HALAMAN JUDU L

PEMANFAATAN MODELBUILDER DALAM

PEMBUATAN TOOLS PADA ARCGIS UNTUK
PERHITUNGAN LAND SURFACE TEMPERATURE
(LST) STUDI KASUS KABUPATEN ACEH BARAT

TUGAS AKHIR

Diajukan untuk melengkapi tugas-tugas dan memenuhi

syarat-syarat guna memperoleh gelar Sarjana Komputer

Oleh:

EKA AZIZULYAN SIMATUPANG

13081070100146

PROGRAM STUDI INFORMATIKA JURUSAN INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SYIAH KUALA BANDA ACEH
JANUARI, 2020

i
 PENGESAHAN

PEMANFAATAN MODELBUILDER DALAM

PEMBUATAN TOOLS PADA ARCGIS UNTUK
PERHITUNGAN LAND SURFACE TEMPERATURE
(LST) STUDI KASUS KABUPATEN ACEH BARAT

UTILIZATION OF MODELBUILDER TO MAKING

TOOLS IN ARCGIS FOR CALCULATION OF LAND
SURFACE TEMPERATURE (LST) STUDY CASE
DISTRICTS WEST ACEH

Oleh:
Nama : Eka Azizulyan Simatupang
NPM : 1308107010046
Program Studi : Informatika

Menyetujui:

Pembimbing I, Pembimbing II,

Dr. Nizamuddin, M.Info.Sc. Muhammad Rusdi, Ph.D

NIP. 197108241996031001 NIP. 197704012006041001

Mengetahui:

Dekan Fakultas MIPA Ketua Jurusan Informatika FMIPA

Universitas Syiah Kuala, Universitas Syiah Kuala,

Dr. Teuku M.Iqbalsyah, S.Si, M.Sc Dr. Muhammad Subianto, S.Si, M.Si
NIP. 197110101997031003 NIP. 196812111994031005

Lulus Sidang Sarjana pada hari Kamis, 16 Januari 2020

 PERNYATAAN BEBAS PLAGIASI

Saya yang bertanda tangan di bawah ini,

Nama lengkap : Eka Azizulyan Simatupang
Tempat/tanggal lahir : Medan / 9 Desember 1994
NPM : 1308107010046
Program Studi : Sistem Informasi Geografis
Jurusan : Informatika
Fakultas : MIPA
Judul Tugas Akhir : Pemanfaatan ModelBuilder dalam Pembuatan
Tools pada ArcGIS untuk Perhitungan Land
Surface Temperature (LST) Studi Kasus
Kabupaten Aceh Barat

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.

Banda Aceh, 16 Januari 2020

Yang menyatakan,

Eka Azizulyan Simatupang

NPM. 1308107010046

iii
 SURAT PERNYATAAN

Yang bertanda tangan dibawah ini,

1. Nama : Eka Azizulyan Simatupang

NPM : 1308107010046
Jurusan/Prodi : Informatika
Status : Mahasiswa

2. Nama : Dr. Nizamuddin, M.Info.Sc

NIP : 197108241996031001
Jurusan/Prodi : Informatika
Status : Pembimbing I

3. Nama : Muhammad Rusdi, Ph.D

NIP : 197704012006041001
Jurusan/Prodi : Ilmu Tanah
Status : Pembimbing II

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.

Darussalam, 16 Januari 2020

Yang membuat pernyataan,

Pembimbing I, Pembimbing II, Mahasiswa,

Dr. Nizamuddin, M.Info.Sc Muhammad Rusdi, Ph.D Eka Azizulyan Simatupang

NIP. 197108241996031001 NIP. 197704012006041001 NPM. 1308107010046

Mengetahui:

Ketua Jurusan Informatika Koordinator TA,

Dr. Muhammad Subianto, S.Si, M.Si Kurnia Saputra, M.Sc

NIP. 196812111994031005 NIP. 198003262014041001

iv
 KATA PENGANTAR

Penulis mengungkapkan rasa syukur sebesar-besarnya atas rahmat dan karunia

yang telah diberikan oleh Allah Subhanahu Wata’ala kepada penulis sehingga dapat
menyelesaikan penulisan tugas akhir ini dengan semaksimal mungkin. Salawat beserta
salam juga penulis sanjungkan kepada Nabi besar Muhammad Sallallahu ‘alaihi
wasallam, yang telah membawa umat manusia ke dunia yang penuh dengan cahaya
ilmu pengetahuan.
Tugas Akhir dengan judul “Pemanfaatan ModelBuilder Dalam Pembuatan
Tools Pada Arcgis Untuk Perhitungan Land Surface Temperature (LST) Studi
Kasus Kabupaten Aceh Barat” penulis ajukan sebagai salah satu syarat untuk
memperoleh gelar Sarjana Komputer pada Jurusan Informatika, Fakultas Matematika
dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala Darussalam Banda Aceh.
Dalam penulisan Tugas Akhir ini, Penulis selalu mendapatkan bimbingan,
dorongan, serta semangat dari banyak pihak. Oleh karena itu Penulis ingin
mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Ayah Zulkifli Simatupang dan Mama Dewi Apriyanti serta seluruh keluarga
penulis yang telah mendukung dan memberi semangat kepada penulis dari awal
masa studi hingga penulisan Tugas Akhir ini selesai.
2. Bapak Dr. Nizamuddin, M.Info.,Sc., dan Muhammad Rusdi, Ph.D, selaku
Pembimbing Tugas Akhir yang telah membimbing dan memberikan arahan
kepada penulis dalam menyelesaikan Tugas Akhir ini.
3. Bapak Dr. Muhammad Subianto, M.Si selaku Ketua Jurusan Informatika.
4. Staf Administrasi Jurusan Informatika yang telah membantu memperlancar proses
administrasi penulis.
5. Para Sahabat dan teman-teman mahasiswa/mahasiswi Jurusan Informatika
Universitas Syiah Kuala terutama angakatan 2013 yang telah memberikan
motivasi dan dorongan dalam terselesaikannya Tugas Akhir ini.

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.

Banda Aceh, 16 Januari 2020

Eka Azizulyan Simatupang

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.

Kata Kunci : Land Surface Temperature, ModelBuilder, ArcGIS, Aceh Barat.

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.

Keywords : Land Surface Temperature, ModelBuilder, ArcGIS, Aceh Barat.

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

1.1 LATAR BELAKANG MASALAH

Land Surface Temperature (LST) atau suhu permukaan tanah merupakan salah
satu indikator penting untuk memahami perubahan suhu permukaan bumi, yang
merupakan fenomena penting dalam perubahan iklim global. Hubungan antara analisis
spasial suhu permukaan tanah dan perubahan penggunaan lahan/penutupan lahan yang
ada adalah penting untuk mengevaluasi proses iklim (Ibrahim and Abu-Mallouh,
2018). Land Surface Temperature dapat didefinisikan sebagai suhu yang dirasakan
ketika permukaan tanah disentuh atau suhu kulit tanah. LST adalah suhu yang
dipancarkan oleh permukaan tanah, dan sangat dipengaruhi oleh meningkatnya gas
rumah kaca di atmosfer. Dampaknya adalah perubaan iklim seperti curah hujan yang
tidak dapat diprediksi (Rajeshwari dan Mani, 2014). Land Surface Temperature juga
merupakan salah satu parameter keseimbangan energi dan variabel klimatologis yang
utama. Besarnya suhu permukaan tanah tergantung pada kondisi parameter permukaan
lainnya, seperti albedo, kelembaban permukaan dan tutupan lahan serta kondisi
vegetasi.
Land Surface Temperature berdampak signifikan pada analisis perubahan
lingkungan seperti fenomena “Pulau Bahang” atau Urban Heat Island (UHI)
(Delarizka dkk., 2016). Oleh karena itu, banyak peneliti melakukan estimasi LST
menggunakan citra satelit. Sejumlah algoritma dikembangkan dan diadopsi oleh
mereka untuk memperkirakan LST (Rajeshwari dan Mani, 2014). Estimasi (perkiraan)
LST suatu wilayah seperti wilayah Provinsi dan atau Kabupaten sangat bermanfaat
bagi pembangunan di daerah tersebut.
Pada penelitian terdahulu dilaporkan, bahwa telah dilakukan perhitungan suhu
permukaan lahan di Kabupaten Aceh Barat menggunakan metode penginderaan jauh
dengan memanfaatkan saluran 10 yang berada pada saluran Thermal InfraRed Sensor
(TIRS) pada Landsat 8 (Suri, 2018). Kabupaten Aceh Barat adalah salah satu
Kabupaten di Provinsi Aceh yang berada di wilayah pantai barat dan selatan kepulauan
Sumatera yang membentang dari barat ke timur. Secara geografis Kabupaten Aceh

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.

1.2 RUMUSAN MASALAH

Mengacu pada uraian latar belakang di atas, disusun rumusan masalah pada
penelitian ini sebagai berikut :
1. Bagaimana konstruksi tools untuk analisis Land Surface Temperature Kabupaten
Aceh Barat yang dibuat menggunakan ModelBuilder ArcGIS?
2. Berapa waktu yang dibutuhkan dalam menghitung Land Surface Temperature
menggunakan tools dan tanpa menggunakan tools yang telah dibangun?
3. Berapa skala usability tools analisis Land Surface Temperature yang dibangun?

1.3 TUJUAN PENELITIAN

Penelitian ini secara umum ditujukan untuk menghasilkan tools perkiraan suhu
permukaan tanah menggunakan ModelBuilder ArcGIS. Secara spesifik, penelitian
ditujukan untuk:
1. Menghasilkan tools analisis 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

1.4 MANFAAT PENELITIAN

Manfaat penelitian ini bagi peneliti sendiri yaitu dapat menambah pemahaman
pada bidang Sistem Informasi Geografis (SIG) terutama pada pembuatan tools untuk
menghitung estimasi Land Surface Temperature (LST) serta membantu pihak-pihak
terkait yang ingin melakukan perhitungan estimasi Land Surface Temperature (LST)
di tempat yang berbeda dengan menggunakan tools agar lebih mudah dan praktis
digunakan.

3
 BAB II
TINJAUAN KEPUSTAKAAN

2.1 INFORMASI GEOGRAFIS KABUPATEN ACEH BARAT

Kabupaten Aceh Barat adalah salah satu Kabupaten di Provinsi Aceh yang
berada di wilayah pantai barat dan selatan kepulauan Sumatera yang membentang dari
barat ke timur. Secara geografis Kabupaten Aceh Barat terletak pada posisi 04°06’ -
04°47’ Lintang Utara dan 95°52’ - 96°30’ Bujur Timur dengan luas wilayah sebesar
2.927,95 Km2. Kabupaten Aceh Barat terdiri atas 12 Kecamatan, 33 mukim dan 322
gampong. Sebanyak 192 desa diantaranya berada di dataran dan 83 desa terletak di
lembah. Hanya 47 desa yang terletak di lereng. Kabupaten Aceh Barat berbatasan
dengan Kabupaten Pidie Jaya dan Aceh Jaya di sebelah utara, kemudian di sebelah
selatan berbatasan dengan Kabupaten Nagan Raya dan Samudera Indonesia.
Sedangkan di sebelah timur berbatasan dengan Kabupaten Aceh tengah dan Nagan
Raya, sebelah barat berbatasan dengan Samudera (BPS, 2017). Peta administrasi
Kabupaten Aceh Barat ditunjukkan pada Gambar

2.2 LAND SURFACE TEMPERATURE

Surface temperature (suhu permukaan) didefinisikan sebagai suhu bagian
terluar dari suatu objek. Suhu permukaan suatu objek tidak sama tergantung pada sifat
fisik permukaan objek. Sifat fisik objek tersebut adalah emisivitas, kapasitas panas
jenis dan konduktivitas Thermal. Jika suatu objek memiliki emisivitas dan kapasitas
panas jenis yang tinggi sedangkan konduktivitas Thermal nya rendah maka suhu
permukaannya akan menurun, contohnya pada permukaan tubuh air. Sedangkan jika
suatu objek memiliki emisivitas dan kapasitas panas jenis yang rendah dan
konduktivitas Thermal nya tinggi maka suhu permukaan akan meningkat, contohnya
pada permukaan darat. Secara umum suhu permukaan tertinggi akan terdapat di pusat
kota dan menurun secara bertahap ke arah pinggiran kota sampai ke desa (Sutanto,
1994 dalam Khusaini, 2008).
Land surface temperature (suhu permukaan tanah) dapat didefinisikan sebagai
suhu permukaan rata-rata dari suatu permukaan yang digambarkan dalam satuan piksel

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).

Tabel 2.1. Panjang Gelombang dan Resolusi Band Landsat 8

Panjang Gelombang Resolusi
Band
(mikrometer) (meter)
Landsat 8 Band 1 - Ultra Blue (coastal/aerosol) 0.43 - 0.45 30
Band 2 - Blue 0.45 - 0.51 30
Band 3 - Green 0.53 - 0.59 30
Operational Land Band 4 - Red 0.64 - 0.67 30
Imager (OLI)
Band 5 - Near InfraRed (NIR) 0.85 - 0.88 30
dan
Band 6 - Shortwave InfraRed (SWIR) 1 1.57 - 1.65 30
Thermal InfaRed
Band 7 - Shortwave InfraRed (SWIR) 2 2.11 - 2.29 30
Sensor (TIRS)
Band 8 - Panchromatic 0.50 - 0.68 15
Band 9 - Cirrus 1.36 - 1.38 30
Band 10 - Thermal InfraRed (TIRS) 1 10.60 - 11.19 100 * (30)
Band 11 - Thermal InfraRed (TIRS) 2 11.50- 12.51 100 * (30)
(Sumber : USGS,2016)

2.3.1. Operational Land Imager (OLI)

Operational Land Imager (OLI) mempunyai 1 band inframerah dekat dan 7
band tampak reflektif, akan meliput panjang gelombang yang direfleksikan oleh objek-
objek pada permukaan Bumi, dengan resolusi spasial yang sama dengan Landsat
pendahulunya yaitu 30 meter. Sensor OLI mempunyai band-band spektral yang
menyerupai sensor ETM+ (Enhanced Thermal Mapper plus) dari Landsat-7, akan
tetapi sensor pencitra OLI ini mempunyai band-band yang baru yaitu : band-1: 443 nm
untuk aerosol garis pantai dan band 9 : 1375 nm untuk deteksi cirrus, namun tidak
mempunyai band inframerah termal (Sitanggang, 2010).

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).

2.3.2. Thermal InfraRed Sensor (TIRS)

Thermal InfraRed Sensor (TIRS) berisi dua band termal, yang mengukur suhu
permukaan lahan pada resolusi 100 meter (produk yang disediakan disampel ulang
(resampled) menjadi resolusi 30 meter). Pada band termal, piksel berwarna 6 gelap
mewakili suhu dingin dan piksel berwarna terang mewakili suhu panas. Data band
termal memberikan informasi penting mengenai penggunaan air irigasi di lahan
gersang, serta unit panas di perkotaan (USGS, 2017).

2.3.3. NDVI (Normalized Difference Vegetation Index)

NDVI adalah indeks vegetasi yang paling popular digunakan dan dapat
menggambarkan kondisi tingkat kehijauan, kesehatan, dan kerapatan vegetasi. NDVI
berbasis kepada perbedaan nilai pantulan band inframerah dengan band merah.
Tumbuhan hijau akan menyerap gelombang pada spektrum merah untuk proses
fotosintesis, dan memantulkan gelombang pada spektrum inframerah. Parameter
indeks vegetasi sebaiknya memenuhi syarat (Jensen, 2000) : (a) memaksimalkan
sensitifitas dari parameter biofisik tanaman; (b) menormalkan pengaruh dari luar
seperti: sudut matahari, sudut pandang sensor, atmosfer, dan waktu perekaman; (c)
menormalkan pengaruh dari dalam seperti: variasi dari jenis kanopi dan tanah, kondisi
topografi, jenis tanaman; (d) dapat dihubungkan dengan parameter biofisik yang dapat
diukur sepeti biomassa atau leaf area index (LAI) yang dapat dijadikan alat validasi
dan kontrol kualitas informasi. Nilai NDVI menggunakan nilai reflektansi dari band
NIR (Near InfraRed) dan band Red pada citra satelit untuk perhitungannya, dengan
persamaan:

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

Untuk menerapkan metodologi ini, diperlukan nilai emisivitas tanah dan

vegetasi. Dalam hal ini, biasanya dipilih nilai emisivitas untuk vegetasi sebesar 0.99.
Pilihan nilai tertentu untuk tanah menimbulkan pertanyaan yang lebih kritis, karena
variasi nilai emisivitas yang lebih tinggi untuk tanah dibandingkan dengan vegetasi.
Solusi yang mungkin adalah menggunakan nilai rata-rata untuk emisivitas tanah yang
termasuk dalam ASTER spectral library dan difilter menurut fungsi filter band TM6.
Mengingat ada total 49 spektrum tanah, diperoleh nilai rata-rata 0.973 (dengan standar

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) :

𝜀 = 0.004(𝑃𝑣) + 0.986 ........... …………........ (2.3)

dimana Pv merupakan proporsi vegetasi yang didapatkan dari perhitungan

sebelumnya.

2.4 SISTEM INFORMASI GEOGRAFIS (SIG)

Sistem Informasi Geografi (SIG) adalah suatu sistem berbasis komputer yang
memiliki kemampuan dalam menangani data bereferensi geografi yaitu pemasukan
data, manajemen data (penyimpanan dan pemanggilan kembali), manipulasi dan
analisis data, serta keluaran sebagai hasil akhir (output). Hasil akhir (output) dapat
dijadikan acuan dalam pengambilan keputusan pada masalah yang berhubungan
dengan geografi (Aronoff, 1989).
Sistem Informasi Geografi (SIG) sebagai sistem komputer yang memiliki
kemampuan untuk mengambil, menyimpan, menganalisa, dan menampilkan informasi
dengan referensi georafis (Budianto, 2010).
SIG merupakan suatu integrasi antara perangkat keras, perangkat lunak, data
manusia (brainware) yang bekerjasama dalam mengolah data dimulai dari manajemen
data, manipulasi dan analisis data sehingga menghasilkan output atau hasil akhir yang
dapat digunakan sebagai acuan dalam pengambilan keputusan terhadap suatu
permasalahan yang sedang dihadapi (Riwayatiningsih dan Purnaweni, 2017).
Ssebagai suatu sistem, maka terdapat interkoneksi antara satu komponen
dengan komponen lainnya. Kualitas dari keseluruhan GIS sebagai suatu sistem sangat
tergantung kepada keseluruhan komponen dan interkoneksi antar komponen. Jika
salah satu komponen tidak baik, maka secara keseluruhan GIS tidak berjalan dengan
baik (Raharjo dan Ikhsan, 2015). Hal tersebut dapat kita lihat pada gambar 2.3.

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.

Gambar 2.3 Kelompok software ArcGIS (Raharjo dan Ikhsan, 2015)

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.

2.7.1 Elemen ModelBuilder

Model Builder terdiri dari tiga elemen dasar, yaitu variable, tools dan
connector. Ketiga elemen tersebut tersusun satu sama lain sehingga membentuk
serangkaian input-proses-output yang utuh.
1. Tools : Geoprocessing tools merupakan blok bangunan dasar dari alur kerja
dalam model. Tools melakukan berbagai operasi pada data geografis atau
tabular. Ketika tools ditambahkan ke model, maka akan menjadi elemen model.
2. Variables : Variables adalah elemen pada model yang menyimpan nilai atau
referensi sehingga data tersimpan pada disk. Ada dua jenis variabel:
a. Data : Data variables adalah elemen model yang berisi informasi deskriptif
tentang data yang tersimpan pada disk. Sifat data yang dijelaskan dalam
variabel data meliputi informasi lapangan, referensi spasial, dan jalur.
b. Values : Value variables adalah nilai seperti string, angka, Boolean (true /
false values), referensi spasial, unit linier, atau luasan. Variabel nilai
mengandung apa saja kecuali referensi ke data yang tersimpan di disk.
3. Connectors : Konektor menghubungkan data dan value pada tools. Tombol
panah konektor menunjukkan arah pemrosesan. Ada empat jenis konektor:
a. Data: Data Konektor menghubungkan data dan variabel nilai pada tools.

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.

Gambar 2.4. Elemen ModelBuilder (ESRI, 2014)

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 𝑆𝑈𝑆 = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑠𝑘𝑜𝑟 ∗ 2.5 ..................... (2.4)

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)

2.9 PURPOSIVE SAMPLING

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi
dan aspek –aspeknya, sampel adalah bagian dari populasi yang diambil untuk diteliti.
Dalam banyak kasus tidak mungkin kita meneliti seluruh anggota populasi, oleh
karena itu kita membentuk sebuah perwakilan populasi yang disebut sampel
(Sugiyono, 2017).
Terdapat dua teknik sampling yang dapat digunakan dalam suatu penilitian,
yaitu, 1) Probability Sampling dimana teknik pengambilan sampel ini memberikan
peluang yang sama bagi setiap unsur (Anggota) populasi untuk dipilih menjadi
anggota sampel. Dengan kata lain Probability Sampling adalah teknik sampling
dimana jumlah populasi sampel telah memiliki jumlah yang telah ditentukan. Teknik
ini meliputi, simple random sampling, proportionate stratifed random sampling,
disproportionate stratifies random sampling, sampling area (cluser). 2) Non
Probability Sampling dimana teknik pengambilan sampel ini tidak memberi peluang
atau kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi
sampel. Teknik sampling ini pada dasarnya digunakan karena jumlah populasi sampel
tidak dapat ditentukan sehingga sampel akan ditentukan secara acak. Teknik sampel
ini meliputi, sampling sistematis, kuota, aksidental, purposive, jenuh, snowball
(Sugiyono, 2017).
Teknik penentuan sampel yang digunakan pada penelitian ini adalah
didasarkan pada metode non probability sampling yaitu teknik pengambilan sampel
yang menggunakan pendekatan Purposive Sampling. Purposive Sampling adalah
teknik penentuan sampel dengan pertimbangan tertentu (Sugiyono, 2017).

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

3.1. TEMPAT DAN WAKTU PENELITIAN

Penelitian ini dilakukan di Laboratorium Sistem Informasi Geografis dan Data
Spasial jurusan Informatika Unsyiah. Waktu penelitian yang digunakan untuk
membangun ini kurang lebih 6 (enam) bulan.

3.2. ALAT DAN BAHAN

Alat dan bahan yang digunakan pada penelitian ini adalah sebagai berikut :
3.2.1 Alat
Alat yang digunakan dalam penelitian ini meliputi Perangkat Keras
(Hardware) dan Perangkat Lunak (Software).
3.2.1.1.Perangkat Keras (Hardware)
Perangkat keras yang digunakan dalam penelitian ini adalah laptop dengan
spesifikasi sebagai berikut :
a. Processor Intel® Core™ i7-3612QM
b. Memory 6 GB RAM DDR
c. Harddisk 500 GB
3.2.1.2.Perangkat Lunak (Software)
Perangkat lunak yang digunakan dalam penelitian ini adalah sebagai berikut:
a. ArcGIS

3.2.2 Data (Bahan)

Data yang dibutuhkan untuk penelitian ini adalah sebagai berikut :
a. Data Peta batas administrasi Kabupaten Aceh Barat (Sumber : BAPPEDA
Aceh Barat)
b. Citra Landsat 8 akuisisi: 16 Juni 2017 path row: 131-057 Resolusi 30 m
(Sumber : https://earthexplorer.usgs.gov/)
c. Citra Landsat 8 akuisisi: 9 Juni 2017 path row: 130-057 Resolusi 30 m
(Sumber : https://earthexplorer.usgs.gov/)

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.

3.3.1. Identifikasi dan Merumuskan Masalah

Penelitian ini dimulai dengan mengidentifikasi fenomena masalah yang
ditemukan pada penelitian terdahulu serta kebutuhan analisis spasial suhu permukaan
lahan, kemudian dirumuskan masalah yang akan menjadi fokus penelitian. Tujuan
penelitian dirumuskan berdasarkan rumusan masalah.

3.3.2. Studi Literatur

Tahapan studi literatur dilakukan untuk mencari dan memperoleh referensi
yang relevan untuk memecahkan masalah yang telah dirumuskan sebelumnya.
Referensi ini dapat berupa buku, jurnal, artikel, dan laporan penelitan terdahulu yang
berkaitan dengan analisis suhu permukaan lahan dan ModelBuilder menggunakan
ArcGIS.

3.3.3. Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data spasial yang berupa citra
Landsat 8 tahun 2017 yang diakuisisi pada 16 Juni 2017 path row: 131-057 dan 9 Juni
2017 path row: 130-057, masing-masing citra tersebut memiliki resolusi spasial 30 m
dan dapat diunduh pada website : https://earthexplorer.usgs.gov/. Penelitian kali ini
juga menggunakn peta batas wilayah administrasi Kabupaten Aceh Barat yang
didapatkan dari BAPPEDA Aceh Barat melalui referensi yang telah dilakukan pada
penelitian sebelumnya.

3.3.4. Perancangan dan Pembuatan Tools

Perancangan dan pembuatan tools akan dilakukan menggunakan suatu fitur
yang terdapat pada ArcGIS yaitu ModelBuilder. Dengan menggunakan ModelBuilder
kita dapat membuat, mengedit dan mengelola model dengan cara mengumpukan data

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.

3.3.5. Evaluasi Penggunaan Tools

Pada tahap ini dilakukan evaluasi terhadap tools yang telah dibuat. Tahap
evaluasi sistem dilakukan dengan menggunakan 2 metode yaitu metode Purposive
Sampling dan metode System Usability Scale (SUS). Metode Purposive Sampling
digunakan untuk mendapatkan perbedaan waktu antar analisis LST menggunakan
tools yang telah dibuat dan tanpa menggunakan tools. Metode SUS Diaplikasikan
dengan menggunakan 10 buah pertanyaan berbentuk kuesioner yang diikuti dengan 5
pilihan jawaban untuk setiap pertanyaannya, mulai dari sangat setuju hingga sangat
tidak setuju. Setelah hasil metode uji didapatkan melalui metode SUS maka akan
dibandingkan hasil analisis estimasi suhu permukaan lahan dari tools yang telah dibuat
dengan hasil analisis estimasi suhu permukaan lahan tanpa menggunakan tools
tersebut.

3.3.6. Penarikan Kesimpulan dan Saran

Setelah memperoleh hasil dari pengujian tools maka peneliti mampu menarik
kesimpulan dari perumusan masalah serta tujuan yang ingin dicapai yang telah
dijabarkan dari penelitian ini. Setelah itu peneliti mampu memberikan kontribusi
berupa saran kepada pembaca dan peneliti selanjutnya mengenai hambatan dan solusi
yang berhubungan dengan masalah pada penelitian ini.

20
 Mulai

Landsat 8 Landsat 8 Landsat 8 Landsat 8 Landsat 8 Landsat 8

Pathrow 130-057 Pathrow 131-057 Pathrow 130-057 Pathrow 131-057 Pathrow 130-057 Pathrow 131-057
(band 4) (band 4) (band 5) (band 5) (band 10) (band 10)

Shapefile Batas Shapefile Batas

Kabupaten Aceh Barat Kabupaten Aceh Barat

Extract (Clip) Extract (Clip) Extract (Clip)

Mosaic Mosaic Mosaic

NDVI TOA Radiance

Proporsi Vegetasi (PV) TOA Brightness

Temperature

LSE
(Land Surface Emissivity)

LST
(Land Surface Temperature)

Reclassify

Raster to Vector

Dissolve dan Symbology

Hasil

Gambar 3.1. Tahap Analisis Land Surface Temperature (LST)

21
 BAB IV
HASIL DAN PEMBAHASAN

4.1. PROSES PERANCANGAN TOOLS

Pada proses perancangan tools ada beberapa tahapan yang mengacu pada
proses atau tahapan analisis Land Surface Temperature atau suhu permukaan tanah
seperti yang tertera pada gambar 3.2. Hasil perancangan tersebut nantinya akan meng-
hasilkan sebuah tools untuk menghitung suhu permukaan tanah. Tools yang telah di-
hasilkan tersebut akan di add atau di embed ke dalam ArcToolbox sehingga menjadi
sebuah tools yang bernama Land Surface Temperature. Pada Toolbox Land Surface
Temperature terdapat dua model yang dapat digunakan untuk menghitung suhu
permukaan tanah, model dengan menggunakan 1 pathrow citra Landsat dan model
dengan menggunakan 2 pathrow citra Landsat. Untuk studi kasus pada penelitian kali
ini model yang digunakan adalah model yang menggunakan 2 pathrow citra Landsat.
ModelBuilder untuk menganalisis suhu permukaan tanah (Lampiran 1).

4.1.1. Parameter Land Surface Temperature

Parameter yang digunakan untuk menghitung suhu permukaan tanah kali ini
adalah parameter Citra Landsat Band 4 (Red), Band 5 (NIR) dan Band 10 (Thermal)
yang didapat dari 2 pathrow yang berbeda, yaitu pathrow 130-057 yang diambil pada
tanggal 9 Juni 2017 dan pathrow 131-057 yang diambil pada tanggal 16 Juni 2017.
Bentuk dari pathrow tersebut dapat dilihat pada gambar dibawah ini.

22
Gambar 4.1. Citra Landsat pathrow 130-057 (6 Juni 2017)

Gambar 4.2 Citra Landsat pathrow 131-057 (16 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.

4.1.2.1.Extract Data (Clip)

Analisis Land Surface Temperature atau suhu permukaan tanah yang berada di
Kabupaten Aceh Barat menggunakan parameter input Citra Landsat band 4 (Red),
band 5 (NIR) dan band 10 (Thermal) dengan 2 pathrow yang berbeda. Setiap
parameter input akan diekstrak dengan cara dilakukan pemotongan menggunakan
tools Clip. Tools Clip tersebut bisa ditemukan pada ArcToolbox di Analysis Tools →
Extract → Clip. Citra landsat tersebut akan dijadikan sebagai input extend pada proses
Clip tersebut dan Peta batas Kabupaten Aceh Barat akan menjadi output extend dalam
proses Clip tersebut. Proses tersebut akan diimplementasikan ke dalam ModelBuilder
dan akan dihubungkan dengan garis konektor. Implementasi ModelBuilder tersebut
dapat dilihat pada gambar dibawah ini.

24
 Gambar 4.3 Implementasi ModelBuilder untuk proses extract (Clip)

4.1.2.2.Penggabungan Data (Mosaic)

Selanjutnya data Band dari 2 pathrow yang telah di ekstrak tersebut akan
digabungkan menjadi satu Citra Landsat. Proses tersebut menggunakan tools Mosaic
yang terdapat pada ArcToolbox di Data Management Tools → Raster → Raster
Dataset → Mosaic. Fungsi mosaic yang digunakan adalah Mosaic Spasial. Mosaic
Spasial adalah Mosaic antar pathrow yang berbeda, digunakan untuk menggabungkan
beberapa pathrow untuk menampilkan data pada suatu wilayah yang luas seperti
provinsi, pulau besar maupun satu wilayah negara (LAPAN, 2014). Proses Mosaic
tersebut akan diimplementasikan ke dalam ModelBuilder. Proses implementasi
tersebut dapat dilihat pada gambar berikut.

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.

Gambar 4.5 Hasil Mosaic Citra Landsat untuk Band 4 (Red)

26
 Gambar 4.6 Hasil Mosaic Citra Landsat untuk Band 5 (NIR)

Gambar 4.7 Hasil Mosaic Citra Landsat untuk Band 10 (Thermal)

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.

Gambar 4.8. Implementasi ModelBuilder untuk proses Raster Calculator NDVI

Gambar 4.9. Raster Calculator untuk parameter NDVI

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.

Gambar 4.10. Implementasi ModelBuilder untuk proses Raster Calculator LSE

Gambar 4.11. Raster Calculator untuk perhitungan Proporsi Vegetasi

29
 Gambar 4.12. Raster Calculator untuk parameter LSE

Gambar 4.13. Hasil proses perhitungan Proporsi Vegetasi

30
 Gambar 4.14. Hasil proses perhitungan LSE

4.1.5. Koreksi Radiometrik

Koreksi Radiometrik bertujuan memperbaiki kualitas citra akibat dari
kesalahan pantulan permukaan atau kelengkungan bumi dan faktor lain, seperti arah
sinar matahari, kondisi cuaca, kondisi atmosfer dan faktor lainnya. Koreksi
Radiometrik dilakukan pada Citra Landsat Band 10 (Thermal). Ada 2 Koreksi
Radiometrik yang dilakukan, yang pertama adalah mengkonversi nilai Digital Number
(DN) dari Band 10 (Thermal) menjadi Spectral Radiance (𝐿𝜆 ) dengan menggunakan
persamaan sebagai berikut :

𝐿𝜆 = 𝑀𝐿 𝑄𝑐𝑎𝑙 + 𝐴𝐿 ............. …………........ (4.1)

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)

Hasil dari proses konversi nilai Spectral Radiance ( 𝐿𝜆 ) ke dalam bentuk

Brightness Temperature (𝑇𝐵 ) dapat dilihat pada gambar dibawah ini.

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 )

Proses implementasi koreksi radiometric dalam ModelBuilder dapat dilihat

pada gambar dibawah ini.

Gambar 4.19. Implementasi untuk koreksi radiometrik pada Band 10 (Thermal)

4.1.6. Perhitungan dan Klasifikasi Land Surface Temperature (LST)

Suhu permukaan dapat diartikan sebagai suhu bagian terluar dari suatu objek.
sedangkan untuk vegetasi dapat dipandang sebagai suhu permukaan kanopi tumbuhan,
dan pada tubuh air merupakan suhu dari permukaan air tersebut. Pada saat permukaan
suatu benda menyerap radiasi, suhu permukaannya belum tentu sama. Hal ini
tergantung pada sifat fisis objek pada permukaan tersebut. Sifat fisis objek tersebut
diantaranya emisivitas, kapasitas panas jenis dan konduktivitas termal. Suatu objek di

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)

Gambar 4.20. Raster Calculator perhitungan Land Surface Temperature (LST)

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)

Sehingga didapatkan hasil kelas suhu permukaan tanah sebagai berikut :

 Kelas 1 : < 16°C
 Kelas 2 : 17 - 20°C
 Kelas 3 : 21 - 24°C
 Kelas 4 : 25 - 28°C
 Kelas 5 : 29 - 32°C
 Kelas 6 : > 33°C

Hasil dari proses Reclassify dapat dilihat pada gambar dibawah ini.

Gambar 4.21. Reclassify Land Surface Temperature (LST)

36
 Gambar 4.22. Hasil Reclassify Land Surface Temperature (LST)

Hasil yang telah diklasifikasi menggunakan Reclassify tersebut akan konversi

kedalam bentuk vector lalu klasifikasi tersebut akan diubah menggunakan calculated
field agar klasifikasi data tersebut sesuai dengan data interval suhu yang telah dibentuk
sebelumnya dengan menambahkan field baru yang bernama “suhu”. Kemudian
langkah terakhir dari proses tersebut adalah dengan dilakukan proses dissolve dan
symbology sesuai dengan file layer Land Surface Temperature (LST) dan
diimplementasikan kedalam ModelBuilder. Hasil akhir dari tools yaitu dengan
melakukan calculated geometry untuk menghitung luas daerah sebaran suhu, namun
proses calculated geometry tersebut tidak dimasukkan kedalam ModelBuilder karena
proses calculated geometry hanya bisa dilakukan melalui table atribut hasil akhir dari
seluruh proses ModelBuilder. Proses implementasi ModelBuilder dan hasil akhir
tersebut dapat dilihat pada gambar dibawah ini.

37
Gambar 4.23. Hasil peta yang telah dikonversikan ke dalam bentuk vector

Gambar 4.24. Calculate field untuk mengklasifikasi sebaran suhu

38
 Gambar 4.25. Implementasi ModelBuilder untuk proses akhir perhitungan LST

4.2. IMPLEMENTASI TOOLS

Setelah proses perancangan tools selesai, tools yang telah dibuat akan di embed
ke dalam ArcToolbox dengan nama Land Surface Temperature. Tools Land Surface
Temperature terdiri dari 2 model untuk perhitungan Land Surface Temperature, yaitu
perhitungan menggunakan 2 pathrow dan 1 pathrow. Pembuatan model untuk
pehitunggan 1 pathrow merupakan inisiatif dari dari penulis dan sebagai penunjang
untuk mempermudah pembuatan model perhitungan menggunakan 2 pathrow. Ketika
tools untuk perhitungan Land Surface Temperature dijalankan, maka akan muncul
tampilan dimana pengguna harus memasukkan data parameter awal yang digunakan
untuk analisis. Data parameter awal tersebut berupa Citra Landsat dengan 3 Band yang
berbeda, yaitu Band 4 (Red), Band 5 (NIR) dan Band 10 (Thermal) dari tiap pathrow
yang digunakan dan juga data shapefile batas administrasi Kabupaten yang ingin
dianalisis, lalu pengguna harus memasukan lokasi penyimpanan dari hasil run pada
Output Feature. Pengguna juga diwajibkan untuk mencentang kolom Use Input
Features for Clipping Geometry yang berfungsi sebagai parameter extend dalam
proses Extract (Clip) Citra Landsat. Hal ini dikarenakan peta yang akan di Clip

39
merupakan peta raster yang format geometrinya berbeda dari peta vector pada
umumnya.

4.2.1. Tampilan Antarmuka tools Land Surface Temperature

Tampilan antarmuka tools untuk menghitung Land Surface Temperature (LST)
setelah dijalankan dapat dilihat pada gambar 4.26. Pada tampilan tersebut terdapat
tombol Tools Help, di mana pengguna bisa melihat bagaimana tools ini digunakan.
Pada Tools Help terdapat beberapa informasi diantaranya bagaimana cara penggunaan
tools Land Surface Temperature, penjelasan singkat apa itu tools Land Surface
Temperature serta penjelasan mengenai setiap parameter input yang digunakan.

Gambar 4.26. Tampilan antarmuka tools Land Surface Temperature

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

4.3. TAHAP EVALUASI TOOLS

Tahap evaluasi tools dilakukan dengan 2 (dua) cara, yakni: (1) pengukuran
waktu yang dibutuhkan dalam menganalisis land surface temperature dengan metode
purposive sampling; dan (2) System Usability System (SUS). Data evaluasi tools
tersebut digunakan sebagai data penunjang untuk menetapkan efektivitas penggunaan
tools dari aspek waktu dan tingkat usabilitas tools LST yang telah dibuat.

4.3.1. Perbandingan Analisis Tools dan tanpa Tools

Perbandingan hasil pada analisis Land Surface Temperature (LST) dengan
menggunakan tools yang telah dibuat dengan tanpa menggunakan tools dapat dilihat
pada gambar berikut ini.

41
 MENGGUNAKAN TOOLS

Gambar 4.28. Hasil akhir menggunakan Tools ModelBuilder

TANPA MENGGUNAKAN
TOOLS

Gambar 4.29. Hasil akhir tanpa menggunakan Tools ModelBuilder

Berdasarkan gambar di atas hasil dari perbandingan analisis Land Surface

Temperature (LST) dengan menggunakan tools dan tanpa menggunakan tools
memiliki hasil yang sama. Setiap tahapan-tahapan analisis dalam proses perbandingan
hasil akhir sudah mengacu pada Gambar 3.2.

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.

4.3.2. Evaluasi Waktu Penggunaan Tools

Dalam evaluasi kali ini akan dibandingkan waktu dalam menganalisis Land
Surface Temperature dengan metode Purposive Sampling. Purposive Sampling adalah
teknik penentuan sampel dengan pertimbangan tertentu (Sugiono, 2017). Metode
dilakukan dengan menentukan 2 kategori sampel yaitu kategori Mahasiswa
Informatika dan Mahasiswa Non-Informatika. Tiap kategori akan ditentukan 20 orang
yang dipilih secara acak untuk setiap kategori, 10 orang akan menjalankan analisi
menggunakan tools yang telah dibuat dan 10 orang lagi akan menjalankan analisis
tanpa menggunakan tools atau dengan cara manual dan dibandingkan waktu
pengerjaannya. Dalam evaluasi ini perhitungan waktu menggunakan stopwatch, untuk
10 sampel kategori mahasiswa non informatika yang melakukan melakukan
perhitungan menggunakan tools 3 diantaranya dilakukan secara bersamaan
menggunakan pc yang memiliki spesifikasi yang tidak jauh berbeda dari laptop
peneliti sendiri, dan 7 sampel seluruhnya mengerjakan menggunakan laptop peneliti
langsung secara bergantian. Spesifikasi dari laptop ataupun pc yang digunakan dalam
menjalankan tools kali ini juga berpengaruh dalam menentukan waktu menjalankan
tools, spesifikasi laptop ataupun pc yang baik akan lebih mempersingkat waktu
menjalankan tools tersebut. Namun dalam evalusi kali ini dikarenakan spesifikasi pc
dan laptop tidak terlalu berbeda maka waktu dari proses tidak memiliki perbedaan

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.

Analisis perbandingan lama waktu analisis land surface temperature dengan

menggunakan tools dan tanpa menggunakan tools, oleh mahasiswa informatika dan
non informatika sebagaimana ditunjukkan pada Gambar 4.30 diperoleh bahwa lama
waktu analisis land surface temperature menggunakan tools yang dibuat peneliti rata-
rata 319 detik (5 menit 32 detik) pada mahasiswa informatika dan 384,6 detik (6 menit
41 detik) pada mahasiswa non informatika. Lama waktu analisis ini lebih pendek
dibanding dengan analisis land surface temperature tanpa menggunakan tools, yakni
rata-rata 2866,6 detik (48 menit) pada mahasiswa informatika dan 3100,8 detik (52
menit) pada mahasiswa 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.

4.3.3. Evaluasi System Usability Scale (SUS)

Dalam evaluasi tools untuk analisis Land Surface Temperature metode yang
digunakan adalah metode System Usability Scale (SUS). Evaluasi ini dilakukan
dengan pengisian kuisioner yang melibatkan pengguna dari kalangan mahasiswa dan
juga non-mahasiswa. Usability testing ini dilakukan untuk mengetahui kesesuaian
tools yang telah dirancang bagi pengguna. Analisis usability yang dilakukan dengan
cara membagikan kuesioner SUS yang telah valid kepada 30 responden. Kuesioner
tersebut dapat dilihat pada lampiran 4. Responden terdiri dari 10 orang dari kalangan
non-Mahasiswa dan selebihnya dari kalangan mahasiswa yang memahami Sistem
Informasi Geografis (SIG).
Skor pengukuran usability ditunjukkan pada Lampiran 5. Skor yang diperoleh
pada Lampiran 5 tersebut telah dilakukan perhitungan dengan menggunakan ketentuan
perhitungan metode SUS, sehingga didapatkan hasil rata-rata skor 34. Selanjurnya
skor rata-rata tersebut dianalisis menggunakan persamaan 2.4 sebagai berikut.

45
 𝑆𝑘𝑜𝑟 𝑆𝑈𝑆 = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑆𝑘𝑜𝑟 𝑥 2,5
= 34 𝑥 2,5
= 85

Berdasarkan hasil akhir perhitungan di atas terhadap kuesioner menggunakan

metode SUS, maka didapat skor SUS terhadap tools yang telah dibuat adalah 85.
Sesuai dengan representasi skor SUS yang ditunjukkan pada Gambar 2.5, hasil analisis
SUS yang diperoleh berada pada Adjective Ratings Excellent, Grade B, dan kategori
Acceptable. Dengan Demikian, tools analisis Land Surface Temperature (LST)
memiliki tingkat acceptability yang baik serta dapat diterima oleh pengguna dan layak
digunakan.

4.4. SUHU PERMUKAAN TANAH DI KABUPATEN ACEH BARAT

Dari hasil analisis suhu permukaan tanah di Kabupaten Aceh Barat dengan
menggunakan Toolbox yang telah dirancang menggunakan ModelBuilder pada
ArcGIS., didapatkan Output yang dapat dilihat pada lampiran 2. Lalu didapatkan data
klasifikasi Suhu Permukaan Tanah di Kabupaten Aceh Barat pada tahun 2017 yang
dapat dilihat pada tabel dibawah ini.
Tabel 4.1. Klasifikasi Suhu permukaan tanah Aceh Barat 2017
Kelas Suhu Permukaan (oC) Luas (Ha) Persentase (%)
1 < 16 406.74949 0.15
2 17 - 20 8087.472647 2.93
3 21 - 24 118427.2694 42.88
4 25 - 28 143760.2901 52.05
5 29 - 32 5291.732234 1.92
6 > 33 203.461484 0.07
Total 276176.9753 100.00

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

Hasil Estimasi Suhu Permukaan Tanah

Gambar 4.31. Perbandingan Hasil Perhitungan Dengan Citra Composite

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.

Aronoff, S. (1989). A Review of Geographic Information System : a management

perspective. Ottawa: WDL Publications. pp.294.

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.

ESRI. 2014. ArcGIS Help 10.2, 10.2.1, and 10.2.2. http://resources.arcgis.com/en-

/help/main/10.2/index.html. Diakses Tanggal: 5 Desember 2018.

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

Jensen, J. 2000. Remote Sensing of The Environment an Earth Resource Perspective.

Prentice Hall, New Jersey.

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.

NASA. 2016. Landsat Data Continuity Mission. https://landsat.gsfc.nasa.gov/landsat-

data-continuity-mission/. Diakses tanggal: 20 Desember 2018.

NASA. 2016. Landsat 8 Bands. https://landsat.gsfc.nasa.gov/landsat-8/landsat-8-

bands/. Diakses tanggal: 4 Januari 2019.

Raharjo, B., & Ikhsan, M. 2015. Belajar ArcGIS Desktop 10. Banjarbaru: Geosiana
Press.

Rajeshwari, A, Mani, N, D. 2014. Estimation Of Land Surface Temperature Of

Dindigul District Using Landsat 8 Data. International Journal of Research in
Engineering and Technology. Vol. 3, No. 5, Mei 2014. Hal: 122-126.

Riwayatiningsih, dan Purnaweni, Hartuti. 2017. Pemanfaatan Sistem Informasi Geo-

grafi dalam Pengembangan Pariwisata. p 2528-5742.

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.

Sutanto. 1994. Penginderaan Jauh. Jilid 2. Yogyakarta: Gadjah Mada University

Press.

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. EarthExplorer. https://earthexplorer.usgs.gov/. 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.

Menggunakan Tools Tanpa Menggunakan Tools

Mahasiswa Mahasiswa Non Mahasiswa Mahasiswa Non
Responden
Informatika Informatika Informatika Informatika
MENIT DETIK MENIT DETIK MENIT DETIK MENIT DETIK
1 4 20 7 17 48 10 52 20
2 5 43 5 25 47 21 50 45
3 4 16 7 57 46 17 47 39
4 4 26 5 50 48 3 52 51
5 6 27 7 36 44 15 52 52
6 6 29 5 48 46 40 49 53
7 4 26 6 45 47 1 51 13
8 6 21 5 24 52 57 52 25
9 6 22 5 27 48 52 55 15
10 4 20 6 37 48 10 51 35
Rata-rata 4,9 25,0 5,8 36,6 47,4 22,6 51,1 34,8

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

Skor Setiap Pertanyaan

Responden JUMLAH
1 2 3 4 5 6 7 8 9 10
1 3 5 3 2 3 3 4 2 3 3 31
2 4 4 5 1 5 1 5 2 5 2 34
3 4 4 5 2 4 2 5 2 3 2 33
4 4 3 4 2 4 2 3 2 4 2 30
5 5 2 4 2 5 2 5 1 4 2 32
6 3 3 4 2 3 2 4 2 4 2 29
7 4 4 4 2 5 2 4 2 5 2 34
8 4 3 5 2 5 2 5 2 5 2 35
9 4 2 4 2 4 2 4 2 4 2 30
10 5 2 5 4 5 2 5 1 5 5 39
11 4 4 5 2 5 2 5 2 4 4 37
12 4 5 5 1 4 2 4 3 4 2 34
13 4 2 5 4 5 2 4 2 4 4 36
14 4 4 3 3 3 3 3 3 3 5 34
15 4 4 2 4 4 3 4 2 4 4 35
16 5 5 5 5 5 2 4 2 4 4 41
17 4 2 4 4 4 2 4 2 4 4 34
18 4 4 4 4 4 2 4 2 4 4 36
19 4 2 5 4 5 2 4 2 5 4 37
20 4 4 4 4 4 2 4 4 4 4 38
21 4 3 5 2 5 2 4 1 4 3 33
22 4 4 5 2 4 1 4 2 4 2 32
23 5 5 5 1 4 4 5 1 5 1 36
24 4 2 4 3 4 2 4 2 4 5 34
25 4 2 5 5 5 2 5 2 5 4 39
26 2 4 4 4 4 2 4 2 4 4 34
27 4 2 3 4 4 2 3 3 4 4 33
28 4 5 4 2 4 2 4 2 4 2 33
29 4 4 4 4 4 2 4 2 4 3 35
30 4 2 5 2 5 1 5 2 5 2 33
Rata – rata Skor 34

56