Skripsi
Oleh:
Alan Apriyanto
R1B118082
Allah Subhanahu Wa Ta'ala yang telah melimpahkan rahmat, taufik, dan hidayah-
Muhammad SAW, beserta para keluarga, sahabat dan semua pengikutnya yang
tetap istiqomah di jalan-Nya hingga akhir zaman, Aamiin. Skripsi ini ditulis dan
diajukan sebagai salah satu syarat yang harus dipenuhi oleh mahasiswa dalam
memperoleh gelar Sarjana Geografi (S.Geo) dari Fakultas Matematika dan Ilmu
orang tua, terkhusus Bapak La Ode Tasrun dan Ibu Afnina sebagai orang tua
penulis yang sangat cintai dan banggakan, terimakasih atas semua doa yang telah
dipanjatkan, dukungan, kerja keras, motivasi dan kasih sayangnya kepada penulis
hingga saat ini. Terima kasih kepada Bapak Nurgiantoro, S.T., MT., selaku
memotivasi penulis dan Bapak Fitra Saleh, S.Pi., M.Sc., selaku Pembimbing II
yang telah memberikan dan meluangkan waktu dan tenaganya dalam memberikan
arahan terkait penyusunan skirpsi kepada penulis hingga skripsi ini dapat
terselesaikan tepat waktu. Ucapan terima kasih kepada semua pihak yang telah
iv
memberikan dukungan dan bantuan dalam menyelesaikan skripsi ini. Dengan
1. Bapak Prof. Dr. Muhammad Zamrun Firihu, S.Si., M.Si., M.Sc., selaku
2. Bapak Dr. Ida Usman, S.Si., M.Si., selaku Dekan Fakultas Matematika dan
3. Bapak Sawaludin, S.Pi., M.Sc., dan Bapak Ahmad Hidayat, S.Pd., M.Sc.,
selaku Ketua Jurusan Geografi serta Ketua tim penguji dan Sekretaris
Jurusan Geografi.
4. Bapak Jamal Harimudin S.Si., M.Si., sekertaris tim penguji yang banyak
5. Ibu Noor Husna Khairisa S.Pd., M.Sc., selaku anggota tim penguji yang
skripsi.
6. Bapak dan Ibu Dosen Jurusan Geografi yang memberikan ilmu, bimbingan
Cindy Chesilya dan Fathan Verdiyanto terima kasih atas segala doa dan
dukunganya.
disebutkan satu persatu. Terima kasih atas semua hal yang telah dilalui
bersama serta bantuan dan motivasi yang telah diberikan kepada penulis
v
9. Kepada Moh Nur Ihsan Manaf S.Geo, Rahmat Hidayat Rauf, Iflan Rizky
skripsi ini. Semoga kelak kita bertemu kembali dengan kabar kesuksesan
masing-masing..
11. Adik-adik mahasiswa Jurusan Geografi angkatan 2019, 2020, 2021 dan
2022.
atas segala bantuan, dukungan dan bimbingan baik dalam bentuk nasehat maupun
materi, semoga skripsi ini dapat bermanfaat dan bernilai ibadah Aamiin Ya
Rabbal Alamin.
Penulis
vi
DAFTAR ISI
Halaman
HALAMAN JUDUL i
HALAMAN PERSETUJUAN ii
LEMBAR PERNYATAAN ORISINALITAS SKRIPSI iii
KATA PENGANTAR iv
DAFTAR ISI vii
DAFTAR TABEL x
DAFTAR GAMBAR xi
DAFTAR LAMPIRAN xii
ABSTRAK xiii
ABSTRACT xiv
BAB I PENDAHULUAN
A. Latar Belakang 1
B. Rumusan Masalah 3
C. Tujuan Penelitian 4
D. Batasan Masalah 4
E. Manfaat Penelitian 5
F. Keaslian Penelitian 6
BAB II TINJAUAN PUSTAKA
A. Perkotaan 9
B. Urban Heat Island 11
C. Penginderaan Jauh 15
D. Tutupan Lahan 16
E. Indeks spektral 18
1. Normalized Difference Vegetation Index (NDVI) 18
2. Normalized Difference Built-up Index (NDBI) 19
3. Normalized Difference Water Index (NDWI) 20
F. Class Signature 20
G. Kerangka Pikir Penelitian 22
vii
BAB III METODE PENELITIAN
A. Waktu Dan Tempat Penelitian 23
B. Alat dan Bahan Penelitian 25
1. Alat Penelitian 25
2. Bahan Penelitian 25
C. Populasi Dan Sampel Penelitian 25
1. Populasi 25
2. Sampel 26
D. Tahapan Penelitian 26
1. Tahap Persiapan/Pra-Lapangan 27
a. pengumpulan data 27
b. pembuatan peta lokasi penelitian 27
2. Tahap Lapangan 28
3. Tahap Pasca Lapangan 28
F. Teknik Pengumpulan Data 28
1. Data Primer 28
2. Data sekunder 28
G. Teknik Pengolahan Data 29
1. Koreksi Radiometrik 29
2. Pemotongan Citra (Cropping Image) 30
H. Teknik Analisis Data 30
1. Analisis UHI 30
2. Uji Akurasi 32
3. Perbandingan Metode Berbasis Spectral Indices Dan Class
Signature 34
I. Diagram Alir Penelitian 37
BAB IV HASIL DAN PEMBAHASAN
A. Hasil Penelitian 38
1. Kondisi Geografis 38
2. Koreksi Radiometrik 40
3. Pemotongan Citra (Cropping Image) 43
viii
4. Penentuan Area Tutupan Lahan 44
5. Analisi Spectral Indices 47
a. Analisis Normalized Difference Vegetation Index (NDVI) 48
b. Analisis Normalized Difference Built-Up Index (NDBI) 49
c. Analisis Normalized Difference Water Index (NDWI) 53
d. Uji Akurasi Spectral Indices 56
6. Analisis Analisis Class Signature 57
a. Uji Akurasi Class Signature 59
7. Analisis Land Surface Temperature (LST) 60
8. Urban Heat Island 62
B. Pembahasan 65
1. Perbandingan Klasifikasi Tutupan Lahan Berbasis Spectral
Indices Dan Class Signature sebagai pembentuk UHI 65
2. persebaran Urban Heat Island di wilayah perkotaan Raha
Kabupaten Muna 69
BAB V PENUTUP
A. Kesimpulan 73
B. Saran 73
DAFTAR PUSTAKA
LAMPIRAN
ix
DAFTAR TABEL
Halaman
Tabel 1.1 Keaslian Penelitian 6
Tabel 2.1 Karakteristik Saluran Landsat 9 OLI-2/TIRS-2 16
Tabel 3.1 Alat Penelitian 25
Tabel 3.2 Bahan Penelitian 25
Tabel 3.3 Matriks Kesalahan (Confusion Matrix) 33
Tabel 3.4 Klasifikasi Nilai NDVI 35
Tabel 3.5 Klasifikasi Nilai NDBI 36
Tabel 3.6 Klasifikasi Nilai NDWI 36
Tabel 4.1 Luas wilayah dan jumlah penduduk Kecamatan Kota Raha 38
Tabel 4.2 Rata Rata suhu udara perkotaan raha tahun 2021 39
Tabel 4.3 Intensitas Curah Hujan Perkotaan Raha 39
Tabel 4.4 Hasil Klasifikasi NDVI di Perkotaan Raha 50
Tabel 4.5 Hasil Klasifikasi NDBI di Perkotaan Raha 53
Tabel 4.6 Hasil Klasifikasi NDWI di Perkotaan Raha 56
Tabel 4.7 Hasil Uji Akurasi Spectral Indices 57
Tabel 4.8 Hasil Klasifikasi Class Signature di Perkotaan Raha 59
Tabel 4.9 Hasil Uji Akurasi Class Signature 60
Tabel 4.10 Hasil Klasifikasi LST di Perkotaan Raha 62
Tabel 4.11 Hasil Klasifikasi UHI di Perkotaan Raha 65
x
DAFTAR GAMBAR
Halaman
Gambar 2.1 Ilustrasi Urban Heat Island (UHI) 14
Gambar 2.2 Kerangka Pikir 22
Gambar 3.1 Peta Lokasi Penelitian 24
Gambar 3.2 Diagram Alir 37
Gambar 4.1. Hasil Koreksi Radiometrik Landsat 8 OLI/TIRS 42
Gambar 4.2. Statistik Koreksi Radiometrik 43
Gambar 4.4 Hasil pemotongan citra (Cropping image) 44
Gambar 4.5 Objek Kelas Hutan 45
Gambar 4.6 Objek Kelas Lahan Terbangun 46
Gambar 4.7 Objek Kelas Tubuh Air 47
Gambar 4.8 Hasil Klasifikasi NDVI 49
Gambar 4.9 Hasil Klasifikasi NDBI 52
Gambar 4.10 Hasil Klasifikasi NDWI 55
Gambar 4.11 Hasil Klasifikasi Metode Terbimbing (Class Signature) 58
Gambar 4.12 Hasil Land Surface Temperature 61
Gambar 4.13 Hasil Klasifikasi Urban Heat Island 64
xi
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Peta Titik Sampel Spectral Indices 78
Lampiran 2. Tabel Titik Kordinat Sampel Spectral Indices 79
Lampiran 3. Peta Titik Sampel Class Signature 80
Lampiran 4. Tabel Titik Kordinat Sampel Class Signature 81
Lampiran 5. Hasil Dokumentasi Lapangan 82
xii
PERBANDINGAN METODE KLASIFIKASI TUTUPAN LAHAN
BERBASIS SPECTRAL INDICES DAN CLASS SIGNATURE TERHADAP
PEMBENTUKAN UHI DI PERKOTAAN KABUPATEN MUNA
1
Jurusan Geografi, FMIPA, Universitas Halu Oleo, Kendari 93232, Indonesia
ABSTRAK
xiii
COMPARISON OF LAND COVER CLASSIFICATION METHODS BASED
ON SPECTRAL INDICES AND CLASS SIGNATURE ON THE FORMATION
OF UHI IN URBAN AREAS OF MUNA REGENCY
1
Department of Geography, FMIPA, Halu Oleo University, Kendari 93232,
Indonesia
ABSTRACT
xiv
BAB 1
PENDAHULUAN
A. Latar Belakang
merupakan kata sifat dari jenis kualifikasi yang digunakan untuk menunjuk segala
sesuatu yang berkaitan dengan kota. Perkotaan merupakan kebalikan dari desa
karena di dalam ruang kotalah segala aktivitas dan fenomena yang berkaitan
di perkotaan dipicu oleh pertumbuhan penduduk alami dan angka migrasi masuk
yang terus meningkat. Intensitas alih fungsi lahan terus meningkat sebagai wujud
Dkk, 2017). Perkembangan kota yang begitu pesat akan menyebabkan perubahan-
berkembang dengan begitu cepat disertai dengan aktifitas manusia yang secara
perkotaan dan pusat kota khususnya, lebih tinggi daripada suhu daerah sekitarnya.
Beberapa dampak negatif dari UHI antara lain dapat mempengaruhi flora
1
2
lingkungan dan ekonomi, kenyamanan termal, dan pemanasan global. Hal ini
memainkan peran besar pada kualitas kehidupan perkotaan . Urban Heat Island
non-urban yang mengelilinginya. Urban Heat Island dicirikan seperti pulau udara
permukaan panas yang terpusat di wilayah kota terutama pada daerah pusat kota
dan akan semakin turun temperaturnya di daerah sekelilingnya yakni pada daerah
pinggir kota. Hal ini dikarenakan terdapat dominasi material buatan yang
tinggi (Badriyah, 2014 dalam Darlina Dkk, 2018). Analisis mengenai Urban Heat
yang tidak nyaman bagi masyarakat. Hal tersebut dapat dijadikan perhatian utama
bagi perencana kota untuk memahami pola pengembangan lahan dan wilayah
kota besar khususnya di Indonesia. Untuk mengetahui sebaran UHI maka kita
dapat menganalisisnya melalui citra satelit, dimana citra dapat menyajikan data
Urban Heat Island (UHI), salah satunya adalah spectral indices dan class
signature.
Index (NDBI) atau indek lahan terbangun merupakan suatu algoritma untuk
Wetness Index (NDWI) adalah suatu algoritma yang digunakan untuk deteksi
badan air. Class signature merupakan satu set data yang diperoleh dari suatu
misalnya vegetasi, badan air, dan kawasan terbangun. Dari penyajian data tersebut
maka akan di dapatkan hasil untuk mengetahui sebaran Urban Heat Island di
Muna mempunyai iklim tropis seperti sebagian besar daerah di Indonesia, dengan
suhu rata-rata sekitar 26oC-30oC. Demikian juga dengan musim, Kabupaten Muna
mengalami dua musim, yaitu musim hujan dan musim kemarau. Wilayah
B. Rumusan Masalah
kawasan bisnis/industri dan aktivitas lainnya. Perubahan tutupan lahan ini akan
identifikasi melalui spectral indices dan class signature, sehingga yang menjadi
Kabupaten Muna ?
C. Tujuan Penelitian
sebagai berikut :
D. Batasan Masalah
2. Metode yang digunakan pada penelitian ini adalah metode indeks spektral
3. Data yang digunakan pada penelitian ini adalah data Citra Landsat 8
OLI/TIRS.
E. Manfaat Penelitian
F. Keaslian Penelitian
1. S. Effendy, A. Bey, 2006 Peranan ruang Penelitian mengestimasi hubungan Estimasi hubungan suhu udara
A.F.M. Zain, I. terbuka hijau dalam suhu udara dan ruang terbuka hijau dan RTH menghasilkan
Santosa mengendalikan suhu (RTH) menggunakan data Landsat; persamaan terpilih nonlinier
udara dan urban heat mengkaji kontribusi RTH, kepadatan (kubik) untuk Jakarta, kota dan
island wilayah populasi, luasan urban dan kepadatan kabupaten Bogor, Tangerang
jabotabek. kendaraan terhadap urban heat island serta Bekasi. Pola hubungan
(UHI) dan mengkuantifikasi dampak terbalik di mana setiap laju
UHI terhadap perubahan indeks pengurangan RTH
kenyamanan (THI), dan neraca energi menyebabkan peningkatan
permukaan Jakarta, kota dan suhu udara dan sebaliknya.
kabupaten Bogor, Tangerang dan
Bekasi (Jabotabek).
2. Reeman Mohammed 2014 Kota sejuk sebagai Metodologi penelitian didasarkan pada Dalam beberapa dekade
Rehan contoh berkelanjutan tiga pendekatan: studi teoretis, analitis, terakhir, urbanisasi dan
studi kasus dan terapan. Tahap pertama dalam perubahan iklim regional telah
pengelolaan pulau metodologi yang diadopsi untuk terjadi dengan cepat dalam
panas kota terkeren makalah ini adalah mengurangi skala dunia. Dari sekian
di dunia. pelepasan panas perkotaan, banyak aspek yang
menciptakan solusi perubahan iklim di mempengaruhi kualitas
masa depan dengan mengurangi kehidupan perkotaan, salah
7
volume emisi global, dan menciptakan satu aspek yang paling esensial
skenario pertumbuhan yang cerdas dan adalah iklim mikro suatu
komunitas yang keren. kawasan perkotaan.
3. Nurfajrin Dhuha 2018 Pengaruh perubahan Analisis dilakukan dengan pendekatan Hasil penelitian menunjukkan
Andani, Bandi tutupan lahan data penginderaan jauh melalui bahwa perubahan tutupan
Sasmito, Hani’ah. terhadap fenomena beberapa ekstraksi data, yaitu lahan memiliki hubungan
urban heat island penggunaan klasifikasi terbimbing, dengan suhu permukaan dan
dan keterkaitannya indeks NDVI, pengolahan suhu suhu udara. Dengan
dengan tingkat permukaan, suhu udara, kelembaban bertambahnya luasan lahan
kenyamanan termal udara relatif serta tingkat kenyamanan terbangun, berkurangnya
(temperature termal. Pengolahan data dilakukan luasan lahan vegetasi dan
humidity index) di menggunakan citra satelit Landsat 5 lahan terbuka dapat
kota semarang. Tahun 2009, Landsat 8 Tahun 2013 menyebabkan perubahan sifat
dan 2017. Korelasi dilakukan dengan fisik permukaan yang
menggunakan uji regresi linear. berimplikasi pada peningkatan.
sederhana. Suhu permukaan dan suhu
udara.
4. A Aris, H Syaf, DN 2019 Analisis intensitas Penelitian ini dianalisis melalui Hasil penelitian menunjukkan
Yusuf dan Nurgiantoro pulau panas thermal infrared (TIRS) dan intensitas UHI selama periode
perkotaan operational land imager (OLI). ) 2001 hingga 2014 meningkat
menggunakan data sensor onboard Landsat-7 dan sebesar 2,44 °C, sedangkan
landsat multi Landsat-8, masing-masing gambar pada tahun 2019 intensitasnya
temporal memiliki koreksi atmosfer dan suhu menurun sebesar 2,27 °C dari
kecerahan. periode sebelumnya. Fluktuasi
ini terkait erat dengan
8
A. Perkotaan
Konsekuensi yang terjadi akibat laju pertumbuhan penduduk yang tidak terkendali
daya dukung dan fungsi alamiah dari lahan. Masalah-masalah bencana ekologis
yang terjadi seperti banjir, tanah longsor, dan kekeringan merupakan faktor
hidup yang berakibat pada menurunnya daya dukung lahan (Misa dkk, 2018).
berkembang dengan begitu cepat disertai dengan aktivitas manusia yang secara
penduduk yang besar secara tak langsung akan menimbulkan panas. Panas ini
9
10
urbanisasi. Urban Heat Island (UHI) atau pulau panas perkotaan merupakan
temperatur udara. Pulau panas perkotaan mempunyai dampak negatif antara lain
meningkatkan konsumsi energi, meningkatkan emisi polutan udara dan gas rumah
berdampak secara langsung dan tidak langsung bagi sosial ekonomi dan
lingkungan hidup (Limas, 2014; Bhargava, 2017). Selain itu, Syamsudin, dkk.
peningkatan curah hujan ekstrem yang berdampak pada intensitas banjir yang
secara langsung melalui stasiun cuaca atau survei lapangan (in situ), dan
depan, terutama terkait dengan efisiensi dan keefektifan analisis perkotaan (Weng,
perubahan tutupan lahan yang berkaitan dengan suhu permukaan pada perbedaan
skala dan jenis data yang digunakan, seperti NOAA-AVHRR dengan resolusi
spasial 1,1 km, Landsat TM dan ETM+ dengan resolusi spasial masing-masing
120 m dan 60 m, dan Landsat 8 dengan resolusi spasial 100 m (Fawzi, 2017).
perkotaan sekitar 2-5 °C lebih tinggi dari daerah pedesaan sekitarnya. efek UHI
dalam beberapa kasus bahkan dapat lebih tinggi dari 10 °C dari suhu daerah non-
perkotaan. Pada kondisi optimum, UHI dapat meningkat hingga 10-15 °C.
tutupan lahan dan sifat iradiasi seperti albedo dan emisivitas dan hal-hal tersebut
Urban Heat Island (UHI) atau Pulau Bahang adalah suatu fenomena
dimana daerah perkotaan memiliki suhu yang lebih tinggi dibandingkan dengan
daerah pedesaan. UHI ini ibarat sebagai kubah raksasa yang memerangkapkan
12
panas pada suatu kota. Pemakaian AC serta alat-alat listrik lain untuk
pembentuk UHI. Kubah raksasa ini terbentuk dari beberapa elemen yang terdapat
permukaan yang panas di pusat wilayah dan pada wilayah pinggir memiliki suhu
yang semakin turun. Dampak negatif UHI antara lain berpengaruh terhadap
pengaruhnya terhadap iklim (Darlina dkk., 2018; Pratiwi & Jaelani, 2021 dalam
Astuti 2022).
belum lagi lahan. Perluasan lahan perkotaan dapat mengancam pasokan lahan,
lingkungan, dan secara besar-besaran tidak berkelanjutan untuk kota mana pun.
indikator yang telah mencapai tingkat kritis, terutama UHI, gas rumah kaca, air,
dan keanekaragaman hayati, yang sumber utamanya adalah kota. perkotaan Pulau
13
permukaan, bawah permukaan, atau udara lebih tinggi daripada suhu yang sesuai
beton dan aspal, yang menyerap daripada memantulkan radiasi matahari, aktivitas
dll. ''Fenomena ini menyebabkan tingkat polutan yang tinggi yang mengubah sifat
konsep kota sejuk. Kota sejuk merupakan salah satu solusi perkotaan
berkelanjutan untuk kota masa depan yang bergantung pada penerapan prinsip-
prinsip manajemen panas perkotaan. Ini adalah faktor kunci untuk mengurangi
manusia terganggu dengan adanya gelombang panas, dan juga pencemaran air
14
analisis secara spasial dengan memanfaatkan citra satelit. Era digital saat ini
memberikan dampak positif bagi pengolahan data secara spasial (Ferdiansyah dan
Penggalih, 2022).
dilakukan dengan merubah nilai pixel dalam suatu citra menjadi nilai radian,
kemudian nilai radian ini diubah menjadi bentuk satuan kelvin. Satuan suhu
derajat kelvin ini dikonversi ke dalam derajat celcius yang lebih umum diketahui
C. Penginderaan Jauh
tentang suatu objek, daerah atau fenomena melalui analisis data yang diperoleh
dengan suatu alat tanpa kontak langsung dengan objek, atau fenomena yang
dikaji. Sebelum digunakan untuk data informasi, citra satelit perlu dikoreksi
geometrik agar data yang dihasilkan sesuai dengan obyek yang ada di permukaan
ini dapat menghasilkan citra satelit dengan resolusi yang cukup tinggi, maka salah
luasan tutupan lahan, indeks vegetasi dan distribusi suhu permukaan Kota serta
akurat dan cepat dalam waktu yang relatif singkat (Mukmin dkk, 2016).
memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared
Sensor (TIRS) dengan jumlah kanal sebanyak 11 dengan kanal 1 sampai 9 berada
pada OLI dan kanal 10, 11 pada kanal TIRS. Data citra Landsat 8 memiliki
kanal 10 dan 11 yang merupakan kanal TIR-1 dan TIR-2 memiliki resolusi spasial
D. Tutupan Lahan
peruntukan lahan secara tepat. Dibutuhkan suatu metode yang akurat dan efektif
untuk memperoleh informasi tutupan lahan. Salah satu teknologi yang efektif
teknik klasifikasi citra dalam penginderaan jauh dibagi menjadi tiga bagian teknik
klasifikasi yaitu teknik berbasis piksel, teknik berbasis subpiksel, dan teknik
macam cara, salah satunya dengan melakukan koreksi citra satelit atau bahkan
mendigitasi citra, gambar atau foto dengan mempergunakan GIS. Selain untuk
koreksi dan digitasi, GIS juga dapat dipergunakan untuk analisa dan visualisasi
tanah, topografi, hidrografi, hidrologi, dan biologi. Pengguaan lahan telah dikaji
dari berbagai sudut pandang yang berbeda sehingga tidak adanya satu definisi
yang tepat, misalnnya melihat penggunaan lahan dari sudut pandang kemampuan
citra digital berdasarkan citra yang diperoleh dari Google Earth untuk mendeteksi
E. Indeks spektral
keadaan objek dipermukaan bumi dan diturunkan dari operasi aritmatik dari kanal
satelit inderaja sccara umum. Berikut beberapa indeks spektral yang sering
digunakan yaitu :
merupakan suatu nilai yang memiliki interval tertentu dimana nilai tersebut
Di mana:
(𝜌𝑁𝐼𝑅) = Nilai reflektan kanal inframerah
(𝜌R𝑒𝑑) = Nilai reflektan kanal merah
untuk estimasi tingkatan pada area terbangun. Prinsip dari algoritma ini adalah
tengah (MIR) dan saluran inframerah dekat (NIR). Penggunaan kedua saluran ini
karena pada saluran tersebut memiliki perbedaan yang jelas dalam membedakan
objek bangunan dengan objek lain. Berdasarkan karakteristik tersebut, objek area
terbangun akan tergambarkan lebih tinggi pada saluran MIR dibandingkan NIR.
Namun, dalam beberapa kasus, lahan kering dan area terbangun memiliki
kesamaan karakteristik sehingga nilai saluran MIR akan lebih tinggi dibandingkan
Di mana :
gelombang hijau dapat menyoroti fitur perairan terbuka, yang dimodifikasi oleh
Xu (2006) dengan mengganti pita inframerah tengah untuk pita NIR dan
rendah NIR oleh fitur air, dan reflektansi tinggi NIR oleh fitur vegetasi dan tanah
Di mana:
F. Class Signature
satu set data yang diperoleh dari suatu training area, feature space, atau cluster.
Training area atau area contoh digunakan untuk mendapatkan penciri kelas.
Sekelompok training area mewakili satu kelas tutupan lahan, misalnya hutan,
sawah, badan air, dan kawasan terbangun. Menurut Jaya (2010), secara teoritis
jumlah piksel yang harus diambil perkelas adalah sebanyak jumlah band yang
digunakan ditambah satu (N+1). Training area dibuat dengan memanfaatkan data
pendukung yang diperoleh dari data lapang, peta Google Earth dan citra satelit
21
signature) yang diperoleh analis melalui pembuatan training area. Training area
diperoleh dengan menggunakan tools AOI pada Erdas dengan menetukan area
penciri kelas (class signature) yang diperoleh melalui pembuatan area contoh
pada citra sebagai kelas lahan tertentu. Penetapan ini berdasarkan pengetahuan
piksel dalam daerah contoh tersebut kemudian digunakan oleh komputer sebagai
kunci untuk mengenai piksel yang lain. Daerah yang memiliki nilai piksel sejenis
G. Kerangka Pikir
Penelitian ini dilaksanakan pada Mei 2023 sampai dengan Oktober 2023,
Perkotaan Raha terletak di pesisir Selat Buton , di antara 04 o 54’ 05’’ Lintang
Selatan dan di antara 122o 37’ 13’’ Bujur Timur. Secara geografis, Perkotaan
dengan Kecamatan Duruka, di sebelah Timur berbatasan dengan Selat Buton dan
23
24
1. Alat Penelitian
2. Bahan Penelitian
Adapun bahan yang akan digunakan pada penelitian ini sebagai berikut:
1. Populasi
ingin di teliti. Populasi merupakan seluruh data yang menjadi pusat perhatian
seorang peneliti dalam ruang lingkup & waktu yang telah ditentukan. Populasi
2. Sampel
Sampel adalah obyek atau bagian dari populasi yang akan diteliti dan
penelitian ini, sampel yang digunakan ada 3 yaitu air yang memiliki sampel
NDWI. Nilai NDWI diklasifikasikan menjadi tiga kelas yaitu kebasahan rendah,
kebasahan sedang dan kebasahan tinggi. lahan terbangun yang memiliki sampel
NDBI. NDBI akan fokus untuk menyoroti daerah perkotaan atau kawasan
terbangun di mana biasanya ada pemantulan yang lebih tinggi pada area
NDBI memanfaatkan band inframerah dekat dan inframerah tengah. Nilai rentang
spektral NDBI berkisar 0,1 – 0,3. dan vegetasi yang memiliki sampel NDVI.
Indeks NDVI sendiri dihasilkan melalui kombinasi antara dua kanal (band) citra
Radiation (NIR). Nilai NDVI adalah berkisar -1 sampai dengan 1. Sampel ini
digunakan pada penelitian berfokus pada area Urban Heat Island (UHI) di
D. Tahapan Penelitian
penelitian di lapangan. Dalam tahapan penelitian terdiri dari 3 tahap yaitu tahap
1. Tahap Persiapan/Pra-Lapangan
dan pengelolahan data. Pada tahap persiapan ini, disusun hal-hal yang harus
dilakukan agar tujuan penulisan tugas akhir ini menjadi teratur dan terstruktur,
sehingga waktu penulisan tugas akhir ini berjalan efektif dan efisien. dimana Pada
sekunder yang berkaitan dengan penelitian ini. Data-data yang dikumpulkan bisa
berasal dari jurnal, buku, dan referensi lainnya yang menunjang penelitian
tersebut.
a. pengumpulan data
yang dikumpulkan bisa berasal dari jurnal, buku, dan referensi lainnya yang
Pada tahap ini peneliti membuat peta sebagai acuan dasar untuk penentuan
lokasi penelitian, dalam hal ini lokasi yang dimaksud merupakan daerah Urban
pembuatan peta lokasi penelitian in diperoleh dari data citra SAS Planet dan SHP
2. Tahap Lapangan
Tahap ini adalah tahap dimana kegiatan penelitian sudah mulai berjalan
dengan mencari dan menggali data-data yang ada di lapangan. Pada penelitian ini
pada area yang di duga mengalami Urban Heat Island selain itu tahapan
28
teliti.
data. Data-data yang dimaksudkan dalam penelitian ini merupakan data hasil
observasi dan dokumentasi area-area yang diduga mengalami Urban Heat Island.
1. Data Primer
Data Primer yang digunakan pada penelitian ini adalah data citra Landsat
2. Data sekunder
dan dengan sengaja dikumpulkan oleh peneliti yang digunakan untuk melengkapi
kebutuhan data penelitian. Data sekunder yang digunakan pada penelitian inia
dalah:
kelurahan.
3. Data iklim yang digunakan pada penelitian ini adalah data suhu dan data
1. Koreksi Radiometrik
memperbaiki kualitas visual dan memperbaiki nilai-nilai piksel yang tidak sesuai
dengan nilai pantulan atau pancaran spektral objek yang sebenarnya (Adiningsih,
2015 dalam Nilasari dkk, 2017). Pada penelitian ini data yang akan dikoreksi
adalah citra Landsat 8 OLI/TIRS dengan cara mengubah nilai digital number
(TOA).
Keterangan :
Aρ = Radiance Addictiv
warna tomat tertentu yang diamati (area of interest), yang bertujuan untuk
untuk melakukan pengolahan data yang lebih fokus, terperinci dan teroptimal.
30
Pemotongan citra ini juga menggunakan file SHP batas administrasi sebagai batas
udara (in-situ) dan melalui penginderaan jauh pada suhu permukaan tanah yang
dikenal dengan istilah Land Surface Temperature (LST). Pengukuran LST dengan
satelit penginderaan jauh memiliki banyak keunggulan antara lain cakupan spasial
permukaan tanah in- situ yang berkaitan dengan distribusi tapak. Konsep deteksi
Secara teknis, deteksi UHI dapat dilakukan dengan analisis LST yang
memanfaatkan thermal band pada citra satelit. Analisis LST merupakan rangkaian
konversi nilai-nilai Digital Number (DN) pada band thermal menjadi nilai suhu
dkk, 2019).
𝑇𝑠𝑒𝑛𝑠𝑜𝑟
𝐿𝑆𝑇 = 1+(𝜆.𝑇𝑠𝑒𝑛𝑠𝑜𝑟/𝜌) 1𝑛 Ɛ (5)
Dimana:
Ƭ𝑠𝑒𝑛𝑠𝑜𝑟 = sensor brightness temperature (K)
λ = effective band wavelength (11,5 µm)
𝝆 = h × c/σ (1,438 × 10–2 m K)
h = konstanta Planck (6,626 × 10–34 Js)
c = kecepatan cahaya (2,998 × 108 m/s)
σ = konstanta Boltzmann (1,38 × 10–23 J/K)
Ɛ = land surface emissivity
persamaanya:
𝐾₂
𝑇= 𝐾₁ (6)
𝑙𝑛( +1)+1
𝐿𝜆
Dimana :
normalized difference vegetation index (NDVI) yang dikenal dengan istilah Land
Ɛ = 0,986+0,004Pᵥ (7)
32
melalui klasifikasi citra LST, UHI dapat diidentifikasi dengan cara sebagai
berikut:
0 < LST ≤ μ + 0.5 × δ dilambangkan dengan area non-UHI atau pedesaan (9)
di mana μ dan δ adalah mean dan standar deviasi suhu di area studi,
NVDI−NDVImi𝑛
P𝑣 = (NDVImaks−NDVImi𝑛 ) ² (10)
2. Uji Akurasi
Uji akurasi hasil klasifikasi dilakukan untuk menguji tingkat akurasi peta
penggunaan yang dihasilkan dari proses klasifikasi digital dengan sampel uji dari
hasil kegiatan lapangan. Antara sampel yang digunakan sebagai training area
dengan sampel yang digunakan untuk uji akurasi bukan sampel yang sama tetapi
sampel uji akurasi diambil di tempat yang berbeda, hal ini agar lebih diterima
ketelitian pemetaan. Evaluasi ini menguji tingkat keakuratan secara visual dari
matrik kontingensi atau matrik kesalahan (confusion matrix). Akurasi yang bisa
dihitung antara lain, User’s accuracy, Producer’s Accuracy dan Overall accuracy
.
33
B Xii
C Xii
D Xii
Kolom X˖i
User’s Xii/Xi˖
accurac
y
Sumber : Sampurno dan Thoriq, 2016
Xii
User’s accuracy = Xi˖ × 100% (11)
Xii
𝑃𝑟𝑜𝑑𝑢𝑐𝑒𝑟’𝑠 𝑎𝑐𝑐𝑢𝑟𝑎𝑐y = X˖i × 100% (12)
∑𝑟𝑖 Xii
Ove𝑒𝑟𝑎𝑙𝑙 𝑎𝑐𝑐𝑢𝑟𝑎𝑐y = × 100% (13)
N
Keterangan:
Xii = nilai diagonal matriks kontingensi baris ke-i dan kolom ke-i
Xi˖ = jumlah piksel dalam baris ke-i
X˖i = jumlah piksel dalam kolom ke-i
Secara matematis akurasi kappa disajikan sebagai berikut:
N ∑𝑟𝑖 Xii− ∑𝑟𝑖 Xi˖ X˖i
Kappa (k) = 𝑥 100% (14)
N²− ∑𝑟𝑖 Xi˖ X˖i
Keterangan :
mana pusat kota mempunyai suhu yang lebih tinggi dibandingkan daerah di
ini penentuan area Urban Heat Island dapat menggunakan teknik penginderaan
Class signature merupakan satu set data yang diperoleh dari suatu training
area dimana peneliti mengklasifikasikan data kelas tutupan lahan, misalnya hutan,
sawah, badan air, dan kawasan terbangun. Penentuan penciri kelas dapat
spasial dalam bentuk informasi tematis. Kelas tutupan lahan untuk indeks vegetasi
terbagi menjadi Perkebunan, Hutan, Semak dan belukar, Padang rumput alang –
alang dan sabana sedangkan untuk Lahan terbangun terbagi menjadi Permukiman,
untuk air dan lahan basah berupa laut/muara, Danau atau waduk, Rawa, dan
Sungai.
efek yang diinginkan (misalnya, perubahan kondisi vegetasi) dan mengurangi fitur
35
yang tidak diinginkan, ada banyak indeks spektral dalam literatur. Namun, ketika
keadaan vegetasi dari suatu wilayah. Tingkat kerapatan vegetasi dapat dikaji
melalui penggunaan teknologi yang saat ini terus berkembang. Perhitungan NDVI
Di mana:
Di mana :
NDWI menggunakan band 8 (NIR) dan band 8 (SWIR). Perhitungan NDWI yang
Di mana:
I. Diagram Alir
A. Hasil Penelitian
1. Kondisi Geografis
Batalaiworu. Kota Raha adalah ibukota Kabupaten Muna. Kota ini juga salah
satu kota di provinsi Sulawesi Tenggara, Indonesia. Kota Raha terletak di pesisir
Selat Buton, merupakan ibu kota Kabupaten Muna, Provinsi Sulawesi Tenggara.
Total area dari kota ini adalah 3191,50 ha terdiri dari 12 kelurahan, dan 15 Desa,
dengan jumlah penduduk pada tahun 2021 sebesar 42.890 jiwa, dengan kepadatan
2805,8/km2.
Tabel 4.1. Luas wilayah dan jumlah penduduk masing-masing Kecamatan Kota
Raha.
Kecamatan Luas Wilayah (Ha) Jumlah Penduduk Laju pertumbuhan
penduduk
Katobu 980,20 27,30 0,26
Batalaiworu 2211,30 15,59 1,88
Luas Total 3191,50 42,89 2,14
Sumber : Kabupaten muna dalam angka ( 2022)
Batalaiworu dengan luas 2211,30 ha dengan jumlah penduduk 15,59 ribu jiwa
sedangkan kecamatan dengan luas wilayah paling kecil adalah Katobu seluas
38
39
Tabel 4.2. Rata Rata suhu udara perkotaan raha tahun 2022
Bulan (Month) Suhu Min (Bulan) Suhu Maks (Bulan)
Januari/January 23,2 32,8
Februari/ February 23.8 33,0
Maret/ March 23,0 32,8
April/ April 21,2 34,0
Mei/ May 22,0 33,7
Juni/ June 22,0 33,8
Juli/ July 21,2 32,8
Agustus/ August 21,2 33,8
September/ September 21,8 34,2
Oktober/ October 20,8 34,8
November/ November 23,2 33,6
Desember/ December 22,4 33,2
Sumber : Kabupaten muna dalam angka ( 2022)
Berdasarkan tabel 4.2 pada tahun 2021, kondisi suhu perkotaan raha dapat
diketahui suhu minimumnya yang berkisar antara 20,8 – 23,8 dimana suhu
minimum ini terjadi pada bulan oktober dan suhu maksimum perkotaan raha
berkisar antara 32,8 -34,8 yang juga terjadi pada bulan oktober.
Curah hujan dan hari hujan menurut bulan di Kota Kendari pada tahun 2021
dapat dilihat pada tabel dibawah ini.
Tabel 4.3. Intensitas Curah Hujan Perkotaan Raha
Bulan Curah Hujan (Mm) Hari Hujan
Januari/January 348,7 21
Februari/ February 142,0 15
Maret/ March 237,5 15
April/ April 88,4 9
Mei/ May 155,6 16
Juni/ June 141,2 19
Juli/ July 101,3 14
Agustus/ August 121,0 14
September/ September 202,5 16
Oktober/ October 62,1 11
November/ November 289,5 20
Desember/ December 437,5 23
Tahun 2022 2.327,3 193
Sumber : Kabupaten muna dalam angka ( 2022)
40
Berdasarkan tabel diatas, intensitas curah hujan Perkotaan Raha pada tahun
2022 yaitu sebesar 2.327,3 mm dimana intensitas dengan curah hujan tertinggi terjadi
pada bulan Desember yaitu sebesar 437,5 mm dengan hari hujan sebanyak 23 hari
2. Koreksi Radiometrik
permukaan bumi yang terekam oleh sensor menjadi bukan merupakan nilai
aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan atau lebih kecil
(a) (b)
(c) (d)
(e) (f)
42
(g) (h)
dikoreksi dan Gambar (b) Band 4 citra Landsat 8 OLI/TIRS setelah dikoreksi,
Gambar (c) Band 5 citra Landsat 8 OLI/TIRS sebelum dikoreksi dan Gambar (d)
Band 5 citra Landsat 8 OLI/TIRS setelah dikoreksi, Gambar (e) Band 10 citra
Landsat 8 OLI/TIRS sebelum dikoreksi dan Gambar (f) Band 10 citra Landsat 8
sebelum dikoreksi dan Gambar (h) Band 11 citra Landsat 8 OLI/TIRS setelah
dikoreksi.
tahun 2022. Hasil klasifikasi menunjukan Hasil dari koreksi radiometrik dapat
(a) (b)
Gambar (a) merupakan gambar citra Landsat 8 OLI/TIRS sebelum dilakukan koreksi
radiometrik sedangkan. Gambar (b) merupakan gambar citra Landsat 8 OLI/TIRS setelah
mengubah ukuran atau bentuk dari sebuah citra dengan menghilangkan bagian
perhatian pada objek tertentu dalam citra atau untuk menghilangkan bagian yang
citra yang diinginkan. Ini dapat dilakukan dengan menggunakan perangkat lunak
Tutupan lahan mengacu pada jenis dan kondisi fisik yang meliputi
permukaan tanah pada suatu daerah tertentu. Ini mencakup semua jenis
perairan, dan lain-lain. Tutupan lahan adalah hasil dari interaksi antara faktor
alami, seperti iklim, topografi, dan jenis tanah, serta aktivitas manusia seperti
umumnya terdiri dari beton, aspal, dan bahan bangunan lainnya yang memiliki
sisi lain, di daerah pedesaan, tutupan lahan seringkali terdiri dari tanah terbuka,
perkotaan yang lebih sejuk dan berkelanjutan. Pada penelitian ini tutupan lahan
(1) (2)
Gambar 4.5. Objek Kelas Hutan (1) Kenampakan pada Citra (2) Keadaan di
berikut.
(1) (2)
Gambar 4.6. Objek Kelas Lahan Terbangun (1) Kenampakan pada Citra (2)
Keadaan di lapangan (X = 122.721651 Y = -4.8238)
Tubuh air merupakan kawasan yang sebagian besar tertutup oleh air yang
terbagi menjadi perairan dalam dan perairan dangkal. Pada kondisi di lapangan,
tubuh air memiliki air keruh dan nampak sedang surut. Tubuh air dapat dilihat
(1) (2)
Gambar 4.7. Objek Kelas Tubuh Air (1) Kenampakan pada Citra (2) Keadaan di
Spectral indices atau indeks spektral adalah metode yang digunakan untuk
menganalisis data citra satelit atau citra udara yang dikumpulkan dari berbagai
saluran spektral. Indeks spektral dapat memberikan informasi tentang kondisi dan
pemetaan dan pemahaman yang lebih baik tentang distribusi suhu dan tutupan
strategi mitigasi dan pengelolaan UHI yang lebih efektif, seperti penghijauan,
perencanaan tata ruang yang lebih baik, dan penerapan bahan bangunan yang
48
lebih efisien energi. Berikut ini adalah beberapa indeks spektral yang digunakan
daerah inframerah dekat (IR) dan merah jauh (R) dari spektrum elektromagnetik.
tingkat vegetasi yang lebih tinggi, yang pada gilirannya dapat memberikan efek
penyejuk dan mengurangi UHI. Berikut ini adalah hasil klasifikasi NDVI
menggunakan persamaan (1), dimana hasil analisis ini menunjukan bahwa NDVI
tertinggi berada pada nilai indeks 0,575 dengan simbol warna hijau tua dan
terendah -0,12 dengan simbol warna abu-abu yang dapat di lihat pada gambar
berikut.
49
Perkotaan Raha, dimana kelas NDVI terbagi menjadi 5 kelas yaitu non NDVI
berada pada nilai indeks -0,12 - 0,335 yang teridentifikasi seluas 114,1235 ha
atau 4 % dari total luas wilayah kajian, NDVI sangat rendah berada pada nilai
indeks 0,336 - 0,395 yang teridentifikasi seluas 344,4705 ha atau 11% dari total
luas wilayah kajian, NDVI rendah berada pada nilai 0,396 - 0,455 yang
teridentifikasi seluas 435,8136 atau 14%, dari total luas wilayah kajian, NDVI
sedang berada pada nilai 0,456 - 0,515 yang teridentifikasi seluas 646,6093 ha
atau 20%, dari total luas wilayah kajian dan NDVI tinggi berada pada nilai 0,516 -
0,575 yang teridentifikasi seluas 1650,484 ha atau 52%, dari total luas wilayah
kajian.
daerah inframerah dekat (IR) dan daerah merah dekat (R) untuk mengidentifikasi
wilayah perkotaan yang padat bangunan. NDBI digunakan untuk mengukur dan
UHI. Berikut ini adalah hasil klasifikasi NDBI menggunakan persamaan (2),
dimana hasil analisis ini menunjukan bahwa NDBI sangat rapat berada pada nilai
51
indeks 0,16 yang ditandai dengan warna kuning dan non NDBI -0,43 berwarna
Perkotaan Raha, dimana kelas NDBI terbagi menjadi 4 kelas yaitu non NDBI
berada pada nilai indeks -0,43 - -0,056 yang teridentifikasi seluas 1139,215 ha
atau 36% dari total luas wilayah kajian, NDBI sedang berada pada nilai indeks -
0,055 - 0,053 yang teridentifikasi seluas 1076,163 ha atau 34% dari total luas
wilayah kajian, NDBI tinggi berada pada nilai 0,054 - 0,11 yang teridentifikasi
seluas 649,6988 atau 20% dari total luas wilayah kajian, dan NDBI sangat tinggi
berada pada nilai 0,12 - 0,16 yang teridentifikasi seluas 326,4311 ha atau 10%,
daerah inframerah dekat (IR) dan daerah hijau (G) dari spektrum elektromagnetik.
Indeks ini digunakan untuk mengukur keberadaan air, seperti sungai, danau, dan
vegetasi yang lembab. Penggunaan NDWI dalam analisis UHI dapat memberikan
wawasan tambahan tentang distribusi air dan keberadaan vegetasi yang lembab di
sesuai, seperti peningkatan vegetasi, penciptaan area hijau, atau pengelolaan air
yang lebih baik. Berikut ini adalah hasil klasifikasi NDBI menggunakan
54
persamaan (3), dimana hasil analisis ini menunjukan bahwa NDWI tinggi berada
pada nilai indeks 0,226 ditandai dengan warna biru dan non NDWI -0,503
Perkotaan Raha, dimana kelas NDWI terbagi menjadi 4 kelas yaitu non NDWI
berada pada nilai indeks -0,43 - -0,056 yang teridentifikasi seluas 2314,795 ha
atau 73% dari total luas wilayah kajian, NDWI sedang berada pada nilai indeks -
-0,074 - 0,113 yang teridentifikasi seluas 745,8492 ha atau 23% dari total luas
wilayah kajian, dan NDWI tinggi berada pada nilai 0,114 - 0,226 yang
NDWI selanjutnya dilakukan uji akurasi untuk membantu menilai sejauh mana
dilakukan uji akurasi, tingkat akurasi yang diperoleh sebesar 93,02. Untuk lebih
jelasnya dapat dilihat pada tabel dibawah ini. Adapun titik sampel untuk uji
Signature dengan citra Landsat 8 OLI TIRS yang telah dilakukan proses
penajaman citra atau fusi citra sebagai bahan yang diteliti. Dalam konteks Urban
Heat Island (UHI), analisis penciri kelas dapat melibatkan pemahaman dan
memahami fenomena UHI. Analisis penciri kelas untuk Urban Heat Island
pada fenomena UHI. Hal ini dapat mendukung perencanaan perkotaan yang
berkelanjutan, pengelolaan tata guna lahan, serta upaya mitigasi dan adaptasi
terhadap dampak UHI pada kesehatan manusia dan lingkungan. Dalam penelitian
ini hasil analisis Class Signature berupa vegetasi, lahan terbangun dan air dapat di
yaitu vegetasi yang memiliki luas 1502,035 ha setara dengan 47% dari luas
wilayah yang dikaji, lahan terbangun memiliki luas 1502,035 ha setara dengan
47% dari luas wilayah yang dikaji, Air yang memiliki luas 121,1329 ha setara
dengan 4% dari luas wilayah yang dikaji, Awan yang memiliki luas 20,63561 ha
setara dengan 1% dari luas wilayah yang dikaji, dan bayangan yang memiliki luas
14,04683 ha setara dengan 0% dari luas wilayah yang dikaji. Tutupan lahan yang
telah diperoleh dari hasil klasifikasi kemudian akan di uji dengan pengambilan
titik sampel dilapangan untuk melihat tingkat akurasi atau ketepatan hasil
pegambilan titik sampel dilapangan untuk melihat tingkat akurasi atau ketepatan
uji akurasi, tingkat akurasi yang diperoleh sebesar 89,28 %. Untuk lebih jelasnya
dapat dilihat pada tabel dibawah ini. Adapun titik sampel untuk uji akurasi class
konteks UHI, LST dapat digunakan untuk mengukur suhu udara di wilayah
Perbedaan suhu yang signifikan dapat menunjukkan adanya UHI. Berikut ini
adalah hasil analisis LST dengan menggunakan persamaan (5) dimana hasil
analisis ini menunjukan bahwa suhu permukaan tanah tertinggi berada pada suhu
merupakan suhu permukaan yang lebih tinggi. Kelas suhu permukaan dibagi
menjadi lima kelas. Selain kelas terendah (>18 °C) dan tertinggi (>32 °C), rentang
ambang batas suhu (threshold temperature) untuk area yang terjadi UHI, dengan
persamaan (8).
Persamaan (8) menunjukkan area terjadinya UHI. Adapun untuk area yang tidak
terjadi UHI didapat melalui persamaan (9) sebagai berikut:
63
0 < LST ≤ μ + 0.5 × δ dilambangkan dengan area non-UHI atau pedesaan (9)
Dari hasil klasifikasi dapat diketahui bahwa area UHI berada pada
temperatur suhu 25,92 - 32,36 ºC yang ditandai dengan degradasi warna merah
dan area UHI terendah berada pada temperatur 18,07 - 25,91 suhu dengan gradasi
island, area, luasan serta presentase dari wilayah penelitian. Berdasarkan hasil
analisis, area non UHI pada bagian 1 dengan simbol berwarna putih pada peta
berada pada nilai 18,07 - 25,91, yang teridentifikasi seluas 2652,518 ha atau 83%
dari total luas wilayah kajian, sedangkan kelas 2 merupakan area terjadinya UHI
yang diberi gradasi warna merah dengan nilai intensitas 25,92 - 32,36 yang
teridentifikasi seluas 538,9821 ha atau 17% dari total luas wilayah kajian.
B. Pembahasan
Perkotaan Raha terdapat 5 kelas nilai indeks,yang dapat dilihat pada gambar 4.5
dimana kelas pertama yaitu non NDVI, yang merupakan area yang tidak terdapat
66
vegetasi berada pada kisaran nilai indeks -0,12 - 0,335 yang memiliki luas
114,1235 ha atau 4% dari wilayah yang dikaji, NDVI Sangat Rendah yang
memiliki nilai indeks 0,336 - 0,395 yang memiliki luas 344,4705 ha atau 11% dari
wilayah yang dikaji, NDVI rendah yang memiliki nilai indeks 0,396 - 0,455 yang
memiliki luas 435,8136 ha atau 14%, dari wilayah yang dikaji, NDVI sedang
yang memiliki nilai indeks 0,456 - 0,515 yang memiliki luas 646,6093 ha atau
20%, dari wilayah yang dikaji, dan NDVI tinggi yang memiliki nilai indeks 0,516
- 0,575 yang memiliki luas 1650,484 ha atau 52%, dari wilayah yang dikaji
sehingga total keseluruhan dari area NDVI adalah 3077,3774 ha. Pada klasifikasi
diatas dapat diketahui bahwa area NDVI yang paling mendominasi terdapat pada
dari klasifikasi diatas kita dapat memahami serta mengetahui area-area yang
(NDBI) yang terdapat 4 kelas nilai indeks yang dapat dilihat pada gambar 4.6
dimana kelas pertama yaitu non NDBI, yang merupakan non built-Up area berada
pada nilai indeks -0,43 - -0,056 yang memiliki luas 1139,215 ha atau 36% dari
wilayah yang dikaji, , NDBI Jarang yang memiliki nilai indeks -0,055 - 0,053
yang memiliki luas 1076,163 ha atau 34% dari wilayah yang dikaji, NDBI Rapat
yang memiliki nilai 0,054 - 0,11 yang memiliki luas 649,6988 ha atau 20% dari
wilayah yang dikaji, dan NDBI Sangat Rapat yang memiliki nilai indeks 0,12 -
67
0,16 yang memiliki luas 326,4311 ha atau 10% dari wilayah yang dikaji sehingga
total keseluruhan dari area NDVI adalah 2052,292612 ha. Klasifikasi diatas
merupakan area yang minim vegetasi yang dapat disimpulkan bahwa area tersebut
merupakan area yang memiliki suhu yang paling tinggi dikarenakan tingkat
Index (NDWI) yang terdapat 3 kelas nilai indeks, yang dapat dilihat pada gambar
4.7 dimana kelas pertama yaitu non NDWI yang merupakan area yang tidak
terdapat air berada pada nilai indeks indeks -0,503 - -0,0741 yang memiliki luas
2314,795 ha atau 73% dari wilayah yang dikaji, NDWI Sedang yang memiliki
nilai indeks -0,074 - 0,113 yang memiliki luas 745,8492 ha atau 23% dari
wilayah yang dikaji, Dan NDWI Tinggi yang memiliki nilai indeks 0,114 - 0,226
yang memiliki luas 130,8647 ha atau 4% dari wilayah yang dikaji sehingga total
keseluruhan dari area NDVI adalah 876,713839 ha. Pada klasifikasi NDWI diatas
menunjukan bahwa area air lebih sedikit dan non air sangat mendominasi.
Klasifikasi NDWI perlu dilakukan untuk mengetahui area air yang ada di wilayah
pemahaman yang lebih lengkap tentang Urban Heat Island. Informasi dari ketiga
yang lebih efektif untuk mengurangi efek pemanasan kota dan menciptakan
gambar 4.9 dan tabel 4.8 dimana wilayah penelitian didominasi oleh lahan
tebangun yang berada pada kelas 2 yakni seluas 1533,65 ha atau setara dengan
48% dari total luas wilayah kajian, disusul oleh kelas 1 yang merupakan area
vegetasi seluas 1502,035 ha atau setara dengan 47% dari total wilayah kajian,
selanjutnya adalah air, yang terdapat pada kelas 3 memiliki luas 121,1329 ha atau
setara dengan 4% dari wilayah kajian, dan pada anilisis yang memiliki luasan
terendah berada pada kelas 4 sampai 5 masing masing kurang dari 2 persen
dimana luas terkecil berada pada kelas 5 yang merupakan bayangan awan yakni
seluas 14,04683 ha atau 0% dari total luas wilayah yang dikaji. Dari hasil analisis
diatas dapat diketahui area tutupan lahan yang berdampak terhadap pembentukan
dalam citra satelit yang dapat digunakan untuk mengetahui area yang terdampak
dan tidak terdampak Urban Heat Island (UHI). Perbandingan dari kedua metode
diatas berupa spectral indices dapat dilihat pada presentase analisis NDBI yang
merupakan area yang terdampak UHI dan presentase anailisis NDVI dan NDWI
yang merupakan area yang tidak terdampak UHI begitupun Metode Class
Signature yang dapat dilihat pada presentase lahan terbangun (Area UHI) dan area
lainya yang merupakan area non UHI. Kedua metode diatas memiliki kekurangan
69
dan kelebihan masing masing akan tetapi Secara keseluruhan, kedua metode
tersebut dapat digunakan dalam pembentukan UHI tergantung pada tujuan dan
karakteristik data yang tersedia. Metode klasifikasi tutupan lahan berbasis spectral
indices lebih cocok untuk membedakan tipe tutupan lahan secara spektral,
Berdasarkan hasil penelitian ini, fenomena urban heat island Perkotaan Raha
kondisi yang lebih hangat ketimbang area pedesaan di Perkotaan Raha. Hal ini
dapat dilihat dari hasil perbandingan terhadap kelas suhu permukaan di perkotaan
Raha. Wilayah Perkotaan Raha didominasi suhu permukaan tinggi sedangkan area
suhu permukaan yang tinggi dan semakin menurun ke area pedesaan yang masih
memiliki banyak vegetasi. Untuk mengetahui hasil analisis yang terdampak UHI
dan non UHI terlebih dahulu dilakukan analisis Land Surface Temperature untuk
Dari hasil analisis land surface temperature pada gambar 4.12 dan tabel
4.10 menunjukan bahwa suhu permukaan di perkotaan Raha pada kelas 1 (18,07 -
70
21,43 °C ) seluas 35,24573 ha kurang lebih 1% dari total luas wilayah kajian.
Suhu pada kelas 1 merupakan suhu yang paling rendah dari hasil analisis
dikarenakan area tersebut merupakan area yang yang didominasi tutupan awan
pada citra. Kelas 2 berada pada nilai suhu 21,44 - 24,07 °C yakni seluas 1216,794
ha kurang lebih 38% dari total luas wilayah kajian. Suhu pada kelas 2 merupakan
area yang memiliki vegetasi yang tinggi dimana area tersebut merupakan area
yang didominasi oleh hutan dan air. Daun-daun pepohonan di hutan memberikan
permukaan tanah sedangkan Air mempunyai kapasitas termal yang tinggi, artinya
memerlukan energi panas yang lebih besar untuk mengubah suhunya. Suhu dalam
hutan dapat lebih stabil sepanjang hari karena adanya perlindungan dari sinar
matahari sehingga suhu permukaannya relatif rendah. Kelas 3 berada pada suhu
24,08 - 25,91°C yakni seluas 1215,594 ha (38%) dari total wilayah kajian. Suhu
pada kelas 3 merupakan area di bagian pesisir yang disekitarnya terdapat hutan
dan air dimana Pohon-pohon menguapkan air melalui proses transpirasi, yang
sebagai tempat penyerapan panas, sehingga daerah di sekitarnya bisa sedikit lebih
dingin. Kelas 4 berada pada suhu 25;92 - 28,1 °C yakni seluas 386,4336 ha (12%)
dari total luas wilayah kajian. Suhu pada kelas 4 merupakan area pesisir di sekitar
perkotaan yang memiliki suhu permukaan paling tinggi yang diakibatkan dari
sebaran bangunan pemukiman. Kelas 5 berada pada suhu 28,11 - 32,36 °C yakni
seluas 337,442 ha (11%) dari total luas wilayah kajian. Suhu pada kelas 5
merupakan area yang sangat padat akan pemukiman sehingga cenderung memiliki
71
suhu permukaan yang lebih tinggi daripada area lainnya. pada hasil analisis LST
dapat dilihat bahwa Kecamatan Katobu merupakan pusat Perkotaan Raha yang
meningkatkan risiko penyakit terkait panas. Dampak lain juga seperti konsumsi
dan emisi gas rumah kaca. Oleh sebab itu dibutuhkan strategi penanggulangan
dapat di lihat melalui analisis suhu permukaan pada peta LST. Area perkotaan
raha merupakan pusat terjadinya UHI bila melihat persebaran suhu permukaan
yang di lihat dari hasil analisis LST. Dalam penelitian ini klasifikasi UHI di bagi
menjadi 2 kelas untuk mengetahui area suhu antara kawasan yang terdampak UHI
dan non UHI. Hasil analisis UHI dapat dilihat pada gambar 4.13 dan tabel 4.10.
Setelah di lakukan analisis perhitungan area UHI ditemukan bahwa pada nomor 1
yang merupakan area non UHI yang berada pada suhu temperature suhu 18,07 -
25,91 °C ditandai dengan degradasi warna putih pada peta yakni seluas 2652,518
ha setara dengan 83% dari total wilayah kajian. Untuk area UHI pada hasil
72
klasifikasi berada di area suhu 25,92 - 32,36 °C (warna merah) yakni seluas
538,9821 ha setara dengan 17% dari total wilayah kajian. Berdasarkan hasil
klasifikasi tersebut dapat diketahui bahwa area dengan temperatur suhu rendah
merupakan area yang tidak terdampak UHI dan nilai intensitasnya semakin tinggi
yang berarti area tersebut merupakan pusat kota yang merupakan area yang
terdampak UHI. Area non uhi ini merupakan area pedesaan yang tidak mengalami
aktivitas perkotaan yang padat dan memiliki banyak vegetasi, seperti hutan, lahan
pertanian, dan ladang terbuka, cenderung mengalami suhu yang lebih rendah
yang luas, dan minimnya vegetasi akan memiliki kemampuan penyerapan dan
pelepasan panas yang lebih rendah. Akibatnya, suhu di kawasan perkotaan padat
cenderung lebih tinggi, terutama selama periode panas dan cuaca kering yang
perkotaan.
BAB V
PENUTUP
A. Kesimpulan
lihat melalui luasan analisis spectral indices berupa NDBI yaitu 2052,2929
ha, sedangkan untuk class signature dapat di lihat pada luasan lahan
terbangun yakni seluas 1533,65 ha. Berdasarkan hasil dari kedua metode
tersebut dapat di ketahui area terluas yaitu area NDBI berupa spectral
NDBI tinggi, dan NDBI sangat tinggi. Area tersebut merupakan area
perkotaan Raha. UHI terbentuk dari suhu 25,92 - 32,36 °C yang tersebar di
B. Saran
73
74
faktor lain yang dapat mempengaruhi UHI seperti tata guna lahan, kerapatan
terhadap UHI serta dapat memilih citra dengan tutupan awan yang sedikit
Alwi L. O., Gandri L., Hidayat H., Tuwu E. R., Irawati., Bana S., Fitriani V., &
Indriyani L. (2022). Analisis Spasial Fenomena Urban Heat Island
Menggunakan Algoritma Land Surface Temperature Kota Kendari. Jurnal
Meteorologi Dan Geofisika, 23(2), P. 109-118.
Andani, N. D., Sasmito, B., & Hani’ah. (2018). Pengaruh Perubahan Tutupan
Lahan Terhadap Fenomena Urban Heat Island dan Keterkaitannya dengan
Tingkat Kenyamanan Termal (Temperature Humidity Index) di Kota
Semarang. Jurnal Geodesi Undip, 7(3), P. 53–65.
Aprianto, M. C. (2020). Model Temperatur Lingkungan untuk Gedung di Wilayah
Perkotaan. Jurnal Rekayasa Teknologi Dan Sains Terapan, 3(1), P. 1–6.
Aris, A., Syaf, H., D N Yusuf, D, N., & Nurgiantoro (2019). Analysis of urban
heat island intensity using multi temporal landsat data ; case study of
Kendari City , Indonesia,1-14.
Astuti, W., Ludmila, B., Putri, R., Anwar, K., Yanti, N., & Pambudi, P. (2022).
Estimasi Kebutuhan Ruang Terbuka Hijau ( RTH ) Berdasarkan Urban
Heat Island ( UHI ) di Kota Semarang. Jurnal Riptek 6(2), P. 97–100.
Darlina, S. P., Sasmito B., Yuwono B. D., (2018). Analisis Fenomena Urban
Heat Island Serta Mitigasinya (Studi Kasus : Kota Semarang). Jurnal
Geodesi Undip, 7 (3) P. 77-87.
Dirk P. P. Misa1, Ingerid L. Moniaga2, & V. L., & 1Mahasiswa. (2018). 1 , 3 1.
Penggunaan Lahan Kawasan Perkotaan Berdasarkan Fungsi Kawasan
(Studi Kasus : Kawasan Perkotaan Kecamatan Airmadidi), 5(2), P. 171–
178.
Driptufany, D. M., Guvil, Q., & Mardiani. (2019). Ketersediaan Ruang Terbuka
Hijau di Kawasan Resapan Air Kota Padang. Seminar Nasional SPI-4, P
15–19.
Effendy, S., Bey, A., Zain, A. F. M., & Santoso, I. (2006). Peranan Ruang
Terbuka Hijau Dalam Mengendalikan Suhu Udara Dan Urban Heat Island
Wilayah Jabotabek (The Role Of Urban Green Space In Harnessing Air
Temperature And Urban Heat Island. Exemplified By Jabotabek Area).
Agromet, 20 (1), P 23.
Fawzi, N. I. (2017). Mengukur Urban Heat Island Menggunakan Penginderaan
Jauh , Kasus Di Kota Yogyakarta ( Measuring Urban Heat Island using
Remote Sensing , Case of Yogyakarta City ). P. 195–206.
Febriani, I., Prasetyo, L. B., & Dharmawan, A. H. (2017). Deforestation in
75
76
Soltanian, K. F., Abbasi, M., & Riyahi Bakhtyari, H. R. (2019). Flood monitoring
using ndwi and mndwi spectral indices: A case study of aghqala flood-
2019, Golestan Province, Iran. International Archives of the
Photogrammetry, Remote Sensing and Spatial Information Sciences -
ISPRS Archives, 42(4/W18), 605–607.
Veriana, K., Hidayat, I. B., & Sa, S. (2018). Pengolahan Citra Google Earth
Dengan Metode Singular Value Decomposition Dan Klasifikasi K-Nearest
Neighbor Identification And Classification Of Land Cover Through
Google Earth Image Processing With A Singular Value Decomposition
Method And K-Nearest Neig. 5(3), P. 4797–4804.
Wahyuni, E. D., Mukaromah, S., & Widodo, L. U. (2017). Web Gis Tutupan
Lahan Dengan Menggunakan Google Map Dan Google Earth. Jurnal
Sistem Informasi Dan Bisnis Cerdas (SIBC), 10(2), P. 1–11.
78
79
122,7195 -4,81701
122,7148 -4,81659
122,7188 -4,80701
122,7244 -4,80263
122,7266 -4,8101
122,7138 -4,80782
122,7124 -4,80098
122,7238 -4,84359
122,7226 -4,84048
122,7203 -4,83783
122,7224 -4,8351
122,7249 -4,83282
122,7246 -4,82967
122,7165 -4,83022
NDBI
2 122,7162 -4,84034
122,7161 -4,83614
122,7203 -4,82631
122,734 -4,81802
122,7347 -4,81479
122,7392 -4,80747
122,7271 -4,80281
122,7204 -4,83136
122,7291 -4,8483
122,7284 -4,84032
122,7296 -4,8348
122,7313 -4,82872
NDWI 122,733 -4,82408
3
122,7374 -4,80833
122,7308 -4,80175
122,7254 -4,7996
122,7174 -4,80974
122,7307 -4,80822
81
(1) (2)
(3) (4)
(1) (2)
(3) (4)
(1) (2)
(2) (4)