TA 1308107010046 Ekaazizulyan
TA 1308107010046 Ekaazizulyan
TUGAS AKHIR
Oleh:
i
PENGESAHAN
Oleh:
Nama : Eka Azizulyan Simatupang
NPM : 1308107010046
Program Studi : Informatika
Menyetujui:
Mengetahui:
Dr. Teuku M.Iqbalsyah, S.Si, M.Sc Dr. Muhammad Subianto, S.Si, M.Si
NIP. 197110101997031003 NIP. 196812111994031005
Menyatakan dengan sesungguhnya bahwa Laporan Tugas Akhir saya dengan judul
seperti di atas adalah hasil karya saya sendiri bersama dosen pembimbing dan bebas
plagiasi.
Jika ternyata dikemudian hari terbukti bahwa Laporan Tugas Akhir merupakan hasil
plagiasi, saya bersedia menerima sanksi yang berlaku di Universitas Syiah Kuala.
iii
SURAT PERNYATAAN
Dengan ini menyatakan hasil penelitian Tugas Akhir yang berjudul: Pemanfaatan
ModelBuilder dalam Pembuatan Tools pada ArcGIS untuk Perhitungan Land
Surface Temperature (LST) Studi Kasus Kabupaten Aceh Barat, tidak
dipublikasikan hingga batas waktu 5 tahun.
Demikian surat pernyataan ini dibuat dengan sebenarnya untuk dapat dipergunakan
seperlunya.
Mengetahui:
iv
KATA PENGANTAR
v
Penulisan Tugas Akhir ini tentunya masih jauh dari sempurna, dan banyak
kekurangan baik dalam metode penulisan maupun dalam pembahasan materi.
Sehingga tugas akhir ini masih membutuhkan saran dan kritik yang bersifat
membangun, sehingga dapat memperbaiki segala kekuranganya.
vi
ABSTRAK
Land Surface Temperature (LST) merupakan salah satu indikator penting untuk
memahami perubahan suhu di permukaan bumi, yang merupakan fenomena penting
dalam perubahan iklim global. Banyak peneliti melakukan estimasi LST
menggunakan citra satelit. Proses analisis LST menggunakan remote sensing
dilakukan secara bertahap, diantaranya meliputi proses akusisi gambar, cropping,
koreksi radiometrik, perhitungan LST hingga overlay. Proses analisis bertahap
membutuhkan waktu yang tidak sedikit, serta terdapat kemungkinan ada tahapan yang
terlewat atau berulang. Pada penelitian ini dilakukan pembuatan tools menggunakan
ModelBuilder pada ArcGIS, ditujukan untuk: 1) Menghasilkan tools perhitungan Land
Surface Temperature di Kabupaten Aceh Barat; 2) Mengkaji perbedaan waktu
penggunaan tools dan proses tanpa menggunakan tools untuk menganalisis Land
Surface Temperature; 3) Mendapatkan skala usability tools perhitungan Land Surface
Temperature. Setelah tools perhitungan Land Surface Temperature dihasilkan,
dilakukan perhitungan waktu penggunaan tools dan tanpa menggunakan tools, serta
menentukan skala usability tools tersebut. Perhitungan waktu penggunaan dilakukan
oleh mahasiswa Informatika dan non Informatika masing-masing 20 orang (purposive
sampling), terdiri dari 10 orang melakukan perkiraan LST menggunakan tools, dan 10
orang lainnya melakukan perkiraan LST tanpa menggunakan tools. Pengujian
usability dilakukan oleh 30 orang responden pengguna tools yang dipilih secara acak,
dan pengumpulan data menggunakan kuesioner. Hasil pengujian analisis LST
menggunakan tools diperoleh rata-rata 5 menit pada ketegori mahasiswa Informatika
dan 6 menit pada mahasiswa non Informatika; tanpa menggunakan tools rata-rata 48
menit pada ketegori mahasiswa Informatika dan 52 menit pada mahasiswa non
Informatika. Tingkat usability diperoleh skor 85 (grade B) kategori acceptable.
Sehingga disimpulkan bahwa: 1) telah dihasilkan tools untuk perkiraan LST
Kabupaten Aceh Barat; 2) Perhitungan LST menggunakan tools lebih cepat dibanding
tanpa menggunakan tools; dan 3) Tools yang dihasilkan acceptable.
vii
ABSTRACT
Land Surface Temperature (LST) is one of the important indicators to determine the
temperature change in the earth surface, which is an important phenomenon in climate
change. Many researchers do LST estimation using satellite imagery. The LST analysis
process using remote sensing is carried out in stages, including image acquisition,
cropping, radiometric correction, LST Calculation and overlay. The gradual analysis
process requires a significant amount of time and there are possible steps that are
missed or repeated. In this study, the researcher made the tools using the
ModelBuilder in ArcGIS, which is intended to: 1) Producing tools for calculation Land
Surface Temperature in Aceh Barat; 2) Getting time difference between using tools
and without tools in analyzing Land Surface Temperature; 3) Getting the scale of
usability tools for calculation Land Surface Temperature. After the tools for estimating
land surface temperature were generated, counting the time of using and without using
the tools and the usability scale of the tools were carried out. Counting of usage time
was carried out by 20 Informatics and non Informatics students in each (purposive
sampling), consisted of 10 people were doing LST estimates using tools, and 10 others
were doing LST estimates without tools. Usability testing was conducted by 30
respondents who used randomly selected tools, and collected data using a
questionnaire. LST analysis test results using tools obtained an average of 5 minutes
for Informatic students and 6 minutes for non Informatic students; without using tools
an average of 48 minutes for Informatic students and 52 minutes for non Informatic
students. The usability level obtained score 85 (grade B) is acceptable. So, it can be
concluded that: 1) tools for estimating LST in Aceh Barat have been produced; 2) LST
calculation using tools is faster than without tools; and 3) Tools which produced are
acceptable.
viii
DAFTAR ISI
Halaman
Halaman Judul ..........................................................................................................i
Halaman Pengesahan .............................................................................................. ii
Pernyataan Bebas Plagiasi ..................................................................................... iii
Surat Penyataan.......................................................................................................iv
Kata Pengantar ......................................................................................................... v
Abstrak .................................................................................................................. vii
Abstract ................................................................................................................ viii
Daftar Isi .................................................................................................................ix
Daftar Gambar ........................................................................................................xi
Daftar Tabel ......................................................................................................... xiii
Daftar Lampiran ....................................................................................................xiv
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah .............................................................................. 1
1.2 Rumusan Masalah ........................................................................................ 3
1.3 Tujuan Penelitian ......................................................................................... 3
1.4 Manfaat Penelitian ....................................................................................... 3
BAB II TINJAUAN KEPUSTAKAAN
2.1 Informasi Geografis Kabupaten Aceh Barat ................................................ 4
2.2 Land Surface Temperature .......................................................................... 4
2.3 Citra Landsat 8 ............................................................................................. 7
2.3.1. Operational Land Imager (OLI) ........................................................ 7
2.3.2. Thermal InfraRed Sensor (TIRS) ...................................................... 8
2.3.3. NDVI (Normalized Difference Vegetation Index) ............................. 8
2.3.4. LSE (Land Surface Emissivity) .......................................................... 9
2.4 Sistem Informasi Geografis (SIG) ............................................................. 10
2.5 ArcGIS ....................................................................................................... 11
2.6 ArcToolbox................................................................................................. 12
2.7 ModelBuilder ............................................................................................. 12
2.7.1 Elemen ModelBuilder ...................................................................... 13
2.8 System Usability Scale (SUS) .................................................................... 15
2.9 Purposive Sampling ................................................................................... 16
2.10 Penelitian Terkait ....................................................................................... 17
BAB III METODE PENELITIAN
3.1. Tempat dan Waktu Penelitian .................................................................... 18
3.2. Alat dan Bahan........................................................................................... 18
3.2.1 Alat .................................................................................................. 18
3.2.2 Data (Bahan) .................................................................................... 18
3.3. Prosedur Penelitian .................................................................................... 19
ix
3.3.1. Identifikasi dan Merumuskan Masalah ............................................ 19
3.3.2. Studi Literatur .................................................................................. 19
3.3.3. Pengumpulan Data ........................................................................... 19
3.3.4. Perancangan dan Pembuatan Tools ................................................. 19
3.3.5. Evaluasi Penggunaan Tools ............................................................. 20
3.3.6. Penarikan Kesimpulan dan Saran .................................................... 20
BAB IV HASIL DAN PEMBAHASAN
4.1. Proses Perancangan Tools .......................................................................... 22
4.1.1. Parameter Land Surface Temperature ............................................. 22
4.1.2. Persiapan Data ................................................................................. 24
4.1.3. Perhitungan NDVI (Normalized Difference Vegetation Index) ....... 28
4.1.4. Perhitungan LSE (Land Surface Emissivity) ................................... 29
4.1.5. Koreksi Radiometrik........................................................................ 31
4.1.6. Perhitungan dan Klasifikasi Land Surface Temperature (LST) ...... 34
4.2. Implementasi Tools .................................................................................... 39
4.2.1. Tampilan Antarmuka tools Land Surface Temperature .................. 40
4.3. Tahap Evaluasi Tools ................................................................................. 41
4.3.1. Perbandingan Analisis Tools dan tanpa Tools ................................. 41
4.3.2. Evaluasi Waktu Penggunaan Tools ................................................. 43
4.3.3. Evaluasi System Usability Scale (SUS) ........................................... 45
4.4. Suhu permukaan tanah di Kabupaten Aceh Barat...................................... 46
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan ................................................................................................ 48
5.2. Saran .......................................................................................................... 48
DAFTAR PUSTAKA ........................................................................................... 49
LAMPIRAN ......................................................................................................... 52
x
DAFTAR GAMBAR
Halaman
Gambar 2.1 Taksonomi dari metode pemrosesan spektral ..........................................6
Gambar 2.2 Komponen GIS .......................................................................................11
Gambar 2.3 Kelompok software ArcGIS ...................................................................11
Gambar 2.4. Elemen ModelBuilder ............................................................................14
Gambar 2.5. Representasi Skor SUS ..........................................................................15
Gambar 3.1. Tahap Analisis Land Surface Temperature (LST).................................21
Gambar 4.1. Citra Landsat pathrow 130-057 (6 Juni 2017) .......................................23
Gambar 4.2 Citra Landsat pathrow 131-057 (16 Juni 2017) ......................................23
Gambar 4.3 Implementasi ModelBuilder untuk proses extract (Clip) ........................25
Gambar 4.4 Implementasi ModelBuilder untuk proses Mosaic .................................26
Gambar 4.5 Hasil Mosaic Citra Landsat untuk Band 4 (Red) ....................................26
Gambar 4.6 Hasil Mosaic Citra Landsat untuk Band 5 (NIR)....................................27
Gambar 4.7 Hasil Mosaic Citra Landsat untuk Band 10 (Thermal) ...........................27
Gambar 4.8. Implementasi ModelBuilder untuk proses Raster Calculator NDVI ....28
Gambar 4.9. Raster Calculator untuk parameter NDVI .............................................28
Gambar 4.10. Implementasi ModelBuilder untuk proses Raster Calculator LSE .....29
Gambar 4.11. Raster Calculator untuk perhitungan Proporsi Vegetasi .....................29
Gambar 4.12. Raster Calculator untuk parameter LSE..............................................30
Gambar 4.13. Hasil proses perhitungan Proporsi Vegetasi ........................................30
Gambar 4.14. Hasil proses perhitungan LSE ..............................................................31
Gambar 4.16. Hasil konversi Digital Number (DN) menjadi Spectral Radiance
(𝐿𝜆) ......................................................................................................33
Gambar 4.19. Implementasi untuk koreksi radiometrik pada Band 10 (Thermal) .....34
Gambar 4.20. Raster Calculator perhitungan Land Surface Temperature (LST) .......35
Gambar 4.21. Reclassify Land Surface Temperature (LST) ......................................36
Gambar 4.22. Hasil Reclassify Land Surface Temperature (LST).............................37
Gambar 4.23. Hasil peta yang telah dikonversikan ke dalam bentuk vector ..............38
Gambar 4.24. Calculate field untuk mengklasifikasi sebaran suhu ............................38
xi
Gambar 4.25. Implementasi ModelBuilder untuk proses akhir perhitungan LST ......39
Gambar 4.26. Tampilan antarmuka tools Land Surface Temperature .......................40
Gambar 4.27. Output dari tools Land Surface Temperature.......................................41
Gambar 4.28. Hasil akhir menggunakan Tools ModelBuilder ...................................42
Gambar 4.29. Hasil akhir tanpa menggunakan Tools ModelBuilder ..........................42
Gambar 4.31. Perbandingan Hasil Perhitungan Dengan Citra Composite .................47
xii
DAFTAR TABEL
Halaman
Tabel 2.1. Panjang Gelombang dan Resolusi Band Landsat 8 ....................................7
Tabel 4.1. Klasifikasi Suhu permukaan tanah Aceh Barat 2017 ...............................47
xiii
DAFTAR LAMPIRAN
Halaman
Lampiran 1. ModelBuilder Analisis Land Surface Temperature (LST) pada
Kabupaten Aceh Barat .......................................................................53
Lampiran 2. Output dari hasil perhitungan Land Surface Temperature (LST)
Kabupaten Aceh Barat .......................................................................54
Lampiran 3. Hasil Pengukuran waktu analisis LST menggunakan tools dan tanpa
menggunakan tools pada mahasiswa informatika dan non informatika
yang diambil dengan metode Purposive Sampling .............................55
Lampiran 4. Pertanyaan Kuisioner SUS .................................................................56
Lampiran 5. Skor Hasil Kuisioner SUS dari responden .........................................57
xiv
BAB I
PENDAHULUAN
1
Barat terletak pada posisi 04°06’ - 04°47’ Lintang Utara dan 95°52’ - 96°30’ Bujur
Timur dengan luas wilayah sebesar 2.927,95 km2. Rata-rata curah hujan 311,4 mm3,
penyinaran matahari 4,5%, dan kecepatan angina 2,85 knot. Suhu minimum 22,4OC,
suhu maksimum 32,5OC, dan suhu rata-rata 26,5OC (BPS Aceh Barat, 2018).
Perubahan iklim yang signifikan seperti intensitas curah hujan yang tinggi
diikuti dengan musim kemarau, serta adanya pembakaran lahan gambut seringkali
menyebabkan kabut asap di Kabupaten Aceh Barat. Banyaknya tumbuh-tumbuhan
(vegetasi) yang tergusur untuk lahan jalanan, bangunan dan struktur lain,
menyebabkan permukaan tanah yang tergantikan tersebut akan lebih banyak menyerap
panas matahari dan memantulkannya, hal ini yang menyebabkan suhu permukaan
lahan (Land Surface Temperature) di Kabupaten Aceh Barat menjadi tidak stabil (Suri,
2018).
Pada penelitian sebelumnya, telah dilakukan analisis spasial menggunakan
metode NDVI (Normalized Difference Vegetation Index) untuk mendapatkan nilai
emisivitas permukaan atau LSE (Land Surface Emissivity) lalu nilai emisivitas
permukaan tersebut akan digunakan untuk mendapatkan nilai dari suhu permukaan
lahan atau LST (Land Surface Temperature) dan proses tersebut dilakukan secara per
tahap, yang diantaranya meliputi cropping, koreksi Radiometrik hingga overlay (Suri,
2018).
Pada proses di atas masih belum menggunakan model sehingga proses masih
membutuhkan waktu yang lebih lama. Penggunaan model dapat mempermudah proses
diatas dan mempersingkat waktu dengan cara menggabungkan beberapa proses
menjadi satu alur kerja dan menghasikan keluaran, kemudian keluaran tersebut akan
dijadikan input bagi proses lainnya dan menghasilkan suatu rangkaian.
Model tersebut dapat dikembangkan menjadi tools melalui ModelBuilder pada
ArcGIS. Dalam ModelBuilder akan diinput tools-tools yang digunakan dalam analisis
Land Surface Temperature seperti, Clip, Mosaic, Raster Calculator dan lain
sebagainya hingga nantinya akan terbentuk satu model yang dapat menganalisis Land
Surface Temperature (LST) dalam satu proses.
Pada Tugas Akhir ini akan dibuat sebuah tools yang digunakan untuk meng-
hitung estimasi suhu permukaan tanah di Kabupaten Aceh Barat menggunakan
ModelBuilder dimana nantinya model tersebut dapat digunakan untuk mempermudah
2
dalam menganalisis informasi spasial serta mempresentasikan seluruh proses dalam
menghitung estimasi suhu permukaan tanah di Kabupaten Aceh Barat.
3
BAB II
TINJAUAN KEPUSTAKAAN
4
dengan berbagai tipe permukaan. Besarnya suhu permukaan dipengaruhi oleh panjang
gelombang. Panjang gelombang yang paling sensitif terhadap suhu permukaan adalah
inframerah termal. Band termal dari suatu satelit berfungsi untuk mencari suhu
permukaan objek di permukaan (Lillesand & Kiefer, 1999).
Land Surface Temperature (LST) merupakan fenomena penting dalam
perubahan iklim global. Seiring meningkatnya kandungan gas rumah kaca di atmosfer,
maka LST juga akan meningkat. Dampaknya akan lebih banyak di daerah monsun,
karena curah hujan tidak dapat diprediksi mengakibatkan banjir dan kenaikan
permukaan air laut (Rajeshwari dan Mani, 2014).
Analisis Land Surface Temperature (LST) tergolong dalam klasifikasi Band
Ratio (BR) dalam Band Calculation berdasarkan Spectral Processing Methods. Band
Calculation bermaksud untuk memberikan sebuah estimasi dari gradian pada fitur
pernyerapan (absorpsi) dengan menggunakan operasi perhitungan matematika dasar.
Band Ratio menggunakan perbedaan dari pantulan antara penyerapan band dan salah
satu bagian tepi citra (Asadzadeh dan de Souza Filho, 2015). Pembagian golongan
tersebut ditunjukkan pada Gambar 2.1.
5
BR
Gambar 2.1. Taksonomi dari metode pemrosesan spectral (Asadzadeh dan de Souza Filho, 2015)
6
2.3 CITRA LANDSAT 8
Satelit Landsat 8 diluncurkan pada 11 Februari 2013. Satelit ini adalah satelit
kedelapan dalam program Landsat dan merupakan yang ketujuh yang mencapai orbit
dengan berhasil. Awalnya Landsat 8 disebut Landsat Data Continuity Mission
(LDCM), yang merupakan kolaborasi antara NASA dan United States Geological
Survey (USGS) (NASA, 2016). Citra Landsat 8 OLI/TIRS terdiri dari sembilan band
spektral dengan resolusi spasial 30 meter untuk band 1 sampai 7 dan 9. Band 1 ultra
blue berguna untuk studi pesisir dan aerosol. Band 9 berguna untuk deteksi awan sirus.
Resolusi untuk band 8 (pankromatik) adalah 15 meter. Band termal 10 dan 11 berguna
dalam memberikan suhu permukaan yang lebih akurat dan dikumpulkan pada jarak
100 meter. Perkiraan dari ukuran scene adalah 170 km utara-selatan dengan 183 km
sebelah timur-barat (106 mil dengan 114 mil) (USGS, 2016).
7
Operational Land Imager (OLI) memiliki teleskop 4-cermin, dan data yang
dihasilkan oleh OLI dikuantisasi menjadi 12 bit, dibandingkan dengan data 8-bit yang
dihasilkan oleh sensor TM dan ETM+ (USGS,2017).
𝑁𝐼𝑅−𝑅𝑒𝑑
𝑁𝐷𝑉𝐼 = ............................................ (2.1)
𝑁𝐼𝑅+𝑅𝑒𝑑
dimana NIR dan Red merupakan band 5 dan band 4 pada citra Landsat 8 (Suri,2018).
8
2.3.4. LSE (Land Surface Emissivity)
LSE merupakan faktor yang menghitung skala radiasi dari benda hitam
(blackbody) untuk memprediksi radiasi yang dipancarkan dan efisiensi transmisi dari
energi termal di sepanjang permukaan ke atmosfer. Dalam hal ini, nilai emisivitas (ε)
harus diketahui untuk mengestimasi suhu permukaan lahan secara akurat dari
pengukuran radiasi (Sobrino, 2008). Untuk mendapatkan LSE salah satu prosedur
alernatifnya adalah dari NDVI. Pendekatan yang digunakan adalah NDVI Threshold
Method. Metode ini mendapatkan nilai emisivitas dari NDVI berdasarkan kasus yang
berbeda (Sobrino, 2004):
(a) NDVI < 0.2 Dalam kasus ini, pixel dianggap sebagai tanah kosong dan emisivitas
diperoleh dari nilai reflektifitas dalam wilayah merah (Red).
(b) NDVI > 0.5 Piksel dengan nilai NDVI lebih tinggi dari 0.5 dianggap sebagai
vegetasi sepenuhnya, dan kemudian nilai konstan untuk emisivitas diasumsikan,
biasanya 0.99.
(c) 0.2 ≤ NDVI ≤ 0.5 Dalam kasus ini, piksel tersusun atas campuran dari tanah
kosong dan vegetasi, dan emisivitasnya dihitung berdasarkan emisivitas vegetasi,
emisivitas tanah dan proporsi vegetasi yang diperoleh dari (Carlson & Ripley,
1997) :
𝑁𝐷𝑉𝐼− 𝑁𝐷𝑉𝐼𝑚𝑖𝑛 2
𝑃𝑣 = [ ] ................................... (2.2)
𝑁𝐷𝑉𝐼𝑚𝑎𝑥 − 𝑁𝐷𝑉𝐼𝑚𝑖𝑛
Keterangan :
𝑃𝑣 = Proporsi Vegetasi
𝑁𝐷𝑉𝐼 = Citra NDVI
𝑁𝐷𝑉𝐼𝑚𝑖𝑛 = Nilai NDVI Minimum
𝑁𝐷𝑉𝐼𝑚𝑎𝑥 = Nilai NDVI Maximum
9
deviasi 0.004). Menggunakan data ini (TM6 emisivitas tanah dan vegetasi masing-
masing 0.97 dan 0.99), ekspresi akhir untuk LSE yaitu (Sobrino, 2004) :
10
Gambar 2.2 Komponen GIS (Raharjo dan Ikhsan, 2015)
2.5 ARCGIS
ArcGIS adalah perangkat lunak yang dikeluarkan oleh Environmental Systems
Research Institute (ESRI), sebuah perusahaan yang telah lama berkecimpung di dalam
bidang geospasial. ArcGIS adalah sebuah platform yang terdiri dari beberapa software
yaitu Desktop GIS, Server GIS, Online GIS, ESRI Data, dan Mobile GIS seperti
diilustrasikan pada Gambar 2.3 berikut.
11
Pada Gambar 2.3 tampak bahwa ArcGIS Desktop adalah bagian dari Desktop
GIS yang juga bagian dari ArcGIS. Namun karena penggunaan ArcGIS Desktop lebih
umum dan luas dibandingkan dengan software lainnya, maka kebanyakan pengguna
seringkali cukup menggunakan kata ArcGIS untuk menunjukkan ArcGIS Desktop
(Raharjo dan Ikhsan, 2015).
2.6 ARCTOOLBOX
ArcToolbox adalah kumpulan tools (tools, model atau script), toolset dan
Toolbox untuk analisis menggunakan ArcGIS Desktop. ArcToolbox tidak hanya dapat
dijalankan pada ArcMap, tetapi juga dapat dijalankan pada ArcCatalog untuk
melakukan analisis (Raharjo dan Ikhsan, 2015).
Pada ArcGIS subsistem untuk menjalankan manipulasi dan analisa dijalankan
dalam ArcToolbox dalam ArcMap. ArcToolbox Sebagai inti dari semua proses analisis
data dalam ArcGIS, ArcToolbox memegang peranan penting. Dalam ArcToolbox tools
atau perintah-perintah untuk melakukan analisis dikelompokkan sesuai dengan
kelompok fungsinya (Sofyan, Isya dan Anggraini, 2017).
2.7 MODELBUILDER
ModelBuilder adalah aplikasi yang dapat digunakan untuk membuat, mengedit,
dan mengelola model. Sedangkan model merupakan alur kerja yang menggabungkan
tools geoprocessing dan mengumpan keluaran dari suatu tools menjadi input bagi tools
lainnya sehingga membentuk suatu rangkaian. ModelBuilder dapat juga dianggap
sebagai pemrograman berbasis visual untuk membangun alur kerja (ESRI, 2014).
Model sangat berguna untuk melakukan analisis yang cukup kompleks,
misalnya dalam analisis pembuatan projek atau penelitian. Pada suatu analisis
terkadang memiliki kondisi-kondisi di mana penggunaan ArcToolbox konvensional
(tanpa model) tidak dapat digunakan secara efektif (Raharjo & Ikhsan, 2015), seperti:
1. Analisis cukup kompleks; Untuk melakukan analisis yang kompleks, pengguna
dapat membuat suatu framework atau diagram alir bagaimana analisis
dilakukan. ModelBuilder tidak saja dapat digunakan untuk melakukan analisis
tetapi untuk menggambarkan suatu framework analisis. Penggunaan
12
ModelBuilder akan memudahkan pengguna dalam melakukan pengecekan
apakah analisis sudah sesuai dengan framework atau tidak
2. Analisis yang tidak lengkap; ModelBuilder akan menjamin tidak ada tahapan
analisis yang terlewat. Setelah framework dipindahkan ke ModelBuilder maka
saat model dijalankan semua proses akan dilakukan tanpa ada yang terlewat.
Berbeda dengan tanpa ModelBuilder atau menjalankan tools pada ArcToolbox
satu persatu, akan terdapat potensi analisis yang terlewat.
3. Pengulangan analisis; Analisis seringkali tidak dapat dijalankan hanya satu
kali. Banyak sekali faktor yang dapat membuat suatu analisis harus diulang,
misalnya ada data yang lebih baru/valid, terdapat pengaturan yang harus
diubah, hasil yang kurang memuaskan dan sebagainya. Penggunaan
ModelBuilder akan mempermudah dan mempercepat proses pengulangan
analisis.
13
b. Environment: Konektor lingkungan menghubungkan variabel yang berisi
pengaturan environment (data atau value) pada tools. Saat tools dijalankan,
maka akan menggunakan setting environment.
c. Precondition: Precondition adalah konektor yang menghubungkan
variabel pada tools. tools akan dijalankan hanya setelah isi variabel
precondition dibuat.
d. Feedback: Feedback merupakan konektor yang menghubungkan tools
output kembali ke tools yang sama seperti input (ESRI, 2014)
Bagan elemen ModelBuilder yang telah dipaparkan diatas dapat dilihat pada
gambar dibawah ini.
14
2.8 SYSTEM USABILITY SCALE (SUS)
System Usability Scale (SUS) merupakan paket pengujian usability yang
efektif dan handal untuk digunakan pada berbagai produk dan aplikasi. SUS terdiri
dari kuesioner yang digunakan oleh responden dengan 5 buah pilihan jawaban pada
masing-masing pertanyaan yang disediakan dengan jumlah pertanyaan adalah 10 item
(Ardiansyah, 2016).
Hal yang dilakukan dalam menghitung skor dari SUS adalah dengan
menjumlahkan skor pada masing-masing pertanyaan. Setiap pertanyaan memiliki nilai
skor kontribusi dari nilai 0 hingga 4. Untuk pertanyaan positif pada soal nomor 1, 3,
5, 7 dan 9 perhitungan skor dengan cara mengurangi nilai poin skala dengan nilai 1.
Sementara untuk pertanyaan negatif pada nomor 2, 4, 6, 8 dan 10 perhitungan skor
dengan cara mengurangi nilai 5 dengan nilai poin skala. Nilai keseluruhan SUS adalah
rata-rata dari total masing-masing nilai jumlah pada setiap pertanyaan. Maka nilai
akhirnya adalah rata-rata skor dikalikan dengan 2.5 (Brooke, 2013) dalam (Akmal,
2018). Rumus yang digunakan dapat dilihat pada persamaan 2.1.
Skor yang diperoleh dari perhitungan SUS berada rentang nilai dari 0 sampai
100. Sebuah sistem termasuk pada kategori “Not Acceptable” bila skor SUS berada
pada range 0-50 yang artinya sistem tersebut tidak layak digunakan karena tingkat
penggunaan sistem yang tidak memuaskan. Skor SUS pada range 51-70 termasuk
kategori “Marginal”. Sedangkan suatu sistem berada pada kategori “Acceptable” jika
skor SUS berada pada rentang nilai 71-100 yang artinya sistem tersebut terintegrasi
dengan baik dan layak digunakan (Bangor, Kortum, & Miller, 2009). Rentang skor
SUS dapat dilihat pada gambar dibawah ini
Gambar 2.5. Representasi Skor SUS (Bangor, Kortum, & Miller, 2009)
15
Kriteria usability dikatakan baik dengan mendefinisikan komponen di bawah
ini yaitu (Brooke, 2013) dalam (Akmal, 2018):
1. Efektivitas (apakah orang benar-benar bisa menyelesaikan tugas mereka
dan mencapai tujuan)
2. Efisiensi (sejauh mana mereka mengeluarkan sumber daya untuk
mencapai tujuan mereka)
3. Kepuasan (tingkat kenyamanan yang mereka alami dalam mencapai
tujuan tersebut)
16
2.10 PENELITIAN TERKAIT
Adapun penelitian-penelitian terdahulu yang terkait dengan penelitian kali ini
adalah sebagai berikut.
1. Suri (2018), penelitiannya yang berjudul “Estimasi Suhu Permukaan Lahan di
Kabupaten Aceh Barat menggunakan Saluran Termal Citra Landsat”
menjelaskan tentang proses untuk menghitung estimasi suhu permukaan lahan
dari tahun 2013 sampai 2017 di Kabupaten Aceh Barat. Hasil dari penelitian
menujukkan suhu permukaan lahan tahun 2013 dan 2017 didominasi oleh
wilayah suhu 25 - 28°C. Luas wilayah suhu ini pada tahun 2013 sebesar
179.091,63 Ha yang mencakup 64,75% dari wilayah keseluruhan Kabupaten
Aceh Barat, sedangkan luas pada tahun 2017 menurun menjadi 169.378,78 Ha
dan mencakup 61,24%. Suhu permukaan lahan dengan luas terbesar kedua
adalah wilayah suhu 21 - 24°C yang mana pada tahun 2013 mencakup 24,17%
dengan luas 66.853,95 Ha, sebaliknya pada tahun 2017 luas wilayah ini
meningkat menjadi 34,34% dengan luas sebesar 94.968,67 Ha. Rata-rata suhu
permukaan lahan di Kabupaten Aceh Barat pada tahun 2017 lebih rendah yaitu
sebesar 25,10°C dibandingkan tahun 2013 sebesar 26,07°C. Nilai suhu
permukaan lahan ini konsisten dengan data suhu rata-rata dan kelembaban
udara Kabupaten Aceh Barat menurut BMKG, dimana suhu rata-rata sekitar
26,6°C dan kelembaban udara sekitar 88,5%.
2. Akmal (2018), penelitiannya yang berjudul “Pembuatan Tools Spasial
Kekritisan Lahan menggunakan ModelBuilder ArcGIS” menjelaskan tentang
pembuatan tools spasial dalam menghitung kekritisan lahan yang
dikategorikan atas 3 daerah cakupan yaitu, Kawasan Hutan Lindung (KHL),
Kawasan Budidaya Pertanian (KBP) dan Kawasan Lindung Luar Kawasan
Hutan (KLLKH) yang dibangun menggunakan ModelBuilder yang ada pada
ArcGIS. Dari hasil evaluasi penelitian mengenai pembuatan tools tersebut
didapati kesimpulan bahwa penggunaan tools lahan kritis lebih memudahkan
pengguna dibandingkan secara manual (tanpa menggunakan tools). Keduanya
memiliki tahapan yang sama untuk melakukan analisis lahan kritis, namun
penggunaan tools lebih memudahkan karena semua tahapan dijalankan oleh
tools tanpa harus melakukan tahapan secara manual atau per tahap.
17
BAB III
METODE PENELITIAN
18
3.3. PROSEDUR PENELITIAN
Dalam penelitian terdapatan beberapa prosedur tahapan, diantaranya: 1)
Identifikasi dan Merumuskan Masalah; 2) Studi Literatur; 3) Pengumpulan Data; 4)
Perancangan dan Pembuatan Tools; 5) Evaluasi Penggunaan Tools; 6) Penarikan
Kesimpulan dan Saran. Tahapan penelitian tersebut dapat dilihat pada Gambar 3.1.
19
dan kemudian data tersebut dirancang dengan menggunakan ModelBuilder. Model
tersebut dirancang dengan menggabungkan beberapa tools geoprocessing sehingga
keluaran dari suatu tools menjadi input bagi tools lainnya dan menjadi satu alur kerja
serta membentuk suatu rangkaian tersendiri. Setelah perancangan tools untuk
menghitung estimasi suhu permukaan tanah selesai, maka Model yang sudah
dirancang dijadikan sebuah tools baru yang akan di embed ke dalam ArcToolbox dan
dapat dijalankan secara otomatis serta dapat digunakan secara berkala layaknya tools
lainnya.
20
Mulai
LSE
(Land Surface Emissivity)
LST
(Land Surface Temperature)
Reclassify
Raster to Vector
Hasil
21
BAB IV
HASIL DAN PEMBAHASAN
22
Gambar 4.1. Citra Landsat pathrow 130-057 (6 Juni 2017)
23
4.1.2. Persiapan Data
Data yang dipersiapkan untuk penelitian kali ini adalah citra landsat band 4
(Red) dan band 5 (NIR) yang digunakan untuk menghitung NDVI, nantinya hasil
perhitungan NDVI tersebut akan dijadikan parameter untuk perhitungan Land Surface
Temperature (LST). Lalu citra landsat band 10 (Thermal) yang nantinya akan
dikoreksi radiometrik dan digunakan sebagai parameter bersama dengan parameter
NDVI untuk dilakukan perhitungan Land Surface Temperature atau suhu permukaan
tanah sehingga didapatkan hasil akhir.
24
Gambar 4.3 Implementasi ModelBuilder untuk proses extract (Clip)
25
Gambar 4.4 Implementasi ModelBuilder untuk proses Mosaic
Dari proses diatas akan terbentuk satu Citra Landsat baru yang telah tergabung
dari Citra Landsat dengan 2 pathrow yang berbeda. Hasil dari proses Mosaic tersebut
dapat dilihat pada gambar dibawah ini.
26
Gambar 4.6 Hasil Mosaic Citra Landsat untuk Band 5 (NIR)
27
4.1.3. Perhitungan NDVI (Normalized Difference Vegetation Index)
NDVI adalah indeks vegetasi yang paling popular digunakan dan dapat
menggambarkan kondisi tingkat kehijauan, kesehatan, dan kerapatan vegetasi. NDVI
berbasis kepada perbedaan nilai pantulan band inframerah dengan band merah (Jensen,
2000). Oleh karena itu dalam perhitungan NDVI kali ini akan menggunakan 2 Band
Citra Landsat yang telah digabung sebelumnya, yaitu Band 4 (Red) dan Band 5 (NIR).
Proses perhitungan NDVI ini menggunakan tools Raster Calculator yang terdapat
pada ArcToolbox di Spatial Analyst Tools → Map Algebra → Raster Calculator.
Perhitungan tersebut menggunakan rumus NDVI yang dapat dilihat pada persamaan
2.1, lalu diimplementasikan kedalam ModelBuilder. Hasil implementasi tersebut dapat
dilihat pada gambar dibawah ini.
28
4.1.4. Perhitungan LSE (Land Surface Emissivity)
Untuk mendapatkan nilai LSE salah satu prosedur alernatifnya adalah dari
NDVI. Pendekatan yang digunakan adalah NDVI Threshold Method. Metode ini
mendapatkan nilai emisivitas dari NDVI berdasarkan kasus yang berbeda (Sobrino,
2004). Metode NDVI Threshold dilakukan dengan mengambil nilai Maximum dan
Minimum yang didapat dari perhitungan NDVI sebelumnya. Pada perhitungan kali ini
nilai Maximum dan nilai Minimum tersebut akan digunakan untuk menghitung nilai
dari Proporsi Vegetasi (Pv). Proses perhitungan Proporsi Vegetasi dilakukan dengan
menggunakan rumus yang terdapat pada persamaan 2.2. Lalu nilai yang didapatkan
dari proses perhitungan Proporsi Vegetasi tersebut akan digunakan dalam perhitungan
LSE. Ekspresi perhitungan akhir untuk LSE dapat dilihat pada persamaan 2.3. Proses
implementasi dalam ModelBuilder dapat dilihat pada gambar dibawah ini.
29
Gambar 4.12. Raster Calculator untuk parameter LSE
30
Gambar 4.14. Hasil proses perhitungan LSE
Keterangan
𝐿𝜆 = Spectral radiance (Watts/( m2 * srad * μm))
𝑄𝑐𝑎𝑙 = Digital Number (DN)
𝑀𝐿 = Faktor pengali pada Band spesifik (Terdapat pada metadata Citra)
𝐴𝐿 = Faktor penambah pada Band spesifik (Terdapat pada metadata Citra)
31
Hasil dari proses konversi Digital Number (DN) dari Band 10 (Thermal)
menjadi Spectral Radiance (𝐿𝜆 ) dapat dilihat pada gambar dibawah ini.
Gambar 4.15. Raster Calculator konversi Digital Number (DN) menjadi Spectral
Radiance (𝐿𝜆 )
32
Gambar 4.16. Hasil konversi Digital Number (DN) menjadi Spectral Radiance (𝐿𝜆 )
Selanjutnya nilai Spectral Radiance (𝐿𝜆 ) akan dikonversikan ke bentuk Bright-
ness Temperature (𝑇𝐵 ) dengan menggunakan persamaan sebagai berikut :
𝐾2
𝑇𝐵 = 𝐾1
................... …………........ (4.2)
𝑙𝑛( +1)
𝐿𝜆
Keterangan :
𝑇𝐵 = Brightness Temperature (oK)
𝐿𝜆 = Spectral radiance (Watts/( m2 * srad * μm))
𝐾1 = Konstanta kalibrasi pada Band Thermal (Terdapat pada metadata Citra)
𝐾2 = Konstanta kalibrasi pada Band Thermal (Terdapat pada metadata Citra)
Gambar 4.17. Raster Calculator konversi Spectral Radiance (𝐿𝜆 ) menjadi Brightness
Temperature (𝑇𝐵 )
33
Gambar 4.18. Hasil konversi Spectral Radiance (𝐿𝜆 ) menjadi Brightness
Temperature (𝑇𝐵 )
34
permukaan yang memiliki emisivitas dan kapasitas panas jenis rendah, sedangkan
konduktivitas termalnya tinggi akan menyebabkan suhu permukaannya meningkat
(Desi, 2011) dalam (Suri, 2018). Pada perhitungan kali ini, nilai dari emisivitas yang
didapat dari perhitungan Land Surface Emissivity (LSE) dan nilai hasil dari koreksi
radiometrik Band 10 (Thermal) akan digunakan untuk mendapat nilai dari suhu
permukaan tanah atau Land Surface Temperature. Perhitungan suhu permukaan tanah
tersebut menggunakan persamaan sebagai berikut.
𝑇𝐵
𝑇𝑆 = ( 𝜆𝑇𝐵 ) – 273.15 .... …………........ (4.3)
[1+ ] 𝑙𝑛(𝜀)
𝜕
Keterangan :
𝑇𝑆 = Suhu permukaan tanah (oC)
𝑇𝐵 = Brightness Temperature (oK)
𝜆 = Panjang gelombang radiasi yang dipancarkan (𝜆 = 10.8 𝜇𝑚)
𝜕 = ℎ ∗ 𝑐/𝜎 (1,4388 x 10-2 mK = 14388 𝜇𝑚 K)
𝜀 = Land Surface Emissivity (LSE)
35
Selanjutnya akan dilakukan Reclassify untuk mengklasifikasikan tiap sebaran
suhu. Berdasarkan penelitian sebelumnya yang dilakukan oleh Suri (2018) telah
terbentuk 6 kelas suhu yang dibentuk menggunakan persamaan rumus statistik sebagai
berikut.
𝑇𝑚𝑎𝑥 − 𝑇𝑚𝑖𝑛
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑇 = ................................ (4.4)
6
Keterangan :
𝑇 = Suhu permukaan (oC)
𝑇𝑚𝑎𝑥 = Nilai suhu permukaan Maksimum (oC)
𝑇𝑚𝑖𝑛 = Nilai suhu permukaan minimum (oC)
Hasil dari proses Reclassify dapat dilihat pada gambar dibawah ini.
36
Gambar 4.22. Hasil Reclassify Land Surface Temperature (LST)
37
Gambar 4.23. Hasil peta yang telah dikonversikan ke dalam bentuk vector
38
Gambar 4.25. Implementasi ModelBuilder untuk proses akhir perhitungan LST
39
merupakan peta raster yang format geometrinya berbeda dari peta vector pada
umumnya.
Setelah tools dijalankan maka akan muncul hasil seperti gambar 4.27. Dari
hasil yang ditunjukkan pada Gambar 4.27 menunjukkan peta analisis suhu permukaan
tanah pada Kabupaten Aceh Barat yang sudah terklasifikasi dengan tingkat sebaran
suhu.
40
Gambar 4.27. Output dari tools Land Surface Temperature
41
MENGGUNAKAN TOOLS
TANPA MENGGUNAKAN
TOOLS
42
Dalam proses analisis yang dilakukan tanpa menggunakan tools terdapat
beberapa hambatan yang terjadi. Salah satu hambatan yang utama dan umum terjadi
adalah saat beberapa langkah mengalami kegagalan atau hasil tidak sesuai maka proses
analisis harus diulang dari langkah awal dan juga beberapa faktor lain seperti terdapat
data yang lebih baru (valid) dan juga terdapat beberapa perubahan dalam peraturan
yang telah ada. Penggunaan tools akan mempermudah dan mempercepat proses
analisis sehingga proses analisis dapat dilakukan dengan lebih efisien, terutama dari
segi waktu karena dengan menggunakan tools kita hanya perlu memasukkan data yang
akan digunakan dalam analisis lalu tools yang sebelumnya telah dirancang akan
menjalankan seluruh proses hingga hasil akhir didapatkan tanpa harus mengulangi
analisis secara ber tahap. Analisis menggunakan tools juga menjamin tidak akan ada
proses analisis yang terlewati.
43
yang signifikan. Untuk evaluasi kategori lainnya, seluruh proses pengambilan waktu
pada sampel dilakukan dengan laptop dari peneliti sendiri.
Setelah membandingkan waktu analisis Land Surface Temperature meng-
gunakan tools dan tanpa penggunakan tools diperoleh perbandingan waktu analisis
seperti tertera pada Gambar 4.30.
3500
3100.8
3000 2866.6
2500
2000
Detik
1500
1000
319 384.6
500
0
Mahasiswa Mahasiswa Non Mahasiswa Mahasiswa Non
Informatika Informatika Informatika Informatika
Menggunakan Tool Tanpa Menggunakan Tool
KATEGORI
Gambar 4.30. Perbandingan lama waktu analisis land surface temperature dengan
menggunakan tools dan tanpa penggunakan tools, oleh mahasis
informatika dan non informatika.
44
Hasil pengukuran menunjukkan, bahwa dari ukuran waktu detik ada perbedaan
besaran lama waktu analisis Land Surface Temperature yang dilakukan oleh
mahasiswa informatika dan non informatika baik pada kelompok analisis
menggunakan tools yakni 319 detik pada mahasiswa informatika dan 384,6 detik pada
mahasiswa informatika; maupun kelompok analisis tanpa menggunakan tools, yakni
2866,6 detik pada mahasiswa informatika dan 3100,8 detik pada mahasiswa
informatika. Namun melalui analisis statistik deskriptif menggunakan grafik
menunjukkan lama waktu analisis yang cenderung berbeda tidak signifikan (pada
Gambar 4.30 ditunjukkan cenderung sejajar baik pada kelompok analisis
menggunakan tools maupun pada kelompok tanpa menggunakan tools).
Memperhatikan hasil pengukuran lama waktu analisis Land Surface
Temperature di atas dapat dibuat simpulan hasil penelitian, bahwa analisis Land
Surface Temperature (LST) menggunakan Tools lebih cepat dibandingkan dengan
analisis tanpa menggunakan Tools baik oleh pengguna dari mahasiswa Informatika
dan dari mahasiswa Non Informatika. Hasil pengukuran waktu analisis LST
menggunakan tools dan tanpa menggunakan tools ditunjukkan pada Lampiran 3.
45
𝑆𝑘𝑜𝑟 𝑆𝑈𝑆 = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑆𝑘𝑜𝑟 𝑥 2,5
= 34 𝑥 2,5
= 85
Hasil dari analisis dibandingkan dengan citra landsat yang telah di Composite
dengan band 7, 5 dan 3 serta band 4,3 dan 2. Hasil tersebut dapat dilihat pada Gambar
4.31 berikut ini.
46
RGB 4-3-2 RGB 7-5-3
47
BAB V
KESIMPULAN DAN SARAN
5.1. KESIMPULAN
Berdasarkan dari analisis yang telah dilakukan dan diuraikan pada bab hasil dan
pembahasan, dapat disusun kesimpulan penelitian ini sebagai berikut:
1. Konstruksi tools untuk perkiraan suhu permukaan tanah Kabupaten Aceh Barat
yang dibuat menggunakan ModelBuilder ArcGIS adalah tools yang dibuat untuk
memudahkan dalam menganalisis Land Surface Temperature sehingga waktu
analisis yang dibutuhkan lebih singkat dan mudah
2. Lama waktu yang dibutuhkan dalam menganalisis Land Surface Temperature
menggunakan tools lebih pendek dibanding dengan analisis tanpa menggunakan
tools.
3. Tools analisis land surface temperature yang dihasilkan dari penelitian ini
memenuhi kriteria grade B, usability excellent, atau memenuhi peringkat
acceptability (keberterimaan) yang baik, dapat diterima dan layak digunakan.
5.2. SARAN
Saran yang perlu dilakukan untuk pengembangan terhadap penelitian yang telah
dilakukan diantaranya sebagai berikut:
1. Pengujian kinerja tools dengan menggunakan data sebenarnya.
2. Klasifikasi untuk suhu dapat dibuat lebih fleksibel agar analisis terhadap daerah
lain tidak berpatok pada interval suhu yang telah ada.
3. Meningkatkan tools pada tugas akhir ini menjadi geoprocesing service berbasis
web.
48
DAFTAR PUSTAKA
Akmal, Nurul. 2018. Pembuatan Tools Analisis Spasial Kekritisan Lahan Mengguna-
kan ModelBuilder Arcgis. Tugas Akhir, Tidak Dipublikasi. Banda Aceh:
Jurusan Informatika FMIPA Universitas Syiah Kuala
Ardiansyah, M. I. (2016). Pengujian Usability User Interface Dan User Dan User
Experience Aplikasi E-Reader Skripsi Berbasis Hypertext. Jurnal Ilmiah
Teknologi Informasi Terapan, 3(II), 213 - 220.
Asadzadeh, Saeid, de Souza Filho, Carlos Roberto. (2015). Review and Categorization
of Spectral Processing Methods. Anais XVII Simpósio Brasileiro de
Sensoriamento Remoto – SBSR. 25-29 April 2015. João Pessoa-PB, Brasil:
INPE.
Bangor, A., Kortum, P., & Miller, J. (2009). Determining What Individual SUS Scores
Mean: Adding an Adjective Rating Scale. JOURNAL OF USABILITY
STUDIES, 4 (3), 114 - 123. Brooke, J. (2013). SUS: A Retrospective. Journal
of Usability Studies, 2(8), 29- 40.
BPS Aceh Barat. 2017. Kabupaten Aceh Barat Dalam Angka 2017. http://-
acehbaratkab.bps.go.id/publication.html. Diakses Tanggal: 5 Desember 2018.
Budianto, Eko. (2010). Sistem Informasi Geografis dengan Arc View GIS. Yogyakarta:
Andi Offset.
Carlson, T. N., & Ripley, D. A. 1997. On the relation between NDVI, fractional vege-
tation cover, and leaf area index. Remote Sensing of Environment, 241-252.
Delarizka, Almira, Sasmito, Bandi, dan Hani’ah. 2016. Analisis Fenomena Pulau
Bahang (Urban Heat Island) di Kota Semarang Berdasarkan Hubungan Antara
Perubahan Tutupan Lahan Dengan Suhu Permukaan Menggunakan Citra Multi
Temporal Landsat. Jurnal Geodesi Undip. Volume 5, Nomor 4, Tahun 2016,
(ISSN : 2337-845X). hal 165-188. Tersedia pada: https://media.neliti.com-
/media/publications/84709-ID-analisis-fenomena-pulau-bahang-urban-
hea.pdf. Diakses Tanggal: 12 Januari 2019.
49
Ibrahim, Majed and Abu-Mallouh, Haya. 2018. Estimate Land Surface Temperature
in Relation to Land Use Types and Geological Formations Using Spectral
Remote Sensing Data in Northeast Jordan. Open Journal of Geology, 2018, 8,
174-185. Tersedia pada: https://file.scirp.org/pdf /OJG_2018022415301800-
.pdf, Diakses Tanggal: 12 Januari 2019
Khusaini, Ikhwan Nur. 2008. Pengaruh Tutupan Lahan Terhadap Distribusi Suhu
Permukaan di Kota Bogor dengan Menggunakan Citra Satelit Landsat dan
Sistem Informasi Geografis. Bogor. IPB
Lillesand, T. M., & Kiefer, R. W. 1994. Remote Sensing and Image Interpretation 3rd
Edition.Wiley & Sons, New York.
Lillesand, T. M., & Kiefer, R. W. 1999. Remote Sensing and Image Interpretation.
Wiley & Sons, New York.
Raharjo, B., & Ikhsan, M. 2015. Belajar ArcGIS Desktop 10. Banjarbaru: Geosiana
Press.
Sitanggang, Gokmaria. 2010. Kajian Pemanfaatan Satelit Masa Depan: Sistem Peng-
indraan Jauh Satelit LDCM (Landsat-8). Berita Dirgantara LAPAN. Vol.11,
No.2. Hal:47-58.
Sobrino, J. A., et al. 2008. Land Surface Emissivity Retrieval From Different VNIR
and TIR Sensors. IEEE Transactions on Geoscience and Remote Sensing, 316.
Sofyan, Mirza, Isya, M., dan Anggraini, Renni. 2017. Pemanfaatan Sistem Informasi
Geografis (SIG) Untuk Prioritas Penanganan Jalan Di Kabupaten Aceh Besar.
Jurnal Teknik Sipil Unsyiah. Volume 1, Nomor 1, Tahun 2017, (ISSN : 2088-
9321). Hal 167-176.
50
Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung :
Alfabeta, CV.
Suri, Nur Atikah. 2018. Estimasi Suhu Permukaan Lahan Di Kabupaten Aceh Barat
Menggunakan Saluran Termal Citra Landsat. Tugas Akhir, Tidak
Dipublikasikan. Banda Aceh: Jurusan Informtika FMIPA Universitas Syiah
Kuala.
USGS. 2015. Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal InfraRed
Sensor). https://lta.cr.usgs.gov/L8. Diakses Tanggal: 16 Desember 2018.
USGS. 2016. What are the band designations for the Landsat satellites?.
https://landsat.usgs.gov/what-are-band-designations-landsat-satellites.
Diakses Tanggal: 16 Desember 2018.
USGS. 2017. How are the Thermal InfraRed Sensor (TIRS) Thermal bands aboard
Landsat 8 used?. https://landsat.usgs.gov/how-are-Thermal-infraRed-sensor-
tirs-Thermal-bands-aboard-landsat-8-used. Diakses Tanggal: 16 Desember
2018.
Utomo, Anggoro Wahyu, Suprayogi, Andri, Sasmito, Bandi. 2017. Analisis Hubungan
Variasi Land Surface Temperature Dengan Kelas Tutupan Lahan
Menggunakan Data Citra Satelit Landsat (Studi Kasus : Kabupaten Pati).
Jurnal Geodesi UNDIP. ISSN:2337-845X. Vol.6, No.2. Hal : 71-80.
51
LAMPIRAN
Lampiran 1. ModelBuilder Analisis Land Surface Temperature (LST) pada Kabupaten Aceh Barat
52
Lampiran 2. Output dari hasil perhitungan Land Surface Temperature (LST) Kabupaten Aceh Barat
53
Lampiran 3. Hasil pengukuran waktu analisis LST menggunakan tools dan
tanpa menggunakan tools pada mahasiswa informatika dan non
informatika yang diambil dengan metode Purposive Sampling.
Hasil pengukuran waktu analisis LST menggunakan tools dan tanpa mengguna-
kan tools setelah dikonversi ke ukuran waktu detik.
Menggunakan Tools Tanpa Menggunakan Tools
Responden Mahasiswa Mahasiswa Non Mahasiswa Mahasiswa Non
Informatika Informatika Informatika Informatika
1 260 437 2890 3140
2 343 325 2841 3045
3 256 477 2777 2859
4 266 350 2883 3171
5 387 456 2655 3172
6 389 348 2800 2993
7 266 405 2821 3073
8 381 324 3177 3145
9 382 327 2932 3315
10 260 397 2890 3095
Rata-rata 319 384,6 2866,6 3100,8
54
Lampiran 4. Pertanyaan Kuisioner SUS
SURVEI TANGGAPAN
(Tools Analisis Land Surface Temperature)
A. Identitas Responden
Nama :
B. Petunjuk Umum:
1. Sebelum mengisi angket ini, pastikan Anda telah menggunakan Tools
Analisis Land Surface Temperature (LST) Menggunakan ModelBuilder
ArcGIS
2. Tulislah terlebih dahulu identitas Anda pada tempat yang sudah disediakan.
3. Bacalah dengan teliti setiap pertanyaan dalam angket ini sebelum memilih
jawaban.
4. Petunjuk penilaian
a. Berikan check list pada kolom sesuai dengan persepsi Anda.
b. Terdapat 5 kolom yang dapat diberikan tanda. Semakin KECIL angka,
maka semakin Anda TIDAK SETUJU dengan pernyataan tersebut. Begitu
juga sebaliknya, semakin BESAR angka yang Anda pilih berarti semakin
Anda SETUJU dengan pernyataan tersebut.
Atas kesediaan Anda untuk mengisi angket ini, saya ucapkan terima kasih.
No Pertanyaan 1 2 3 4 5
1 Saya akan sering menggunakan sistem ini
2 Menurut saya, sistem ini terlalu kompleks
3 Menurut saya, sistem ini mudah digunakan
Menurut saya, saya akan membutuhkan tenaga
4
ahli yang mampu menggunakan sistem ini
Berbagai fungsi dalam sistem ini terintegrasi
5
dengan baik
Menurut saya ada banyak ketidak konsistenan
6
dalam sistem ini
Menurut saya, mayoritas pengguna akan belajar
7
menggunakan sistem ini secara cepat
8 Saya menemukan sistem sangat tidak praktis
Saya sangat percaya dalam menggunakan
9
sistem ini
Saya harus belajar terlebih dahulu sebelum
10
saya dapat menggunakan sistem ini
55
Lampiran 5. Skor Kuisioner SUS
56