03 - 019 - Zakky Nurshidiq - Lad Surface Temperature

KEGIATAN – V
LAND SURFACE TEMPERATURE
LAPORAN PRAKTIKUM PENGOLAHAN CITRA DIGITAL
Disusun Oleh:
Nama : Zakky Nurshidiq

NIM : 117.200.019
Plug : 03
PROGRAM STUDI TEKNIK GEOMATIKA

JURUSAN TEKNIK GEOLOGI
FAKULTAS TEKNOLOGI MINERAL
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
YOGYAKARTA
2023/2024
LABORATORIUM FOTOGRAMETRI DAN PENGINDERAAN JAUH
TEKNIK GEOMATIKA
UPN “VETERAN” YOGYAKARTA 2023/2024
BAB I
PENDAHULUAN
1.1 Latar Belakang

Penginderaan Jauh merupakan rekaman pola pantulan energi
elektromagnetik dan emisi yang ditampilkan di citra menyerupai gambar dan
mempunyai sifat yang sangat bervariasi. Untuk mendapatkan informasi penting
dari data tersebut kita harus melakukan tahap deteksi terlebih dahulu. Deteksi
dibantu oleh karakteristik spasial, spectral, radiometric dan temporal data.
Resolusi spasial ialah kemampuan system perekam dalam membedakan objek
yang terletak berdekatan. Resolusi spectral merupakan perekaman gambaran
yang sama pada interval spectral yang berbeda. Resolusi radiometric untuk
menghasilkan kontras yang lebih baik sehingga dapat dicapai jumlah tingkat
keabuan antara batas hitam dan putih yang mudah dibedakan. Akhirnya resolusi
temporal menjelaskan kegunaan citra yang direkam pada interval waktu tertentu
(musim) untuk mendeteksi perubahaan yang telah terjadi (Purwadhi, 2001).
Tujuan utama penginderaan jauh adalah untuk mengumpulkan data
sumberdaya alam dan lingkungan. Teknik ini menghasilkan beberapa bentuk
citra yang selanjutya diproses dan diinterpretasi guna membuahkan data yang
bermanfaat untuk aplikasi di bidang pertanian, arkeologi, kehutanan, geografi,
geologi, perencanaan, dan bidang-bidang lainnya (Lo, 1995).
Pada praktium ini akan belajar dan mempraktikan proses ekstraksi sushu
permukaan bumi (land surface temperature). Land Surface Temperature (LST)
merupakan parameter penting dalam pemahaman dinamika lingkungan,
perubahan iklim, dan manajemen sumber daya alam. Pemantauan LST dapat
dilakukan secara efektif menggunakan data citra satelit, seperti Landsat 8, yang
menyediakan informasi spasial dengan resolusi tinggi. Proses ekstraksi land
surface temperature dari citra Landsat 8 memerlukan penggunaan perangkat
lunak pengolahan citra digital, seperti ENVI (Environment for Visualizing
Images).
Pengolahan citra Landsat 8 untuk ekstraksi Land Surface Temperature
melibatkan sejumlah langkah meliputi, koreksi radiometrik, koreksi atmosfer,
2 | Praktikum Pengolahan Citra Digital

TEKNIK GEOMATIKA
dan penggunaan model fisik untuk mengonversi nilai radiansi menjadi suhu
permukaan tanah. Praktikum ini bertujuan untuk memberikan pemahaman
teoritis dan praktis tentang land surface temperature dan proses ekstraksi LST
serta meningkatkan kemampuan praktikan dalam menggunakan software ENVI
untuk analisis suhu permukaan tanah.
Dengan melakukan ekstraksi Land Surface Temperature (LST),
praktikan diharapkan dapat mengaplikasikan pengetahuan dalam pemahaman
perubahan suhu permukaan tanah, identifikasi pola suhu yang berbeda di
berbagai area, serta melihat implikasinya terhadap aspek-aspek seperti
manajemen sumber daya alam, mitigasi risiko bencana, dan pemantauan
perubahan iklim. Dan diharapkan praktikan dapat menguasai teknik ekstraksi
LST menggunakan citra Landsat 8 dan memahami relevansinya dalam konteks
pemantauan lingkungan dan perubahan iklim.
1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan, maka dapat dirumuskan
permasalahan sebagai berikut:
1. Apa yang dimaksud dengan land surface temperature?
2. Bagimana tahapan-tahapan dalam melakukan proses ekstraksi suhu
permukaan tanah?
3. Bagaimana hasil analisa land surface temperature yang telah diperoleh
berdasarkan karakterisitik wilayahnya?
1.3 Tujuan
Adapun tujuan pelaksanaan dari kegiatan ini adalah sebagai berikut:
1. Praktikan mengetahui apa itu land surface temperature.
2. Praktikan mengetahui tahapan-tahapan dalam melakukan proses proses
ekstraksi suhu permukaan tanah
3. Praktikan mengetahui karakteristik wilayah kajian berdasarkan analisa
dari hasil ekstraksi suhu permukaan tanah.

TEKNIK GEOMATIKA
BAB II
DASAR TEORI
2.1. Penginderaan Jauh

Pengindraan jauh adalah ilmu dan seni pengumpulan informasi tentang
objek, area, atau fenomena tanpa memiliki kontak fisik dengan objek, area, atau
fenomena tersebut, melalui pengukuran karakteristik yang ada dalam radiasi
yang dipantulkan atau dipancarkan oleh objek, area, atau fenomena tersebut
(Kiefer et al, 2014). Metode ini menggunakan sensor atau alat pengindraan yang
mampu mendeteksi, mengukur, dan merekam karakteristik radiasi
elektromagnetik yang dipantulkan atau dipancarkan oleh objek, area, atau
fenomena yang diamati. Pengindraan jauh memiliki beragam aplikasi dalam
berbagai bidang, termasuk ilmu lingkungan, geografi, geologi, pertanian,
pemetaan, pemantauan cuaca, pemantauan bencana alam, dan banyak lagi.
2.2. Citra Satelit

Citra satelit merupakan alat dalam penginderaan jauh yang memberikan
representasi visual dari permukaan bumi (Kiefer et al, 2014). Citra satelit
menjadi salah satu elemen kunci dalam penginderaan jauh, dan kemampuannya
untuk memperoleh data dari jarak jauh memungkinkan penggunaannya dalam
berbagai aplikasi ilmiah dan praktis. Citra satelit dapat menggambarkan
permukaan bumi atau objek tertentu di berbagai panjang gelombang spektrum
elektromagnetik, seperti cahaya tampak, inframerah, atau mikrogelombang.
Citra satelit digunakan untuk berbagai tujuan, termasuk pemetaian, pemantauan
lingkungan, analisis tanah, pemantauan cuaca, dan pemahaman perubahan di
permukaan bumi.
2.2.1. Citra Landsat 8

Citra satelit Landsat 8 adalah gambar atau visualisasi yang diperoleh
dari satelit Landsat 8 yang dioperasikan oleh NASA dan USGS. Citra ini
digunakan untuk berbagai aplikasi, termasuk pemetaan lahan, pemantauan
lingkungan, analisis cuaca, dan penelitian ilmiah. Landsat 8 memiliki
kemampuan untuk menghasilkan citra multispektral dengan resolusi tinggi yang

TEKNIK GEOMATIKA
memungkinkan analisis detail tentang berbagai fenomena permukaan Bumi

(Jensen, J.R., 2015). Citra ini memiliki kemampuan untuk menghasilkan data
dengan resolusi tinggi dan dalam berbagai panjang gelombang spektrum
elektromagnetik. Data ini sangat penting dalam pemahaman dan pemantauan
lingkungan dan sumber daya alam di seluruh dunia. Berikut ini merupakan band
dan pajang gelombang pada citra Landsat 8.
Gambar 2. 1 Band dan Panjang Gelombang Landsat 8 (Sumber:

https://www.usgs.gov)
2.3. Band
Band adalah bagian khusus dari spektrum elektromagnetik, sering
didefinisikan berdasarkan panjang gelombang pusat dan lebar pita. Sensor
penginderaan jauh dirancang dengan berbagai band untuk menangkap informasi
yang berbeda tentang permukaan Bumi (Jensen, J.R., 2015). Penggunaan
berbagai band atau saluran spektral memungkinkan para ilmuwan dan pengamat
untuk memperoleh informasi yang berbeda tentang objek atau area yang
diamati. Sebagai contoh, band inframerah dekat (NIR) digunakan untuk
menganalisis kesehatan vegetasi, sementara band termal dapat digunakan untuk
mengukur suhu permukaan. Konsep ini menjadi dasar dalam pemrosesan data
penginderaan jauh untuk berbagai aplikasi seperti pemantauan lingkungan,
pemetaan sumber daya alam, dan analisis bumi.
2.3.1. Band Multispektral

Band multispektral pada citra satelit mengacu pada berbagai
saluran atau kanal yang mengukur reflektansi atau radiansi
elektromagnetik pada beberapa rentang panjang gelombang. Band-band
ini digunakan untuk mengidentifikasi dan memetakan fitur-fitur

TEKNIK GEOMATIKA
permukaan bumi, seperti vegetasi, air, dan tanah. Penggunaan band

multispektral sangat umum dalam analisis citra satelit untuk tujuan
pemetaan dan pemantauan lingkungan. Data multispektral dari citra
satelit memiliki potensi besar untuk analisis spasial dan pemodelan
lingkungan. Dengan menggunakan kombinasi berbagai band, kita dapat
mengidentifikasi dan memahami karakteristik permukaan bumi dengan
lebih baik (Jensen, 2015).
2.3.2. Band Thermal

Band termal pada citra satelit merupakan saluran atau kanal yang
mengukur radiasi elektromagnetik dalam rentang panjang gelombang
tertentu yang sesuai dengan panas atau suhu permukaan bumi. Band
termal umumnya digunakan untuk mengukur Land Surface Temperature
(LST) atau suhu permukaan tanah. Para ahli sering menyoroti
pentingnya informasi termal dalam memahami proses-proses fisika di
permukaan bumi, seperti perubahan iklim, kesehatan tanaman, dan
pengelolaan sumber daya alam. Penggunaan data termal sangat penting
dalam pemodelan lingkungan dan pemantauan sumber daya alam. Data
suhu permukaan tanah membantu dalam memahami pola dan dinamika
perubahan iklim, serta dapat digunakan untuk deteksi dini perubahan
lingkungan (Weng, 2009).
2.4. Land Surface Temperature

Suhu permukaan tanah atau Land Surface Temperature (LST)
merupakan keadaan yang dikendalikan oleh keseimbangan energi permukaan,
atmosfer, sifat termal dari permukaan dan media bawah permukaan tanah. Suhu
permukaan suatu wilayah dapat diidentifikasikan dari citra satelit Landsat yang
diekstrak dari band thermal. Dalam penginderaan jauh, temperatur permukaan
tanah dapat didefinisikan sebagai suatu permukaan rata-rata dari suatu
permukaan, yang digambarkan dalam cakupan suatu piksel dengan berbagai
tipe permukaan yang berbeda (USGS, 2015 dalam Delarizka, 2016).
Land Surface Temperature dapat didefinisikan sebagai suhu permukaan
rata-rata yang digambarkan dalam cakupan suatu piksel dengan berbagai tipe

TEKNIK GEOMATIKA
permukaan yang berbeda. Besarnya nilai LST dipengaruhi oleh panjang

gelombang, panjang gelombang yang paling sensitif terhadap suhu permukaan
adalah inframerah termal. Namun, pada dasarnya setiap panjang gelombang
akan sensitif terhadap respon perubahan suhu yang mempengaruhi nilai pantul
objek. Untuk dapat mengetahui informasi LST, dilakukan proses identifikasi
suhu permukaan tanah dengan memanfaatkan gelombang thermal yang terdapat
pada citra satelit.
Nilai Land Surface Temperature (LST) dapat diperoleh melalui
beberapa tahapan perhitungan:
1. Perhitungan Brightness Temperature (BT)
Brightness temperature merupakan suhu kecerahan yang diterima oleh
sensor. Perlu diketahui bahwa BT memiliki dimensi suhu tetapi tidak
memiliki arti fisik suhu, artinya nilai BT tidak mencerminkan nilai suhu
permukaan bumi tetapi suhu udara bumi sehingga perlu adanya parameter
emisivitas permukaan bumi untuk mendapatkan nilai suhu permukaan
bumi. BT dapat dihitung menggunakan persamaan berikut ini (USGS,
2019):
Keterangan:
BT = Brightness Temperature (Kelvin)
K1 = Konstanta kalibrasi radian spektral
K2 = Konstanta kalibrasi suhu absolut
CVR2 = Radian spektral band thermal.
2. Perhitungan Land Surface Emissivity (LSE)
a) Normalized Difference Vegetation Index (NDVI)
NDVI merupakan perhitungan citra yang digunakan untuk mengetahui
tingkat kehijauan atau tingkat kerapatan vegetasi. Rentang nilai dari
NDVI adalah -1 sampai 1. Nilai -1 sampai 0 mengindikasikan bahwa
tingkat kerapatan vegetasinya rendah atau terdapat vegetasi yang hijau,
sedangkan nilai 0 sampai 1 mengindikasikan adanya kerapatan vegetasi

TEKNIK GEOMATIKA
yang sedang hingga tinggi. NDVI dapat diperoleh dengan rumus sebagai
berikut:
Keterangan:
BNIR = Reflektan Band NIR
BRed= Reflektan Band Red
b) Proportion of Vegetation (Pv)
Pv merupakan persentase tutupan vegetasi dalam total area kajian dan
merupakan turunan dari transformasi NDVI. Perhitungan Pv
menggunakan parameter NDVImax dan NDVImin . NDVImax dengan
nilai NDVI > 0.5 didefinisikan sebagai vegetasi rapat dan NDVImin
dengan nilai NDVI < 0.2 didefinisikan sebagai tanah gundul (Sobrino et.
al., 1990). Pv digunakan untuk mengetahui parameter emisivitas
permukaan tanah yang dapat dihitung menggunakan persamaan berikut
ini (Carlson & Ripley, 1997):
Keterangan:
NDVImax= 0.5
NDVImin = 0.2
c) Land Surface Emissivity (LSE/ε)
Emisivitas permukaan tanah merupakan kemampuan objek untuk
memancarkan energi yang dimilikinya. Nilai LSE dapat diperoleh
melalui persamaan berikut ini (Sobrino et. al., 1990):
ε = (0.004*PV+0.986).
3. Perhitungan Land Surface Temperature (LST) Setelah nilai brightness
temperature dan land surface emissivity diketahui maka selanjutnya dapat
dihitung nilai suhu permukaan tanahnya menggunakan persamaan berikut
ini:

TEKNIK GEOMATIKA
Keterangan: Ts = suhu permukaan tanah BT = nilai brightness temperature

λ = panjang gelombang tengah (center wavelength) band termal (10.8) ρ =
ε = emisivitas permukaan spektral

TEKNIK GEOMATIKA
BAB III
METODOLOGI
3.1. Lokasi
Kegiatan praktikum ini dilaksanakan secara daring di Kontrakan
GeoFunny, Jl. Beringin Raya 2 No 66, Maguwoharjo, Sleman, Daerah stimewa
Yogyakarta pada hari Jum’at, 10 November 2023.
3.2. Alat dan Bahan

Pada kegiatan praktikum pengolahan citra digital ini terdapat perangkat dan
data, diantaranya sebagai berikut :
1. Perangkat Keras (Hardware) yang dibutuhkan:
a. Laptop Acer Nitro 5
2. Perangkat Lunak (Software) yang dibutuhkan:
a. Software ENVI 5.3.
b. Software ArcGIS 10.8
3. Data yang dibutuhkan:
a. Raw data Citra Landsat 8 area Jawa Tengah Tahun 2019.

TEKNIK GEOMATIKA
3.3. Diagram Alir
Gambar 3. 1 Diagram Alir Pelaksanaan Praktikum

TEKNIK GEOMATIKA
3.4. Langkah Kerja

Adapun langkah kerja yang dilakukan untuk melakukan pengolahan Land
Surface Tempertaure (LST) meliputi, koreksi radiometrik pad aband thermal,
koreksi radiometrik pada band multipektral, konversi radians band 10 ke
brightness temperature, konversi reflektan menjadi nilai land surface
emissivity, ekstraksi land surface temperature, dan simbologi land surface
temperature serta layouting peta.
3..4.1. Koreksi Radiometrik pada Band Thermal

1. Membuka software ENVI 5.3 untuk melakukan koreksi radiometrik di citra
Landsat 8.
2. Memasukkan metadata citra Landsat 8 yang berformat .MTL terlebih

dahulu dengan cara klik Open → memilih citra dengan file .MTL → maka
tampilannya akan seperti gambar di bawah ini.
3. Membuat ROI dengan cara klik ‘Region of Interest (ROI) Tool’ → pada
bagian Geometry, pilih ‘Rectangular’ → membuat ROI-nya pada citra.

TEKNIK GEOMATIKA
4. Apabila ROI telah dibuat, tampilan window ‘Region of Interest (ROI) Tool’
dapat ditutup. Jangan lupa melakukan penyimpanan terhadap ROI tersebut
karena nantinya ROI tersebut akan digunakan juga untuk pemrosesan
selanjutnya.
5. Melakukan kalibrasi radiometrik pada citra Landsat 8 dengan cara klik

‘Radiometric calibration’ pada toolbox. Band yang digunakan adalah band
thermal karena digunakan untuk deteksi suhu permukaan tanah.
6. Hal tersebut dapat dilakukan dengan cara klik band thermal, setelah memilih
‘radiometric calibration’ → memilih ‘spatial subset’ untuk melakukan

TEKNIK GEOMATIKA
kalibrasi radiometrik pada area ROI saja → memilih ‘Subset by ROI’, maka
akan muncul tampilan window ‘ROI Selection’.
7. Pada tampilan window tersebut, pilih ROI yang telah dibuat sebelumnya→
klik OK → klik OK lagi pada bagian window ‘File Selection’
8. Setelah itu, akan muncul tampilan window ‘Radiometric Calibration’. Pada

window tersebut, memilih ‘Calibration type’ = Radiance, karena radiance
adalah nilai yang akan dicari untuk mendapatkan nilai suhu permukaan →
memilih ‘Output Interleave’ = BSQ, dan ‘Output Data Type’ = Float →
memilih tempat penyimpanan file kalibrasi radiometrik dengan cara klik
‘choose’ → OK.

TEKNIK GEOMATIKA
9. Menunggu proses kalibrasi radiometrik hingga selesai, maka hasil dari

proses kalibrasi radiometrik pada citra yang telah dilakukan cropping sesuai
ROI-nya sebagai berikut.
10. Setelah melakukan kalibrasi radiometrik, selanjutnya adalah melakukan

koreksi atmosfer menggunakan toolbox ‘Thermal Atmospheric Correction’.
Setelah klik ‘Thermal Atmospheric Correction’, maka akan muncul
tampilan ‘Thermal Correction Input File’.
11. Pada tampilan window tersebut, memilih file yang telah dilakukan cropping
dan kalibrasi radiometrik → OK → muncul tampilan window ‘Thermal Atm
Correction Parameters’ → memilih tempat penyimpanan file (Output
Gain/Offset file dan Output Filename) → klik OK.

TEKNIK GEOMATIKA
12. Menunggu hingga proses selesai, maka hasil dari proses Thermal
Atmospheric Correction sebagai berikut.

TEKNIK GEOMATIKA
3..4.2. Koreksi Radiometrik pada Band Multispektral

1. Melakukan koreksi radiometrik menggunakan band multispectral dengan
metode FLAASH. (Caranya sama dengan di praktikum sebelumnya untuk
mendapatkan nilai surface reflectance dengan nilai min = 0 dan max = 1
dan area kajian sesuai ROI yang teman-teman pilih dengan menggunakan
spatial subset yang disesuaikan dengan ROI).
a. Kalibrasi radiometrik citra multispektral
b. Koreksi atmosferik menggunakan metode FLAASH
2. Maka hasil akhir dari koreksi radiometrik metode FLAASH pada citra
multispectral dengan format dataya surface reflectance akan seperti di
bawah ini.
3..4.3. Konversi Radians Band 10 ke brightness Temperature

1. Membuka softwae ENVI Classic 5.3
2. Memasukkan file yang telah dikoreksi atmosferik dengan cara klik ‘File’
→ ‘Open Image File’ → pilih file yang akan diinputkan.

TEKNIK GEOMATIKA
3. Selanjutnya melakukan proses Thermal Mapping untuk mengubah nilai

radians menjadi nilai suhu kecerahan, dengan cara klik ‘Band Math’ pada
Basic Tools → memasukkan algoritma rumus yang digunakan untuk
melakukan proses konversi menjadi suhu kecerahan, yaitu:
4. Membuka metadata citra tersebut dan mencari konstanta dari band 10, lalu
memasukkan nilai konstanta pada metadata citra Landsat 8 ke band math
→ klik 13 ‘Add to List’ → pilih rumus yang telah dimasukkan → OK →
maka akan muncul tampilan window ‘Variable to Bands Pairings’. Band 10
ini dipilih karena dianggap lebih unggul dibandingkan band 11 yang
memiliki nilai ketidakpastian lebih besar daripada band 10 (Wang, F,

TEKNIK GEOMATIKA
2015). Selain itu, pada band 10 memiliki nilai anomali stray light yang lebih
kecil dibandingkan dengan band 11 (USGS, 2019).
5. Pada window tersebut memilih band termal yang telah terkoreksinya adalah
band 10 (bagian atas) → memilih folder penyimpanan file → OK.
6. Setelah itu adalah mengubah nilai suhu kecerahan pada citra ke dalam
satuan Celcius, dengan cara klik ‘Band Math’ pada Basic Tools →
memasukkan rumus konversi dari Kelvin ke Celcius yaitu Band Thermal –
273 → klik OK → memilih band thermal yang telah diubah nilainya
menjadi suhu kecerahan pada tampilan window ‘Variable to Bands
Pairings’→ memilih tempat penyimpanan → OK.

TEKNIK GEOMATIKA
7. Maka hasil suhu kecerahan citranya menjadi satuan Celcius seperti pada
gambar di bawah ini → lalu mengecek nilai statistik citranya.
8. Berdasarkan hasil statistik tersebut, dapat diketahui bahwa hasil

minimumnya masih bernilai 11,672913, sehingga nilai tersebut sudah
menunjukkan suhu lebih dari 0. Jadi tidak perlu dilakukan konversi lagi.
3.4.4. Konversi Reflektan menjadi nilai Land Surface Emissivity

1. Mencari nilai Land Surface Emissivity yang diawali dengan melakukan
pengolahan NDVI. 27.Langkah pertamanya adalah memasukkan data citra
multispektral yang sebelumnya telah diolah menjadi surface reflectance ke
software ENVI Classic dan melakukan load data, maka hasilnya akan
seperti di bawah ini.

TEKNIK GEOMATIKA
2. Melakukan band math untuk melakukan pengolahan NDVI dengan cara

klik Basic Tools → Band Math. Menginput rumus perhitungan NDVI, yaitu
: (b5-b4/b5+b4) → lalu klik Add to List. Klik rumusnya pada ‘Previous
Band Math Expressions’ lalu OK.
3. Mendefinisikan variabel B4 dan B5 pada tampilan window Variable to

Bands Pairings. Dengan cara klik B4 terlebih dahulu, lalu pada Available

TEKNIK GEOMATIKA
Bands List, kita memilih Band Red karena B4 pada Landsat 8 adalah Band
Red dan Klik B5 dengan memilih Band NIR.
4. Memilih tempat penyimpanan output file dari NDVI dengan cara klik
Choose → pilih tempat penyimpanan → klik OK.

TEKNIK GEOMATIKA
5. Menunggu pemrosesan NDVI hingga selesai, lalu apabila selesai

selanjutnya adalah load data hasil NDVI dan hasilnya akan seperti di bawah
ini.
6. Setelah itu diperoleh nilai NDVI, selanjutnya adalah mengolah NDVI

tersebut menjadi nilai Proportion of Vegetation (PV) dengan memasukkan

TEKNIK GEOMATIKA
rumus PV ke dalam Band Math. Rumus PV : ((((abs(NDVI))-0.2)/(0.5-

0.2))^2)
7. Setelah itu mendefinisikan maksud B45 yang merupakan NDVI, dengan

cara klik hasil pengolahan NDVI → lalu simpan hasil pengolahan PV →
OK.

TEKNIK GEOMATIKA
8. Menunggu pemrosesan PV hingga selesai, lalu apabila selesai selanjutnya

adalah load data hasil PV dan hasilnya akan seperti di bawah ini.
9. Setelah mendapatkan nilai PV, selanjutnya adalah mengolah nilai PV

tersebut menjadi nilai LSE (Land Surface Emissivity) dengan memasukkan
rumus LSE ke dalam Band Math. Rumus ε : (0.004*PV+0.986).
10. Setelah itu mendefinisikan maksud B13 yang merupakan PV, dengan cara
klik hasil pengolahan PV→ lalu simpan hasil pengolahan LSE → OK.

TEKNIK GEOMATIKA
11. Menunggu pemrosesan LSE hingga selesai, lalu apabila selesai selanjutnya
adalah load data hasil LSE dan hasilnya akan seperti di bawah ini.

TEKNIK GEOMATIKA
3.4.5. Ekstraksi Land Surface Temperature

1. Melakukan ekstraksi Land Surface Temperature menggunakan nilai BT dan
LST dengan rumus LST sebagai berikut :
Ts = suhu permukaan tanah

BT = nilai brightness temperature
λ = panjang gelombang tengah (center wavelength) band termal (10.8)
ρ = ε = emisivitas permukaan spektral.
2. Maka rumus Band Math LST pada ENVI-nya sebagai berikut :
B15/(1+(10.8 *b15* alog(B14)/1438)).
3. Setelah itu mendefinisikan maksud B14 yang merupakan LSE dan B15
yang merupakan BT, dengan cara klik hasil LSE untuk B14 dan klik BT
untuk B15→ lalu simpan hasil pengolahan LST → OK.

TEKNIK GEOMATIKA
4. Menunggu pemrosesan LST hingga selesai, lalu apabila selesai selanjutnya

adalah load data hasil LST dan hasilnya akan seperti di bawah ini.
5. Melakukan compute statistic untuk mengetahui nilai suhu permukaan

minimum dan maksimum dari citra tersebut dengan cara klik kanan pada
display citra → klik Quick Stats

TEKNIK GEOMATIKA
3.4.6. Simbologi Land Surface Temperature

1. Melakukan copy pada nilai maksimum citra tersebut → pada display citra
LST tersebut, klik ‘Overlay’ → pilih ‘Density Slice…’ → pada tampilan
window ‘Density Slice Band Choice’, memilih citra yang telah diubah
menjadi LST → OK.

TEKNIK GEOMATIKA
2. Pada tampilan window ‘Density Slice’ melakukan ‘Clear Range’ untuk

menghapus nilai ‘Defined Density Slice Ranges’.
3. Kemudian membuat range baru dengan cara klik ‘Option’ → pilih ‘Add
New Ranges…’ → memasukkan nilai Range Start = 0 dan Range End =
hasil statistik nilai maksimum citra yang sebelumnya telah di-copy → pada
bagian # of Ranges diubah menjadi 5 untuk membagi kelasnya menjadi 5
kelas → OK.

TEKNIK GEOMATIKA
4. Mengubah warna di setiap kelasnya, dengan cara pilih kelasnya → klik

‘Edit Range’ → pada tampilan window ‘Edit Range Density Slice Range’,
memilih warna di setiap kelas → OK.
5. Setelah mengubah tampilan warna di setiap kelas → klik Apply.
6. Maka tampilan citranya akan seperti di bawah ini.

TEKNIK GEOMATIKA
7. Selanjutnya, klik kanan pada display citra → pilih ‘Cursor

Location/Value…’ untuk mengetahui informasi suhu citra tersebut, yaitu di
bagian ‘Data’.

TEKNIK GEOMATIKA
3.4.7. Layouting Peta

1. Melakukan layouting pada hasil ekstraksi land surface temperature.
Dengan menambahkan keterangan-keterangan pada peta seperti, judul,
skala, legenda, grid koordinat, dan inset peta. Sehingga hasil seperti berikut:

TEKNIK GEOMATIKA
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil
4.1.1. Hasil Statistik Brightness Temperature dan Land Surface
Temperature
Gambar 4. 1 Hasil statistik brightness temperature (Sumber: dokumen

pribadi)
Gambar 4. 1 Hasil land surface temperature (Sumber: dokumen pribadi)

TEKNIK GEOMATIKA
4.1.2. Hasil Peta Land Surface Temperature
Gambar 4. 2 Peta Suhu Permukan Tanah Sebagian Provinsi Jawa Tengah

(Sumber: dokumen pribadi)
4.2. Pembahasan
Pada praktikum pengolahan citra digital ini, praktikan melakukan ekstraksi
Land Surface Temperature (LST) pada wilayah kajian di Provinsi Jawa Tengah.
Proses pengolahan yang dilakukan meliputi, koreksi radiometrik pada band
thermal, koreksi radiometrik pada band multipektral, konversi radians band 10 ke
brightness temperature, konversi reflektan menjadi nilai land surface emissivity,
ekstraksi land surface temperature, dan simbologi land surface temperature serta
layouting peta.
Proses koreksi radiometrik pada band thermal dan multispektral dilakukan
agar nilai surface reflectance bernila min = 0 dan max = 1 pada area kajian yang
telah ditentukan. Selanjutnya dilakukan perhitungan Brightness Temperature
(BT) dari band termal Landsat 8. BT mencerminkan suhu radiatif yang terdeteksi
oleh sensor satelit, dan proses ini melibatkan konversi nilai piksel band termal ke
suhu dalam Kelvin, yang kemudian dikonversi ke Celsius. Setelah mendapatkan
BT, dilanjutkan dengan perhitungan LSE menggunakan indeks NDVI dan PV.
NDVI memberikan informasi tentang vegetasi, sedangkan PV mengukur

TEKNIK GEOMATIKA
persentase tutupan vegetasi. Kombinasi kedua indeks ini digunakan untuk

memperkirakan LSE, yang penting dalam menghitung suhu permukaan tanah.
Selanjutnya, dilakukan analisis statistik terhadap hasil perhitungan BT dan
LSE. Tabel 2 menunjukkan nilai minimum, maksimum, mean, dan standar
deviasi dari suhu kecerahan dan suhu permukaan tanah. Perbedaan nilai antara
keduanya dapat dijelaskan melalui dua aspek utama. Pertama, suhu kecerahan
mencerminkan radiasi termal dari berbagai komponen dalam satu piksel citra,
termasuk tanah, air, dan vegetasi, yang memiliki sifat radiatif berbeda. Sedangkan
LST mencerminkan suhu sebenarnya dari permukaan tanah, mencerminkan panas
yang diserap dan dipancarkan oleh tanah itu sendiri.
Tabel 4. 1 Nilai statistik brightness temperature dan land surface temperature
Temperature Nilai Statistik

Nilai Minimum : 11.672913
Nimai Maximum : 35.330109
Brightness Temperature
Nilai Mean : 23.213914
Nilai Standart Deviasi : 2.365986
Nilai Minimum : 11.659754
Nimai Maximum : 35.442581
Land Surface Temperature
Nilai Mean : 23.209945
Nilai Standart Deviasi : 2.379466
Pengaruh atmosfer juga menjadi faktor penentu, di mana suhu kecerahan

rentan terhadap efek atmosfer seperti absorpsi dan pencampuran radiasi termal
oleh komponen atmosfer. Sebaliknya, LST umumnya dikoreksi untuk efek
atmosfer, menghasilkan nilai yang lebih akurat yang mencerminkan suhu
sebenarnya di permukaan tanah. Peran vegetasi juga mempengaruhi perbedaan
ini, dengan suhu kecerahan tidak membedakan secara langsung antara suhu tanah
dan suhu bagian tanaman, sementara LST memberikan gambaran yang lebih
akurat tentang suhu tanah yang sebenarnya, independen dari tutupan vegetasi.
Analisis suhu permukaan tanah terbagi menjadi 4 area seperti pada
Gambar 4.2 yaitu warna orange, hijau muda, merah, dan hijau tua pada area

TEKNIK GEOMATIKA
kajian Provinsi Jawa Tengah. Warna orange merepresentasikan area yang

memiliki LST dengan nilai ° - °C, warna hijau muda merepresentasikan area yang
memiliki LST dengan nilai ° - °C, warna merah merepresentasikan area yang
memiliki LST dengan nilai ° - °C, dan warna hijau tua merepresentasikan area
yang memiliki LST dengan nilai ° - °C. Warna orange mendominasi wilayah
tersebut yang berada pada area hutan kerapatan rendah dan pemukiman. Kedua
didominasi oleh warna hijau muda dengan wilayah hutan kerapatan tinggi,
selanjutnya warna merah pada daerah permukiman yang sangat terbuka, dan
warna hijau tua pada daera bukit hutan kerapatan sangat tinggi. Kesimpulannya,
suhu kecerahan dipengaruhi oleh struktur permukaan dan tutupan tanah dalam
satu piksel citra, sedangkan LST mencerminkan suhu spesifik dari permukaan
tanah, independen dari pengaruh vegetasi.

TEKNIK GEOMATIKA
BAB V
KESIMPULAN
5.1. Kesimpulan
Dari kegiatan praktikum Land Surface Temperature yang telah dilakukan,
maka dapat diambil kesimpulan sebagai berikut:
1. Pada praktikum ini, pratikan telah melakukan pengolahan land surface
temperature pada aera kajian Provinsi Jawa Tengah. Dengan
mengggunakan data Citra Landsat 8 (band thermal dan band multispektral).
Pengolahan berfokus pada ekstraksi sehingga mengasilkan perbandingan
antara nilai statistik brightness temperature dan land surface temperature.
2. Proses yang dilakukan untuk menghasilkan nilai statistik brightness
temperature dan land surface temperature meliputi, koreksi radiometrik
pad aband thermal, koreksi radiometrik pada band multipektral, konversi
radians band 10 ke brightness temperature, konversi reflektan menjadi nilai
land surface emissivity, ekstraksi land surface temperature, dan simbologi
land surface temperature serta layouting peta.
3. Hasil pengolahan menunjukkan perbandingan antara nilai statistik
brightness temperature dan land surface temperature. Brightness
temperature merepresentasikan suhu radiatif dari seluruh piksel citra,
sedagkan land surface temperature merepresentasikan suhu sebenarnya
dari permukaan tanah. Perbedaan tersebut dipengaruhi oleh faktor sifat
radiatif komponen permukaan dan efek atmosfer bumi.
4. Brightness temperature rentan terhadap pengaruh atmosfer, sedangkan
land surface temperature dikoreksi untuk efek atmosfer sehingga
memberikan nilai yang lebih akurat. Elemen vegetasi juga memperngaruhi
perbedaan yang ada, maka brightness temperature tidak membedakan
secara langsung antara tanah dengan vegetasi. Land surface temperature
memberikan gambaran yang lebih akurat tentang suhu permukaan tanah
yang sebenarnya.
5. Peta Land Surface Tempertaure (LST) yang dihailkan menunjukkan variasi
thermal di wilayah Provinsi Jawa Tengah. Wilayah merah dan orange

TEKNIK GEOMATIKA
menunjukan suhu permukaan yang tinggi, sedangkan warna hijau muda dan
hijau tua menunjukkan suhu permukaan yang lebih rendah.
Dari kegiatan praktikum Land Surface Temperature yang telah dilakukan,
praktikan telah menambah wawasan dan pegalama yang mendalam dalam
pengolahan ekstraksi LST. Thanks, Lopp you All ASLAB

TEKNIK GEOMATIKA
DAFTAR PUSTAKA
Jensen, J.R. (2005). "Introductory Digital Image Processing: A Remote Sensing

Perspective." Upper Saddle River, NJ: Prentice-Hall.
Kholifa, Siti Nur. 2019. Klasifikasi dan Interpretasi Citra Satelit Sentinel untuk
Pemetaan Tutupan Lahan Pada Wilayah Kabupaten Situbondo. Skripsi. Jurusan
Teknik Pertanian, Fakultas Teknologi Pertanian, Universitas Jember .
Danoedoro, Projo.2012. Pengantar Penginderaan Jauh Digital. Yogyakarta : ANDI.
Derajat, Roihan Muhammad, DKK. Klasifikasi Tutupan Lahan Menggunakan Citra
Landsat 8 Operational Land Imager (Oli) Di Kecamatan Pangandaran.
Pendidikan Geografi, FPIPS, Universitas Pendidikan Indonesia, Bandung.\
Hamdah, Hanifa. 2021. ESTIMASI LAND SURFACE TEMPERATURE DI DUSUN
REALOLO, DESA SAMAENRE, KECAMATAN MALLAWA,
KABUPATEN MAROS. Skripsi. Departemen Geofisika, Fakultas Matematika
dan Ilmu Pengetahuan Alam, Universitas Hasanuddin. Makasar.

03 - 019 - Zakky Nurshidiq - Lad Surface Temperature

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

03 - 019 - Zakky Nurshidiq - Lad Surface Temperature

Diunggah oleh

Hak Cipta:

Format Tersedia

KEGIATAN – V

LAND SURFACE TEMPERATURE

LAPORAN PRAKTIKUM PENGOLAHAN CITRA DIGITAL

Nama : Zakky Nurshidiq

PROGRAM STUDI TEKNIK GEOMATIKA

1.1 Latar Belakang

2 | Praktikum Pengolahan Citra Digital

1.2 Rumusan Masalah

3 | Praktikum Pengolahan Citra Digital

2.1. Penginderaan Jauh

2.2. Citra Satelit

2.2.1. Citra Landsat 8

4 | Praktikum Pengolahan Citra Digital

memungkinkan analisis detail tentang berbagai fenomena permukaan Bumi

Gambar 2. 1 Band dan Panjang Gelombang Landsat 8 (Sumber:

2.3.1. Band Multispektral

5 | Praktikum Pengolahan Citra Digital

permukaan bumi, seperti vegetasi, air, dan tanah. Penggunaan band

2.3.2. Band Thermal

2.4. Land Surface Temperature

6 | Praktikum Pengolahan Citra Digital

permukaan yang berbeda. Besarnya nilai LST dipengaruhi oleh panjang

7 | Praktikum Pengolahan Citra Digital

8 | Praktikum Pengolahan Citra Digital

Keterangan: Ts = suhu permukaan tanah BT = nilai brightness temperature

9 | Praktikum Pengolahan Citra Digital

3.2. Alat dan Bahan

10 | Praktikum Pengolahan Citra Digital

3.3. Diagram Alir

Gambar 3. 1 Diagram Alir Pelaksanaan Praktikum

11 | Praktikum Pengolahan Citra Digital

3.4. Langkah Kerja

3..4.1. Koreksi Radiometrik pada Band Thermal

2. Memasukkan metadata citra Landsat 8 yang berformat .MTL terlebih

12 | Praktikum Pengolahan Citra Digital

5. Melakukan kalibrasi radiometrik pada citra Landsat 8 dengan cara klik

13 | Praktikum Pengolahan Citra Digital

8. Setelah itu, akan muncul tampilan window ‘Radiometric Calibration’. Pada

14 | Praktikum Pengolahan Citra Digital

9. Menunggu proses kalibrasi radiometrik hingga selesai, maka hasil dari

10. Setelah melakukan kalibrasi radiometrik, selanjutnya adalah melakukan

15 | Praktikum Pengolahan Citra Digital

16 | Praktikum Pengolahan Citra Digital

3..4.2. Koreksi Radiometrik pada Band Multispektral

3..4.3. Konversi Radians Band 10 ke brightness Temperature

17 | Praktikum Pengolahan Citra Digital

3. Selanjutnya melakukan proses Thermal Mapping untuk mengubah nilai

18 | Praktikum Pengolahan Citra Digital

19 | Praktikum Pengolahan Citra Digital

8. Berdasarkan hasil statistik tersebut, dapat diketahui bahwa hasil

3.4.4. Konversi Reflektan menjadi nilai Land Surface Emissivity

20 | Praktikum Pengolahan Citra Digital

2. Melakukan band math untuk melakukan pengolahan NDVI dengan cara

3. Mendefinisikan variabel B4 dan B5 pada tampilan window Variable to

21 | Praktikum Pengolahan Citra Digital

22 | Praktikum Pengolahan Citra Digital

5. Menunggu pemrosesan NDVI hingga selesai, lalu apabila selesai

6. Setelah itu diperoleh nilai NDVI, selanjutnya adalah mengolah NDVI

23 | Praktikum Pengolahan Citra Digital

rumus PV ke dalam Band Math. Rumus PV : ((((abs(NDVI))-0.2)/(0.5-

7. Setelah itu mendefinisikan maksud B45 yang merupakan NDVI, dengan

24 | Praktikum Pengolahan Citra Digital

8. Menunggu pemrosesan PV hingga selesai, lalu apabila selesai selanjutnya