Praktikum Pengolahan Citra Digital

Laboratorium Sistem Informasi Geografis dan Pengolahan Citra Digital

2020

ANALISIS EVI dan LST

Studi Kasus: Sebagian Wilayah Kabupaten Klaten
1)
Aditiya Lucky J.A, 2) Dhimas Priatmojo, 3) Indah Yulianti, 4) Khairunissa Ari N, 5) Kharimah
1)
E100170144, 2) E100170215, 3) E100170291, 4) E100170166, 5) E100170265
(Senin 9-10)

ABSTRAK
Kabupaten Klaten merupakan salah satu daerah yang terkena dampak kekeringan karena
kemarau panjang. Ancaman kekeringan akibat pengaruh iklim tidak dapat dihindari, tetapi dapat
diminimalkan dampaknya jika pola kekeringan di suatu daerah diketahui. Salah satu cara yang
dapat digunakan adalah dengan menggunakan aplikasi dari penginderaan jauh yaitu melalui
pengolahan dan analisis menggunakan yang menggunakan rasio antara Land Surface
Temperature (LST) dan Enhanced Vegetation Index (EVI) untuk mengkaji sebaran dan pola
kekeringan lahan Kabupaten Klaten, yang kemudian akan dihubungkan dengan karakteristik
wilayahnya untuk mengetahui keterkaitannya dengan kekeringan di Kabupaten Klaten. Hasil uji
menunjukkan bahwa karakteristik fisik lahan berpengaruh terhadap kejadian kekeringan lahan
pertanian di Kabupaten Klaten.
Kata Kunci : EVI, Kekeringan Lahan, LST.

ABSTRACT
Klaten Regency is one of the areas affected by drought due to long drought. The threat of
drought due to climate influence cannot be avoided, but the impact can be minimized if drought
patterns in an area are known. One method that can be used is to use remote sensing
applications through processing and analysis using a ratio between Land Surface Temperature
(LST) and Enhanced Vegetation Index (EVI) to study the distribution and drought patterns of
Klaten Regency land, which will then be linked with the characteristics of the region to find out
its relationship with the drought in Klaten Regency. The test results show that the physical
characteristics of the land affect the incidence of drought in agricultural land in Klaten
Regency.
Keywords: EVI, Land Drought, LST.

1. PENDAHULUAN
1.1 latar belakang
Meminimalisir dampak yang ditimbulkan beberapa bencana alam adalah hal yang
terbaik untuk dilakukan dalam menghadapi setiap bencana alam. Kekeringan merupakan
masalah serius yang harus dihadapi saat musim kemarau mulai muncul. Banyak tempat di
Indonesia yang mengalami masalah kekurangan air bahkan hingga mengalami kekeringan.
Dari prespektif kebencanaan, kekeringan diartikan sebagai bencana kekurangan curah hujan
dalam periode waktu tetentu (misalnya, dalam satu musim atau lebih) yang menyebabkan
kekurangan air untuk berbagai kebutuhan (UN-ISDR, 2009). Pada umumnyabencana
kekeringan tidak dapat diketahui kapan mulanya, akan tetapi dapat dikatakan kekerinagan
jika air sebagai kebutuhan utama sudah mulai sulit untuk ditemukan. Kerusakan lahan dan
kerugian yang ditimbulkan akibat adanya kekeringan sangat luas selain itu juga dapat
merugikan secara ekonomi yang cukup besar.
Secara umum kekringan dapat dilihat dari beberapa aspek yakni hidrometeorologi,
pertanian, dan hidrologi(Wilhite, 2010). Dari aspek hidrometeorologi, kekeringan timbul
yang disebabkan oleh bekurangnya curah hujan dalam periode tertentu. Dari aspek
pertanian dinyatakan jika kekeringan terjadi akibat lengas tanah berurang, sehingga
tanaman pun akan kekurangan pasokan air. Lengas tanah (soil moisture) merupakan
parameter yang menentukan potensi produksi tanaman. Ketersediaan lengas tanah juga

1
 Praktikum Praktikum Pengolahan Citra Digital
2020

berkaitan erat dengan tingkat kesuburan tanah. Sedangkan secara hidrologi kekeringan
ditandai dengan berkurang-nya air pada waduk, sungai dan danau. (Nalbantis et al,. 2008)
Bencana kekeringan di Kabupaten Klaten sudah berulangkali terjadi, sehingga hapir setiap
tahun beberapa daerah di Klaten mengalami kekeringan. Kurangnya pengetahuan
masyarakat terhadap bahaya bencana disekitarnya menjadikan tingkat kerentanan bendaca
dan kapasitas masyarakat dalam merespon bencana sangat rendah.
Peningkatan jumlah penduduk yang meningkat setiap tahunnya menyebabkan
terjadinya pemborosan pada air, yang mana air adalah kebutuhan utama makhluk hidup,
terutama manusia yang banyak mengguanakan air untuk kebutuhan sehari-hari. Kestabilan
air yang berada di beberapa daerah di Klaten dapat dijadikan acuan bagi kecamatan-
kecamatan yang lain, agar dapat mengolah air sedemikian rupa dan mempersiapkan rencana
penanganan jika terjadi kekeringan. Kondisi tersebut mendesak penggunaan pengetahuan
dan teknologi terkini,yaitu penginderaan jauh. Tujuannya adalah mengetahui estimasi air
yang berada di Kabupaten Klaten. Penelitian ini memanfaatkan Citra Landsat 8 sebagai
sumber data utama untuk menuju hasil akhir. Penggunaan citra landsat 8 ini
ditransformasikan dengan menggunakan algoritma Enhanced Vegetation Index (EVI) dan
Land Surface Temperature (LST), yang kemudian hasil dari transformasi tersebut diperoleh
data dengan informasi niali EVI dan LST didalamnya. Nilai-nilai tersebut yang terdapat
pada tiap piksel inilah yang nantinya digunakan sebagai bahan pengambilan sampel untuk
memperoleh hubungan terbaik dalam mengetahui tingkat kekeringan.

1.2 Tujuan
1. Untuk mengetahui kerapatan dan kerenggangan suatu lahan di Kabupaten Klaten
dengan menggunakan metode Transformasi EVI
2. Mengidentifikasi temperatur suhu tahan di Kabupaten Klaten dengan menggunakan
metode transformasi LST

1.3 Rumusan Masalah

1. Bagaimana cara mengetahui kerapatan dan kerenggangan lahan menggunakan
metode transformasi EVI ?
2. Cara apa yang perlu dilakukan dalam mengidentifikasi temperatur suhu tanah ?
2. METODE
Penentuan lokasi penelitian dengan cara menginterpretasi citra landsat 8 yang
didapatkan melalui USGS. Hal yang diteliti dalam citra adalah wilayah yang memiliki ciri
bentuk lahan asal karst yang mana bentuk lahan ini memiliki banyak vegetasi yang tumbuh pada
permukaan lahanya dan juga karena daerah dengan bentuk lahan karst banyak memiliki sungai-
sungai bawah tanah. Berdasarkan pernyataan tersebut maka metode yang digunakan yaitu
metode EVI dan juga LST yang dikarenakan untuk mengetahui indeks vegetasi serta suhu
permukaan yang dapat mengindikasikan tingkat kekeringan pada wilayah tersebut.
EVI atau Enchanced Vegetation Indeks merupakan metode yang digunakan untuk mengetahui
nilai atau indeks vegetasi yang berada pada suatu citra, nilai pada EVI hanya berkisar dari -1
hingga 1. Adapun formula yang digunakan pada algoritma EVI adalah

EVI = G * ………….

Dimana:
NIR : Nilai band inframerah dekat
Red : Nilai band merah
L : Faktor Kalibrasi tanah, bernilai 1
C1 : Faktor untuk mengatasi aerosol, bernilai 6
C2 : Faktor untuk mengatasi aerosol, bernilai 7,5

10
 Praktikum Pengolahan Citra Digital
Laboratorium Sistem Informasi Geografis dan Pengolahan Citra Digital
2020

Meski demikian EVI tidak dapat mengevaluasi citra vegetasi yang tertutup bayangan.
Citra yang tertutup bayangan akan mengalami penurunan niali pixel pada saluran merah dan
biru, LST atau Land Surface Temperatur merupakan salah satu metode yang digunakan dalam
menganalisis suhu permukaan darat melalui gelombang thermal. Algoritma yang digunakan
adalah Monowindow Brightness Temperature . data yang digunakan dalam LST yaitu band 10
lalu memasukkan formula konversi radian spectral menjadi kelvin, yaitu:

Tb = …………….

Dimana:
Tb : Brightness Temperature Satelit
K1 : Konstanta Kalibrasi Radian Spectral
K2 : Konstanta Kalibrasi Suhu Absolut (K)
L_λ : Radian Spectral Konversi Suhu dalam satuan Kelvin menjadi celcius:
TCelcius = T Kelvin -273
Klaifikasi suhu rata-rata di Indonesia
No Kelas Nilai Keterangan
1. Kelas 1 20° - 24°C Rendah
2. Kelas 2 25° - 30°C Normal
3. Kelas 3 31° - 35°C Tinggi

1
 Praktikum Praktikum Pengolahan Citra Digital
2020

3. HASIL DAN ANALISIS.

3.1. Sub Bab 1
Perkembangan teknologi penginderaan jauh telah dimanfaatkan dalam berbagai bidang.
Dengan data satelit pemantauan vegetasi dapat dilakukan secara tepat dan efisien. Penelitian
kali menggunakan model tranformasi LST (Land Suface Temperature) dan EVI ( Enhanced
Vegetation Index). Daerah dalam penelitian ini adalah daerah Klaten.
Berdasarkan hasil EVI daerah Klaten menunjukkan bahwa indeks vegetasi terdiri dari 5
kelas dimana kelas yang pertama sangat renggang dengan nilai 202. 885.461 meter, renggang
sedang 196.111.254 meter, renggang 148.010.642 meter, rapat 105.932.490 meter, dan sangat
rapat dengan nilai 46.666.099 meter. Pegklasifikasian dibagi menjadi 5 kelas agar mudah dalam
menganalisa tingkat kehijauan di setiap objek tutupan lahan. Vegetasi sangat renggang ditandai
dengan warna hijau tua dominasi pemukiman, vegetasi renggang sedang ditandai dengan warna
hijau muda , vegetasi renggang ditandai dengan warna kuning dominasi lahan pertanian,
vegetasi rapat ditandai dengan warna orange dominasi semak atau perkebunan dan sangat rapat
ditandai dengan warna merah dominasi hutan.

10
 Praktikum Pengolahan Citra Digital
Laboratorium Sistem Informasi Geografis dan Pengolahan Citra Digital
2020

EVI ( Enhanced Vegetation Index) lebih rentan terhadap pengaruh komposisi aerosol
atmosfir dan pengaruh variasi warna tanah. Agar tahan terhadap distorsi atmosfer, EVI
menggunakan informasi kanal cahaya biru. Penggunaan indeks vehetasi EVI ini mampu
meminimalisasi gangguan awan. Selain lebih tahan terhadap gangguan atmosfir algoritma EVI
ini juga dirancang untuk lebih tahan terhadap gangguan warna tanah.

1
 Praktikum Praktikum Pengolahan Citra Digital
2020

Model transformasi LST dan EVI ini berbeda karena model transformasi LST ini
merupakan keadaan yang dapat dikendalikan oleh keseimbangan energy permukaan, atmosfer
sifat thermal dari permukaan dan media bawah permukaan tanah. Temperatur permukaan
wilayah dapat diidentifikasi melalui citra satelit Landsat yang diekstrak melalui band thermal
sedangkan EVI merupakan optimalisasi indeks yang dirancang untuk menigkatkan sinyal
vegetasi dengan sensitivitas yang ditingkatkan dalam daerah biomassa tinggi dan pemantauan
vegetasi ditingkatkan memlalui de-coupling dari sinyal latar belakang kanopi dan mengurangi
pengaruh atmosfer. Algortima terbaik untuk mementukan indeks vegetasi yakni dengan
menggunakan EVI.
Keberadaan areal bervetasi didaerah perkotaan memberikan kontribusi utama dalam
peningkatan kualitas lingkungan yang lebih baik. Vegetasi mampu dalam menyerap panas dari
radiasi matahari serta memantulkannya sehingga menurunkan suhu mikroklimat. Vegetasi juga
dapat mengurangi kecepatan angin, membantu mengurangi kebisingan, udara panas serta polusi.
Bentuk penutupan lahan yang angat mempengaruhi naiknya suhu permukaan adalah areal
terbangun sebaliknya tutupan vegetasi cenderung menurunkan suhu suhu permukaan.
Keberadaan ruang terbuka hjau sangat diperlukan bagi wilayah perkotaan. Selain
menambah estetika dan keasrian kota ruang terbuka hijau juga berfungsi untuk menciptakan
iklim mikro yang lebih sejuk, menjaga keseimbangan oksigen dan karbondioksida serta
membnatu mempertahankan ketersediaan air tanah. Dampak yang dirasakan apabila kerapatan
vegetasi berkurang yakni peningkatan suhu,penurunan keragam hayati dan lain sebagainya
sehingga diperlukan penelitian lebih lanjut. Penggunaan citra satelit untuk mendeteksi
penggunaan lahan cukup banyak digunakan karena memiliki cakupan wilayah yang luas dan
waktu yang dibutuhkan singkat. Data citra satelit memiliki resolusi spasial, temporal maupun
spectral yang berbeda-beda sehingga dalam aplikasinya penggunaan data tersebut dapat
disesuaikan dengan kebutuhan informasi. Pemanfaatan data citra satelit untuk penggunaan
tutupan lahan telah berkembang dengan baik tetapi tetap menjadi kecenderungan akan
kebutuhan informasi yang lebih detail.
3.2. Sub Bab 2
Pada model transformasi LST ini merupakan keadaan yang dapat dikendalikan oleh
keseimbangan energy permukaan, atmosfer sifat thermal dari permukaan dan media bawah
permukaan tanah. Peta sebaran suhu permukaan merupakan hasil pengolahan citra satelit
sehingga menghasilkan berbagai warna berbeda yang menggambarkan suatu besaran suhu
tertentu. Setiap objek yang berda di permukaan bumi memiliki panas masing-masing. Panas
tersebut dipancarkan oleh masing-masing objek dan diterima oleh sensor citra satelit.

10
 Praktikum Pengolahan Citra Digital
Laboratorium Sistem Informasi Geografis dan Pengolahan Citra Digital
2020

Dalam pengolahan sebaran suhu permukaan perlu dilakukan koreksi atmosferik. Hal ini
dikarenakan nilai radiansi yang diterima sensor tidak hanya berasal dari interaksi energi
matahari dan obyek, melainkan juga terpengaruh oleh atmosfer. Pengaruh atmosfer ini dapat
menyebabkan distorsi dan menyebabkan nilai radiansi yang dipancarkan tidak mencerminkan
nilai sebenarnya. Hasil pengolahan menunjukan bahwa suhu permukaan pada tahun 2020
cenderung berdominasi lebih tinggi yaitu sekitar 30º-34º. Rentang suhu yang tersebar diseluruh
kecamatan adalah pada rentang 26ºC-27ºC. Indeks vegetasi merupakan salah satu parameter
yang paling berpengaruh dalam identifikasi kekeringan lahan. Dalam memantau kondisi
tanaman pangan, juga perlu diamati tingkat kehijauan vegetasi yang menjadi salah satu
parameter yang digunakan untuk mengetahui keadaan vegetasi suatu daerah. Dari tingkat
kehijauan vegetasi ini dapat dilihat pola perubahan kehijauan tanaman, kondisi berserta kondisi
air pada wilayah yang dikaji. Perbedaan ini dapat digunakan untuk menganalisis tingkat
kekeringan lahan pada tiap-tiap area. Jika dilihat dari sebaran vegetasi Kabupaten Klaten
cenderung meningkat. Hal ini diasumsikan karena pada citra menampilkan vegetasi tertinggi
dan kelas vegetasi yang cukup rapat. Kekeringan lahan di Kabupaten Klaten hampir terjadi
setiap tahun walaupun jumlah kejadian dan luasan kekeringan yang terjadi tidak sama setiap
tahunnya. Dari hasil pengolahan data citra didapatkan hasil yang bervariasi, dimana tidak semua
kecamatan mengalami semua tingkat kekeringan. seperti kekeringan dengan tingkat sangat berat
hanya terjadi di wilayah tertentu saja. Selanjutnya hasil luas kekeringan lahan pertanian akan
dianalisis setiap tahunnya. Dari hasil penyajian secara grafis pola perubahan luas kekeringan
lahan dapat dianalisis bahwa terbentuk suatu pola yang sama pada setiap fase kekeringan di
Kabupaten Klaten.

4. KESIMPULAN
1. Berdasarkan hasil EVI daerah Klaten menunjukkan bahwa indeks vegetasi terdiri dari 5
kelas yakni vegetasi sangat renggang, renggang sedang, renggang, rapat dan sangat
rapat.

1
 Praktikum Praktikum Pengolahan Citra Digital
2020

2. EVI ( Enhanced Vegetation Index) lebih rentan terhadap pengaruh komposisi aerosol
atmosfir dan pengaruh variasi warna tanah.
3. Algortima terbaik untuk mementukan indeks vegetasi yakni dengan menggunakan EVI.
4. Dampak yang dirasakan apabila kerapatan vegetasi berkurang yakni peningkatan
suhu,penurunan keragam hayati dan lain sebagainya sehingga diperlukan penelitian lebih
lanjut.
5. Pemanfaatan data citra satelit untuk penggunaan tutupan lahan telah berkembang dengan
baik
6. model transformasi LST ini merupakan keadaan yang dapat dikendalikan oleh
keseimbangan energy permukaan, atmosfer sifat thermal dari permukaan dan media
bawah permukaan tanah.
7. Hasil pengolahan menunjukan bahwa suhu permukaan pada tahun 2020 cenderung
berdominasi lebih tinggi yaitu sekitar 30º-34º. Rentang suhu yang tersebar diseluruh
kecamatan adalah pada rentang 26ºC-27ºC.
8. Kekeringan lahan di Kabupaten Klaten hampir terjadi setiap tahun walaupun jumlah
kejadian dan luasan kekeringan yang terjadi tidak sama setiap tahunnya. Dari hasil
pengolahan data citra didapatkan hasil yang bervariasi, dimana tidak semua kecamatan
mengalami semua tingkat kekeringan.

10
 Praktikum Pengolahan Citra Digital
Laboratorium Sistem Informasi Geografis dan Pengolahan Citra Digital
2020

Referensi
Jurnal, Bulletin, dan Majalah Ilmiah
[1] Masi M, Gobbato P. Measure of the volumetric efficiency and evaporator device
performance for a liquefied petroleum gas spark ignition engine. Energy Conversion and
Management. Elsevier Ltd; 2012; 3(60):18–27.
[2] Price P, Guo S, Hirschmann M. Performance of an evaporator for a LPG powered vehicle.
Applied Thermal Engineering. 2004; 24(8):1179–94.
[3] Alahmer A. Thermal analysis of a direct evaporative cooling system enhancement with
desiccant dehumidification for vehicular air conditioning. Applied Thermal Engineering.
2016; 9(8):1273–85.
Proceedings
[4] Shah RK. Automotive Air-Conditioning Systems – Historical Developments, The State of
Technology and Future Trends. In: Proceedings of the 3rd BSME-ASME International
Conference on Thermal Engineering. Dhaka; 2006. p. 20–32.
[5] Aiman A, Haziqah A, Nasution H, Abdul A, Rozi M, Perang M, et al. Efficient and “
Green ” Vehicle Air Conditioning System using Electric Compressor. In: Energy Procedia.
Elsevier B.V.; 2014. p. 270–273.

Buku
[6] Çengel YA, Boles MA. Thermodynamics: an engineering approach. Sixth Edition.
Singapore: McGraw-Hill; 2007. 1-978.

Tesis, Disertasi
[7] Zainal BZ, Mustafa A, Hanapi M. Heat And Mass Transfer Studies In Liquefied Petroleum
Gas Storage Operations. Universiti Teknologi Malaysia; 2006.
[8] Berry IM. The Effects of Driving Style and Vehicle Performance on the Real-World Fuel
Consumption of U.S. Light-Duty Vehicles. Massachusetts Institute of Technology; 2010.
[9] Munir, M.M, 2015. Analisis Pola Kekeringan Lahan Pertanian Di Kabupaten Kendal
dengan Menggunakan Algoritma Thermal Vegetation Index Dari Citra Satelit Landsat
8 Terra. Semarang: Universitas Diponegoro
[10] Purwadi, I., 1999. Penginderaan Jauh. Yogyakarta : UGM Press
[11] Daruati, D. 2013. Pola Wilayah Kekeringan Lahan Basah (Sawah) di Propinsi Jawa Barat.
Jakarta: Departemen Geografi FMIPA Universitas Indonesia.

Website
[12] European Committee for Standardization. CEN - EN 589 - Automotive fuels - LPG -
Requirements and test methods. 2008. [cited 2017 Jan 6]. Available from:
http://standards.globalspec.com/std/1517884/cen-en-589

LAMPIRAN

1
 Praktikum Praktikum Pengolahan Citra Digital
2020

LANGKAH KERJA

Membuat peta LST

1. Memotong citra dengan batas wilayah yang akan menjadi kajian, dengan klik Arctoolbox >
Extraction > Extrac by mask > memasukan citra dan batas wilayah yang akan di potong >
simpa dalam bentuk gdb.

2. Mengonversi DN ke TAR ( Top of Atmospheric Radiance ), dengan berdasarkan nilai

Radiance_Mult_Band10, Radiance_Add_Band10 dan Radiance_Mult_Band11,
Radiance_Add_Band11, dengan klik Arctoolbox > spatial analyst tool > Map Algebra >
Raster Calculator > simpan dalam bentuk gdb. Melakukan langkah yang sama pada band 11

3. Mengonversi band radiance ke satelite brightness temperature, dengan menggunakan data

K1_Constant_Band 10 dan K2_Constant_Band11, dengan klik Arctoolbox > spatial analyst
tool > Map Algebra > Raster Calculator > simpan dalam bentuk gdb. Melakukan langkah
yang sama pada band 11

10
 Praktikum Pengolahan Citra Digital
Laboratorium Sistem Informasi Geografis dan Pengolahan Citra Digital
2020

4. Mencari NDVI dengan klik Arctoolbox > spatial analyst tool > Map Algebra > Raster
Calculator > simpan dalam bentuk gdb.

5. Menghitung PV dengan klik Arctoolbox > spatial analyst tool > Map Algebra > Raster
Calculator > simpan dalam bentuk gdb.

1
 Praktikum Praktikum Pengolahan Citra Digital
2020

6. Menghitung nilai Emisivitas (E) dengan klik Arctoolbox > spatial analyst tool > Map
Algebra > Raster Calculator > simpan dalam bentuk gdb.

7. Mengonversi nilai dari Temperature Satelit menjadi Temperatur Permukaan Tanah (LST),
Arctoolbox > spatial analyst tool > Map Algebra > Raster Calculator > simpan dalam
bentuk gdb.

10
 Praktikum Pengolahan Citra Digital
Laboratorium Sistem Informasi Geografis dan Pengolahan Citra Digital
2020

8. Mencari nilai rata – rata LST dari band 10 dan band 11, dengan klik Search > Cell Statistics
> Input raster LST_10 dan LST_11 > simpan dalam bentuk gdb.

9. Melayout hasil dari LST

1
 Praktikum Praktikum Pengolahan Citra Digital
2020

Membuat peta EVI

1. Memotong citra dengan batas wilayah yang akan menjadi kajian, dengan klik Arctoolbox >
Extraction > Extrac by mask > memasukan citra dan batas wilayah yang akan di potong >
simpa dalam bentuk gdb.

2. Mencari NDVI dengan klik Arctoolbox > spatial analyst tool > Map Algebra > Raster
Calculator > simpan dalam bentuk gdb.

10
 Praktikum Pengolahan Citra Digital
Laboratorium Sistem Informasi Geografis dan Pengolahan Citra Digital
2020

3. Mencari nilai EVI dengan klik Arctoolbox > spatial analyst tool > Map Algebra > Raster
Calculator > simpan dalam bentuk gdb.

4. Melakukan layouting pada peta EVI

1
 Praktikum Praktikum Pengolahan Citra Digital
2020

10