A15 Apn

ANALISIS TINGKAT KEKERINGAN LAHAN SAWAH
DI WILAYAH BEKASI UTARA

MENGGUNAKAN CITRA LANDSAT 7
ANIS PUSPA NINGRUM
DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

FAKULTAS PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Tingkat

Kekeringan Lahan Sawah di Wilayah Bekasi Utara Menggunakan Citra Landsat-7
adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan dari penulis lain
telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian
akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Agustus 2015
Anis Puspa Ningrum

NIM A14110008
ABSTRAK
ANIS PUSPA NINGRUM Analisis Tingkat Kekeringan Lahan Sawah di

Wilayah Bekasi Utara Menggunakan Citra Landsat-7 Dibimbing oleh BOEDI
TJAHJONO dan KHURSATUL MUNIBAH.
Indonesia adalah negara kepulauan yang terletak di katulistiwa dan sensitif

terhadap gejala klimatologis El Nino dan La Nina. Gejala El Nino menghasilkan
iklim kering dan sebaliknya La Nina menghasilkan iklim basah yang berlebih di
Indonesia. Jika gejala La Nina terjadi di samudera Pasifik, maka di Indonesia
terancam oleh bencana banjir, dan sebaliknya jika gejala El Nino yang terjadi
maka Indonesia terancam oleh bencana kekeringan. Ancaman kekeringan
sebagian besar berada di Indonesia bagian timur, namun tidak menutup
kemungkinan untuk terjadi di Indonesia bagian barat, seperti yang terjadi di
Kabupaten Bekasi, terutama yang berada di kecamatan-kecamatan Sukatani,
Karang Bahagia, Sukakarya, Cabangbungin, dan Muara Gembong. Tujuan
penelitian ini adalah (1) melakukan identifikasi lapangan dan klasifikasi terhadap
area-area lahan sawah yang mengalami kekeringan di lima kecamatan tersebut di
atas, (2) melakukan penilaian NDVI (Normalized Difference Vegetation Index)
dan LST (Land Surface Temperature) dari citra Landsat-7 pada lima kecamatan
tersebut di atas, dan (3) melakukan analisis hubungan antara data kekeringan di
lapangan dengan nilai-nilai NDVI dan LST. Metode penilaian kekeringan
lapangan dilakukan secara kualitatif dengan kategori tertentu, adapun untuk
menilai NDVI dan LST berturut-turut mengacu pada formula Rouse et al. (1973)
dan situs http://www.yale.edu/eco. Hasil penelitian menunjukkan bahwa
kekeringan yang terjadi di daerah penelitian ini sebagian disebabkan oleh
kekeringan alamiah dan sebagian oleh kekeringan antropogenik. Dari 140 titik
sampel didapatkan 32,25% termasuk ke dalam kelas tidak kering, 14,71% agak
kering, 15,68% kering, dan 37,25% kering sekali. Dari hasil tersebut lahan
pertanian tidak kering dan kering sekali tampak lebih dominan di daerah
penelitian. Analisis NDVI dan LST dilakukan pada citra Landsat-7 multitemporal,
yaitu dari citra tahun 2000, 2005, 2010, dan 2014. Seluruh citra tersebut dipilih
dari tanggal akuisisi yang sama yaitu pada bulan kering (22 Juni sampai 28 Juli).
Berdasarkan hasil analisis terlihat bahwa NDVI tahun 2014 cenderung memiliki
nilai yang lebih rendah dibandingkan dengan tahun-tahun sebelumnya, sebaliknya
nilai LST tahun 2014 cenderung lebih tinggi dari tahun-tahun sebelumnya.
Hubungan antara LST dan NDVI bersifat negatif yaitu semakin tinggi suhu
permukaan maka indeks vegetasi semakin menurun. Adapun hubungan antara
kekeringan lapangan dengan penilaian NDVI dan LST menunjukan adanya
kesesuaian. Hasil penelitian setelah dilakuakn pengkelas menggunakan nilai
NDVI dan LST menunjukkan bahwa luas lahan tidak kering 54.6 ha, kering 214.2
ha, dan kering sekali 19 ha. Dari hasil tersebut lahan pertanian kering tampak
lebih dominan di daerah penelitian.
Kata kunci : Bekasi, Citra Landsa 7, Kekeringan, Lahan Sawah, LST, NDVI
ABSTRACT
ANIS PUSPA NINGRUM Drought Analysis on Paddy Field in North
Bekasi Region Using Landsat-7 Supervised by BOEDI TJAHJONO and
KHURSATUL MUNIBAH.
Indonesia is an archipelago country which is located in the equator and
sensitive to the climatological phenomenon, called El Nino and La Nina. The
symptoms of El Nino produces a dry climate, while La Nina produces excessive
wet weather in Indonesia. If the La Nina phenomenon occurs in the Pacific Ocean,
Indonesia is threatened by floods, and in contrary if the El Nino phenomenon
happens, Indonesia is threatened by drought. The threat of drought predominantly
located in the eastern part of Indonesia, however it is also possible to occur in
western Indonesia, as happens in Bekasi, particularly those in sub-districts
Sukatani, Karang Bahagia, Sukakarya, Cabangbungin and Muara Gembong. The
aims of this study are (1) to conduct the field indentification and classification of
paddy field areas suffered by drought in five districts mentioned above, (2) to
conduct the NDVI (Normalized Difference Vegetation Index) and LST (Land
Surface Temperature) from Landsat -7 in five districts mentioned above, and (3)
to conduct a correlation analysis between drought in the field with the values of
NDVI and LST. Field drought assessment methods conducted qualitatively by a
particular category, while to assess NDVI and LST successively follow the
formula Rouse et al. (1973) and http://www.yale.edu/eco site. The results showed
that the drought that occurred in the study area is partly due to natural drought and
in part by anthropogenic drought. From 140 sample points obtained 32.25%
belong to a class not dry, 14.71% little dry, dry 15.68%, and 37.25% very dry.
From the results of the agricultural land is not dry and very dry dominant in the
study area. Analysis of NDVI and LST performed on multitemporal Landsat-7,
which is the image of the 2000, 2005, 2010, and 2014. The entire image is
selected from the same date of acquisition is in the dry months (June 22 to July
28). Based on the analysis it appears that NDVI in 2014 tend to have a lower
value than the previous years, contrary LST values tend to be higher in 2014 than
in previous years. The relationship between LST and NDVI is negative ie the
higher the temperature of the surface of the vegetation index decreases. The
drought field with NDVI and LST assessment shows that there is agree. The result
after do classification become 3 class, from 3 class obtained 54.6 ha belong to a
class not dry, 214.2 ha dry, and 19 ha very dry. From the result of the agriculture
land is dry dominant in the study area.
Keywords: Bekasi, Landsat-7, Drought, Wetland, LST, NDVI

ANALISIS TINGKAT KEKERINGAN
LAHAN SAWAH DI WILAYAH BEKASI UTARA
MENGGUNAKAN CITRA LANDSAT-7
ANIS PUSPA NINGRUM
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Pertanian
pada
Departemen Ilmu Tanah dan Sumberdaya Lahan
DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

FAKULTAS PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
Judul Skripsi : Analisis Tingkat Kekeringan Lahan Sawah di Wilayah Bekasi
Utara Menggunakan Citra Landsat-7
Nama : Anis Puspa Ningrum
NIM : A14110008
Disetujui oleh
Dr Boedi Tjahjono MSc Dr Khursatul Munibah MSc

Pembimbing Utama Pembimbing Anggota
Diketahui oleh
Dr Ir Baba Barus MSc

Ketua Departemen
Tanggal Lulus
PRAKATA
Puji dan syukur kepada Allah subhanahu wa ta’ala atas segala nikmat,
anugrah dan karunia-Nya sehingga karya skripsi dapat terselesaikan dengan baik.
Penulisan skripsi ini berjudul Analisis Tingkat Kekeringan Lahan Sawah di
Wilayah Bekasi Utara Menggunakan Citra Landsat-7 dibuat dalam rangka
memenuhi salah satu persyaratan untuk menyelesaikan Program Studi Srata Satu
(S1) di Institut Pertanian Bogor.
Terima kasih penulis ucapkan kepada :
1. Bapak Dr. Boedi Tjahjono, M.Sc dan Ibu Dr. Khursatul Munibah, M.Sc
selaku pembimbing yang telah banyak memberikan saran untuk
penyempurnaan skripsi ini.
2. Bapak Bambang Hendro Trisasongko, M.Sc selaku pembimbing awal
(sebelum menjalankan tugas ke luar negeri) yang telah memberikan ide
dan membantu dalam skripsi ini.
3. Bapak Dr Ir Baba Barus MSc sebagai dosen penguji yang telah
memeberikan saran untuk penyempurnaan skripsi ini.
4. Bapak Roni Alifan, Ibu Siti Mae Saroh sebagai orang tua yang selalu
memberikan dukungan terhadap penulis serta Adik Intan Ikrima Nur
Kamila dan Salsabila Ayu Kumala dan keluarga yang telah memberikan
kasih sayang yang penuh terhadap penulis.
5. Koco Saguh Pribadi SP yang telah banyak membantu dan memberikan
dukungan kepada penulis.
6. Teman-teman Departemen Ilmu Tanah dan Sumberdaya Lahan khususnya
kepada Angkatan 48.
7. Kakak Risqi I’anatus Sholihah yang telah banyak membantu dalam proses
penelitian, serta abang, kakak, dan teman seperjuangan lab PPJ.
8. Warga Bekasi yang banyak membantu dalam pengumpulan data.
9. Teman-teman BEM FAPERTA yang telah memberikan dukungan kepada
penulis.
10. Teman-teman BOJES dan Kos Putri 27 yang telah memberikan dukungan
kepada penulis.
Penulis berharap semoga segala kebaikan semua pihak yang telah banyak
membantu dan membeikan dukungannya mendapatkan balasan dari Allah
Subhanahu wa ta’ala. Akhir kata semoga skripsi ini dapat memberikan manfaat
bagi pengembangan ilmu ke depannya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2015
Anis Puspa Ningrum

DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vii
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 2
METODE PENELITIAN 2
Waktu dan Tempat Penelitian 2
Jenis Data dan Sumber Data 3
Prosedur Analisis Data 4
Tahapan Penelitian 5
HASIL DAN PEMBAHASAN 9
Identifikasi Kekeringan di Lapangan 9
Kondisi NDVI Daerah penelitian 11
Analisis Statistika Nilai NDVI 13
Kondisi LST Daerah Penelitian 15
Analisis Statistika Nilai LST 16
Analisis Hubungan Antara Data Kekeringan di Lapangan dengan Nilai
NDVI 18
Analisis Hubungan Antara Data Kekeringan di Lapangan dengan Nilai LST 24
SIMPULAN DAN SARAN 30

Simpulan 30
Saran 30
DAFTAR PUSTAKA 31
LAMPIRAN 33
RIWAYAT HIDUP 66
DAFTAR TABEL
1 Data sekunder yang digunakan untuk penelitian 3
2 Perangkat lunak yang digunkana untuk penelitian 4
3 Jenis data yang digunakan untuk teknis analisis dan luaran yang diharapkan 4
DAFTAR GAMBAR
1 Lokasi Penelitian 3
2 Peta Titik-Titik Contoh Pengamatan lapang 9
3 Kondisi Kekeringan di Lokasi Penelitian 10
4 Gambar Irigasi Persawahan Daerah Penelitian 10
5 Grafik Curah Hujan Kabupaten Bekasi 11
6 NDVI Daerah Penelitian 12
7 Boxplot NDVI Tidak Kering 13
8 Boxplot NDVI Agak Kering 13
9 Boxplot NDVI Kering 14
10 Boxplot NDVI Kering Sekali 14
11 LST Daerah Penelitian 15
12 Boxplot LST Tidak Kering 16
13 Boxplot LST Agak Kering 17
14 Boxplot LST Kering 17
15 Boxplot LST Kering Sekali 18
16 Peta NDVI Tidak Kering 19
17 Peta NDVI Agak Kering 20
18 Peta NDVI Kering 21
19 Peta NDVI Kering Sekali 22
20 Peta hasil rklasifikasi NDVI lahan sawah 23
21 Peta LST tidak kering 25
22 Peta LST agak kering 26
23 Peta LST kering 27
24 Peta LST kering sekali 28
25 Peta hasil reklasifikasi LST lahan sawah 29
DAFTAR LAMPIRAN
1 Contoh kuesioner 34
2 Nilai NDVI 36
3 Nilai LST 38
4 Titik pengamatan lapang 41
5 Analisis LST 61
1
PENDAHULUAN
Latar Belakang
Indonesia adalah negara kepulauan yang terletak di antara dua benua

(Australia dan Asia) dan dua samudera (Pasifik dan Atlantik) serta terletak di
sekitar garis khatulistiwa. Kepulauan ini sensitif terhadap gejala klimatologis,
yaitu El Nino dan La Nina. Kedua gejala ini merupakan faktor klimatologis yang
menyebabkan banjir dan kekeringan di Indonesia. Gejala El Nino menghasilkan
iklim kering dan sebaliknya La Nina menghasilkan iklim basah yang berlebih di
Indonesia. Dengan demikian, jika gejala La Nina terjadi di samudera Pasifik,
maka di Indonesia akan banyak terjadi bencana banjir, dan sebaliknya jika gejala
El Nino yang terjadi maka bencana kekeringan mengancam tanah air (Irawan
2006). Ancaman kekeringan sebagian besar berada di Indonesia bagian timur,
namun tidak menutup kemungkinan untuk terjadi di Indonesia bagian barat. Salah
satu kabupaten di Indonesia yang pernah mengalami bencana kekeringan adalah
Kabupaten Bekasi.
Kabupaten Bekasi merupakan daerah yang secara umum bertopografi datar
dan memiliki lahan pertanian yang luas sehingga Kabupaten Bekasi ini menjadi
salah satu daerah lumbung padi di Indonesia. Menurut Badan Pusat Statistika
Kabupaten Bekasi tahun 2014 luas lahan sawah yang ada di kabupaten ini adalah
96.288 ha (64%) dan di antaranya telah mengalami gangguan kekeringan.
Wilayah-wilayah yang mengalami gangguan kekeringan terutama yang berada di
kecamatan-kecamatan Sukatani, Karang Bahagia, Sukakarya, Cabangbungin, dan
Muara Gembong.
Kekeringan pertanian merupakan suatu kondisi berkurangnya kandungan air
di dalam tanah yang menyebabkan ketidakmampuan tanah untuk memenuhi
kebutuhan tanaman tertentu pada periode tertentu sehingga mengurangi biomassa
dan jumlah tanaman (Jayaseelan 2001). Kekeringan di Kabupaten Bekasi ini
dibagi menjadi kekeringan alamiah dan kekeringan antropogenik. Kekeringan
alamiah meliputi kekeringan meteorologis, kekeringan hidrologis, kekeringan
pertanian, maupun kekeringan sosial ekonomi. Kekeringan alamiah tersebut
berkaitan erat dengan beberapa faktor, yaitu tingkat curah hujan di bawah normal
dalam satu musim, berkurangnya pasokan air permukaan dan air tanah serta
berkurangnya kandungan air di dalam tanah. Kondisi ini membuat lahan tidak
mampu memenuhi kebutuhan tanaman tertentu untuk periode waktu tertentu pada
wilayah yang luas. Sementara itu kekeringan antropogenik merupakan kekeringan
yang disebabkan oleh ketidak-patuhan petani pada cara penanaman yang baik,
seperti pemakaian kebutuhan air lebih besar dari pasokan yang direncanakan.
Selain itu, penyebab lain adalah adanya perbuatan manusia yang merusak
kawasan tangkapan air dan sumber-sumber air, serta pembangunan yang
mempunyai dampak negatif terhadap pertanian, seperti berkurangnya lahan
pertanian, tertutupnya saluran irigasi, dan terganggunya produktivitas pertanian.
Kekeringan pada lahan pertanian memiliki dampak negatif diantaranya
meningkatnya kerusakan lingkungan, dan meningkatnya kesenjangan sosial
maupun ekonomi.
2
Mengingat Kabupaten Bekasi sebagai salah satu lumbung padi di Jawa,

maka kajian kekeringan untuk menanggulangi bencana tersebut akan sangat
bermanfaat. Penginderaan jauh merupakan salah satu teknologi yang dapat
menyadap gejala di permukaan bumi dengan baik, oleh karena itu kajian terhadap
permasalahan tersebut dapat dilakukan melalui data penginderaan jauh yang
dewasa ini teknologinya terus berkembang pesat. Kajian terhadap kekeringan
pertanian dengan memanfaatkan data penginderaan jauh telah dilakukan oleh
beberapa peneliti sebelumnya, antara lain seperti Nasution (2005), Shofianti et al.
(2007), Orbita et al. (2011), dan Daruati (2012) yang memanfaatkan informasi
indeks vegetasi (dari data penginderaan jauh). NDVI (Normalized Difference
Vegetation Index) adalah salah satu bentuk dari indeks vegetasi tersebut. Selain
vegetasi suhu permukaan tanah (LST/ Land Surface Tempetarure) juga
merupakan indikator yang dapat diambil dari data penginderaan jauh dan dapat
digunakan untuk menilai kekeringan di suatu wilayah.
Tujuan Penelitian
Berdasarkan uraian latar belakang dan permasalahan di atas, maka

penelitian ini bertujuan untuk:
1. Melakukan identifikasi lapangan terhadap area-area lahan sawah yang
mengalami kekeringan di Kabupaten Bekasi, khususnya di lima
kecamatan, yaitu Kecamatan-kecamatan Sukatani, Karang Bahagia,
Sukakarya, Cabangbungin, dan Muara Gembong.
2. Mengetahui persebaran nilai-nilai NDVI (Normalized Difference
Vegetation Index) dan LST (Land Surface Temperature) dari citra
Landsat-7 pada lima kecamatan tersebut.
3. Mengetahui hubungan antara data kekeringan di lapangan dengan nilai-
nilai NDVI dan LST.
METODE PENELITIAN
Waktu dan Tempat
Penelitian ini dilaksanakan pada bulan Juli 2014 sampai Februari 2015
dengan lokasi penelitian berada di dalam Kabupaten Bekasi. Secara geografis
Kabupaten Bekasi berbatasan dengan Laut Jawa di sebelah Utara, Kabupaten
Karawang di sebelah Timur, DKI Jakarta dan Kota Bekasi di sebelah Barat, dan
Kabupaten Bogor di sebelah Selatan (Gambar 1). Secara administrasi wilayah
studi berada di dalam Kabupaten Bekasi yang mencakup 5 kecamatan yaitu:
Kecamatan- kecamatan Sukatani, Karang Bahagia, Sukakarya, Cabangbungin, dan
Muara Gembong .
Analisis data selama penelitian ini dilakukan di Divisi Penginderaan Jauh
dan Informasi Spasial, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas
Pertanian, Institut Pertanian Bogor.
3
Gambar 1 . Lokasi penelitian
Jenis dan Sumber Data
Bahan yang digunakan dalam penelitian ini meliputi data primer dan
sekunder. Data primer diperoleh dari hasil survei lapang melalui pengamatan dan
wawancara dengan petani. Jenis-jenis data sekunder yang digunakan dalam
penelitian ini disajikan pada Tabel 1.
Tabel 1 . Data sekunder yang digunakan untuk penelitian
No. Nama Data Sumber Data

1. Peta Administrasi Kabupaten di Indonesia BIG (Badan Informasi
1:25.000 Geospasial)
2. Peta RBI (Rupa Bumi Indonesia) Kabupaten BIG (Badan Informasi
Bekasi 1:25.000 Geospasial)
3. Citra Landsat-7 Kabupaten Bekasi tahun 2000, USGS (United States
2005, 2010 dan tahun 2014 Geological Survey)
4. Data curah hujan harian Kabupaten Bekasi Stasiun Klimatologi
Tahun 2014 Dramaga
5. Peta penutup lahan Kabupaten Bekasi tahun Kementerian Kehutanan
2011
Perangkat lunak (software) yang digunakan untuk mengolah data disajikan pada
Tabel 2
4
Tabel 2. Perangkat lunak yang digunakan untuk pengolahan data
No Software Fungsi
1. Envi 4.5 Indeks Vegetasi, ROI (Region Of
Interest),
2. ArcGis 9.3 Persebaran titik pengamatan
3. Microsoft Office Excel 2010 Memasukkan data
4. Statistika 7 Analisis Statistika
Adapun alat yang digunakan untuk kerja lapang (field work) meliputi
Global Positioning System (GPS), kamera, buku, kuesioner dan alat tulis.
Prosedur Analisis Data
Analisis data berkaitan dengan tujuan penelitian, teknik analisis, dan luaran
yang diharapkan dari penelitian ini dapat dilihat pada Tabel 3.
Tabel 3. Jenis data yang digunakan, teknik analisis, dan luaran yang diharapkan.
Luaran
Tujuan
No Jenis data Teknik analisis yang
penelitian
diharapkan
1. Identifikasi Peta administrasi a. Cek lapang Titik-titik
lapangan kekeringan
terhadap
area-area
lahan sawah
yang
mengalami
kekeringan
2. Mengetahui a. Data primer a. Sistem Informasi Sebaran
persebaran setelah Geografis (koreksi Indeks
nilai-nilai pengecekan geometri, stacking, vegetasi dan
NDVI dan lapang, digitasi) data LST di
LST b. Citra b. ROI (Region Of wilayah
Landsat-7 Interest), NDVI penelitian
tahun 2000, (Normalized
2010, dan Difference Vegetation
2014, peta Index), LST (Land
administrasi Surface Temperature)
dan peta
jalan
3. Mengetahui Nilai-nilai NDVI Korelasi Hubungan
hubungan dan LST antara data
antara data kekeringan
kekeringan di lapangan
di lapangan dengan
dengan nilai- nilai-nilai
nilai NDVI NDVI dan
dan LST LST
5
Tahapan Penelitian
Penelitian ini dilaksanakan secara bertahap seperti diuraikan berikut ini:

1. Tahap Persiapan
Merupakan tahap pengumpulan literatur dan pengumpulan data sekunder
2. Tahap Pengecekan Lapang
Survei lapang yang dilakukan untuk mengetahui kondisi kekeringan yang
aktual. Perangkat yang digunakan meliputi GPS untuk menetapkan titik
pengamatan, kamera digital untuk mendokumentasikan keadaan dari titik
pengamatan, serta buku dan alat tulis untuk mencacat keadaan di lapangan.
Lokasi pengamatan meliputi Kecamatan-kecamatan Sukatani, Karang Bahagia,
Sukakarya, Cabangbungin, dan Muara Gembong. Perwakilan titik cek lapang
ditentukan dengan mempertimbangkan kondisi lapang yaitu kelembaban tanah
melalui observasi kualitatif, sumber air, dan tingkat kekeringan. Parameter
kekeringan dapat dilihat secara visual melalui sumber air, pemanfaatan lahan,
dan kerekahan tanahnya. Pengambilan titik cek lapang mencakup lima
kecamatan dan berjumlah sebanyak 140 titik.
3. Tahap Klasifikasi
Pertimbangan untuk membuat kelas kekeringan berdasarkan pada form
penilaian kondisi lapang yaitu mengenai kelembaban tanah yang dinilai secara
obsevatif kualitatif. Tingkat kekeringan tersebut dibagi menjadi 4 yaitu: tidak
kering, agak kering, kering, dan sangat kering. Kelas tidak kering merupakan
kelembaban tanah yang tinggi hingga basah yang dicerminkan oleh sawah yang
selalu ditanami padi dan mendapatkan sumber air dari air irigasi atau sumber
air dari sungai melalui pemompaan. Kelas agak kering dicerminkan oleh sawah
yang ditanami padi namun pompanisasi jarang dilakukan. Kelas kering
dicerminkan oleh keadaan tanah yang kering namun masih bisa ditanami padi.
Sementara itu, untuk kelas kering sekali dicerminkan oleh keadaan tanah yang
sangat kering dan tidak dapat ditanami padi. Setelah dilakukan pengkelasan
maka Software ArcGis 9.3 digunakan untuk memasukkan titik-titik hasil
pengamatan lapang tersebut.
4. Tahap Analisis Data
Analisis NDVI dan LST Tahap Analisis
a. NDVI (Normalized Difference Vegetation Index)
Sebelum mengolah indeks vegetasi untuk eksploitasi tutupan lahan
dilakukan koreksi radiometrik. Hal ini disebabkan karena nilai indeks
vegetasi berhubungan dengan data DN. Koreksi radiometrik dilakukan
untuk memperbaiki kualitas visual dan memperbaiki nilai-nilai pixel yang
tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang
sebenarnya. Ketidaksesuaian tersebut dikarenakan adanya gangguan di
atmosfer. Adapun cara untuk mengkoreksi radiometrik dari menu ENVI,
yaitu :
Pilih Basic Tools → Preprocessing → Calibration Utilities → Landsat

Calibration → masukkan data yang dibutuhkan (Tanggal, Bulan,
Tahun akuisisi citra, sun elevation) → ganti calibration type
menjadi radiance → simpan
6
Pengujian beberapa indeks vegetasi dilakukan dengan menggunakan citra

Landsat-7 tahun 2000, 2005, 2010, dan 2014. Formulasi penisbahan indeks
vegetasi yang dikenal dengan NDVI pertama kali di bangun oleh Rouse et
al. (1973) dalam Tucker (1979) adalah:
Keterangan :
NDVI = Normalized Difference Vegetation Index
NIR = Nilai pixel dari Saluran Inframerah Dekat (Band 4)
Red = Nilai pixel dari Saluran Merah (Band 3)
Indeks vegetasi dapat dijadikan indikator peristiwa kekeringan karena antara

indeks vegetasi dan lengas tanah mempunyai hubungan yang kuat (Wang et
al. 2007).
b. LST (Land Surface Temperature)
LST merupakan salah satu parameter kunci keseimbangan energi pada
permukaan dan merupakan variable klimatologis yang utama untuk
mengendalikan gelombang panjang yang melalui atmosfer. Suhu
permukaan lahan yang meningkat menyebabkan pertambahan
evapotranspirasi, sehingga ketersediaan air bagi tanaman akan berkurang.
Sebelum mengolah LST langkah awal yang harus dilakukan adalah
mengubah bentuk digital number dari band 6 yang sudah dikoreksi
radiometrik dari refleksi menjadi radiasi dan jumlah energi pancaran termal
per satuan waktu diukur dengan menggunakan formulasi radiasi spektral
yang diambil dari sumber web dengan alamat (http://www.yale.edu/eco) :
Pilih Basic Tools → Preprocessing → Calibration Utilities → Landsat

Calibration → masukkan data yang dibutuhkan (Tanggal, Bulan,
Tahun akuisisi citra, sun elevation) → ganti calibration type
menjadi radiance → simpan
Selanjutnya dilakukan koreksi atmosferik dengan cara melakukan

koneksi internet ke alamat http://atmcorr.gsfc.nasa.gov/. Sebelum
melakukan koreksi atmosferik kita harus mengetahui nilai latitude dan
longitude dari citra tersebut. Setelah kita memasukkan semua data yang
dibutuhkan pada koreksi atmosferik, kita akan mendapatkan nilai-nilai dari
nilai transmitens (τ), upwelling radiance (Lu) dan downwelling radiance
(Ld) dengan cara memasukkan data latitude dan longitude daerah penelitian.
Setelah data tersebut diperoleh maka dilakukan koreksi atmosferik dengan
formulasi yang diambil dari web (http://www.yale.edu/eco) sebagai berikut :
7
Keterangan :
= nilai sel atmosfer dikoreksi dengan pancaran
( the atmospherically corrected cell value as radiance )
= nilai sel sebagai pancaran dari Bagian 1
( the cell value as radiance from section 1)
L↑ = upwelling Radiance
t1 : 4,46 (2000)
t2 : 4,09 (2005)
t3 : 3,92 (2010)
t4 : 4,64 (2014)
L↓ = downwelling Radiance
t1 : 6,44 (2000)
t2 : 6,00 (2005)
t3 : 5,80 (2010)
t4 : 6,67 (2014)
τ = transmitansi
t1 : 0,43 (2000)
t2 : 0,50 (2005)
t3 : 0,52 (2010)
t4 : 0,41 (2014)
ε = emisivitas (biasanya 0,95)
Formulasi tersebut di atas dalam software ENVI 4.5 diperoleh dalam

menu basic tools (band math) dengan formulasi sebagai berikut:
= ((B1-4,46) / (0.95*0.43)) – (0.05263*6,44) t1
= ((B1-4,09) / (0.95*0.50)) – (0.05263*6,00) t2
= ((B1-3,92) / (0.95*0,52)) – (0.05263*5,80) t3
= ((B1-4,64) / (0.95*0.41)) – (0.05263*6,67) t4
Formulasi tersebut di atas menggunakan nilai emisivitas standar 0.95

dan nilai-nilai tertentu dari 0.43 untuk τ 4,46 Untuk L ↑ dan 6,44 untuk L ↓.
Setelah langkah 1 dan 2 selesai, maka dilakukan konversi dari nilai radiasi
ke nilai temperature dengan formulasi yang diambil dari alamat web:
(http://www.yale.edu/eco.2014) sebagai berikut :
( )
8
Keterangan :
T = derajat kelvin
CVR2 = nilai sel sebagai pancaran (dari Bagian 1)
Landsat TM Landsat ETM
K1 = 607,76 666,09
K2 = 1.260,56 1.282,71
Formulasi tersebut di atas dalam software ENVI 4.5 diperoleh dalam

menu basic tools (band math) dengan formulasi sebagai berikut:
T = 1282.71/alog(666.09/B1+1)
Dari hasil analisis kekeringan di lapangan dan dari hasil analisis

NDVI dan LST, kemudian dipadukan untuk melihat keterkaitannya. Analisis
yang dipakai adalah analisis tumpang-tindih (overlay) yang dilanjutkan
dengan analisis deskriptif dari hasil yang diperoleh.
c. Analisis data di lapang dengan nilai NDVI dan LST

Tahapan analisis antara data di lapangan dengan nilai-nilai NDVI dan LST
adalah untuk membuat kelas kekeringan yang diperoleh dari nilai NDVI dan
LST dari semua titik tahun (2000, 2005, 2010, dan 2014) yang tidak
tumpang tindih antara nilai dari kelas tidak kering, agak kering, kering dan
kering sekali. Dari hasil tersebut diperoleh 3 kelas, yaitu tidak kering, kering
dan kering sekali. Untuk nilai NDVI diperoleh selang nilai antara kelas tidak
kering (>0,3), Kering (0-0.299), dan kering sekali (<-0.001). Untuk nilai
LST memiliki selang nilai antara 285°K – 295.9°K kelas tidak kering,
296°K-307°K kelas kering, dan 307-318°K kelas kering sekali.
Setelah itu dilakukan pengklasifikasian dan menghitung luas lahan sawah
menggunakan data land cover yang diperoleh dari Kementrian Kehutanan
menggunakan software ArcGis 9.3, yaitu
Pilih menu art toolbox index reclassify (masukkan data yang

diinginkan save ok
9
HASIL DAN PEMBAHASAN
Identifikasi Kekeringan di Lapangan
Dari hasil pengamatan lapang didapatkan contoh sebanyak 140 titik.

Sebaran titik-titik contoh pengamatan lapangan tersebut disajikan pada Gambar 2.
Gambar 2. Peta titik-titik contoh pengamatan lapang

Dari 140 titik tersebut terdapat 102 titik kekeringan pada lahan sawah dan
38 titik sebagai data pendukung. Contoh tersebut selanjutnya dipilah berdasarkan
tingkat kekeringannya dan didapatkan 32,35% dari jumlah titik tersebut termasuk
ke dalam kategori kelas tidak kering, kemudian 14,71% agak kering, 15,68%
kering, dan 37,25% kering sekali. Jadi dari hasil klasifikasi lapangan tersebut
persentase yang relatif tinggi berturut-turut adalah kategori tidak kering dan
kering sekali. Penyebab kekeringan ada tiga faktor, yaitu (1) curah hujan
(menentukan ketersediaan air di dalam tanah), (2) jenis tanaman (membutuhkan
jumlah air yang berbeda-beda) dan (3) kemampuan tanah menyimpan air. Adapun
untuk kasus di lapangan penyebab terjadinya kekeringan adalah disebabkan
sebagian besar oleh faktor alamiah atau faktor curah hujan, sehingga tanah
menjadi kekurangan kandungan air dan tidak mampu memberikan kebutuhan
berbagai macam tanaman secara cukup. Gambaran klasifikasi tingkat kekeringan
dari hasil pengamatan lapangan dapat dilihat pada Gambar 3.
10
a. Tidak Kering b. Agak Kering
c. Kering d. Kering Sekali

Gambar 3. Kondisi kekeringan di lokasi penelitian
Gambar 4. Irigasi persawahan daerah penelitian
Dari gambar di atas dapat dibandingkan bahwa kekeringan di setiap daerah

berbeda-beda. Hal tersebut dipengaruhi karena karakteristik wilayah yang berbeda
dan adanya pengaruh iklim makro yang mempengaruhi besarnya curah hujan. Di
11
daerah penelitian terdapat beberapa saluran irigasi, yaitu saluran irigasi dari
bendungan Sungai Citarum, Sungai Kali Ciherang dan Sungai Kali Kranding.
Pada saat musim kemarau yang panjang air irigasi tidak mencukupi sehingga
dilakukan pemompaan seperti yang dapat dilihat pada gambar 4, selain
pemompaan air pada beberapa sungai tersebut di atas, ada juga petani yang
melakukan pengeboran sumur yang kemudian dialirkan ke sawah melalui pompa
dan selang.
Jika melihat penyebab kekeringan, maka hal ini sesuai dengan bentuk grafik
curah hujan seperti yang disajikan pada Gambar 4 yang dihasilkan dari
pengolahan data iklim (BMKG) Kabupaten Bekasi tahun 2014.
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Rata-rata jumlah curah hujan
Gambar 5. Grafik curah hujan Kabupaten Bekasi tahun 2014
Dari Gambar 5 tersebut dapat dilihat bahwa bulan kering tahun 2014 yang
terjadi di Kabupaten Bekasi durasinya relatif panjang, yaitu antara bulan Maret
sampai dengan November. Dalam hal ini pada bulan Maret tampak mulai terjadi
penurunan jumlah curah hujan yang sangat signifikan, dan keadaan tersebut terus
terjadi sampai bulan Mei. Namun demikian pada bulan Juni sampai dengan Juli
curah hujan sedikit mengalami peningkatan dan kondisi curah hujan selanjutnya
menurun lagi pada bulan Agustus dan akhirnya tidak ada hujan lagi pada bulan
September sampai dengan bulan November. Dengan demikian dapat dikatakan
bahwa di daerah penelitian kekeringan mulai terjadi sejak bulan Maret sampai
dengan November. Sungguh pun demikian ada sebagian kecil dari lahan sawah di
daerah penelitian yang digolongkan sebagai lahan yang mengalami kekeringan
secara antropogenik (akibat ulah manusia), karena adanya saluran irigasi yang
rusak/tertutup, akibatnya lahan-lahan pertanian yang ada di wilayah hilirnya
mengalami kekeringan. Namun demikian bila dilihat secara umum dapat
dikatakan bahwa kekeringan yang terjadi adalah secara alami oleh curah hujan
yang rendah.
Kondisi NDVI Daerah Penelitian
Analisis NDVI dilakukan pada citra Landsat-7 multitemporal, yaitu dari

citra tahun 2000, 2005, 2010, dan 2014. Seluruh citra tersebut dipilih dari tanggal
22 Juni sampai 28 Juli sehingga citra-citra tersebut mempunyai periode akuisisi
yang sama yaitu diambil pada bulan kering. Analisis citra selanjutnya dilakukan
dengan software ENVI 4.5 dan hasilnya disajikan pada Gambar 6.
12
NDVI Tahun 2000 NDVI Tahun 2005
NDVI Tahun 2010 NDVI Tahun 2014

Gambar 6. NDVI daerah penelitian
Dalam Gambar 6 tersebut warna gelap memperlihatkan nilai NDVI yang
rendah (kerapatan vegetasi rendah) sedangkan warna putih menunjukkan nilai
NDVI yang tinggi (kerapatan vegetasi tinggi), adapun variasi warna-warna abu-
abu yang lain menunjukkan nilai-nilai di antaranya. Pada Gambar 6 terlihat bahwa
nilai NDVI tahun 2014 di bagian selatan (Kecamatan Sukatani) lebih berwarna
gelap (dan lebih luas) dibandingkan dengan tahun-tahun sebelumnya (2000, 2005,
dan 2010), sehingga luas warna putih pada tahun-tahun sebelumnya tesebut
cenderung lebih luas. Hal tersebut dapat dijadikan sebuah indikasi adanya proses
perubahan jenis tutupan lahan dari yang bervegetasi ke jenis non-vegetasi. Atau
jika rona yang berubah (dari terang ke gelap) dari tahun sebelumnya ke tahun
berikutnya mempunyai lokasi tetap, maka kemungkinan besar telah terjadi alih
fungsi lahan dari lahan pertanian menjadi lahan terbangun. Sementara itu, di
bagian barat (Kecamatan Cabangbungin) rona tampak semakin cerah (putih) pada
citra 2014 yang mengindikasikan adanya pemanfaatan kembali lahan-lahan
pertanian menjadi bervegetasi daripada di tahun-tahun sebelumnya. Berdasarkan
gejala tersebut dapat dikatakan bahwa perubahan penutupan lahan sangat
berpengaruh terhadap nilai NDVI. Jika melihat perubahan nilai NDVI dari empat
titik tahun seperti yang disajikan pada Gambar 5 maka dapat disimpulkan bahwa
perubahan penutup lahan di daerah penelitian tergolong cukup dinamis, terutama
dari lahan pertanian atau bervegetasi (warna cerah) menjadi lahan non-vegetasi
atau lahan terbangun (warna gelap).
13
Analisis Statistika Nilai NDVI
Secara statistika nilai-nilai NDVI dari data multi temporal ini dapat
dibandingkan, sehingga dapat diketahui pola-pola perubahan dari indeks vegetasi
yang diamati dari titik-titik tahun yang berbeda. Hasil analisis statistika disajikan
pada Gambar 7, 8, 9, dan 10 dalam bentuk boxplot dan hasil analisis boxplot ini
dapat digunakan untuk membaca keragaman nilai NDVI yang berada pada kisaran
quartil dan jangkauan quartilnya. Dengan demikian dapat diketahui bagaimana
rentang nilai dari NDVI tersebut.
0.4
Median 25%-75% Non-Outlier Range Outliers
Extremes
0.3
0.2
0.1
0.0
-0.1
-0.2
-0.3
-0.4
-0.5
TK_2000 TK_2005 TK_2010 TK_2014
Gambar 7. Boxplot NDVI tidak kering

0.5
Extremes
0.4
0.3
0.2
0.1
0.0
-0.1
-0.2
-0.3
AK_2000 AK_2005 AK_2010 AK_2014
Gambar8. Boxplot NDVI agak kering

14
0.5
Extremes
0.4
0.3
0.2
0.1
0.0
-0.1
-0.2
-0.3
-0.4
K_2000 K_2005 K_2010 K_2014
Gambar 9. Boxplot NDVI kering
0.6
Extremes
0.5
0.4
0.3
0.2
0.1
0.0
-0.1
-0.2
-0.3
-0.4
KS_2000 KS_2005 KS_2010 KS_2014
Gambar 10. Boxplot NDVI kering sekali
Berdasarkan Gambar 7 terlihat keragaman dari tahun 2000, 2010, dan 2014
tidak jauh berbeda yang dapat di lihat dari lebar kotak boxplot yang hampir sama.
Namun keragaman tingkat kekeringan tahun 2005 lebih besar dibanding tahun
2000, 2010, 2014 karena lebar kotak boxplot 2005 lebih besar sehingga nilai
NDVI dari tahun tersebut lebih beragam. Dalam Gambar 8 dan 9 dapat
ditunjukkan bahwa tahun 2000 memiliki nilai keragaman yang lebih besar
dibandingkan tahun 2005, 2010, dan 2014. Hal tersebut dapat dilihat dari lebar
kotak boxplot tahun 2000 lebih besar dari tahun setelahnya (2005,2010, 2014).
Sementara itu, pada Gambar 9 terlihat bahwa keragaman tingkat kekeringan tahun
15
2010 lebih besar dibanding dengan tahun 2000, 2005, dan 2014. Hal tersebut
dapat dilihat dari lebar kotak boxplot yang lebih besar di banding tahun yang
lainnya.
Berdasarkan Gambar 7 hingga 10 terlihat bahwa nilai kekeringan yang
didapat antara tahun 2000 hingga 2010 relatif sama, namun nilainya menjadi
berbeda untuk tahun 2014. Boxplot NDVI tahun 2014 memiliki nilai di luar rata-
rata dibandingkan dengan nilai rata-rata dari ketiga tahun sebelumnya yaitu
sebesar -0.1 sampai -0.3. Nilai NDVI yang negatif menandakan bahwa pada tahun
tersebut memiliki tingkat kehijauan yang rendah, sehingga adanya
mengindikasikan suatu gejala kekeringan.
Kondisi LST Daerah Penelitian
LST (Land Surface Temperature) atau suhu permukaan lahan merupakan

salah satu parameter penting terkait kondisi permukaan dan merupakan variabel
klimatologis utama yang mengendalikan energi glombang panjang melalui
atmosfer. Seperti halnya pada analisis NDVI, analisis LST juga dilakukan pada
data citra Landsat-7 yang sama (tahun 2000, 2005, 2010, dan 2014) adapun
analisis dilakukan dengan menggunakan software ENVI 4.5 dan hasil analisis
disajikan pada Gambar 11.
LST Tahun 2000 LST Tahun 2005
LST Tahun 2010 LST Tahun 2014
Gambar 11. LST daerah penelitian

16
Pada Gambar 11terlihat bahwa untuk citra tahun 2010 dan 2014 terdapat
adanya gangguan citra berupa garis-garis (stripping) yang meliputi wilayah utara
daerah penelitian. Gangguan ini disebabkan oleh kerusakan pada sensor optik di
wahana Landsat. Dari perbandingan empat LST (di luar wilayah stripping) di atas
tampak bahwa perubahan LST di daerah penelitian juga cukup dinamis.
Perbedaan nilai LST dapat dipengaruhi oleh banyak faktor, antara lain adalah
penutupan lahan, curah hujan, lama penyinaran matahari, tutupan awan, angin,
dan yang lainnya. Berdasarkan Gambar 11, LST tahun 2014 di wilayah
Kecamatan Muara Gembong (di bagian utara) tampak mempunyai warna yang
lebih cerah (putih) daripada tahun-tahun sebelumnya. Gejala seperti ini dapat
mengindikasikan bahwa di wilayah ini telah mengalami proses kekeringan.
Sementara itu untuk daerah Kecamatan Sukakarya (bagian tengah) terlihat rona
yang lebih gelap, yang menandakan bahwa suhu di daerah tersebut semakin
menurun. Hal tersebut mengindikasikan terjadinya perubahan kondisi penutupan
lahan, antara lain oleh adanya penghijauan di daerah tengah tersebut. Melihat pola
perbedaan LST di atas dapat disimpulkan bahwa nilai LST 2014 di daerah
penelitian tampak meningkat daripada tahun-tahun sebelumnya yang dapat
disebabkan oleh adanya gejala berkurangnya tutupan vegetasi seperti halnya
menurunnya nilai NDVI.
Analisis Statistika Nilai LST
Hasil analisis statistika nilai-nilai LSTdari data tahun 2000, 2005, 2010,
dan 2014 disajikan dalam bentuk boxplot pada Gambar 12, 13, 14, dan 15. Hasil
analisis boxplot ini dapat digunakan untuk membaca keragaman nilai NDVI yang
berada pada kisaran quartil dan jangkauan quartilnya. Dengan demikian dapat
diketahui bagaimana rentang nilai dari NDVI tersebut.
320
Extremes
315
310
305
300
295
290
285
280
275
TK_2000 TK_2005 TK_2010 TK_2014
Gambar 12. Boxplot LST tidak kering

17
320
Extremes
315
310
305
300
295
290
285
280
AK_2000 AK_2005 AK_2010 AK_2014
Gambar 13. Boxplot LST agak kering
320
Extremes
315
310
305
300
295
290
285
280
K_2000 K_2005 K_2010 K_2014
Gambar 14. Boxplot LST kering

18
320
Extremes
310
300
290
280
270
260
KS_2000 KS_2005 KS_2010 KS_2014
Gambar 15. Boxplot LST kering sekali

Berdasarkan Gambar 12 hingga 15 terlihat bahwa keragaman nilai LST
tahun 2000, 2005, dan 2010 dari setiap kelas relatif agak mirip yaitu memiliki
keragaman yang kecil. Hal ini disebabkan karena luas area kotak boxplot yang
kecil (sempit), namun pada tahun 2014 keragamannya lebih besar karena luas area
kotak boxplot pada tahun tersebut lebih lebar daripada tahun-tahun lainnya.
Boxplot LST tahun 2014 memiliki nilai di luar rata-rata dari nilai-nilai ketiga titik-
titik tahun sebelumnya atau mempunyai nilai yang relatif bervariasi antara 285-
318°K. Hal tersebut menandakan bahwa tahun 2014 memiliki suhu yang relatif
lebih tinggi atau mengidikasikan terjadinya suatu kekeringan.
Analisis Hubungan Antara

Data Kekeringan di Lapangan dengan Nilai NDVI
Tujuan dari analisis ini adalah untuk mengetahui keterkaitan antara hasil
kerja lapangan (klasifikasi kualitatif kekeringan lahan sawah) dengan hasil
analisis NDVI (data penginderaan jauh). Analisis dilakukan melalui metode
tumpang-tindih (overlay) dan hasilnya disajikan pada Gambar 16, 17, 18, 19, dan
20. Dalam gambar-gambar tersebut titik hijau mewakili lokasi lahan sawah yang
tidak kering, titik biru = agak kering, titik kuning = kering, dan titik merah =
kering sekali. Pada Gambar 20 menunjukkan hasil reclassify dari kelas tidak
kering , kering, dan kering sekali. Dari hasil tersebut dapat diketahui luasan dari
masing-masing kelas yang telah di reclassify.
19
Tahun 2000 Tahun 2005
Gambar 16. Peta NDVI tidak kering

20
Gambar 17. Peta NDVI agak kering

21
Gambar 18. Peta NDVI kering

22

Gambar 19. Peta NDVI kering sekali
Pada pengamatan area-area kekeringan di lapangan yang dilakukan pada

tahun 2014 dan dicocokkan dengan data NDVI tahun 2014 menunjukkan bahwa
tingkat kehijauan pada tahun 2014 hanya terjadi di beberapa tempat saja seperti di
kecamatan-kecamatan Cabangbungin, Sukakarya dan sedikit di Karang Bahagia.
Sementara itu untuk daerah Muara Gembong lebih didominasi oleh kekeringan.
Hal tersebut dibuktikan oleh nilai NDVI yang semakin rendah. Adapun untuk
Kecamatan Sukatani memiliki tingkat kehijauan yang lebih rendah karena di
daerah ini banyak lahan terbangun. Pengamatan lapangan menunjukkan bahwa
nilai NDVI sebagian tidak sesuai dengan keadaan di lapangan, hal tersebut salah
satunya dapat dikarenakan oleh ukuran pixel citra (30 x 30 m) yang lebih besar
23
daripada lahan yang terindikasi kering di lapangan, sehingga nilai pixel pada titik
tersebut tercampur dengan nilai reflektan vegetasi di sekitarnya. Jika
dibandingkan dengan tahun-tahun sebelumnya, seperti tahun 2000, tampak bahwa
di kecamatan-kecamatan Sukatani dan Karang Bahagia masih banyak terlihat
warna cerah (putih). Namun demikian perubahan mulai terjadi secara dinamis
sejak tahun 2005, 2010 sampai 2014. Hal ini dapat dilihat dari perubahan warna
yang semakin gelap, yang menunjukkan menurunnya areal vegetasi akibat adanya
pembangunan. Berdasarkan hasil analisis di atas dapat disimpulkan bahwa ukuran
pixel citra dan ukuran lahan yang mengalami kekeringan sangat berpengaruh
terhadap kesesuaian antara nilai NDVI dengan klasifikasi tingkat kekeringan di
lapangan. Hasil reklasifikasi dari nilai NDVI dengan data dilapangan di sajikan
pada Gambar 20.
Legenda
Tidak Kering
Kering
Kering Sekali
Gambar 20. Peta hasil reklasifikasi NDVI lahan sawah

24
Pada Gambar 20 area-area kekeringan di lapangan tahun 2014 dan

dicocokkan dengan nilai NDVI dari pengkelasan semua titik tahun menunjukkan
bahwa terjadi kesesuaian dengan pengklasifikasian di lapangan. Jika dibandingkan
warna hijau yang berada disekitar lahan sawah menunjukkan daerah tersebut
merupakan daerah tidak kering. Hal tersebut dapat dibuktikan dengan cara
membandingkan dengan nilai NDVI, dimana warna hijau tersebut memiliki nilai
NDVI antara 0.3-1, warna merah 0-0.299, dan warna putih (-1) – (-0.001). Hasil
reklasifikasi tersebut didapatkan luas lahan sawah dimana lahan sawah tidak
kering sebesar 54.6 ha, kering 214.2 ha, dan kering sekali 19 ha. Berdasarkan
hasil analisis diatas dapat disimpulkan bahwa hasil reklasifikasi menunjukkan
bahwa lahan sawah kering lebih dominan di daerah penelitian.
Analisis Hubungan Antara Data Kekeringan di Lapangan dengan Nilai LST
Sama halnya dengan analisis hubungan NDVI di atas, tujuan dari analisis ini
adalah untuk mengetahui keterkaitan antara hasil kerja lapangan (klasifikasi
kualitatif kekeringan lahan sawah) dengan hasil analisis LST (data penginderaan
jauh). Analisis dilakukan melalui metode tumpang-tindih (overlay) dan hasilnya
disajikan pada Gambar, 21, 22, 23, dan 24. Dalam gambar-gambar tersebut titik
hijau = mewakili lokasi lahan sawah yang tidak kering, titik biru = agak kering,
titik kuning = kering, dan titik merah = kering sekali. Pada Gambar 25
menunjukkan hasil reclassify dari kelas tidak kering , kering, dan kering sekali.
Dari hasil tersebut dapat diketahui luasan dari masing-masing kelas yang telah di
reclassify.
Berdasarkan hasil analisis perbandingan antara klasifikasi kekeringan
lapangan dengan nilai LST di dapatkan bahwa nilai LST kelas tidak kering
memiliki nilai yang lebih rendah daripada kelas agak kering dan kering.
Sementara kelas kering sekali memiliki nilai LST yang sangat tinggi yaitu
mencapai angka 42°C (315°K). Pada pengamatan area-area kekeringan di
lapangan yang dilakukan pada tahun 2014 dan dicocokkan dengan nilai LSTnya
menunjukkan bahwa suhu permukaan tahun 2014 lebih tinggi daripada tahun-
tahun sebelumnya. Hal tersebut dibuktikan dengan nilai LST yang sangat tinggi
pada tahun 2014 yaitu mencapai 42°C (315°K), sedangkan nilai tertinggi LST
pada tahun 2000, 2005, dan 2010 mencapai 36°C, 32°C, dan 33°C (309°K,
305°K, dan 306°K). Berdasarkan hasil analisis di atas dapat disimpulkan bahwa
LST kering sekali memiliki suhu permukaan yang tinggi dan menyebabkan area
tersebut semakin kering dan panas.
Jika dikaitkan antara nilai-nilai NDVI dan LST pada daerah penelitian
terlihat bahwa terdapat adanya suatu pola hubungan yang negatif, dimana jika
suhu meningkat maka nilai indeks vegetasi (NDVI) cenderung turun dan demikian
sebaliknya. Hal ini di sebabkan suhu permukaan lahan yang meningkat akan
menyebabkan pertambahan evapotranspirasi, sehingga ketersediaan air bagi
tanaman menjadi berkurang. Selanjutnya tingkat kehijauan tanaman akan
mengalami penurunan dan menyebabkan kondisi kekeringan. Kondisi kekeringan
tersebut dapat dideteksi berdasarkan nilai LSTnya.
25
Gambar 21. Peta LST tidak kering

26
Gambar 22. Peta LST agak kering

27
Gambar 23. Peta LST kering

28
Gambar 24. Peta LST kering sekali

29
Legenda
Tidak Kering
Kering
Kering Sekali
Gambar 25. Peta hasil reklasifikasi LST lahan sawah

30
Pada Gambar 25 pengamatan aera-area kekeringan di lapangan dengan

nilai-nilai LST dari semua titik tahun (2000, 2005, 2010, dan 2014) menunjukkan
bahwa nilai LST memiliki selang nilai antara 285°K – 295.9°K kelas tidak kering,
296°K-307°K kelas kering, dan 307-318°K kelas kering sekali. Hal ini
menunjukkan suhu permukaaan di daerah penelitian sangat bervariasi. Jika
dibandingkan warna hijau yang berada disekitar lahan sawah menunjukkan daerah
tersebut merupakan daerah tidak kering. Hal tersebut dapat dibuktikan dengan
cara membandingkan dengan nilai LST, Hasil reklasifikasi tersebut didapatkan
luas lahan sawah dimana lahan sawah tidak kering sebesar 54.6 ha, kering 214.2
ha, dan kering sekali 19 ha. Berdasarkan hasil analisis diatas dapat disimpulkan
bahwa hasil reklasifikasi menunjukkan bahwa lahan sawah kering lebih dominan
di daerah penelitian.
SIMPULAN DAN SARAN
Simpulan
Hasil identifikasi lapangan di lima kecamatan diketahui bahwa kekeringan

yang terjadi di daerah penelitian merupakan kekeringan yang terjadi secara alami
dan didominasi oleh kelas tidak kering dan sangat kering.
NDVI tahun 2014 cenderung memiliki nilai yang lebih rendah
dibandingkan dengan nilai NDVI tahun-tahun sebelumnya. Demikian pula halnya
dengan nilai LST, dimana untuk tahun 2014 tampak lebih tinggi daripada tahun-
tahun sebelumnya. Kedua parameter tampak berhubungan dengan pola negatif,
dimana semakin tinggi nilai NDVI maka semakin rendah nilai LST. Berdasarkan
analisis nilai NDVI dan LST didapatkan bahwa data penginderaan jauh dapat
dijadikan sebagai alat identifikasi gejala kekeringan.
Nilai NDVI tahun 2014 sebagian sesuai dengan hasil klasifikasi kekeringan
lapangan dan sebagian kurang sesuai, hal ini dimungkinkan oleh kurang sesuainya
luas pixel dengan luas lahan yang terindikasi mengalami kekeringan. Adapun
untuk LST, klasifikasi kekeringan lapangan sesuai dengan nilai LST yaitu kelas
kering sekali memiliki nilai LST yang lebih tinggi dari kelas yang lainnya.
Berdasarkan hasil analisis diatas dapat disimpulkan bahwa hasil reklasifikasi
menunjukkan bahwa lahan sawah kering lebih dominan di daerah penelitian.
Saran
Penelitian mengenai kekeringan ini dapat dimanfaatkan pemerintah daerah
Bekasi atau pihak-pihak yang berkepentingan untuk melakukan antisipasi bencana
kekeringan di waktu-waktu mendatang. Serta penelitian ini dapat dianalisis
kembali pada bulan September sampai November tahun 2014. Selain itu metode
ini perlu di uji cobakan untuk wilayah-wilayah lain yang pernah mengalami
bencana kekeringan.
31
DAFTAR PUSTAKA
Aldrian, E., Susanto. 2003. Identification of Three Dominant Rainfall Regions

within Indonesia and Their Relationship to Sea Surface Temperature.
International Journal Climatology, 23, 1435-1452
C. Coll, J. M. Galve, J. M. Sánchez, and V. Caselles. 2010. “Validation of
Landsat- 7/ETM+ Thermal-Band Calibration and Atmospheric Correction
With Ground-Based Measurements”, IEEE Trans. Geosci. Remote Sens.,
vol. 48, no. 1, pp. 547–555,.
Danoedoro, P. 1996. Pengolahan Citra Digital Teori dan Aplikasinya dalam
Bidang Penginderaan Jauh. Fakultas Geografi Universitas Gadjah Mada,
Yogyakarta
Daruarti, B. 2012. Pola Wilayah Kekeringan Lahan Basah (sawah) di Propinsi
Jawa Barat. Tesis. Universitas Indonesia, Depok
Harmantyo, D. 2009. Dinamika Iklim Indonesia, Departemen Geografi FMIPA
Universitas Indonesia
Irawan, B. 2006. Fenomena Anomali Iklim El Nino dan La Nina- Kecenderungan
Jangka Panjang dan Pengaruhnya terhadap Produksi Pangan. Forum
Penelitian Agro Ekonomi.
Jayaseelan, A.T. 2001. Droughts and Floods Assesment and Monitoring Using
Remote Sensing and GIS, Satellite Remote Sensing and GIS Applications in
Agricultural Meteorology, 291-313
Kementerian Kehutanan. 2015. Peta Land Cover Kabupaten Bekasi.
http//WEBGIS.co.id [September 2015].
Nasution & Djazim Syaifullah. 2005. Analisis Spasial Index Kekeringan Daerah
Pantai Utara (Pantura) Jawa Barat. Jurnal. Vol. 1, no. 2, 235-242,.
Orbita R, Parwati S, & Nania, A. 2011. Monitoring Of Drought- Vulnerable Area
In Java Island Indoesia Using Satellite Remote Sensing Data. Remote
Sensing Applications and Technology Development Centre, LAPAN
Shofianti R, & Dwi Kuncoro. 2007. Inderaja Untuk Mengkaji Kekeirngan di
Lahan Pertanian. Balai Besar Penelitian dan Pengembangan Sumberdaya
Lahan Pertanian.
Rustiadi E, Panuju DR, Trisasongko BH. 2008. Environmental Impact of
Urbanization in Jabodetabek Area. Joint JIRCAS-ICALRD. Bogor.
Ruud, H., Bob S., and Thomas, J. J. 2004. October 25-27). Evaluation of
Satelllite Soil Moisture Retrieval Algorithms Using AMSR-E data, in
Proceedings of the 2nd international CAHMDA (The Terrestrial Water
Cycle: Modelling and Data Assimilation Acros Catchment Scales) 45-49,
Princeton.
Suseno, W. 2008. Pola Kekeringan Pertanian di Pulau Jawa. Skripsi. Departemen
Geografi FMIPA Universitas Indonesia.
USGS. 2014. Using the USGS Landsat Product. http://landsat.usgs.gov/Landsat8_
Using_Product.php [Maret 2014]
Tucker, C. J. 1979. Red and Photographic Infrared Linear Combinations for
Monitoring Vegetation. Remote Sensing of Environments, 8, 127-150.
32
Wijayanto, D. 2005. Penggunaan Data Digital Landsat Untuk Penentuan Tingkat

Kekeringan Lahan Sawah di Kabupaten Bantul. Skripsi. Fakultas Geografi
UGM, Yogyakarta.
Wang, X,. Hongjie, X, Hundo, G,. And Xiaobing, Z. 2007. Different Response
of MODIS-denived NDVI to root-zone Soil Moisture in Semi Arid and
Humid, Journal of Hydrology, 12-24
33
LAMPIRAN
34
Lampiran 1. Contoh kuesioner
Daerah
1. Lokasi
 Kampung : PuloTanjung A
 Desa : Sindang Sari
 Kecamatan: Cabangbungin
 Titik X :107.16457
 Titik Y : 06.10319
 Elevasi : 38m

2. Pola Tanam
 Pola tanam : 2 kali/tahun
3. Kapan Terjadinya
Banjir MT1, Kering MT2, Kering Banjir
Januari Maret Juli Oktober Desember
4. Faktor yang mempengaruhi
- * Banjir :
- Tidak adanya irigasi
- Jalur pembuangan aliran air dari Jakarta
- Kanalnya tersedimentasi
* Kering:
- Tidak ada air irigasi
- Air menggunakan pompa
- Tidak ada hujan
*Hama:
Hama Ditemukan:
- Tikus,
- Hama Wereng Batang Coklat
- Penggerek batang
Penyebab
- Tikus disebabkan pola tanam yang tidak serempak
- Jarak tanam yang terlalu dekat
35
- Kelebihan pupuk
- Kelebihan penyemprotan pestisida
5. Foto Lapang
36
Lampiran 2. Nilai NDVI
NDVI_2000 NDVI_2005 NDVI_2010 NDVI_2014

0,0754 0,3042 0,153 -0,0829
0,0622 -0,145 -0,136 -0,3296
0,2408 0,2121 0,1639 0,0339
0,1532 0,161 0,2075 -0,0587
-0,0472 0,0012 0,0505 -0,2729
0,0807 0,301 0,1697 -0,1186
-0,1199 -0,0191 0,0433 -0,1191
0,1245 0,0286 0,2795 -0,105
0,0592 0,0922 0,183 -0,2631
-0,083 0,1253 0,0612 -0,123
0,0205 0,1558 0,1567 -0,0778
-0,0114 -0,0514 0,0579 -0,1949
-0,0034 0,1488 0,1314 -0,0978
0,0284 0,1642 0,0022 -0,1526
-0,0524 -0,1115 -0,1025 -0,3356
-0,0067 -0,0158 0,0164 -0,219
-0,136 -0,0819 -0,0916 -0,307
-0,136 -0,0819 -0,0916 -0,307
0,0864 0,123 0,2254 -0,1294
-0,0982 -0,0514 0,0062 -0,2973
0,1068 0,1095 0,2594 -0,101
0,0736 0,2024 0,1787 -0,2016
-0,0034 0,1535 0,1418 -0,1867
-0,0494 0,0451 0,0599 -0,2983
0,0342 -0,081 -0,083 -0,3792
0,1315 -0,068 0,1486 -0,1123
0,1522 0,1959 0,2081 -0,0629
0,1533 0,1815 0,2253 -0,1045
0,1217 0,249 0,181 -0,1142
0,1217 0,249 0,181 -0,1142
0,305 0,1141 0,1365 0,0604
0,305 0,1141 0,1365 0,0604
0,2166 0,2827 0,2327 -0,033
0,397 0,1141 0,0019 -0,2467
0,2337 0,2807 0,2818 -0,2361
0,2657 0,2259 0,2864 -0,0359
0,0866 0,2164 0,2963 -0,0796
0,2075 0,2228 0,3779 0,1344
0,233 0,3134 0,2052 -0,0005
0,0807 0,301 0,1697 -0,1186
37
0,1912 0,4066 0,2997 -0,0568

0,1328 0,1416 0,1685 -0,15
0,1328 0,1416 0,1685 -0,15
0,0455 0,1451 0,2085 -0,1953
0,0128 0,1548 0,2428 -0,0706
0,1296 0,1535 0,1278 -0,1368
0,0949 0,2239 0,2166 -0,1465
0,2075 0,1141 0,1639 0,0408
0,3603 0,2646 -0,0029 -0,0319
0,3095 0,1192 -0,0855 -0,1292
0,1715 0,0286 0,2359 -0,0451
0,2079 -0,0468 0,3204 0,1405
0,0907 0,0365 0,233 -0,1575
0,2566 0,2422 0,112 -0,1389
-0,0779 -0,0814 0,1234 -0,0984
0,0836 0,0983 0,209 -0,0347
0,0166 0,0983 0,153 -0,0741
0,0949 0,1853 0,0828 -0,0389
-0,0364 -0,0284 0,0673 -0,2198
-0,0704 -0,1237 0,0604 -0,294
0,2075 0,1141 0,1639 0,0408
0,4417 0,2419 0,1486 -0,0753
0,2891 0,124 0,0711 -0,0951
0,438 0,0269 0,1063 -0,028
0,3692 0,0891 0,1052 -0,1013
0,1492 0,104 0,0727 -0,1471
0,081 -0,0522 -0,0786 0,0209
0,2977 0,2411 0,3223 -0,1272
0,2891 0,257 0,1446 -0,1033
0,3718 0,0534 0,1448 -0,0387
0,3515 -0,0959 0,1618 -0,2836
0,1371 0,0181 -0,1001 -0,1345
0,397 0,1141 0,0019 -0,2467
0,2594 0,023 0,0076 -0,2521
0,2594 0,023 0,0076 -0,2521
0,146 0,0361 0,2265 0,2189
0,1853 0,0573 0,2594 0,1579
0,1836 0,1002 0,2337 -0,0247
0,3089 0,265 0,3492 0,0158
0,3005 0,3332 0,349 0,1636
0,1897 0,145 0,1034 -0,0841
0,1297 -0,0035 0,1245 -0,0443
0,2566 0,2422 0,112 -0,1389
38
0,0561 0,1408 0,3019 -0,1634

-0,0338 0,065 0,0074 -0,1784
-0,0338 0,065 0,0074 -0,1784
0,083 0,1056 0,1133 -0,1744
-0,0311 0,0197 0,0248 -0,2152
0,0949 0,2239 0,2166 -0,1465
0,1853 -0,1397 0,1724 -0,0821
0,2545 -0,0822 0,0455 -0,2812
0,2545 -0,0822 0,0455 -0,2812
0,2864 -0,0458 0,01 -0,2121
0,1056 0,0316 0,1138 -0,0495
0,1347 0,206 0,2424 -0,0096
0,1347 0,206 0,2424 -0,0096
0,1347 0,206 0,2424 -0,0096
0,5096 0,0476 0,0423 -0,0729
0,4177 0,083 0,1113 -0,1759
0,2416 0,0037 0,0624 -0,2672
0,381 0,3297 0,1595 -0,1301
0,2003 0,2024 0,0155 0,0239
Lampiran 3. Nilai LST
LST_2000 LST_2005 LST_2010 LST_2014

309,5632 297,9555 305,0001 316,8567
307,3043 297,1164 303,0308 312,0825
307,3043 297,9555 304,0193 315,6781
305,0065 298,789 302,0348 310,863
307,3043 301,2564 300,019 282,1089
307,3043 297,9555 304,0193 289,6122
307,3043 300,4393 304,0193 289,6122
307,3043 301,2564 304,0193 285,1718
307,3043 301,2564 302,0348 288,1515
306,1604 301,2564 303,0308 288,1515
307,3043 302,0683 303,0308 288,1515
307,3043 302,0683 303,0308 282,1089
306,1604 301,2564 302,0348 292,4789
307,3043 301,2564 302,0348 280,544
306,1604 301,2564 303,0308 291,0544
307,3043 300,4393 303,0308 288,1515
307,3043 301,2564 303,0308 291,0544
307,3043 301,2564 303,0308 291,0544
308,4385 302,0683 304,0193 291,0544
39
307,3043 301,2564 303,0308 291,0544

308,4385 302,0683 304,0193 291,0544
307,3043 302,0683 304,0193 291,0544
306,1604 302,0683 304,0193 282,1089
306,1604 302,875 302,0348 292,4789
305,0065 302,875 304,0193 296,652
305,0065 301,2564 303,0308 296,652
307,3043 304,4734 303,0308 302,003
309,5632 304,4734 304,0193 300,6866
306,1604 303,6767 303,0308 300,6866
306,1604 303,6767 303,0308 300,6866
306,1604 305,2653 298,9988 300,6866
306,1604 305,2653 298,9988 300,6866
308,4385 304,4734 303,0308 300,6866
305,0065 297,9555 303,0308 316,8567
307,3043 297,9555 303,0308 312,0825
307,3043 297,9555 304,0193 312,0825
306,1604 298,789 303,0308 313,2912
306,1604 299,6169 303,0308 309,6328
310,6786 299,6169 305,0001 286,6716
307,3043 297,9555 304,0193 289,6122
307,3043 299,6169 303,0308 285,1718
308,4385 302,0683 305,0001 285,1718
308,4385 302,0683 305,0001 285,1718
307,3043 302,875 305,0001 288,1515
306,1604 301,2564 303,0308 285,1718
306,1604 301,2564 304,0193 289,6122
307,3043 302,0683 304,0193 283,6512
306,1604 302,875 302,0348 299,3563
306,1604 297,9555 292,6921 315,6781
305,0065 297,1164 293,7665 315,6781
308,4385 299,6169 303,0308 313,2912
308,4385 299,6169 303,0308 313,2912
309,5632 299,6169 305,0001 299,3563
308,4385 300,4393 303,0308 312,0825
306,1604 299,6169 305,0001 310,863
306,1604 300,4393 304,0193 307,1382
306,1604 299,6169 302,0348 288,1515
306,1604 302,0683 302,0348 282,1089
306,1604 303,6767 302,0348 293,8862
306,1604 302,875 304,0193 296,652
306,1604 302,875 302,0348 299,3563
305,0065 302,875 304,0193 303,3059
40
305,0065 302,875 297,9702 299,3563

305,0065 305,2653 296,9328 302,003
306,1604 298,789 303,0308 316,8567
305,0065 298,789 303,0308 314,4896
307,3043 293,7003 295,8867 315,6781
308,4385 297,9555 304,0193 318,0258
306,1604 297,1164 302,0348 315,6781
308,4385 297,1164 309,0534 318,0258
306,1604 297,1164 303,0308 318,0258
310,6786 298,789 294,8313 318,0258
305,0065 297,9555 303,0308 316,8567
307,3043 297,1164 305,0001 318,0258
307,3043 297,1164 305,0001 318,0258
307,3043 297,1164 303,0308 316,8567
306,1604 297,1164 305,0001 315,6781
308,4385 298,789 305,0001 318,0258
308,4385 298,789 305,0001 316,8567
306,1604 298,789 304,0193 314,4896
309,5632 301,2564 304,0193 313,2912
309,5632 300,4393 304,0193 312,0825
308,4385 300,4393 303,0308 312,0825
306,1604 300,4393 304,0193 310,863
307,3043 302,0683 301,0309 270,6169
307,3043 302,0683 301,0309 270,6169
308,4385 302,0683 305,9738 285,1718
308,4385 302,0683 303,0308 285,1718
307,3043 302,0683 304,0193 283,6512
305,0065 302,0683 302,0348 296,652
306,1604 303,6767 304,0193 299,3563
306,1604 303,6767 304,0193 299,3563
305,0065 304,4734 305,0001 296,652
306,1604 302,875 304,0193 299,3563
307,3043 302,0683 304,0193 298,0116
307,3043 302,0683 304,0193 298,0116
307,3043 302,0683 304,0193 298,0116
302,6676 302,875 304,0193 305,8731
305,0065 303,6767 296,9328 302,003
308,4385 304,4734 301,0309 299,3563
306,1604 304,4734 302,0348 303,3059
308,4385 304,4734 294,8313 298,0116
41
Lampiran 4. Titik pengamatan lapang
Pola 1 Pola 1 Pola 2 Pola 2 Pola 2 Pola 3 Pola 3 Pola 3 Panen Pola 4 Pola 4 Pola 4
Mulai Panen Komoditas Mulai Panen Komoditas Mulai Komo Mulai Panen
ditas
Maret Juli Padi Oktober Desember
April Juni Padi Juli November
Mei Juli Padi Juli Oktober
Mei Juli Padi Agustus November
Mei Agustus Padi Agustus November
Mei Agustus Padi Agustus November
Mei Agustus Terong Agustus Oktober Padi Oktober Desember
Mei Agustus Padi September Desember
Mei Agustus
Mei Juli Timun Suri Juli Agustus Timun Agustus November
42
Maret Juli Timun Suri Juli Agustus Padi September Desember

April Agustus Padi Agustus November
April Agustus Padi September Desember
Maret Juli
Mei Gagal padi November
Panen
April Gagal Padi September Desember
Panen
Mei Agustus Padi Oktober Desember
Mei Agustus Padi Oktober Desember
Mei Gagal Padi Oktober Desember
Panen

Panen
Panen
Panen
April Juli Padi Oktober Desember
Maret Juni Padi Juli Desember
Maret Desember
43
Maret Juli Padi Agustus Desember

Maret Desember
April Juli Padi Agustus Desember
Maret Juni Pare Juni September Padi Oktober Februari
April Desember
Mei Agustus Padi Oktober Januari
Maret Juni Oyong Juni Oktober Padi Oktober Januari
April Agustus Padi Oktober Januari
April Agustus Padi Oktober Januari
Maret Juli Oyong Agustus November Padi November Februari
April Agustus Padi Agustus Desember

April Juli Cabai, Agustus November Padi November Maret
Kacang
Maret Juli Padi November Februari
Agustus November Padi November Desember
Agustus November Padi November Februari
Agustus November Padi November Februari
44
Juli November Padi November Februari

Maret Juli Padi november Februari
Maret Juli Padi Juli November
Maret Juli Padi Juli November
Maret juli Padi Agustus November

Maret Juli Padi Agustus November

Maret Juli Padi Juli Desember
45

April Juli Padi Juli Desember
April Juli Padi Juli Desember

April Juli
April Desember
April Agustus
April Juni Timun Suri Juni Agustus Timun Agustus Oktober Padi Novembe Maret
r
April Agustus
Juni Septembe Padi November Februari

r
r
46

r
Maret Juli Padi juli Desember
Agustus Desember
Maret Juli Padi Agustus desember
Agustus Desember

47
Banjir Kekeringan Kelas kering Hama Kualitas Air Produksi Keterangan

(ton/Ha)
Banjir Kering Normal Tikus, Wereng, Penggerek Sungai
Batang
Batang
Batang
Batang
Banjir Kering Kering Tikus, Wereng, Penggerek Sungai
Batang
Batang
Batang
Batang
Banjir Kering Agak Kering Tikus, Wereng, Penggerek Sungai
Batang
Batang
Batang
Batang
Banjir Kering Kering Sekali Tikus, Wereng, Penggerek Sungai
48
Batang
Batang
Batang
Batang
Batang
Batang
Batang
Batang
Batang
Sungai
Banjir Kering Tikus, Wereng, Penggerek Sungai
Batang
Batang
Batang
Batang
Banjir Kering tikus, Wereng, Penggerek Sungai
Batang
Batang
49

Batang
Batang, keong, walang sangit
Batang, keong, walang sangit
Banjir Kering Sungai Sumber Air
Banjir Kering Sungai
Banjir Kering Sungai Sumber Air
Banjir Kering Tikus, Wereng, Penggerek Limbah
Batang, Keong, Walang Sangit
Banjir - Tikus, Wereng, Penggerek Limbah
buruk Sumber Air
Buruk Sumber Air
Limbah Ternak Bebek
Banjir Tikus, Keong Limbah Kangkung, Bawang Merah, Cabai,
Oyong, Terong
Banjir Tikus, Wereng batang, Keong Limbah
Banjir Keong Limbah
Banjir Tikus, Wereng batang, Keong Limbah
Banjir Tikus, Wereng, Penggerek Limbah 4
50
Banjir Tikus, Wereng, Penggerek Limbah

- Kering Tikus, Wereng, Penggerek Limbah 4
Batang, Keong, Walang Sangit,
Ulat Daun
- Kering Tikus, Wereng, Penggerek Limbah 4
Ulat Daun
- - Tikus, Wereng, Penggerek Limbah 4
- - Tikus, Wereng, Penggerek Sungai
- - Tikus, Wereng, Penggerek Limbah
Banir - Tikus Limbah
Limbah
Banjir Kering Tikus, Wereng, Penggerek Sungai Puso
- - Tikus, Wereng, Penggerek Sungai
lembing, ular
- - Tikus, Wereng, Penggerek Limbah
- - Tikus, Wereng, Penggerek LimbahLi
Batang, Keong, Walang Sangit mbah
Banjir - Tikus, Wereng, Lembing, Limbah
Walang Sangit, Ular
Baik Bendungan sungai citarum, GP3A
Banjir Kering Tikus, Wereng, Penggerek Baik 4
51
Banjir Kering Tikus, Wereng, Penggerek Buruk Tanam

Banjir Kering Tikus, Wereng, Buruk Tidak Tanam
Penggerek Batang, Keong,
Walang Sangit, Sundep
Tikus, Wereng, Penggerek Sungai Ada pengeboran pertamina yang mempengaruhi
Batang, Sundep, Jerdil (Kelet) pertumbuhan padi
Banjir Kering Tikus, Wereng,Penggerek Sungai Sungai waduk citarum
Batang, Sundep
Batang, Sundep
Sungai
Batang, Sundep
Batang, Sundep
Batang, Sundep
Batang, Sundep
Batang, Sundep
Batang, Sundep
Batang, Sundep
Batang, Sundep
Batang, Sundep
52

Batang, Sundep
Batang, Sundep
Batang, Sundep
Sungai Gedung PEMP penyalur BBm
Banjir Kering Tikus, Wereng, Penggerek Buruk
Batang, Sundep
Banjir Kering Tikus, Wereng, Penggerek Buruk Disebelah sawah ada pohon kenari
Batang, Sundep dan pare
Batang, Sundep
Banjir Kering Tikus, Wereng, Penggerek Sungai Disekitar pematang sawah
Batang, Sundep ditanami kacang panjang
Sungai Pemukiman di daerah Muara
Gembong hanya terdapat di
pinggiran jalan saja
Sungai Perkebunan Sengon
Sungai Sumber pompa aoir yang
digunakan di sungai sindang jaya
Sungai Perkebunan kelapa
Banjir Kering Tikus, Wereng, Penggrek Sungai Sawahnya baru di airi persis di
Batang, Sundep (Kerap) daerah sebelah sungai
Banjir Kering Tikus, Wereng, Penggrek Sungai Sawah ini sedang di tanami padi
Batang, Sundep (Kerap) naum sebelahnya tidak karena
susah mendapat air
Banjir Kering Tikus, Wereng, Penggrek Sungai Menurut petani ini pada musim
Batang, Sundep (Kerap) tanam kedua sering kebanjiran
Sungai Perkebunan karet
53

Batang, Sundep
Padi Merah
Banjir Kering Tikus, Wereng, Penggerek Limbah 4
Padi Merah
Banjir Kering Tikus, Wereng, Penggerek Limbah 4 Dari sungai Cikarang
Padi Merah
Banjir Kering Limbah Padinya rusak karena terserang
Tikus, Wereng, Penggerek Batang,Keong, Walang Sangit, Padi Merah,tikus
Lembing
Banjir Kering Tikus, Wereng,Penggerek Limbah
Padi Merah, Lembing
Limbah Sumber air irigasi di sebelah
sawah penanggul
Banjir Kering Tikus, Wereng, Penggerek Limbah 03-Feb Sumber air kali ciladung,
Batang, Keong, Burung Pipit, menggunakan pompa
Kupu-kupu
Banjir Kering Tikus, Wereng, Penggerek Limbah Karena produksi yang rendah,
Batang, Keong, Burung Pipit, kekeringan dan susah air. Maka,
Kupu-Kupu dibangun rumah di tengah sawah
Banjir Kering Tikus, Wereng, Penggerek Limbah Sedang tanam namun sebelahnya
Batang, Keong, Burung Pipit, tidak di tanami karena kekeringan
Kupu-Kupu
Banjir Kering Tikus, Wereng, Penggerek Limbah Sedang tidak ditanami padi karena
Batang,Keong, Burung Pipit, kekeringan
Kupu-Kupu
54

Batang, Keong, Burung Pipit,
Kupu-kupu
Batang, Keong, Burung Pipit,
Kupu-kupu
Banjir Kering Sungai cabai ini di tanam di sebelah
sawah, masa panennya sekitar 2
bulanan
Sungai Titik Pompa
Sungai Saluran irigasi untuk lahan sawah
- - - Sungai Titik pompa air irigasi
- - - - Pemukiman
Banjir Kering - Kawasan ini merupakan sawah
yang kekeringan sehingga
ditanami tanaman labu. Namun
sawah ini akan dijadikan sebagai
komplek perumahan. Dan petani
disini merupakan petani
penggarap.
Banjir - Tikus, Wereng, Penggerek Limbah Petani penggarap dan penyewa
Batang, Keong
- - - - Pemukiman
- - - - Pemukiman
- - Tikus, Wereng, Penggerek Limbah 4 ton Sawahnya sudah banyak di
Batang, Keong, Walang Sangit konversi menjadi rumah selama 3
tahun terakhir ini
- Kering Tikus, Wereng Batang Coklat, Limbah Kering, selalu ditanami padi
Keong
55
- - Tikus, Wereng, Keong Limbah

Banjir Kering Tikus, Wereng Batang Coklat, Limbah Kalau ada air bisa tanam 3 kali
Keong
Banjir Kering Tikus, Wereng Batang Coklat, Limbah Sangat kering
Keong
- - Tikus, Wereng Batang Coklat, Limbah Kalau ada air bisa tanam sampai 3
Kupu-Kupu kali
- Waterpark Megati merupakan
daerah yang awalnya sawah
namun dikonversi menjadi tempat
rekreasi dan perumahan
- Perumahan Megati
- Ruko Grand Permata City berada
di Jl. Raya Pilar, Blokang. Daerah
ini awalnya adalah lahan
pertanian(sawah)yang di konversi
menjadi lahan terbangun
- Kering Limbah Sawahny sangat kering sekali,
petani sering gagal panen.
- Kering Tikus, Wereng, Keong Limbah Sawah ini milik orang Jakarta
yang sudah dijual untuk dijadikan
Perumahan Sukaraya Indah karena
sawah ini produksinya sedikit,
sangat kering, dan menggunakan
air limbah
- Kering Tikus, Wereng, Keong Limbah Sudah tidak ditanami kembali
karena sangat kering
- Pabrik Radiator and Heat
Exchanger ini bisa jadi salah satu
pabrik yang membuang limbah di
56
aliran sungai
- Cluster Green cikarang 2 ini baru
dibangun
Limbah Perumahan Sukaraya Regensi ini
berada disebelah PT dan bekas
sawah
Limbah Sampah yang berada di sekitar
rumah warga ini sangat banyak,
kumuh, dan tidak ada saluran
airnya. Sehingga ketika musim
hujan sampah ini bisa menjadi
penyebab banjir di daerah ini.
Limbah Sungai di daerah ini merupakan
sungai yang sangat kotor karena
banyak sampah diatasnya dan
airnya merupakan air limbah.
Bersih Sungai ini memiliki air yang
sedikit
- Lahan ini dulunya adalah sawah
yang dialih fungsikan menjadi
kebun pisang karena susah
mendapatkan air
- Tempat air irigasi di daerah
terlihat sangat kering sekali
- Kering Tikus, Wereng Batang Coklat, Limbah Sawah karang anyar ini sedikit
Keong demi sedikit sudah di bangun
rumah (lahan terbangun) karena
kawasan ini akan dijadikan
sebagai Perumahan Karang Anyar
Residence
57
Limbah Perumahan Karang Anyar

Residence
- Kering Tikus, Wereng Batang Coklat, Limbah Sawah ini sudah di beli oleh orang
Keong Jakarta untuk dijadikan
perumahan
- - Limbah Sumber air
- Kering Limbah Pemukiman di Jl. Raya Pilar
- Kering Bersih Perumahan Nirwana Regency
merupakan perumahan yang
berada di antara lahan sawah
Banjir Kering Tikus, Wereng, Lembing, Bersih
Kupu-Kupu
58
Lampiran 5. Analisis LST

59
60
61
62
63
64
65
66
RIWAYAT HIDUP
Penulis dilahirkan di Kota Jember pada tanggal 11 Maret 1993 dari

pasangan Bapak Roni Alifan dan Ibu Siti Mae Saroh.Penulis adalah anak pertama
dari tiga bersaudara. Penulis menyelesaikan pendidikan dasar di TK Aisyah
Bustanul Alfath Kalisat hingga tahun1999 kemudian melanjutkan di SDN Ajung
01 hingga tahun 2005, kemudian melanjutkan di SMPN 01 Kalisat hingga tahun
2008, dan melanjutkan di SMAN 01 Kalisat hingga lulus tahun 2011. Pada tahun
yang sama penulis diterima di Departemen Ilmu Tanah dan Sumberdaya Lahan
Fakultas Pertanian, Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi
Nasional Masuk Perguruan Tinggi Negeri (SNMPTN).
Selama megikuti perkuliahan, penulis menjadi asisten praktikum mata
kuliah Penginderaan Jauh dan Informasi Spasial pada tahun 2014, dan
Geomorfologi dan Analisis Lanskap tahun 2015. Penulis juga aktif sebagai
organisator di Ikatan Mahasiswa Jember 2011-2013 sebagai anggota, Gentra
Kaheman Institut Pertanian Bogor sebagai anggota dan penari 2012-2013,
Direktur Art Culture Comunitty 2012-2014, Badan Eksekutif Mahasiswa (BEM)
Fakultas Pertaian sebagai staf Budaya Olahraga dan Seni 2013, Bendahara
Budaya Olahraga dan Seni Bem Eksekutif Mahasiswa (BEM) Fakultas Pertanian
2014, Anggota Himpunan Mahasiswa Ilmu Tanah 2011-2015. Selain itu penulis
juga aktif dalam berbagai kegiatan di kampus dan luar kampus seperti Festival
Buah dan Labu Nusantara bersama East West Indonesia, SC Agriculture Youth
Internasinal 2015, Crew Multimedia bersama Kompas Tv. Penanggung Jawab
Aerobik OMI Faperta 2013 dan 2014, Penanggung Jawab IPB Art Contest 2013
dan 2014, Penanggung Jawab Ladang Kreasi Fakultas Pertanian. Selain itu,
penulis juga aktif sebagai pelatih tari, pelatih senam aerobik Fakultas Pertanian,
dan undangan sebagai penari di sebuah acara. Penulis juga mendapatkan juara 1
Kejuaraan Senam Aerobik Antar Club Mahasiswa Institut Pertanian Bogor, Juara
1 Seni Tari BM-Festival, Juara 2 Seni Tari IPB Art Contest, Juara 1 Seni Tari
Seri-Action, Juara 2 Aerobik Seri Action, Juara 1 Aerobik Pesta Portan, dan
beberapa kejuaraan lainnya.
Pada tahun 2014 penulis melaksanakan Kuliah Kerja Profesi (KKP) di
Kabupaten Bekasi dengan program Optimalisasi Fungsi Pekarangan Sebagai
Rumah Pangan Lestari Desa Sindang Sari, Kecamatan Cabangbungin, Kabupaten
Bekasi 2014. Selain itu penulis mengikuti kegiatan Kementrian Pertanian dalam
program pendampingan petani UPSUS PAJALE tahun 2015. Pada tahun 2015
penulis berhasil menyelesaikan studi di Institut Pertanian Bogor dengan
melakukan penelitian dan skripsi yang berjudul “ Analisis Tingkat Kekeringan
Lahan Sawah di Wilayah Bekasi Utara Menggunakan Citra Landsat 7” dan
penulis mempublikasikannya di Kongres dan Seminar Nasional Himpunan Ilmu
Tanah Indonesia 2015.

A15 Apn

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

A15 Apn

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS TINGKAT KEKERINGAN LAHAN SAWAH

DI WILAYAH BEKASI UTARA

ANIS PUSPA NINGRUM

DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Tingkat

Bogor, Agustus 2015

Anis Puspa Ningrum

ANIS PUSPA NINGRUM Analisis Tingkat Kekeringan Lahan Sawah di

Indonesia adalah negara kepulauan yang terletak di katulistiwa dan sensitif

Keywords: Bekasi, Landsat-7, Drought, Wetland, LST, NDVI

ANIS PUSPA NINGRUM

DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

Dr Boedi Tjahjono MSc Dr Khursatul Munibah MSc

Dr Ir Baba Barus MSc

Bogor, Agustus 2015

Anis Puspa Ningrum

Analisis Hubungan Antara Data Kekeringan di Lapangan dengan Nilai LST 24

SIMPULAN DAN SARAN 30

Indonesia adalah negara kepulauan yang terletak di antara dua benua

Mengingat Kabupaten Bekasi sebagai salah satu lumbung padi di Jawa,

Berdasarkan uraian latar belakang dan permasalahan di atas, maka

Gambar 1 . Lokasi penelitian

Jenis dan Sumber Data

Tabel 1 . Data sekunder yang digunakan untuk penelitian

No. Nama Data Sumber Data

Tabel 2. Perangkat lunak yang digunakan untuk pengolahan data

Prosedur Analisis Data

Penelitian ini dilaksanakan secara bertahap seperti diuraikan berikut ini:

Pilih Basic Tools → Preprocessing → Calibration Utilities → Landsat

Pengujian beberapa indeks vegetasi dilakukan dengan menggunakan citra

Indeks vegetasi dapat dijadikan indikator peristiwa kekeringan karena antara

Pilih Basic Tools → Preprocessing → Calibration Utilities → Landsat

Selanjutnya dilakukan koreksi atmosferik dengan cara melakukan

Formulasi tersebut di atas dalam software ENVI 4.5 diperoleh dalam

= ((B1-4,46) / (0.95*0.43)) – (0.05263*6,44) t1

= ((B1-4,09) / (0.95*0.50)) – (0.05263*6,00) t2

= ((B1-3,92) / (0.95*0,52)) – (0.05263*5,80) t3

= ((B1-4,64) / (0.95*0.41)) – (0.05263*6,67) t4

Formulasi tersebut di atas menggunakan nilai emisivitas standar 0.95

Formulasi tersebut di atas dalam software ENVI 4.5 diperoleh dalam

Dari hasil analisis kekeringan di lapangan dan dari hasil analisis

c. Analisis data di lapang dengan nilai NDVI dan LST

Pilih menu art toolbox index reclassify (masukkan data yang

HASIL DAN PEMBAHASAN

Identifikasi Kekeringan di Lapangan

Dari hasil pengamatan lapang didapatkan contoh sebanyak 140 titik.

Gambar 2. Peta titik-titik contoh pengamatan lapang

a. Tidak Kering b. Agak Kering

c. Kering d. Kering Sekali

Gambar 4. Irigasi persawahan daerah penelitian

Dari gambar di atas dapat dibandingkan bahwa kekeringan di setiap daerah

Rata-rata jumlah curah hujan

Gambar 5. Grafik curah hujan Kabupaten Bekasi tahun 2014

Kondisi NDVI Daerah Penelitian

Analisis NDVI dilakukan pada citra Landsat-7 multitemporal, yaitu dari

NDVI Tahun 2000 NDVI Tahun 2005

NDVI Tahun 2010 NDVI Tahun 2014

Analisis Statistika Nilai NDVI

Gambar 7. Boxplot NDVI tidak kering

Gambar8. Boxplot NDVI agak kering

Gambar 9. Boxplot NDVI kering

Gambar 10. Boxplot NDVI kering sekali

Kondisi LST Daerah Penelitian

= ((B1-4,46) / (0.950.43)) – (0.052636,44) t1

= ((B1-4,09) / (0.950.50)) – (0.052636,00) t2

= ((B1-3,92) / (0.950,52)) – (0.052635,80) t3

= ((B1-4,64) / (0.950.41)) – (0.052636,67) t4