ANALISIS LAND SURFACE TEMPERATURE (LST), HILLSHADE, DAN SLOPE

PADA KAWASAN GUNUNG SINABUNG, KABUPATEN KARO, SUMATERA UTARA

Nursyafira
Teknik Geofisika, Fakultas Teknik, Universitas Syiah Kuala
nursyafira200400@gmail.com

PENDAHULUAN abu vulkanis. Pada tahun 2010, letusan

terbesar pada 7 September dengan lontaran
Indonesia merupakan negara yang
debu vulkanik hingga 5.000 meter ke udara.
dikenal dengan gunung api aktif terbanyak
Gunung Sinabung awalnya merupakan
didunia, ± 127 gunung api yang terbentang
gunung api tipe B hingga berubah menjadi
dari Sabang sampai Merauke. Sekitar 84
tipe A. Hal ini dikarenakan akibat
gunung api aktif di Indonesia yang salah
peningkatan aktivitas gunung Sinabung pada
satunya berada di Provinsi Sumatera Utara
tahun 2010 lalu yang membuat tipe gunung
yaitu gunung Sinabung (Sukarman dan Ali
api ini berubah menjadi tipe-A hingga
Dariah, 2015).
sekarang (BNBP, 2013).
Gunung Sinabung merupakan salah satu
Erupsi gunung Sinabung mengeluarkan
gunung di daratan tinggi Kabupaten Karo,
abu vulkanis, melepaskan gas lava dan
Sumatera Utara, Indonesia. Dengan
material piroklastik. Selain itu, material
koordinat puncak gunung Sinabung adalah
piroklastik menutupi rumah-rumah
03ᵒ10’16.7” LU dan 98ᵒ23’24,66” BT dan
penduduk, jalan raya dan lahan pertanian,
2.460 m d.p.l merupakan puncak tertinggi
(Sukarman dan Suparto, 2015). Dampak dari
dari gunung Sinabung. Gunung Sinabung
erupsi gunung sinabung yaitu tertutupnya
termasuk kedalam tipe gunung api strato
lahan pertanian, hutan, semak belukar dan
dengan bentuk kerucut yang relatif
lahan terbangun, dengan demikian terjadi
sempurna. Terbentuknya gunung Sinabung
perubahan tutupan lahan.
pada tepian barat laut patahan cekungan
Toba tua. Garis patahan strike slip Penginderaan jauh melalui data dan
mengiringi sepanjang batas bagian Barat teknologi yang ditawarkan mampu
Toba, yang bagian atasnya terbentuk gunung melakukan deteksi dan pemetaan mengenai
Sinabung menerus ke Timur Laut hingga sebaran area yang terkena dampak letusan
gunung Sibayak (Sutawijaya et al., 2013). gunung berapi dengan memanfaatkan
teknologi ektraksi data. Data penginderaan
Aktivitas gunung Sinabung terjadi pada
jauh yang dapat menampilkan informasi
tanggal 7 April 2010 - 27 Agustus 2010,
luasan area terdampak bencana gunung
gunung Sinabung mengeluarkan asap dan
berapi ialah data satelit landsat. Data
penginderaan jauh yang digunakan kali ini emisivitas dengan memperhitungan
adalah Citra Landsat 8. Citra ini merupakan Normalize Difference Vegetation Index
kategori citra dengan resolusi menengah (NDVI). Selanjutnya barulah data DEM
dengan jenis data multispektral yang terdiri SRTM yang sudah di download di-overlay
dari sensor Onboard Operational Land peta LST yang sudah dibuat. Adapun
Imager (OLI) dan Thermal Infrared Sensor tahapan melakukan proses pengolahan citra
(TIRS). Citra multispektral ini merupakan digital adalah sebagai berikut :
citra yang terdiri atas sejumlah spektrum a. Pengolahan awal
(Arifin dan Lestriandoko, 2003).
Langkah awal yang dilakukan terhadap
Satelit landsat awalnya hanya terdiri dari
data citra Landsat 8 adalah melalukan
landsat 1-5. Namun, saat ini sudah mencapai
deteksi awan dan kabut. Kemudian
Landsat 8 dengan jumlah band yang ikut
dilanjutkan dengan melakukan koreksi
mengalami perkembangan. Data pada
radiometrik. Koreksi radiometrik dilakukan
landsat 8 yang sering digunakan mengalami
untuk menghilangkan ganguan yang
perkembangan. Data pada Landsat 8 yang
ditimbulkan oleh kesalahan sistem optik
sering digunakan umumnya masih memiliki
pada sensor, gangguan atmosfer, dan
banyak noise baik berupa efek ketebalan
pengaruh sudut elevasi matahari. Kalibrasi
awan maupun faktor lainnya. Untuk
radiometrik untuk mengubah data pada citra
mengatasi hal tersebut maka perlu dilakukan
yang disimpan dalam bentuk digital number
beberapa koreksi salah satunya koreksi
(DN) menjadi nilai reflektansi dengan
radiometric. Tahapan selanjutnya yang
koreksi sudut matahari.
dilakukan adalah penggabungan beberapa
band atau komposit band.

Tujuan dilakukannya komposit band ini

adalah untuk mempermudah dan
memperjelas kenampakan suatu objek dalam
identifikasi pada citra satelit.
METODE PENELITIAN
Data penilitian yang digunakan adalah
data DEM SRTM yang di download dari
halaman http://tides.big.go.id/DEMNAS/
dan Citra Landsat 8 perekaman 5 Februari
2018 yang didapat dengan mengunduh
langsung melalui
www.earthexplorer.usgs.gov. pengolahan
data yang pertama kali dilakukan ialah
menentukan sebaran suhu permukaan tanah
atau LST (Land Surface Temperature) pada
wilayah tersebut menggunakan metode
dimana Mρ adalah faktor skala pengali
reflektansi pada kanal yang terdapat pada
metadata, Qcal adalah nilai DN tiap piksel,
Aρ adalah faktor skala penjumlah reflektansi
pada kanal yang terdapat pada metadata dan
θSE adalah sudut elevasi matahari.
b. Perhitungan Emisivitas
Nilai emisivitas diperoleh dengan
memperhitungkan Normalized Difference
situs
Vegetation Index (NDVI). NDVI adalah
rasio yang digunakan untuk menyatakan
seberapa rapat vegetasi di suatu daerah.
Nilai ini berkisar antara -1 sampai +1. Nilai
-1 berkorelasi dengan objek air dan objek
yang mengandung air, nilai 0 berkorelasi
dengan objek tanah dan nilai +1 berkorelasi
dengan objek vegetasi. Nilai NDVI dihitung
dari kanal 4 visible red reflectance (Rred)
dan kanal 5 Near Infra Red relectance
(RNIR) menggunakan persamaan :
Selanjutnya untuk melihat persentasi
proyeksi vertikal dari tutupan lahan
bervegetasi di suatu daerah dapat dilakukan
dengan menghitung fraksi vegetasi
menggunakan persamaan berikut :
dimana NDVI adalah nilai NDVI pada tiap
piksel, NDVIS dan NDVIV
merepresentasikan nilai NDVI dari vegetasi
dan tanah. Nilai dari fraksi vegetasi berkisar
antara 0 sampai 1.
Selanjutnya hasil tersebut dimasukkan
dalam rumus emisivitas sebagai berikut :
Pada persamaan tersebut terdapat variable m
dan variable n. Menurut Sobrino,dkk (2004)
variable m dan n diperoleh melalui
perhitungan emisivitas tanah dan emisivitas
vegetasi dimana didapatkan nilai masing-
masing sebesar 0,004 dan 0,986.
c. Perhitungan Land Surface Temperature
Nilai suhu permukaan tanah dihitung
dengan mengolah citra TIRS yaitu kanal 10
dan kanal 11. Namun untuk dapat
menghitungnya, nilai DN pada setiap kanal
terlebih dahulu diubah menjadi nilai
radiance menggunakan persamaan berikut :
dimana ML adalah faktor skala pengali
radiance pada kanal (tercantum pada
metadata), Qcal adalah nilai DN tiap piksel
dan AL adalah faktor skala penjumlah
radiance pada kanal (tercantum pada
metadata).
Langkah selanjutnya adalah mengubah nilai
radiance menjadi kecerahan temperature
(Bright Temperature) dengan persamaan
berikut :
dimana Lλ adalah spektral radiance kanal
termal, K1 dan K2 adalah konstanta konversi
termal Nilai konstanta konversi temal pada
tiap kanal TIRS. Selanjutnya menggunakan
persamaan LST untuk mencari nilai
persebaran temperature pada daerah
tersebut.
Dimana LST adalah nilai suhu permukaan,
BT adalah nilai brightness temperature yang
telah diperoleh melalui persamaan 3.7
sebelumnya, λ adalah nilai rata-rata panjang
gelombang pada band 10 yakni bernilai 10,8
µm. Adapun variable P diperoleh melalui
perhitungan matematis yakni h x c /s dimana
h merupakan konstanta Planck dengan nilai
(6,626 x 10-34 Js), c merupakan nilai
kecepatan cahaya dengan nilai (2,998 x 108
m/s) dan s merupakan nilai konstanta
Boltzmann dengan nilai (1,38 x 10-23 J/K).
Berdasarkan perhitungan matematis
tersebut maka didapatkan nilai variabel P
sebesar 14380 µmK
d. Membuat peta kemiringan lereng dari
DEM
Setelah mengunduh data DEM model
SRTM dari website yang tersedia, ada
beberapa koreksi yang harus dilakukan
untuk mengolah data topografi yang tersedia
sebagai berikut :
HASIL DAN PEMBAHASAN
a. Peta persebaran suhu Land Surface Temperature (LST) dan Slope pada daerah Gunung Api
Sinabung, Kec. Karo, Sumatera Utara.
 Cari tools Fill lalu input data SRTM
didalamnya
 Kemudian tentukan raster yang akan di
potong lewat tools Arctoolbox, lalu pilih
extract by mask
 Selanjutnya buat kemiringan lerengnya
dengan masuk ke toolbox, lalu pilih 3D
Analyst Tools>Raster surface>Slope.
Sehingga akan terbentuk raster baru
dengan tampilan berdasarkan kemiringan
lereng.
 Selanjutnya kita dapat membagi rentang
nilai kemiringan sesuai dengan yang
diminta.
 Gambar 1. Peta persebaran suhu dan kemiringan lereng

Peta diatas bersumber dari citra Landsat
8 perekaman Februari, 2018 dengan
pengolahan menggunakan LST (Land
Surface Temperature). Dari gambar ini
terlihat pula variasi persebaran suhu
yang berbeda di berbagai kawasan
Karangasem daerah Bali, dimana dapat
dilihat bahwa suhu minimum terdapat di
seputaran kawah Gunung Api Agung,
Bali. Hal ini mengindikasikan bahwa
daerah bervegatasi cenderung memiliki
suhu yang rendah sedangkan daerah
dengan lahan terbuka dan pesisir pantai
cenderung memiliki suhu yang tinggi
seperti yang ditunjukkan pada peta
diatas. dari gamabar tersebut dapat
dilihat pula bahwa daerah disekitar
lereng gunung Api memiliki nilai Slope/
kemiringan lereng yang tinggi. Ini
mengindikasikan bahwa daerah tersebut
berpotensi untuk mengalami longsor.
Selain itu, daerah dengan nilai
kemiringan yang cenderung rendah
merupakan daerah yang datar sampai
landai merupakan daerah dataran banjir.

b. Peta Slope dan Hillshade pada kawasan Gunung Api Sinabung, Kec. Karo, Sumatera
Utara.

Gambar 2. Peta Slope dan Hillshade

 Sukarman dan Suparto. 2015.
Dari gambar terlihat bahwa adanya Sebaran dan Karakteristik Material
perbedaan topografi pada daerah Vulkanik Hasil Erupsi Gunung
kawasan gunung Api Sinabung Kec. Sinabung di Sumatera Utara.
Karo, Sumatera Utara. Data hasil ini ResearchGate. Peneliti Badan
diperoleh melalui hasil koreksi Litbang Pertanian di Balai Besar
Hillshade untuk mendapatkan hasil Litbang Sumberdaya Lahan
topografi pada daerah tersebut. Pertanian. ISSN 1410-7244. Bogor.
Indonesia.
DAFTAR PUSTAKA
Sutawijaya, I. S., O. Prambada, D. A.
Arifin, A. Z., dan Lestriandoko, N.
Siregar. 2013. The August 2010
H. (2003). Kompresi Citra
Phreatic Eruption of Mount
Penginderaan Jauh Multispektral
Sinabung, North Sumatra.
Berbasis Clustering dan Reduksi
Indonesian Journal of Geology, 8, 1:
Spektral. Jurnal Teknologi
55-61.
Informasi.
BNPB. 2013. GEMA BNPB;
Ketangguhan Bangsa Dalam
Menghadapi Bencana. ISSN 2088-
6527. Desember 2013 Vol. 4 No.3.
Huete, A., K. Didan, W.V. Leeuwen,
T. Miura, and E. Glenn. 2011.
MODIS vegetation indices. Land
remote sensing and global
environmental change, 26:579-602.
doi: 10.1007/978 -1-4419-6749-
7_26.
Parman, Satyanta. 2010. Deteksi
Perubahan Garis Pantai Melalui Citra
Penginderaan Jauh di Pantai Utara
Semarang Demak. Jurnal Geografi,
Volume 7 No. 1 Januari2010,
Halaman 30– 38.
Sukarman dan Dariah Ai. 2015.
Tanah Andosol di Indonesia,
Karakteristik, Potensi, Kendala, dan
Pengelolaanya untuk Petanian.
Badan Penelitian dan Pengembangan
Petanian Kementrian Pertanian 2015.