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)