
Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS)
merupakan instrumen onboard dari satelit Landsat 8. Satelit ini mengumpulkan
citra-citra dari bumi dengan siklus berulang 16 hari. Akuisisi satelit berada dalam
8 hari mengimbangi Landsat 7 (USGS, 2015). Citra Landsat 8 OLI/TIRS terdiri
dari sembilan band spektral dengan resolusi spasial 30 meter untuk band 1 sampai
7 dan 9. Band 1 ultra blue berguna untuk studi pesisir dan aerosol. Band 9
berguna untuk deteksi awan sirus. Resolusi untuk band 8 (pankromatik) adalah 15
meter. Band termal 10 dan 11 berguna dalam memberikan suhu permukaan yang
lebih akurat dan dikumpulkan pada jarak 100 meter. Perkiraan dari ukuran scene
adalah 170 km utara-selatan dengan 183 km sebelah timur-barat (106 mil dengan
114 mil) (USGS, 2016).
Tabel 2.1. Panjang Gelombang dan Resolusi Band Landsat 8
Landsat 8
Operational
Land Imager
(OLI) dan
Thermal
Infared
Sensor
(TIRS)
Band
Panjang
Gelombang
(mikrometer)
Resolusi
(meter)
Band 1 - Ultra Blue (coastal/aerosol) 0.43 - 0.45 30
Band 2 – Blue 0.45 - 0.51 30
Band 3 – Green 0.53 - 0.59 30
Band 4 – Red 0.64 - 0.67 30
Band 5 - Near Infrared (NIR) 0.85 - 0.88 30
Band 6 - Shortwave Infrared (SWIR) 1 1.57 - 1.65 30
Band 7 - Shortwave Infrared (SWIR) 2 2.11 - 2.29 30
Band 8 – Panchromatic 0.50 - 0.68 15
Band 9 – Cirrus 1.36 - 1.38 30
Band 10 - Thermal Infrared (TIRS) 1 10.60 - 11.19 100 * (30)
Band 11 - Thermal Infrared (TIRS) 2 11.50- 12.51 100 * (30)
(Sumber: USGS, 2016)
2.2.1. Band Thermal Infrared Sensor (TIRS)
Thermal Infrared Sensor (TIRS) berisi dua band termal, yang mengukur suhu
permukaan lahan pada resolusi 100 meter (produk yang disediakan disampel
ulang (resampled) menjadi resolusi 30 meter). Pada band termal, piksel berwarna
6
gelap mewakili suhu dingin dan piksel berwarna terang mewakili suhu panas.
Data band termal memberikan informasi penting mengenai penggunaan air irigasi
di lahan gersang, serta unit panas di perkotaan (USGS, 2017).
Berdasarkan pemberitahuan penting dari USGS pada 6 Januari 2014
mengenai kalibrasi TIRS, bahwa band 11 memiliki ketidakpastian kalibrasi yang
lebih besar sehingga disarankan agar pengguna tidak mengandalkan data band 11
dalam analisis kuantitatif data TIRS, seperti penggunaan teknik split window
untuk koreksi atmosfer dan pengambilan nilai suhu permukaan. Disarankan agar
band 10 digunakan bersamaan dengan atmospheric model untuk mengestimasi
suhu kecerahan permukaan (brightness temperature). Pengolahan saat ini pada
suhu kecerahan permukaan akurat sampai ~±1 K untuk target 15 – 35°C, misalnya
untuk target vegetasi di musim tanam (NASA, 2016).
2.3. NDVI (Normalized Difference Vegetation Index)
NDVI adalah indeks vegetasi yang paling popular digunakan dan dapat
menggambarkan kondisi tingkat kehijauan, kesehatan, dan kerapatan vegetasi.
NDVI berbasis kepada perbedaan nilai pantulan band inframerah dengan band
merah. Tumbuhan hijau akan menyerap gelombang pada spektrum merah untuk
proses fotosintesis, dan memantulkan gelombang pada spektrum inframerah.
Parameter indeks vegetasi sebaiknya memenuhi syarat (Jensen, 2000): (a)
memaksimalkan sensitifitas dari parameter biofisik tanaman; (b) menormalkan
pengaruh dari luar seperti: sudut matahari, sudut pandang sensor, atmosfer, dan
waktu perekaman; (c) menormalkan pengaruh dari dalam seperti: variasi dari jenis
kanopi dan tanah, kondisi topografi, jenis tanaman; (d) dapat dihubungkan dengan
parameter biofisik yang dapat diukur sepeti biomassa atau leaf area index (LAI)
yang dapat dijadikan alat validasi dan kontrol kualitas informasi. Nilai NDVI
menggunakan nilai reflektansi dari band NIR (Near Infrared) dan band Red pada
citra satelit untuk perhitungannya, dengan persamaan:
𝑁𝐷𝑉𝐼 = 𝑁𝐼𝑅−𝑅𝑒𝑑
𝑁𝐼𝑅+𝑅𝑒𝑑 ................................... (2.1)
dimana NIR dan Red merupakan band 5 dan band 4 pada citra Landsat 8.
7
2.3.1. LSE (Land Surface Emissivity)
LSE merupakan faktor yang menghitung skala radiasi dari benda hitam
(blackbody) untuk memprediksi radiasi yang dipancarkan dan efisiensi transmisi
dari energi termal di sepanjang permukaan ke atmosfer. Dalam hal ini, nilai
emisivitas (ε) harus diketahui untuk mengestimasi suhu permukaan lahan secara
akurat dari pengukuran radiasi (Sobrino, 2008). Untuk mendapatkan LSE salah
satu prosedur alernatifnya adalah dari NDVI. Pendekatan yang digunakan adalah
NDVI Threshold Method. Metode ini mendapatkan nilai emisivitas dari NDVI
berdasarkan kasus yang berbeda (Sobrino, 2004):
(a) NDVI < 0.2
Dalam kasus ini, pixel dianggap sebagai tanah kosong dan emisivitas
diperoleh dari nilai reflektifitas dalam wilayah merah (red).
(b) NDVI > 0.5
Piksel dengan nilai NDVI lebih tinggi dari 0.5 dianggap sebagai vegetasi
sepenuhnya, dan kemudian nilai konstan untuk emisivitas diasumsikan,
biasanya 0.99.
(c) 0.2 ≤ NDVI ≤ 0.5
Dalam kasus ini, piksel tersusun atas campuran dari tanah kosong dan
vegetasi, dan emisivitasnya dihitung berdasarkan emisivitas vegetasi,
emisivitas tanah dan proporsi vegetasi yang diperoleh dari (Carlson & Ripley,
1997):
𝑃𝑣 = [𝑁𝐷𝑉𝐼− 𝑁𝐷𝑉𝐼𝑚𝑖𝑛
𝑁𝐷𝑉𝐼𝑚𝑎𝑥− 𝑁𝐷𝑉𝐼𝑚𝑖𝑛]
2 ................................... (2.2)
Keterangan:
Pv = Proporsi Vegetasi
NDVI = Citra NDVI
NDVImin = Nilai NDVI minimum
NDVImax = Nilai NDVI maksimum
Untuk menerapkan metodologi ini, diperlukan nilai emisivitas tanah dan
vegetasi. Dalam hal ini, biasanya dipilih nilai emisivitas untuk vegetasi sebesar
0.99. Pilihan nilai tertentu untuk tanah menimbulkan pertanyaan yang lebih kritis,
karena variasi nilai emisivitas yang lebih tinggi untuk tanah dibandingkan dengan
vegetasi. Solusi yang mungkin adalah menggunakan nilai rata-rata untuk
8
emisivitas tanah yang termasuk dalam ASTER spectral library dan difilter
menurut fungsi filter band TM6. Mengingat ada total 49 spektrum tanah,
diperoleh nilai rata-rata 0.973 (dengan standar deviasi 0.004). Menggunakan data
ini (TM6 emisivitas tanah dan vegetasi masing-masing 0.97 dan 0.99), ekspresi
akhir untuk LSE yaitu (Sobrino, 2004):
𝜀 = 0.004 𝑃𝑣 + 0.986 ................................... (2.3)
dimana Pv merupakan proporsi vegetasi yang didapatkan dari perhitungan
sebelumnya.
2.4. Suhu Permukaan Lahan (Land Surface Temperature)
Suhu permukaan dapat diartikan sebagai suhu bagian terluar dari suatu objek.
sedangkan untuk vegetasi dapat dipandang sebagai suhu permukaan kanopi
tumbuhan, dan pada tubuh air merupakan suhu dari permukaan air tersebut. Pada
saat permukaan suatu benda menyerap radiasi, suhu permukaannya belum tentu
sama. Hal ini tergantung pada sifat fisis objek pada permukaan tersebut. Sifat fisis
objek tersebut diantaranya: emisivitas, kapasitas panas jenis dan konduktivitas
termal. Suatu objek di permukaan yang memiliki emisivitas dan kapasitas panas
jenis rendah, sedangkan konduktivitas termalnya tinggi akan menyebabkan suhu
permukaannya meningkat (Desi, 2011). Hal sebaliknya terjadi pada suatu objek
yang memiliki emisivitas dan kapasitas jenis yang tinggi sedangkan konduktivitas
termalnya rendah akan menyebabkan lebih rendahnya suhu permukaan. Suhu
permukaan akan mempengaruhi jumlah energi untuk memindahkan panas dari
permukaan ke udara.
Suhu permukaan lahan dapat didefinisikan sebagai suhu permukaan rata-rata
dari suatu permukaan yang digambarkan dalam satuan piksel dengan berbagai tipe
permukaan. Besarnya suhu permukaan dipengaruhi oleh panjang gelombang.
Panjang gelombang yang paling sensitif terhadap suhu permukaan adalah
inframerah termal. Band termal dari suatu satelit berfungsi untuk mencari suhu
permukaan objek di permukaan (Lillesand & Kiefer, 1999).
Emisivitas adalah rasio energi yang diradiasikan oleh material tertentu dengan
energi yang diradiasikan oleh benda hitam (black body) pada temperatur yang
9
sama. Emisivitas bergantung pada faktor diantaranya suhu, sudut emisi, dan
panjang gelombang radiasi. Emisivitas menggambarkan kemampuan suatu benda
untuk meradiasikan energi yang diserapnya. Semakin kasar dan hitam permukaan
suatu benda, maka nilai emisivitasnya mendekati satu. Nilai ε untuk vegetasi
sebesar 0.96, untuk non vegetasi sebesar 0.92, dan badan air sebesar 0.98 (Weng,
2001).
Saluran (band) 10 dan 11 yang berada pada kanal Thermal Infrared Sensor
(TIRS) pada Landsat 8 OLI/TIRS dapat dimanfaatkan untuk kajian tidak langsung
mengenai suhu permukaan lahan. Pemanfaatan saluran ini dapat digunakan dalam
rangka mengambil kebijakan terkait dengan mitigasi bencana kebakaran, maupun
perencanaan dalam rehabilitasi lahan terutama untuk reboisasi hutan. Hal ini
diperlukan karena dengan informasi suhu permukaan lahan akan dapat diketahui
wilayah-wilayah mana yang perlu mendapat perhatian khusus dalam rangka
menjaga kelestarian lingkungan (Purwanto & Sudiro, 2015).
Suhu permukaan yang didapat dari citra satelit diolah dengan menggunakan
beberapa tahapan. Menurut Landsat 8 User Handbook (2016), untuk
mengkonversi Digital Number (DN) dari band termal (band 10) Landsat 8
menjadi Spectral Radiance (Lλ), digunakan persamaan berikut:
𝐿𝜆 = 𝑀𝐿 𝑄𝑐𝑎𝑙 + 𝐴𝐿 ................................... (2.4)
Keterangan:
Lλ = Spectral radiance (Watts/( m2 * srad * μm))
ML = Faktor pengali pada band spesifik (pada metadata)
AL = Faktor penambah pada band spesifik (pada metadata)
Qcal = Digital Number (DN)
Langkah selanjutnya adalah mengkonversi nilai Spectral Radiance (Lλ) ke
Brightness Temperature (TB) dengan menggunakan persamaan berikut:
𝑇𝐵 = 𝐾2
𝑙𝑛(𝐾1𝐿𝜆
+1) ................................... (2.5)
Keterangan:
TB = Brightness Temperature (K)
Lλ = Spectral radiance (Watts/( m2 * srad * μm))
K1 = Konstanta kalibrasi pada band termal (pada metadata)
K2 = Konstanta kalibrasi pada band termal (pada metadata)
10
Kemudian untuk mengkonversi Brightness Temperature (TB) ke suhu
permukaan (Ts) dengan menggunakan persamaan berikut (Widyasamratri, 2012):
𝑇𝑠 = 𝑇𝐵
[1+𝜆 𝑇𝐵
∂]𝑙𝑛(𝜀)
................................... (2.6)
Keterangan:
TS = Suhu Permukaan Lahan (K)
TB = Brightness Temperature (K)
λ = Panjang gelombang radiasi yang dipancarkan (λ = 10.8 μm)
∂ = h * c/σ (1,4388 x 10-2
mK = 14388 μm K)
ε = nilai emisivitas
2.5. Iklim
Iklim yang terdapat di suatu daerah misalnya daerah perkotaan dan pedesaan
termasuk ke dalam iklim yang bersifat mikro. Iklim mikro merupakan kondisi
radiasi matahari, radiasi permukaan bumi, angin, suhu udara, kelembaban, dan
curah hujan. Unsur-unsur ini berbeda pada setiap tempat yang satu dengan yang
lainnya. Perbedaan ini disebabkan karena adanya pengendali iklim, yaitu
ketinggian tempat, latitude atau garis lintang, daerah tekanan dan arus laut serta
permukaan tanah (Edi, 2013).
Sama seperti di daerah lainnya di Indonesia, Kabupaten Aceh Barat memiliki
iklim tropis dengan dua musim, yaitu musim kemarau dan musim penghujan.
Musim kemarau berada pada bulan Mei - Oktober dan musim penghujan berada
pada bulan November - April. Curah hujan rata-rata selama 4 tahun terakhir
(2013-2016) sebesar 328,51 mm dengan suhu rata-rata sekitar 26,6°C (BPS Aceh
Barat, 2017).
Adapun rata-rata curah hujan, suhu, dan kelembaban bulanan dalam 4 tahun
terakhir (2013-2016) di Kabupaten Aceh Barat dapat dilihat pada Gambar 2.1,
Gambar 2.2, dan Gambar 2.3.
11
Gambar 2.1. Curah hujan rata-rata Kabupaten Aceh Barat tahun 2013-2016
Gambar 2.2. Suhu rata-rata Kabupaten Aceh Barat tahun 2013-2016
Gambar 2.3. Kelembaban rata-rata Kabupaten Aceh Barat tahun 2013-2016
0
100
200
300
400
500
600
700
800
Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des
Cu
rah
hu
jan
(m
m)
Bulan
2013
2014
2015
2016
24
25
26
27
28
29
30
Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des
Su
hu
(°C
)
Bulan
2013
2014
2015
2016
75
80
85
90
95
100
Jan Feb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des
Kel
emb
ab
an
(%
)
Bulan
2013
2014
2015
2016
12
2.6. QuantumGIS (QGIS)
QGIS adalah suatu aplikasi open source Sistem Informasi Geografis (GIS)
yang ramah pengguna dan berlisensi di bawah GNU General Public License.
QGIS adalah proyek resmi dari Open Source Geospatial Foundation (OSGeo).
Aplikasi ini dapat digunakan di Linux, Unix, Mac OSX, Windows dan Android
dan mendukung berbagai format vektor, raster, serta berbagai fungsionalitas
lainnya. QGIS menyediakan sejumlah kapabilitas yang menyediakan berbagai
fungsi dan plugin yang berguna untuk memvisualisasikan, mengelola, mengedit,
menganalisis data, dan menyusun peta yang dapat dicetak (QGIS, 2017).
2.6.1. Semi-Automatic Classification Plugin (SCP)
Dikembangkan oleh Luca Congedo, Semi-Automatic Classification Plugin
(SCP) adalah plugin open source gratis untuk QGIS yang memungkinkan untuk
klasifikasi semi-otomatis (juga dikenal sebagai klasifikasi terbimbing) dari citra
penginderaan jauh. Plugin ini menyediakan beberapa tools untuk mengunduh citra
secara gratis, preprossesing, postprosessing, dan perhitungan raster. Tujuan
keseluruhan dari SCP adalah untuk menyediakan satu set tools yang terjalin untuk
pengolahan raster agar membuat alur kerja secara otomatis dan memudahkan
klasifikasi tutupan lahan, yang dapat juga dilakukan oleh orang-orang yang
bidang utamanya bukan penginderaan jauh (Congedo, 2016).
Versi pertama dari SCP ditulis oleh Luca Congedo pada tahun 2012 untuk
ACC Dar Project dalam rangka menciptakan alat untuk klasifikasi tutupan lahan
dengan cara yang terjangkau dan otomatis. Versi selanjutnya dari SCP
dikembangkan sebagai komitmen pribadi untuk bidang penginderaan jauh dan
perangkat lunak open source.
13
Gambar 2.4. Semi-Automatic Classification Plugin (Tab Landsat)
(Sumber: Congedo, 2016)
Tab ini memungkinkan konversi citra Landsat 1, 2, dan 3 MSS serta Landsat
4, 5, 7 dan 8 dari DN (Digital Number) ke reflektan Top of Atmosfer (TOA),
kecerahan permukaan (brightness temperature), atau penerapan dari koreksi
atmosfer sederhana menggunakan metode DOS1 (Dark Object Subtraction 1)
yang merupakan salah satu teknik image-based (Congedo, 2016).
2.7. Penelitian Terkait Suhu Permukaan Lahan
Adapun penelitian-penelitian terdahulu yang terkait dengan penelitian ini
adalah sebagai berikut.
1. Triyanti (2008), penelitiannya yang berjudul "Pola Suhu Permukaan Kota
Semarang Tahun 2001 dan 2006" menggunakan citra Landsat 7 ETM+
dengan variabel berupa kerapatan vegetasi dan tutupan lahan. Hasil penelitian
menunjukkan bahwa rata-rata suhu permukaan di Kota Semarang pada tahun
2006 lebih tinggi yaitu sekitar 22,76°C dibandingkan pada tahun 2001 yang
hanya sekitar 19,39°C. Pola spasial suhu permukaan terpanas pada tahun
14
2001 maupun 2006 menunjukkan pola spasial yang sama sesuai dengan
perkembangan daerah urban di bagian timur Kota Semarang.
2. Fatimah (2012), penelitiannya yang berjudul "Pola Spasial Suhu Permukaan
Daratan Kota Surabaya Tahun 1994, 2000, dan 2011" menggunakan citra
Landsat 5 TM dan citra Landsat 7 ETM+ dengan variabel berupa tutupan
lahan, kerapatan vegetasi, dan kerapatan bangunan. Hasil penelitian
menunjukkan bahwa suhu permukaan berkorelasi negatif dengan vegetasi,
semakin tinggi suhu permukaan maka semakin rendah kerapatan vegetasinya.
Adapun korelasi suhu permukaan dengan kerapatan bangunan menunjukkan
nilai positif, semakin tinggi suhu permukaan maka semakin tinggi kerapatan
bangunannya. Arah perubahan suhu permukaan daratan pada periode 1994 -
2000 semakin meluas mengikuti arah perkembangan wilayah terbangun. Pada
periode 2000-2011, wilayah UHI semakin meluas ke arah barat sampai timur
Kota Surabaya.
3. Widyasamratri, et. al (2012), penelitiannya yang berjudul “A Comparison Air
Temperature And Land Surface Temperature To Detect An Urbanization
Effect In Jakarta, Indonesia” mengenai penerapan citra Landsat untuk
estimasi suhu permukaan lahan (Ts) dan suhu udara (Ta) dan melihat
hubungan antara suhu permukaan lahan dan suhu udara di Jakarta, Indonesia.
Hasilnya menunjukkan bahwa terdapat korelasi yang kuat antara suhu
permukaan lahan citra Landsat dengan pengukuran secara langsung (ground-
based measurements) (dimana R2= 0,733) yang berarti nilai ini dapat
diandalkan untuk memvalidasi dan mewakili suhu permukaan lahan secara
aktual. Kisaran dari koefisien determinasi (R2) antara suhu udara dan suhu
permukaan lahan dengan ground-based measurements adalah 0,64. Oleh
karena itu LST (Land Surface Temperature) dapat digunakan sebagai
indikator suhu udara (air temperature). Meskipun suhu udara yang diestimasi
dari citra satelit lebih tinggi daripada pengukuran langsung, penggunaan data
satelit penginderaan jauh dapat membantu mengatasi masalah spasial dari
estimasi suhu udara terutama di daerah dengan kepadatan rendah dengan
menggunakan estimasi suhu permukaan lahan berbasis satelit serta hubungan
LST dan suhu udara terhadap pengukuran secara langsung.
15
4. Purwanto dan Sudiro (2015), penelitiannya yang berjudul “Pemanfaatan
Saluran Thermal Infrared Sensor (TIRS) Landsat 8 Untuk Estimasi
Temperatur Permukaan Lahan” menggunakan citra Landsat 8 OLI/TIRS
dengan variabel berupa kerapatan vegetasi. Hasil penelitian menunjukkan
bahwa suhu permukaan lahan di daerah Kecamatan Silat Hilir berdasarkan
hasil klasifikasi berkisar antara 21 - 35°C.
16
BAB III
METODE PENELITIAN
3.1. Tempat dan Waktu Penelitian
Penelitian ini dilakukan di Kabupaten Aceh Barat, secara spasial lokasi kajian
dapat dilihat pada Gambar 3.1. Pengolahan citra penelitian ini dilakukan di GIS
and Remote Sensing Development Center, Universitas Syiah Kuala.
Gambar 3.1. Lokasi kajian Kabupaten Aceh Barat
3.2. Alat dan Bahan
Alat-alat yang digunakan pada penelitian ini adalah sebagai berikut:
a. PC (Personal Computer), Scanner dan Printer.
b. Perangkat lunak: QGIS, ArcGIS, dan perangkat lunak pendukung lainnya.
c. GPS (Global Positioning System) dan Termometer Digital (Non-contact
Thermometer Infrared).
Bahan-bahan yang digunakan pada penelitian ini adalah sebagai berikut:
a. Citra Landsat 8 (2013) akuisisi: 24 Agustus 2013 path row: 131-057 dan 30
Juni 2013 path row: 130-057 (Gambar 3.2).
b. Citra Landsat 8 (2017) akuisisi: 16 Juni 2017 path row: 131-057 dan 9 Juni
2017 path row: 130-057 (Gambar 3.3).
c. Peta batas administrasi Kabupaten Aceh Barat.
96°27'30"E
96°27'30"E
96°15'0"E
96°15'0"E
96°2'30"E
96°2'30"E
95°50'0"E
95°50'0"E
4°40'3
0"N
4°40'3
0"N
4°30'0
"N
4°30'0
"N
4°19'3
0"N
4°19'3
0"N
4°9'0"
N
4°9'0"
N
Peta Indeks
17
= Lokasi KajianNagan Raya
1. Citra Satelit Landsat 8: USGS, 2013. 2. Peta Dasar : BAPPEDA Aceh Barat, 2013.3. Pengolahan citra, 2017.
Sumber:
Aceh Jaya
Aceh Tengah
Pidie
E 0 6 12 183Km
1:500.000Skala :
Legenda :
Nur Atikah SuriDr. Nizamuddin, M.Info,Sc
Muhammad Rusdi, Ph.DPembimbing:
Jurusan Informatika Universitas Syiah Kuala
97°20'0"E
97°20'0"E
96°16'0"E
96°16'0"E
95°12'0"E
95°12'0"E
4°56'0
"N
4°56'0
"N
3°52'0
"N
3°52'0
"N
Gambar 3.2. Citra Satelit Landsat 8 akuisisi 24 Agustus 2013 path-row: 131-057 dan 30 Juni 2013 path-row: 130-057
CITRA LANDSAT 8 TAHUN 2013WILAYAH KABUPATEN
ACEH BARAT
Batas Kabupaten Aceh Barat
96°27'30"E
96°27'30"E
96°15'0"E
96°15'0"E
96°2'30"E
96°2'30"E
95°50'0"E
95°50'0"E
4°40'3
0"N
4°40'3
0"N
4°30'0
"N
4°30'0
"N
4°19'3
0"N
4°19'3
0"N
4°9'0"
N
4°9'0"
N
Peta Indeks
18
= Lokasi KajianNagan Raya
1. Citra Satelit Landsat 8: USGS, 2017. 2. Peta Dasar : BAPPEDA Aceh Barat, 2013.3. Pengolahan citra, 2017.
Sumber:
Aceh Jaya
Aceh Tengah
Pidie
E 0 6 12 183Km
1:500.000Skala :
Legenda :
Nur Atikah SuriDr. Nizamuddin, M.Info,Sc
Muhammad Rusdi, Ph.DPembimbing:
Jurusan Informatika Universitas Syiah Kuala
97°20'0"E
97°20'0"E
96°16'0"E
96°16'0"E
95°12'0"E
95°12'0"E
4°56'0
"N
4°56'0
"N
3°52'0
"N
3°52'0
"N
Gambar 3.3. Citra Satelit Landsat 8 akuisisi 16 Juni 2017 path row: 131-057 dan 9 Juni 2017 path row: 130-057
CITRA LANDSAT 8 TAHUN 2017WILAYAH KABUPATEN
ACEH BARAT
Batas Kabupaten Aceh Barat
19
3.3. Metode Penelitian
Metode penelitian yang digunakan dalam penelitian ini adalah jenis metode
penelitian deskriptif dengan pendekatan kuantitatif. Penelitian dengan
menggunakan metode deskriptif yaitu menganalisis dan menyajikan fakta secara
sistematik sehingga dapat lebih mudah untuk dipahami dan disimpulkan. Metode
penelitian ini bertujuan untuk mendapatkan gambaran benar mengenai subjek
yang diteliti. Kebanyakan pengolahan datanya didasarkan pada analisis persentase
dan analisis kecenderungan (trend) tanpa mengkaitkan dengan keadaan populasi
dimana data tersebut diambil (Dharminto, 2007). Pendekatan kuantitatif
digunakan untuk meneliti suatu objek dengan perhitungan sistematik atau statistik
yang sesuai dengan objek tersebut dengan tujuan untuk menguji suatu hipotesis
yang telah ditetapkan.
Analisa spasial menggunakan metode NDVI (Normalized Difference
Vegetation Index). NDVI adalah indeks vegetasi yang paling popular digunakan
dan dapat menggambarkan kondisi tingkat kehijauan, kesehatan, dan kerapatan
vegetasi. NDVI berbasis kepada perbedaan nilai pantulan band inframerah dekat
dengan band merah. Metode NDVI merupakan salah satu alternatif untuk
mendapatkan nilai emisivitas permukaan atau LSE (Land Surface Emissivity).
LSE diperlukan agar dapat mengestimasi suhu permukaan lahan secara akurat.
3.4. Tahapan Pelaksanaan Penelitian
Penelitian ini melalui beberapa tahapan, yaitu: Studi Literatur, Pengumpulan
Data, Pra-Pengolahan Data, Pengolahan Data dan Kegiatan Lapangan.
3.4.1. Studi Literatur
Studi literatur adalah mencari referensi teori yang relevan dengan
permasalahan yang terdapat pada penelitian yang akan dilakukan. Referensi ini
dapat dicari dari buku, jurnal, artikel, dan laporan penelitian yang berkaitan
dengan teori suhu permukaan lahan, pemanfaatan saluran Thermal Infrared
Sensor (TIRS), serta cara pengolahan data menggunakan perangkat lunak QGIS.
Tujuannya adalah untuk memperkuat permasalahan serta sebagai dasar teori
dalam melakukan penelitian.
20
3.4.2. Pengumpulan Data
Adapun data-data yang dibutuhkan dalam penelitian ini adalah data spasial
yang berupa citra satelit Landsat 8 tahun 2013 yang diakuisisi pada 24 Agustus
2013 path row: 131-057 dan 30 Juni 2013 path row: 130-057; dan citra Landsat 8
tahun 2017 yang diakuisisi pada 16 Juni 2017 path row: 131-057 dan 9 Juni 2017
path row: 130-057 (USGS, 2017), serta peta batas wilayah administrasi
Kabupaten Aceh Barat.
3.4.3. Pra-Pengolahan Data
Pada tahap pra-pengolahan data meliputi koreksi radiometrik pada citra
dan pemilihan area studi (cropping).
a) Koreksi radiometrik
Koreksi radiometrik bertujuan memperbaiki kualitas citra akibat dari
kesalahan pantulan permukaan atau kelengkungan bumi dan faktor lain,
seperti arah sinar matahari, kondisi cuaca, kondisi atmosfer dan faktor lainnya
serta sangat bermanfaat untuk menganalisis data multitemporal dan
multisensor yang digunakan untuk interpretasi dan mendeteksi perubahan
secara kontinyu (Kustiyo, 2014). Koreksi radiometrik pada pengolahan citra
ini menggunakan SCP (Semi-Automatic Classification Plugin) pada QGIS
yang secara otomatis mengkonversi DN (Digital Number) menjadi radian lalu
ke reflektan, kecuali band termal yang dikonversi ke brightness temperature
(Congedo, 2016).
b) Pemilihan Area Studi (Cropping)
Pemilihan area studi dilakukan dengan memotong citra menggunakan acuan
berupa batas daerah administrasi dari daerah penelitian. Pemotongan citra ini
bertujuan untuk memfokuskan liputan citra pada daerah penelitian saja,
sehingga proses interpretasi visual dan analisis data menjadi lebih mudah
dilakukan.
21
3.4.4. Pengolahan Data
Setelah semua data yang diperlukan sudah diperoleh, maka tahapan
selanjutnya adalah proses pengolahan data. Band 4 (Red) dan band 5 (NIR)
diperlukan untuk menghitung nilai NDVI. Dari nilai NDVI ini akan dihitung
proporsi vegetasi dan LSE. Sedangkan pada band termal proses perhitungan
berupa konversi dari Digital Number (DN) ke nilai Spectral Radiance kemudian
dikonversi ke Brightness Temperature telah dilakukan secara otomatis saat proses
koreksi radiometrik menggunakan SCP. Selanjutnya untuk mengestimasi suhu
permukaan lahan dilakukan perhitungan terhadap band termal menggunakan nilai
LSE yang didapat pada perhitungan NDVI.
3.4.5. Kegiatan Lapangan
Kegiatan lapangan berupa survei langsung (ground check) pada lokasi
penelitian bertujuan untuk mendapatkan data berupa suhu real permukaan yang
kemudian akan digunakan sebagai acuan untuk menganalisis ketelitian dari hasil
estimasi suhu permukaan lahan. Kegiatan lapangan yang dilakukan berupa
pengambilan titik koordinat menggunakan GPS dan pengukuran suhu permukaan
secara langsung menggunakan termometer.
Tahapan penelitian ini secara ringkas dapat dilihat pada diagram alir yang
disajikan pada Gambar 3.4.
22
Gambar 3.4. Diagram alir penelitian
23
BAB IV
HASIL DAN PEMBAHASAN
4.1. Pra-pengolahan Citra
Proses estimasi suhu permukaan lahan dilakukan dengan menggunakan citra
satelit Landsat 8. Tahapan awal dari proses pengolahan citra adalah melakukan
koreksi radiometrik menggunakan SCP (Semi-Automatic Classification Plugin)
pada QGIS yang secara otomatis mengkonversi DN (Digital Number) menjadi
radian lalu ke reflektan, kecuali band termal yang dikonversi ke brightness
temperature. Agar memudahkan dalam proses pengolahan citra selanjutnya,
dilakukan pemotongan citra (cropping) menjadi area cakupan penelitian.
Pemotongan citra dilakukan dengan menggunakan data shapefile batas
administrasi Kabupaten Aceh Barat yang diperoleh dari Badan Perencanaan dan
Pembangunan Daerah (Bappeda) Aceh Barat.
4.2. Suhu Permukaan Lahan Kabupaten Aceh Barat
Suhu permukaan lahan merupakan suhu rata-rata permukaan dari suatu objek
dan juga sebagai variabel klimatologis. Terjadinya peningkatan atau penurunan
suhu permukaan lahan di suatu daerah dapat disebabkan oleh berkurangnya
vegetasi karena pembukaan lahan, yang fenomena ini di Kabupaten Aceh Barat
sering sekali dilakukan dengan cara dibakar, sehingga dapat berpengaruh dengan
perubahan cuaca yang menyebabkan suhu menjadi meningkat.
Berdasarkan sebaran suhu permukaan yang dihasilkan dari pengolahan citra
Landsat 8 tahun 2013 dan 2017 dapat dibuat 6 kelas suhu permukaan lahan
Kabupaten Aceh Barat dengan menggunakan rumus statistik berikut yang
digunakan oleh Triyanti (2008) dalam penelitiannya mengenai suhu permukaan.
Pembuatan interval kelas suhu permukaan ini berguna untuk mengklasifikasikan
wilayah-wilayah suhu permukaan lahan yang ada di Kabupaten Aceh Barat.
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑇 = 𝑇𝑚𝑎𝑘𝑠− 𝑇𝑚𝑖𝑛
6 ................................... (4.1)
Keterangan:
T : Suhu Permukaan (°C)
Tmax : Nilai suhu permukaan maksimum (°C)
Tmin : Nilai suhu permukaan minimum (°C)
24
Sehingga dihasilkan kelas suhu permukaan lahan sebagai berikut:
Kelas 1 : < 16°C
Kelas 2 : 17 - 20°C
Kelas 3 : 21 - 24°C
Kelas 4 : 25 - 28°C
Kelas 5 : 29 - 32°C
Kelas 6 : > 33°C
4.2.1. Suhu Permukaan Lahan Tahun 2013
Suhu permukaan lahan tahun 2013 didapatkan dari pengolahan citra satelit
Landsat 8 tanggal 24 Agustus 2013 dan 30 Juni 2013. Klasifikasi suhu permukaan
lahan di Kabupaten Aceh Barat dapat dilihat pada Tabel 4.1.
Tabel 4.1. Klasifikasi Suhu Permukaan Lahan Tahun 2013
Kelas Suhu Permukaan (°C) Luas (Ha) Persentase (%)
1 < 16 85,75 0,03
2 17 - 20 2.284,98 0,83
3 21 - 24 66.853,95 24,17
4 25 - 28 179.091,63 64,75
5 29 - 32 24.161,57 8,74
6 > 33 4.106,58 1,48
Total 276.584,46 100,00
Pada tahun 2013 wilayah suhu permukaan lahan 25 – 28°C memiliki luas
terbesar yaitu sekitar 179.091,63 Ha yang tersebar di semua kecamatan di
Kabupaten Aceh Barat dan mencakup 64,75% dari wilayah keseluruhan
Kabupaten Aceh Barat. Suhu permukaan lahan dengan luas terbesar kedua adalah
wilayah dengan suhu permukaan antara 21 – 24°C sebesar 24,17% yang
terkonsentrasi di bagian utara Kabupaten Aceh Barat yaitu Kecamatan Sungai
Mas dan Kecamatan Pantai Ceuremen dengan luas 66.853,95 Ha.
Wilayah suhu permukaan lahan 29 – 32°C mencakup 8,74% tersebar di
beberapa kecamatan yaitu Kecamatan Johan Pahlawan, Kecamatan Meureubo,
Kecamatan Samatiga, Kecamatan Arongan Lambalek, Kecamatan Woyla,
Kecamatan Woyla Barat, Kecamatan Woyla Timur, dan Kecamatan Bubon
dengan luas 24.161,57 Ha. Wilayah suhu permukaan >33°C hanya mencakup
25
1,48% dengan luas 4.106,58 Ha berada di Kecamatan Johan Pahlawan yaitu pusat
kota Meulaboh yang merupakan ibukota Kabupaten Aceh Barat serta terdapat
juga di Kecamatan Samatiga, Kecamatan Woyla, dan Kecamatan Arongan
Lambalek. Pada citra Landsat dengan kombinasi band RGB 7-5-3 seperti yang
ditunjukkan pada Gambar 4.1, dapat dilihat bahwa rona warna merah muda
menunjukkan adanya area lahan terbuka, sehingga berkurangnya vegetasi
didaerah ini menyebabkan suhu permukaan lahan menjadi lebih panas dan
mencapai suhu maksimum yaitu 38,13°C.
Hasil Estimasi Suhu Permukaan RGB 7-5-3
Gambar 4.1. Suhu maksimum pada area lahan terbuka
Suhu permukaan terendah yaitu <16°C dan 17 – 20°C mencakup luasan
yang sedikit dan terkonsentrasi di bagian timur Kabupaten Aceh Barat disebabkan
karena adanya tutupan awan sehingga nilai suhu yang terekam pada sensor
Landsat mencapai nilai suhu minimum sebesar 14,43°C.
Suhu permukaan lahan rata-rata pada tahun 2013 yaitu 26,07°C konsisten
dengan suhu rata-rata dan kelembapan udara di Kabupaten Aceh Barat dimana
suhu rata-rata sekitar 26,6°C dan kelembapan udara sekitar 88,5% (Lampiran 1).
Peta estimasi suhu permukaan lahan tahun 2013 dapat dilihat pada Gambar
4.2.
96°27'30"E
96°27'30"E
96°15'0"E
96°15'0"E
96°2'30"E
96°2'30"E
95°50'0"E
95°50'0"E
4°40'3
0"N
4°40'3
0"N
4°30'0
"N
4°30'0
"N
4°19'3
0"N
4°19'3
0"N
4°9'0"
N
4°9'0"
N
Peta Indeks
26
ESTIMASI SUHU PERMUKAAN LAHANKABUPATEN ACEH BARAT
TAHUN 2013
= Lokasi Kajian
Nagan Raya
1. Citra Satelit Landsat 8: USGS, 2013. 2. Peta Dasar : BAPPEDA Aceh Barat, 2013.3. Analisis dan Survei tahun 2017.
Sumber:
Aceh Jaya
Aceh Tengah
Pidie
E 0 6 12 183Km
1:500.000Skala :
Legenda :Suhu (°C)
Nur Atikah SuriDr. Nizamuddin, M.Info,Sc
Muhammad Rusdi, Ph.DPembimbing:
Jurusan Informatika Universitas Syiah Kuala
97°20'0"E
97°20'0"E
96°16'0"E
96°16'0"E
95°12'0"E
95°12'0"E
4°56'0
"N
4°56'0
"N
3°52'0
"N
3°52'0
"N
Gambar 4.2. Peta Estimasi Suhu Permukaan Lahan Kabupaten Aceh Barat Tahun 2013
< 1617 - 2021 - 2425 - 2829 - 32> 33
27
4.2.2. Suhu Permukaan Lahan Tahun 2017
Suhu permukaan lahan tahun 2017 didapatkan dari pengolahan citra satelit
Landsat 8 tanggal 16 Juni 2017 dan 9 Juni 2017. Klasifikasi suhu permukaan
lahan di Kabupaten Aceh Barat dapat dilihat pada Tabel 4.2.
Tabel 4.2. Klasifikasi Suhu Permukaan Lahan Tahun 2017
Kelas Suhu Permukaan (°C) Luas (Ha) Persentase (%)
1 < 16 93,59 0,03
2 17 - 20 4.116,42 1,49
3 21 - 24 94.968,67 34,34
4 25 - 28 169.378,78 61,24
5 29 - 32 7.762,29 2,81
6 > 33 264,71 0,10
Total 276.584,46 100,00
Pada tahun 2017 suhu permukaan lahan di Kabupaten Aceh Barat masih
didominasi oleh wilayah dengan suhu permukaan antara 25 – 28°C dengan luas
169.378,78 Ha yang tersebar di semua kecamatan di Kabupaten Aceh Barat dan
mencakup 61,24% dari wilayah keseluruhan Kabupaten Aceh Barat. Sebagian
besar tutupan lahannya berupa lahan pertanian dan perkebunan sawit. Suhu
permukaan lahan dengan luas terbesar kedua adalah wilayah dengan suhu
permukaan antara 21 – 24°C sebesar 34,34% yang terkonsentrasi di bagian utara
Kabupaten Aceh Barat yaitu Kecamatan Sungai Mas dan Kecamatan Pantai
Ceuremen dengan luas 94.968,67 Ha. Tutupan lahannya sebagian besar berupa
hutan dan berada di daerah dataran tinggi.
Wilayah suhu permukaan lahan 29 – 32°C mencakup 2,81% terdapat di
bagian barat Kabupaten Aceh Barat yaitu Kecamatan Johan Pahlawan, Kecamatan
Meureubo, Kecamatan Samatiga, Kecamatan Arongan Lambalek, Kecamatan
Woyla, Kecamatan Woyla Barat, dan Kecamatan Bubon dengan luas 7.762,29 Ha.
Tutupan lahan yang termasuk wilayah suhu permukaan ini sebagian besarnya
berupa pemukiman dan lahan terbuka. Wilayah suhu permukaan >33°C hanya
mencakup 0.10% saja dengan luas 264,71 Ha berada di pusat kota Meulaboh
dengan tutupan lahannya sebagian besar berupa lahan terbangun yang
dimanfaatkan untuk area perkantoran dan pertokoan serta terdapat juga beberapa
titik di Kecamatan Samatiga, Kecamatan Woyla, dan Kecamatan Arongan
Lambalek. Seperti yang dapat dilihat pada Gambar 4.3, kombinasi band 7-5-3
28
pada citra Landsat menunjukkan adanya perubahan tutupan lahan didaerah ini
dimana sebagian besar area lahan terbuka pada tahun 2013 telah ditumbuhi
kembali oleh vegetasi. Berkurangnya area lahan terbuka menyebabkan suhu
maksimum yang dicapai hanya sebesar 34,05°C yakni lebih rendah sekitar 4,08°C
dari suhu maksimum pada tahun 2013.
Hasil Estimasi Suhu Permukaan RGB 7-5-3
Gambar 4.3. Area lahan terbuka telah ditumbuhi kembali oleh vegetasi
Suhu permukaan terendah yaitu <16°C dan 17 – 20°C mencakup luasan
yang sedikit terdapat di bagian selatan, timur, dan utara Kabupaten Aceh Barat
disebabkan karena adanya tutupan awan sehingga nilai suhu yang terekam pada
sensor Landsat mencapai nilai suhu minimum sebesar 13,76°C.
Peta estimasi suhu permukaan lahan tahun 2013 dapat dilihat pada Gambar
4.4.
96°27'30"E
96°27'30"E
96°15'0"E
96°15'0"E
96°2'30"E
96°2'30"E
95°50'0"E
95°50'0"E
4°40'3
0"N
4°40'3
0"N
4°30'0
"N
4°30'0
"N
4°19'3
0"N
4°19'3
0"N
4°9'0"
N
4°9'0"
N
Peta Indeks
29
ESTIMASI SUHU PERMUKAAN LAHANKABUPATEN ACEH BARAT
TAHUN 2017
= Lokasi Kajian
Nagan Raya
1. Citra Satelit Landsat 8: USGS, 2017. 2. Peta Dasar : BAPPEDA Aceh Barat, 2013.3. Analisis dan Survei tahun 2017.
Sumber:
Aceh Jaya
Aceh Tengah
Pidie
E 0 6 12 183Km
1:500.000Skala :
Legenda :Suhu (°C)
Nur Atikah SuriDr. Nizamuddin, M.Info,Sc
Muhammad Rusdi, Ph.DPembimbing:
Jurusan Informatika Universitas Syiah Kuala
97°20'0"E
97°20'0"E
96°16'0"E
96°16'0"E
95°12'0"E
95°12'0"E
4°56'0
"N
4°56'0
"N
3°52'0
"N
3°52'0
"N
< 1617 - 2021 - 2425 - 2829 - 32> 33
Gambar 4.4. Peta Estimasi Suhu Permukaan Lahan Kabupaten Aceh Barat Tahun 2017
30
4.3. Perbandingan Pola Penyebaran Suhu Permukaan Lahan Kabupaten
Aceh Barat Tahun 2013 dan 2017
Data citra Landsat yang digunakan masing-masing diakuisisi pada bulan Juni
dan Agustus yang termasuk dalam periode iklim muson timur (Mei – Oktober)
yang merupakan periode berkurangnya curah hujan sehingga mengalami kemarau.
Citra Landsat yang diakuisi pada bulan-bulan kemarau lebih mudah untuk
dianalisis karena tutupan awannya (cloud cover) biasanya kurang dari 10%.
Berdasarkan Tabel 4.1 dan Tabel 4.2 dapat diketahui bahwa antara tahun
2013 dan 2017 telah terjadi perubahan suhu permukaan. Perubahan suhu yang
terjadi antara kedua tahun ini tidak terlalu signifikan. Pada tahun 2013 rata-rata
suhu permukaan lahan sebesar 26,07°C dengan suhu minimum 14,43°C dan suhu
maksimum 38,13°C, sedangkan pada tahun 2017 rata-rata suhu permukaan lahan
sebesar 25,10°C dengan suhu minimum 13,76°C dan suhu maksimum 34,05°C.
Wilayah suhu dibawah 25°C mengalami peningkatan pada tahun 2017,
sebaliknya untuk wilayah suhu diatas 25°C mengalami penurunan luas.
Peningkatan dan penurunan luas penyebaran suhu masing-masing sekitar 10%.
Seperti yang telah ditunjukkan pada Gambar 4.1. dan Gambar 4.3, terjadinya
penurunan luas wilayah suhu diatas 25°C disebabkan banyak lahan terbuka telah
ditumbuhi kembali oleh vegetasi. Banyaknya lahan terbuka membuat tanah lebih
banyak menyerap panas matahari dan memantulkannya kembali sehingga nilai
suhu permukaannya menjadi lebih tinggi dibandingkan wilayah sekitarnya yang
bervegetasi, maka dengan tumbuhnya kembali vegetasi membuat tanah menjadi
lebih sedikit menyerap panas matahari dan nilai suhu permukaannya pun
cenderung lebih rendah daripada wilayah yang tidak bervegetasi.
Hasil visual dari penelusuran Google Earth yang dapat dilihat pada Gambar
4.5 menunjukkan area lahan terbuka pada tahun 2013 sebagian besar dipersiapkan
untuk lahan perkebunan sawit. Luas lahan terbuka diperkirakan kurang lebih ada
sekitar 9.377,95 Ha. Banyak dari lahan terbuka ini pada tahun 2017 telah ditanami
oleh pohon sawit dan vegetasi lainnya.
31
Tahun 2013
Tahun 2017
Gambar 4.5. Hasil penelusuran Google Earth tahun 2013 dan 2017
Adapun grafik perubahan luasan penyebaran suhu permukaan lahan dapat
dilihat pada Gambar 4.6.
32
Gambar 4.6. Grafik persentase luasan penyebaran suhu permukaan lahan tahun
2013 dan 2017.
Pola penyebaran suhu dari tahun 2013 sampai 2017 memiliki pola
penyebaran yang cenderung sama. Daerah yang memiliki vegetasi berupa hutan
masih berada di bagian utara Kabupaten Aceh Barat dan tetap memiliki suhu yang
lebih rendah yaitu antara 21 - 24°C. Suhu permukaan antara 25 - 28°C masih
mendominasi sebagian besar wilayah Kabupaten Aceh Barat dengan pola yang
memanjang dari bagian barat sampai utara Kabupaten Aceh Barat, yaitu dari
daerah pesisir pantai sampai daerah dengan tutupan lahan yang sebagian besarnya
adalah area persawahan dan perkebunan sawit.
4.4. Ketelitian Estimasi Suhu Permukaan Lahan Berdasarkan Hasil Ground
Check
Untuk menganalisis ketelitian dari estimasi suhu permukaan lahan dilakukan
ground check. Suhu permukaan lahan diukur secara langsung menggunakan
termometer. Pengambilan titik ground check dan pengukuran suhu di lapangan
dilakukan pada tanggal 13 – 20 Agustus 2017 dengan jumlah 12 titik yang
mewakili jenis tutupan lahan yang berbeda-beda di 7 kecamatan di Kabupaten
Aceh Barat. Peta lokasi ground check suhu permukaan lahan di Kabupaten Aceh
Barat dapat dilihat pada Gambar 4.7, sedangkan hasil pengukuran suhu
permukaan lahan dapat dilihat pada Tabel 4.3.
0
10
20
30
40
50
60
70
<16 17-20 21-24 25-28 29-32 >33
Per
sen
tase
(%
)
Suhu Permukaan Lahan (°C)
2013
2017
!.
!.
!.
!.
!.
!. !.
!.
!.
!.
!.
!.
9
8
7654
3
21
12
11
10
96°27'30"E
96°27'30"E
96°15'0"E
96°15'0"E
96°2'30"E
96°2'30"E
95°50'0"E
95°50'0"E
4°40'3
0"N
4°40'3
0"N
4°30'0
"N
4°30'0
"N
4°19'3
0"N
4°19'3
0"N
4°9'0"
N
4°9'0"
N
Peta Indeks
33
TITIK GROUND CHECKSUHU PERMUKAAN LAHANKABUPATEN ACEH BARAT
= Lokasi Kajian
Nagan Raya
1. Peta Dasar : BAPPEDA Aceh Barat, 2013.2. Analisis dan Survei tahun 2017.
Sumber:
Aceh Jaya
Aceh Tengah
Pidie
E 0 6 12 183Km
1:500.000Skala :
Legenda :
Nur Atikah SuriDr. Nizamuddin, M.Info,Sc
Muhammad Rusdi, Ph.DPembimbing:
Jurusan Informatika Universitas Syiah Kuala
97°20'0"E
97°20'0"E
96°16'0"E
96°16'0"E
95°12'0"E
95°12'0"E
4°56'0
"N
4°56'0
"N
3°52'0
"N
3°52'0
"N
Arongan LambalekBubonJohan PahlawanKaway XVIMeureboPante Ceureumen
Panton ReuSamatigaSungaimasWoylaWoyla BaratWoyla Timur
Gambar 4.7. Peta Ground Check Suhu Permukaan Lahan di Kabupaten Aceh Barat
Titik Ground CheckKecamatan
34
Tabel 4.3. Hasil Ground Check Suhu Permukaan Lahan di Kabupaten Aceh Barat
Titik
Ground
Check
Kenampakan
pada citra
Landsat 8
Kenampakan
di lapangan
Suhu
Permukaan
(°C)
Hasil Estimasi
Suhu
Permukaan
Kelas
Suhu
(°C)
1
26,5
25 - 28
2
26,3
25 - 28
3
27,6
25 - 28
4
30,8
25 - 28
5
33,7
29 - 32
6
27,9
25 - 28
7
27,6
25 - 28
35
8
28,2
25 - 28
9
27,2
25 - 28
10
27,4
25 - 28
11
27,5
25 - 28
12
29,1
25 - 28
Berdasarkan hasil pengukuran suhu permukaan di lapangan pada Tabel 4.3,
nilai suhu permukaan lahan sesuai dengan estimasi menggunakan citra Landsat
tahun 2017 dimana nilai suhu permukaan lahan pada hasil pengolahan citra
didominasi oleh suhu 25 - 28°C. Pengukuran suhu di lapangan pada daerah yang
memilki banyak vegetasi seperti areal hutan, perkebunan sawit, dan persawahan
serta daerah pesisir pantai memiliki nilai suhu permukaan antara 26 - 28°C
sedangkan area yang berupa lahan terbangun seperti daerah pemukiman dan jalan
raya serta lahan terbuka memiliki nilai suhu permukaan antara 29 - 33°C.
Nilai suhu permukaan lahan yang didapat pada hasil pengukuran di
lapangan cenderung memiliki pola yang sama dengan hasil estimasi menggunakan
citra Landsat, sehingga dapat disimpulkan bahwa estimasi suhu permukaan lahan
menggunakan citra Landsat memiliki ketelitian estimasi sesuai dengan keadaan
yang sebenarnya.
36
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil analisis dari penelitian yang dilakukan, dapat diambil
kesimpulan sebagai berikut:
1. Suhu permukaan lahan tahun 2013 dan 2017 didominasi oleh wilayah suhu
25 - 28°C. Luas wilayah suhu ini pada tahun 2013 sebesar 179.091,63 Ha
yang mencakup 64,75% dari wilayah keseluruhan Kabupaten Aceh Barat,
sedangkan luas pada tahun 2017 menurun menjadi 169.378,78 Ha dan
mencakup 61,24%. Suhu permukaan lahan dengan luas terbesar kedua adalah
wilayah suhu 21 - 24°C yang mana pada tahun 2013 mencakup 24,17%
dengan luas 66.853,95 Ha, sebaliknya pada tahun 2017 luas wilayah ini
meningkat menjadi 34,34% dengan luas sebesar 94.968,67 Ha.
2. Pola penyebaran suhu permukaan lahan tahun 2013 dan 2017 memiliki pola
penyebaran yang cenderung sama. Suhu permukaan antara 25 - 28°C masih
mendominasi sebagian besar wilayah Kabupaten Aceh Barat dengan pola
yang memanjang dari bagian barat sampai utara Kabupaten Aceh Barat.
3. Hasil pengukuran suhu permukaan secara langsung di lapangan menggunakan
termometer mendapatkan nilai yang tidak jauh berbeda dan memiliki pola
yang cenderung sama dengan hasil estimasi suhu permukaan lahan
menggunakan citra Landsat, sehingga data hasil pengolahan citra memiliki
ketelitian estimasi sesuai dengan keadaan yang sebenarnya.
4. Rata-rata suhu permukaan lahan di Kabupaten Aceh Barat pada tahun 2017
lebih rendah yaitu sebesar 25,10°C dibandingkan tahun 2013 sebesar
26,07°C. Nilai suhu permukaan lahan ini konsisten dengan data suhu rata-rata
dan kelembaban udara Kabupaten Aceh Barat menurut BMKG, dimana suhu
rata-rata sekitar 26,6°C dan kelembaban udara sekitar 88,5%.
37
5.2. Saran
Untuk pengembangan lebih lanjut dari penelitian ini, maka saran yang dapat
diberikan oleh peneliti adalah melakukan penelitian menggunakan citra yang
diakuisisi pada bulan/musim yang berbeda (musim kemarau dan musim
penghujan) dan menggunakan lokasi kajian yang memiliki perbedaan suhu yang
ekstrem seperti daerah persisiran dan daerah dataran tinggi.
38
DAFTAR PUSTAKA
BPS Aceh Barat. 2017. Kabupaten Aceh Barat Dalam Angka 2017.
http://acehbaratkab.bps.go.id/publication.html. Diakses 15 Desember 2017
Carlson, T. N., & Ripley, D. A. 1997. On the relation between NDVI, fractional
vegetation cover, and leaf area index. Remote Sensing of Environment,
241-252.
Congedo, Luca. 2016. Semi-Automatic Classification Plugin Documentation.
DOI: http://dx.doi.org/10.13140/RG.2.2.29474.02242/1. Diakses 20 Maret
2017.
Dharminto. 2007. Metodelogi Penelitian dan Penelitian Sampel. http://
eprints.undip.ac.id/5613/1/METODE_PENELITIAN_-_dharminto.pdf.
Diakses 15 Mei 2017.
Desi. 2011. Aplikasi Penginderaan Jauh untuk Menduga Suhu Permukaan dan
Udara di Lahan Gambut dan Mineral dengan Menggunakan Metode
Neraca Energi. Skripsi. Institut Pertanian Bogor, Bogor.
Edi, Salwa. 2013. Pengaruh Struktur Vegetasi Terhadap Iklim Mikro di Kawasan
Kota Tangerang. Skripsi. Institut Pertanian Bogor, Bogor.
Fatimah, R. N. 2012. Pola Spasial Suhu Permukaan Daratan Kota Surabaya Tahun
1994, 2000, dan 2011. Skripsi. Universitas Indonesia, Depok.
Jensen, J. 2000. Remote Sensing of The Environment an Earth Resource
Perspective. Prentice Hall, New Jersey.
Kustiyo, Dewanti, R., & Lolitasari, I. 2014. Pengembangan Metoda Koreksi
Radiometrik Citra SPOT 4 Multi-Spektral dan Multi-Temporal Untuk
Mosaik Citra. Seminar Nasional Penginderaan Jauh 2014 (hal. 80).
Jakarta: Pusat Teknologi dan Data Penginderaan Jauh, LAPAN.
Landsat 8 (L8) Data Users Handbook. 2016. Department of the Interior U.S.
Geological Survey.
Lillesand, T. M., & Kiefer, R. W. 1994. Remote Sensing and Image Interpretation
3rd Edition.Wiley & Sons, New York.
Lillesand, T. M., & Kiefer, R. W. 1999. Remote Sensing and Image
Interpretation. Wiley & Sons, New York.
39
NASA. 2016. Landsat Data Continuity Mission.
https://landsat.gsfc.nasa.gov/landsat-data-continuity-mission/. Diakses
tanggal 20 Maret 2017.
NASA. 2016. Landsat 8 Bands. https://landsat.gsfc.nasa.gov/landsat-8/landsat-8-
bands/. Diakses tanggal 10 Mei 2017.
Pemkab Aceh Barat. 2014. Letak Geografis Kabupaten Aceh Barat.
http://acehbaratkab.go.id/profil/geografis. Diakses 30 Maret 2017.
Purwadhi, S. F. 2001. Interpretasi Citra Digital. PT. Grasindo, Jakarta.
Purwanto, A., & Sudiro, A. 2015. Pemanfaatan Saluran Thermal Infrared Sensor
(TIRS) Landsat 8 untuk Estimasi Temperatur Permukaan Lahan. Jurnal
Edukasi, 125-126.
QGIS - The Leading Open Source Desktop GIS. 2017.
http://www.qgis.org/en/site/about/index.html. Diakses tanggal 30 Mei
2017.
Sobrino, J. A., et al. 2004. Land Surface Temperature Retrieval from LANDSAT
TM 5. Remote Sensing of Environment, 436.
Sobrino, J. A., et al. 2008. Land Surface Emissivity Retrieval From Different
VNIR and TIR Sensors. IEEE Transactions on Geoscience and Remote
Sensing, 316.
Triyanti. 2008. Pola Suhu Permukaan Kota Semarang Tahun 2001 dan 2006.
Skripsi. Universitas Indonesia, Depok.
USGS. 2015. Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal
Infrared Sensor). https://lta.cr.usgs.gov/L8. Diakses 20 Maret 2017.
USGS. 2016. What are the band designations for the Landsat satellites?.
https://landsat.usgs.gov/what-are-band-designations-landsat-satellites.
Diakses 20 Maret 2017.
USGS. 2017. EarthExplorer. https://earthexplorer.usgs.gov/. Diakses 17 Maret
2017.
USGS. 2017. How are the Thermal Infrared Sensor (TIRS) thermal bands aboard
Landsat 8 used?. https://landsat.usgs.gov/how-are-thermal-infrared-sensor-
tirs-thermal-bands-aboard-landsat-8-used. Diakses 20 Oktober 2017.
40
Weng, Q. 2001. A remote sensing – GIS Evaluation of Urban Expansion and its
Impact on Surface Temperature in The Zhujiang Delta, China. Journal of
Remote Sensing.
Widyasamratri, et al. 2012. A Comparison Air Temperature and Land Surface
Temperature to Detect An Urbanization Effect In Jakarta, Indonesia.
University of Yamanashi, Jepang.
41
Lampiran 1. Suhu rata-rata dan kelembaban udara per bulan Kabupaten Aceh Barat tahun 2013-2016
Bulan 2013 2014 2015 2016
Suhu (°C) Kelembaban (%) Suhu (°C) Kelembaban (%) Suhu (°C) Kelembaban (%) Suhu (°C) Kelembaban (%)
Jan 26,9 88 26,6 88 26,3 90 27,5 90
Feb 26,3 92 26,5 84 26,5 89 27,1 91
Mar 27,5 89 29,1 89 27,1 90 28 88
Apr 27,0 90 26,6 89 26,6 91 27,8 89
Mei 27,1 89 27 88 26,7 91 27,2 89
Jun 26,8 89 27 86 26,8 90 26,9 85
Jul 26,3 87 26,5 85 26,6 91 26,5 85
Agt 26,1 86 26,1 88 26,5 98 26,3 86
Sep 26,4 84 26,1 89 26,3 91 26,4 85
Okt 26,7 87 26,2 90 26,5 92 26 89
Nov 25,9 92 26,2 91 26,5 92 26,1 91
Des 26,3 90 25,8 90 27 91 26 92
Rata-
rata 26,6 88,5 26,6 88,1 26,6 91,3 26,6 88
(Sumber: BPS Aceh Barat 2017 dihimpun dari BMKG Stasiun Meteorologi Cut Nyak Dhien Meulaboh Nagan Raya)
42
Lampiran 2. Curah hujan rata-rata per bulan Kabupaten Aceh Barat tahun 2013-
2016
Bulan Curah hujan (mm)
2013 2014 2015 2016
Jan 150,8 129,5 255,4 495
Feb 372,6 195,1 169 261
Mar 230 325,4 167,4 271
Apr 334,9 233,8 498,2 354
Mei 289 324,4 269,1 653
Jun 499 293 394,1 303
Jul 176,1 336,9 214,6 105
Agt 230 516,6 214,8 566
Sep 395,1 346,3 355,2 170
Okt 169 347,5 449,5 477
Nov 360,5 704,4 421,8 523
Des 251,3 327,4 381,1 262
Rata-rata 288,19 340 315,85 370
(Sumber: BPS Aceh Barat 2017 dihimpun dari BMKG Stasiun Meteorologi Cut Nyak
Dhien Meulaboh Nagan Raya)