BAB III

METODE PENELITIAN

3.1 Pendekatan Penelitian

Metode penelitian merupakan metode ilmiah untuk memperoleh data yang valid untuk
menemukan, mengembangkan dan menguji pengetahuan tertentu sehingga dapat digunakan
untuk memahami, memprediksi dan memecahkan masalah tertentu. Pendekatan yang
digunakan dalam penelitian ini adalah pendekatan deduktif. Pendekatan deduktif merupakan
proses pendekatan yang dimulai dari kebenaran umum tentang suatu fenomena dan
menggeneralisasikan kebenaran tersebut ke suatu peristiwa lainnya (Sugiyono, 2010).
Pendekatan deduktif merupakan penelitian yang diawali dengan penggalian dan pencarian teori.
Hasil yang telah diperoleh kemudian digunakan untuk membuktikan kebenaran dengan melihat
kondisi di lapangan. Dalam penelitian ini, diawali dengan penggalian teori terkait perubahan
tutupan lahan dan hubungannya dengan perubahan suhu permukaan lahan. Melalui teori
tersebut kemudian didapatkan variabel penelitian, variabel tersebut nantinya akan diuji di
lapangan sebagai pegangan dalam mencari data yang dibutuhkan. Data yang diperoleh nantinya
akan diukur melalui analisis untuk membuktikan hubungan perubahan tutupan lahan dengan
terjadinya fenomena urban heat island pada kawasan penelitian.

3.2 Jenis Penelitian

Jenis penelitian yang digunakan pada penelitian ini adalah penelitian kuantitatif.
Penelitian kuantitatif merupakan pendekatan penelitian yang dapat menggambarkan suatu
fenomena secara ilmiah melalui metode yang terukur (Supranto, 1981). Menurut Kasiram
(2008), penelitian kuantitatif adalah suatu proses pencarian pengetahuan yang menggunakan
data berupa angka sebagai alat untuk menganalisis informasi mengenai suatu hal yang ingin
diketahui. Hal ini didasarkan pada asumsi bahwa realitas yang diteliti adalah satu dimensi,
fragmentaris dan cenderung tetap sehingga dapat diidentifikasi serta diukur dengan instrumen
yang objektif dan sesuai standar (Johnson, 2005). Sehingga hal tersebut sesuai dengan
penelitian yang akan dilakukan yaitu menggunakan data kuantitatif. Penelitian dinamika
perubahan tutupan lahan terhadap fenomena UHI, mengukur perubahan tutupan lahan dan suhu
permukaan lahan serta dielaborasikan dengan indeks NDVI dan NDBI.

3.3 Operasional Variabel Penelitian

Variabel diperoleh dari hasil tinjauan teori yang sudah dikaji sebelumnya. Kemudian
variabel yang sudah diperoleh dijabarkan kembali menjadi sub-sub variabel. Berikut
merupakan variabel dan sub variabel yang digunakan pada penelitian ini.

38
 Tabel 3. 1 Operasional Variabel
Sub
Variabel Definisi Operasional
Variabel
Perubahan jenis tutupan lahan
yang terjadi di kawasan
penelitian. Pertumbuhan
perkotaan memicu perubahan
tutupan lahan yang
mengakibatkan berubahnya
pula unsur-unsur iklim pada
Jenis
pusat kota yang berbeda
Tutupan
dengan wilayah sekitarnya
Lahan
sehingga akan membentuk
fenomena pulau panas
perkotaan. Semakin
meningkatnya lahan terbangun
pada suatu wilayah maka
kapasitas termal di wilayah
tersebut juga akan meningkat.
NDVI merupakan indeks yang
digunakan untuk melihat
Dinamika mengenai kerapatan vegetasi
Tutupan pada suatu wilayah. Wilayah
Lahan Indeks dengan kerapatan vegetasi
Kerapatan yang tinggi memiliki nilai suhu
Vegetasi permukaan lahan yang lebih
rendah. Hal tersebut berkaitan
dengan sebaran radiasi yang
diterima pada permukaan
lahan.
NDBI merupakan indeks yang
digunakan untuk menunjukkan
kerapatan bangunan pada suatu
wilayah. Tingkat kerapatan
bangunan yang terdapat di
Indeks
pusat kota cenderung tinggi,
Kerapatan
sehingga vegetasi semakin
Bangunan
berkurang dan beralih menjadi
kawasan terbangun. Kawasan
terbangun akan lebih banyak
menyerap dan memantulkan
panas dari matahari.
Suhu permukaan lahan
merupakan tolak ukur
distribusi sebaran suhu yang
terdapat pada suatu wilayah.
Suhu permukaan lahan dapat
Dinamika menunjukkan eksistensi dari
Suhu
Urban fenomena UHI. Kenaikan suhu
Permukaan
Heat permukaan lahan dapat terjadi
Lahan
Island akibat beberapa hal. Suhu
permukaan lahan maksimum
berada di pusat kota dan
menurun secara berkala pada
pedesaan maupun wilayah
pinggiran kota.
Sumber: Penulis, 2022
Indikator Sumber
Penelitian ini menggunkan
jenis tutupan lahan yang
meliputi lahan terbangun,
pertanian, vegetasi
berkanopi, dan badan air. Khomaruddin,
Beberapa tutupan lahan 2004;
tersebut dapat Tursilowati,
mempengaruhi suhu 2010;
permukaan lahan. Jenis
tutupan lahan dijelaskan
melalui pengukuran dalam
satuan hektar (Ha)
Semakin tinggi nilai indeks
NDVI maka semakin tinggi
pula kerapatan vegetasinya
dan berlaku pula sebaliknya.
Tingkat kerapatan vegetasi
Fatimah, 2012;
berpengaruh terhadap
Putra, 2018;
menurunnya suhu
permukaan lahan. Indeks
NDVI dijelaskan dalam
tingkatan data dari -0,03 s.d.
1.
Semakin tinggi nilai indeks
NDBI maka semakin tinggi
pula kerapatan bangunan
pada wilayah tersebut dan
sebaliknya. Tingkat
Sobirin, 2015;
kerapatan bangunan
Nadira, 2019;
berpengaruh terhadap
kenaikan suhu permukaan
lahan. Indeks NDBI
dijelaskan melalui tingkatan
data dari -0,01 s.d. 1.
Suhu permukaan lahan
cenderung tinggi pada
wilayah dengan kerapatan
bangunan yang tinggi pula,
hal ini terjadi pada lahan
Effemdi, 2007;
terbangun sebuah wilayah.
Khusaini, 2008;
Sedangkan suhu akan
Matthew, et al.,
menurun pada kawasan
2018;
yang memiliki kerapatan
vegetasi yang tinggi. Suhu
permukaan lahan dijelaskan
dengan ukuran ℃ pada tiap
satuan luas pengukuran.
39
3.4 Kebutuhan Data
Kebutuhan data adalah hal dasar yang dapat mempengaruhi keberlanjutan sebuah
penelitian. Kebutuhan data disusun untuk memudahkan dalam mengelompokkan data yang
dibutuhkan dalam proses penelitian serta menjadi instrumen dalam penelitian. Berikut
merupakan tabel kebutuhan data yang diperlukan dalam penelitian ini.

Tabel 3. 2 Kebutuhan Data

Teknik
Sub Bentuk
Variabel Data Pengumpulan Tahun Sumber
Variabel Data
Data
Citra Satelit Landsat 5
ETM Tahun 2000; 2000,
Citra https://earthexpl
Jenis Landsat 8 OLI Tahun Sekunder 2010,
Satelit orer.usgs.gov/
Tutupan 2010; Landsat 8 OLI 2021
Lahan Tahun 2021;
Dinamika Koordinat Sample Foto, Observasi
Primer 2021
Tutupan Lapangan Tabel Lapangan
Lahan Indeks 2000,
Citra Satelit Landsat 5 Citra https://earthexpl
Kerapatan Sekunder 2010,
ETM Tahun 2000; Satelit orer.usgs.gov/
Vegetasi 2021
Landsat 8 OLI Tahun
Indeks 2000,
2010; Landsat 8 OLI Citra https://earthexpl
Kerapatan Sekunder 2010,
Tahun 2021; Satelit orer.usgs.gov/
Bangunan 2021
Citra Satelit Landsat 5
Dinamika
Suhu ETM Tahun 2000; 2000,
Urban Citra https://earthexpl
Permukaan Landsat 8 OLI Tahun Sekunder 2010,
Heat Satelit orer.usgs.gov/
Lahan 2010; Landsat 8 OLI 2021
Island
Tahun 2021;
Sumber: Penulis, 2022

3.5 Teknik Pengumpulan Data

3.5.1 Pengumpulan Data Primer
Pengumpulan data primer dalam penelitian dinamika perubahan tutupan lahan terhadap
fenomena UHI di perkotaan Surakarta diperoleh melalui survei atau observasi lapangan
langsung. Observasi ini dilakukan untuk melakukan uji ketelitian dari hasil klasifikasi
supervised citra tutupan lahan. Observasi lapangan menggunakan bantuan alat GPS, tabel uji
kesesuaian dan kamera untuk mendokumentasikan kenampakan fisik lapangan yang berkaitan
langsung dengan tutupan lahan perkotaan Surakarta. Jumlah sampel yang akan diambil,
ditentukan melalui perhitungan menggunakan rumus Slovin. Dengan jumlah populasi 439.485
pixel. Populasi tersebut didapatkan dari seluruh pixel pada peta citra landsat kawasan penelitian.
Maka jumlah sampel yang harus diambil sebagai berikut.

40
 𝑵
𝒏 =
𝟏 + 𝑵𝒆𝟐

Keterangan:

n = jumlah sampel
N = jumlah populasi
E = persentase kelonggaran/ ketidaktelitian terkait kesalahan pengambilan sampel
yang dapat ditolerir, yaitu (5%)
Sehingga,

439.485 439.485
𝒏= 2
= = 399,63
1 + 439.485 (0,05) 1.099,7125

Tabel 3. 3 Jumlah Sampel Penelitian

No Tutupan Lahan Jumlah Pixel Sampel

1 Badan Air 5.329 5
2 Vegetasi Berkanopi 52.438 48
3 Pertanian 179.457 163
4 Lahan Terbangun 202.261 184
Total 439.485 400
Sumber: Penulis, 2022

Berdasarkan perhitungan di atas, didapatkan jumlah sampel yaitu sebesar 399,63, sampel
tersebut akan dibulatkan menjadi 400 sampel. Dari 400 sampel tersebut, pengambilan sampel
dilakukan menggunakan metode stratified random sampling. Metode tersebut digunakan agar
sampel tersebar secara merata pada setiap kelas tutupan lahan. Melalui bantuan perangkat
QGIS, tiap jenis tutupan lahan masing-masing diambil sampelnya. Proporsi jumlah
menyesuaikan dengan banyaknya pixel yang dimiliki tiap jenis tutupan lahan tahun 2021. Pada
400 sampel dipilih, didapatkan 184 sampel lahan terbangun, 163 sampel pertanian, 48 sampel
vegetasi berkanopi dan 5 sampel badan air.

3.5.2 Pengumpulan Data Sekunder

Pengumpulan data sekunder dalam penelitian dinamika perubahan tutupan lahan terhadap
fenomena UHI di wilayah perkotaan Surakarta diperoleh melalui studi literatur yang terdiri dari
pengumpulan data melalui teori, buku, dokumen, maupun penelitian lain yang sejenis. Selain
itu, data sekunder juga didapatkan melalui pengambilan Citra Landsat pada website
https://earthexplorer.usgs.gov/. Alasan pemilihan data Citra Landsat pada tahun tersebut
didasarkan pada ketersediaan data yang mendukung terhadap penelitian. Saat ini terdapat citra
satelit yang lebih baik dari Citra Landsat, yaitu Citra Sentinel yang memiliki kerapatan piksel
sebesar 10 meter. Akan tetapi, citra tersebut baru saja diluncurkan pada tahun 2015 silam,

41
sehingga seri data yang terdapat pada Citra Sentinel cukup terbatas, tidak seperti Citra Landsat
yang memiliki seri data yang lebih panjang.

3.6 Kerangka Analisis

Gambar 3. 1 Kerangka Analisis

Sumber: Penulis, 2022

3.7 Metode dan Teknik Analisis

Metode analisis yang digunakan dalam penelitian ini adalah analisis spasial menggunakan
teknologi peningderaan jauh dan sistem informasi geografis. Teknik analisis yang digunakan
dalam penelitian ini dijabarkan melalui beberapa tahapan, sebagai berikut:

3.7.1 Analisis Perubahan Tutupan Lahan

Perubahan tutupan lahan dilakukan dengan menggunakan klasifikasi terbimbing melalui
citra satelit. Citra satelit yang digunakan telah ditentukan dalam tabel kebutuhan data yaitu citra

42
Landsat 5 TM tahun 2000 dan citra Landsat 8 OLI tahun 2010 dan tahun 2021. Berikut
merupakan tahapan dalam melakukan analisis perubahan guna lahan:
1) Klasifikasi Citra
Klasifikasi citra merupakan tahapan awal dalam analisis perubahan tutupan lahan.
Klasifikasi citra dilakukan melalui proses menggabungkan beberapa band dalam citra satelit
menjadi satu atau sering disebut dengan composite band. Klasifikasi tutupan lahan dengan
composite band untuk merepresentasikan warna penggunaan lahan yang sebenarnya.
Klasifikasi tutupan lahan perkotaan citra landsat menggunakan paduan composite band yaitu
band 5-4-3 pada Landsat 5 TM dan band 7-6-4 untuk Landsat 8 OLI.
2) Menetapkan Training Set dan Klasifikasi Tutupan Lahan
Proses klasifikasi citra merupakan tahapan awal yang penting dalam penelitian ini.
Klasifikasi citra dalam penelitian ini menggunakan metode klasifikasi terbimbing maximum
likelihood melalui aplikasi QGIS. Metode klasifikasi terbimbing maximum likelihood
merupakan metode yang paling umum dalam klasifikasi data citra penginderaan jauh (Jia, Wu,
Tian, Zeng, & Li, 2011). Metode maximum likelihood mengevaluasi secara kuantitatif citra
penginderaan jauh menggunakan pendekatan kemiripan maksimum antar pixel. Kemudian
untuk melakukan klasifikasi dibutuhkan training set di sejumlah titik di wilayah penelitian.
Training set merupakan arah klasifikasi yang ditetapkan peneliti dalam melakukan klasifikasi
tutupan lahan. Training set terdiri atas titik sample yang digunakan untuk menghasilkan tutupan
lahan berdasarkan unsur interoretasi seperti pola, warna, bentuk, ukuran, bayangan, teksture,
situr, dan asosiasi. Semakin banyak titik training set semakin terarah kelas lahan dalam peta
tutupan lahan yang diinginkan.
3) Uji Ketelitian Hasil Klasifikasi Tutupan Lahan
Hasil klasifikasi terbimbing menghasilkan peta tutupan lahan yang memerlukan uji akurasi
ketelitian. Uji ketelitian ini dilakukan dengan membandingkan data dari hasil klasifikasi peta
dengan kondisi di lapangan. Uji akurasi dilakukan dengan metode Stratified Random Sampling
agar jumlah sampel terdistribusi secara rata dalam setiap kelas tutupan lahan (Wulansari, 2017).
Sehingga akan terdapat sampel yang lokasinya tersebar secara acak yang perlu diuji kelas
penggunaan lahannya agar hasil yang didapatkan dapat dipertanggungjawabkan.
4) Analisis Akurasi Model Peta
Analisis akurasi model peta menggunakan analisis crosstab. Analisis crosstab merupakan
analisis yang digunakan untuk mengetahui perubahan lokasi dan probabilitas data hasil
klasifikasi tutupan lahan menggunakan tabel tabulasi sialng. Analisis ini digunakan untuk
mencari nilai indeks Kappa yang berasal dari nilai validitas tutupan lahan masa lalu dan
eksisting (Sukoamto & Buchori, 2018). Nilai Kappa menjelaskan perbedaan antara kondisi
43
eksisting dengan model tutupan lahan yang dihasilkan, semakin tinggi nilai indeks Kappa maka
semakin baik dan akurat model peta tutupan lahannya (Sejati et al., 2019). Berikut merupakan
perhitugan dan tabel klasifikasi indeks Kappa.
(𝑷𝒐 − 𝑷𝒆)
𝑲𝒂𝒑𝒑𝒂 =
(𝟏 − 𝑷𝒆)
Keterangan:
Po = Nilai akurasi data awal
Pe = Nilai/ estimasi model yang diharapkan

Tabel 3. 4 Klasifikasi Nilai Kappa

Nilai Kappa Klasifikasi Nilai

≤ 0,2 Sangat Buruk
0,21 – 0,4 Buruk
0,41 – 0,6 Cukup
0,61 – 0,8 Baik
0,81 – 1,00 Sangat Baik
Sumber: Sejati et al., 2019

5) Analisis Perubahan Tutupan Lahan

Perubahan tutupan lahan dihitung melalui superimpose peta tutupan lahan tahun 2000, 2010
dan 2021. Data disajikan melalui tabel yang berisi luas (hektar) serta persentase dari
keseluruhan wilayah dari setiap jenis tutupan lahan pada tahun tertentu. Selain itu disajikan
melalui peta perubahan tutupan lahan. Perubahan luas tutupan lahan dijelasken melalui
persamaan sebagai berikut.

∆𝑻𝑳 = 𝑻𝑳𝒏 − 𝑻𝑳𝟎

Keterangan:
∆TL = Perubahan luas jenis tutupan lahan (Ha)
TLn = Luas jenis tutupan lahan tahun 2021 (Ha)
TL0 = Luas jenis tutupan lahan tahun 2000 (Ha)

3.7.2 Analisis Perubahan Kerapatan Vegetasi (NDVI)

Dalam menganalisis kerapatan vegetasi pada data citra landsat, dapat memanfaatkan
kombinasi dari band inframerah dekat (band near infrared) dan band merah (band red). Band
inframerah dekat atau disingkat band NIR merupakan band yang peka terhadap sejumlah
biomassa vegetasi pada wilayah penelitian. Sehingga dapat membantu dalam hal identifikasi
tanaman serta akan memperkuat kontras antara tanaman-tanah dan lahan-air. Sedangkan band
merah merupakan saluran penting yang mampu memisahkan keberadaan vegetasi. Band merah

44
mampu memperkuat kontras antara kenampakan vegetasi dan bukan vegetasi, juga menajamkan
kontras antarkelas vegetasi. Tingkat kerapatan vegetasi suatu pada citra landsat dapat
diidentifikasi dari indeks vegetasi atau Normallized Difference Vegetation Index (NDVI).
Metode pengolahan indeks vegetasi tersebut dilakukan dengan menghitung nilai indeks
vegetasi dengan menggunakan rumus sebagai berikut.
𝑵𝑰𝑹 − 𝑹𝒆𝒅
𝑵𝑫𝑽𝑰 =
𝑵𝑰𝑹 + 𝑹𝒆𝒅

Keterangan:

NDVI = Nilai indeks vegetasi

NIR = Nilai reflektan band inframerah dekat
RED = Nilai reflektan band merah

Hasil dari perhitungan ini berupa peta sebaran tingkat kerapatan vegetasi. Kerapatan vegetasi
hasil olahan dari citra landsat memiliki rentang nilai antara -1 sampai dengan +1 yang
menggambarkan tingkat kerapatan vegetasi. Pembagian kelas NDVI dibedakan menjadi 5
kelas. Kelas I merupakan kelas lahan tidak bervegetasi yaitu kelas dengan rentang nilai -1 s.d -
0,03; Kelas II merupakan kelas kehijauan sangat rendah dengan rentang nilai -0,03 s.d 0,15;
Kelas III yaitu kelas kehijauan rendah dengan rentang nilai 0,15 s.d 0,25; Kelas IV yaitu kelas
kehijauan sedang dengan rentang nilai 0,25 s.d 0,35; dan Kelas V yaitu kelas kehijauan tinggi
dengan rentang nilai 0,35 s.d. 1.

3.7.3 Analisis Perubahan Kerapatan Bangunan (NDBI)

Perhitungan nilai NDBI menggunakan langkah yang serupa dengan perhitungan nilai
NDVI, hanya saja band yang digunakan ialah band inframerah dekat (shortwave infrared) dan
band inframerah dekat (near infrared). Pengolahan indeks kerapatan bangunan dapat dilakukan
dengan menghitung nilai NBDI sebagaimana dirumuskan Xu (2007), sebagai berikut.

𝑺𝑾𝑰𝑹 − 𝑵𝑰𝑹
𝑵𝑫𝑩𝑰 =
𝑺𝑾𝑰𝑹 − 𝑵𝑰𝑹

Keterangan:

NDBI = Nilai indeks kerapatan bangunan

SWIR = Nilai reflektan band inframerah pendek (SWIR-2)
NIR = Nilai reflektan band inframerah dekat

45
3.7.4 Analisis Perubahan Suhu Permukaan Lahan
Perubahan suhu permukaan lahan dilakukan dengan metode Land Surface Temperature
yaitu melalui gelombang thermal. Algoritma yang digunakan adalah Monowindow Brightness
Temperature yang dimiliki oleh band Landsat seperti perhitungan yang dilakukan oleh Sejati et
al., (2019). Terdapat tiga tahapan dalam mendapatkan dinamika perubahan suhu permukaan
lahan, antara lain:

1) Konversi Digital Number untuk mendapatkan TOA (Top of Atmosphere) Radiance

Konversi Digital Number untuk mendapatkan TOA Radiance dilakukan melalui
pemanfaatan data sensor thermal atau disebut dengan Thermal Infrared Sensor (TIRS) yang
terdapat pada citra satelit Landsat. Pada Landsat 5 TM sensor termal terdapat pada Band 6
sedangkan Landsat 8 OLI terdapat pada Band 10. Berikut koefisien kebutuhan data perhitungan
Suhu Permukaan Lahan dan perhitungan konversi Digital Number Band TIRS untuk
memperoleh TOA Radiance.
Lℷ = ML Qcal + AL
Keterangan:
Lℷ = TOA Spectral Radiance (dalam satuan Watts/ m2 * srad * µm))
ML = Nilai Radiance Multi Band (RMB)
Qcal = Nilai Digital Number Citra Landsat
AL = Nilai Radiance Add Band (RAB)

2) Perhitungan TOA Radiance untuk Suhu Permukaan Lahan dalam Temperatur Kelvin
Nilai TOA Radiance merupakan data acuan untuk mendapatkan hasil LST dengan
perhitungan yang ditentukan. Perhitungan LST memanfaatkan sensor TIRS menghasilkan suhu
permukaan lahan dalam satuan Kelvin. Berikut perhitungan LST dalam satuan Kelvin:
𝑲𝟐
𝑻 =
𝑳𝒏 ((𝑲𝟏⁄𝑳ℷ) + 𝟏)
Kerterangan:
T = Suhu Permukaan Lahan (dalam Kelvin)
Lℷ = TOA Spectral Radiance
K1 = Konstanta Thermal K1
K2 = Konstanta Thermal K2

3) Konversi Suhu Permukaan Lahan dan Superimpose Peta LST

Nilai perhitungan suhu permukaan lahan dengan metode sensor TIRS memiliki satuan
berupa kelvin. Maka untuk mengetahui suhu tersebut secara celcius harus dilakukan konversi

46
suhu ke dalam satuan celcius. Perhitungan konversi suhu celcius terdapat dalam rumus di bawah
ini

𝑳𝑺𝑻℃ = 𝑻 − 𝟐𝟕𝟑, 𝟏𝟓
Keterangan:
LST℃ = Suhu Permukaan Lahan dalam ℃elcius
T = Suhu Permukaan Lahan dalam °Kelvin

3.7.5 Hubungan Perubahan Tutupan Lahan terhadap Perubahan Suhu Permukaan

Untuk mengetahui hubungan perubahan tutupan lahan terhadap perubahan suhu
permukaan maka dilakukan analisis regresi. Analisis regresi merupakan alat analisis yang
berguna untuk mengukur pengaruh antara variabel bebas terhadap variabel terikat. Disamping
itu, analisis regresi juga bermanfaat untuk memprediksi/meramalkan suatu kejadian di masa
mendatang. Pada penelitian ini analisis regresi dilakukan untuk mengetahui hubungan antara
variabel bebas terhadap variabel terikat pada tahun 2000, 2010 dan 2021. Analisis tersebut
dilakukan untuk mengetahui apakah perubahan tutupan lahan, nilai indeks NDVI dan NDBI
berpengaruh terhadap perubahan suhu permukaan.
Sebelum dilakukan analisis regresi terlebih dahulu dilakukan analisis korelasi. Analisis
korelasi digunakan untuk mengetahui korelasi antara dua variabel atau lebih. Adapun dalam
penelitian ini digunakan analisis korelasi Pearson untuk mengetahui korelasi antara NDVI dan
NDBI terhadap suhu permukaan. Sementara untuk mengetahui korelasi antara suhu permukaan
terhadap tutupan lahan maka digunakan analisis korelasi Spearman. Besarnya korelasi yang
dihasilkan diinterpretasikan melalui tabel pedoman interpretasi koefisien korelasi sebagai
berikut.
Tabel 3. 5 Pedoman Interpretasi Koefisien Korelasi

Interval Koefisien Tingkat Hubungan

0,00 – 0.199 Sangat Rendah
0.20 – 0.339 Rendah
0,40 – 0.599 Sedang
0.60 – 0.799 Kuat
0.80 – 1,00 Sangat Kuat
Sumber: Sugiyono, 2007

Analisis regresi yang digunakan adalah analisis linier berganda untuk mengetahui
hubungan antara variabel kerapatan vegetasi (NDVI), variabel kerapatan lahan terbangun
(NDBI), dan tutupan lahan terhadap variabel suhu permukaan pada tahun 2000, 2010, dan 2021,
beserta perubahannya. Pada akhir tahap analisis, dilakukan perhitungan terhadap rata-rata suhu
permukaan masing-masing jenis tutupan lahan. Hal itu dilakukan untuk mengetahui rata-rata
47
suhu permukaan tiap jenis tutupan lahan sehingga dapat diketahui karakteristik suhu. Selain itu,
hal tersebut berguna untuk membuktikan hubungan tutupan lahan terhadap suhu permukaan.
Model regresi linear berganda dijelaskan dengan persamaan berikut.

𝒀 = 𝜷𝟎 + 𝜷𝟏 𝑿 𝟏 + 𝜷𝟐 𝑿 𝟐 ÷ 𝜷𝟑 𝑿 𝟑

Keterangan:
Y = Variabel terikat (LST)
β0 = Koefisien intercept regresi
β1 - β3 = Koefisien slope regresi
X1 – X3 = Variabel bebas (tutupan lahan, NDVI, NDBI)

48