TUGAS ANALISA URBAN
HEAT ISLAND
STUDI KASUS KOTA
MEDAN
(Disusun untuk memenuhi tugas Pengolahan Citra Digital)
Disusun oleh :
Kharisma Srinarta 21110117130045
DEPARTEMEN TEKNIK GEODESI
FAKULTAS TEKNIK - UNIVERSITAS DIPONEGORO
Jl. Prof. Sudarto SH, Tembalang Semarang Telp.(024) 76480785, 76480788
e-mail : jurusan@geodesi.ft.undip.ac.id
2020
DAFTAR ISI
II.2 Land Surface Temperature (LST)
II.3 Normalized Difference Vegetation Index (NDVI)
IV.3 Analisa Sebaran UHI terhadap NDVI
BAB I PENDAHULUAN
I.1 Latar Belakang
Pada beberapa tahun terakhir ini telah terjadi peristiwa pemanasan global pada sebagian besar daerah di belahan bumi. Hal tersebut merujuk berdasarkan data yang diperoleh dari laporan WALHI, dimana pemanasan global ditandai dengan peningkatan suhu rata-rata bumi. Mengutip data Intergovernmental Panel on Climate Change (IPCC), peningkatan suhu bumi saat ini sekitar 0,6 derajat celcius dibanding pada tahun 1750 lalu. Karena pada tahun tersebut dimulainya Revolusi Industri yang mengakibatkan penggunaan energi secara besar-besaran. Efek dari pemanasan global tersebut dapat mengakibatkan perubahan pola iklim dalam waktu tertentu yang membuat perubahan komposisi atmosfer global. Salah satu akibat dari perubahan itu adalah meningkatnya suhu udara. Akibat lain yang ditimbulkan dengan peningkatan suhu tersebut antara lain adalah perubahan pola air hujan dan salju yang jatuh dari udara, cuaca dan musim, serta naiknya permukaan air laut. Hal ini terjadi langsung maupun tidak langsung akibat kegiatan manusia (Utomo, 2017).
Kota Medan adalah ibu kota provinsi Sumatra Utara, Indonesia. Kota ini merupakan kota terbesar ketiga di Indonesia setelah Jakarta dan Surabaya, kota terbesar di luar Pulau Jawa. Jumlah Penduduk Sumatera Utara pada 2018 mencapai 14,42 juta jiwa. Berdasarkan data Badan Pusat Statistik (BPS), jumlah tersebut terdiri atas 7,19 juta jiwa laki-laki dan 7,22 juta jiwa perempuan. Sebanyak 7,21 juta jiwa penduduk di provinsi dengan ibu kota Medan ini tinggal di perkotaan dan sisanya di perdesaan. Medan tercatat sebagai kabupaten/kota dengan jumlah penduduk terbanyak, yakni mencapai 2,26 juta jiwa. Pada 2018, di Sumatera Utara terdapat 3,37 juta keluarga dengan jumlah anggota keluarga rata-rata 4 jiwa. Adapun rata-rata kepadatan penduduk mencapai 198 jiwa per km persegi. Medan merupakan kota dengan penduduk terpadat di Sumatera Utara, yakni 8.544 jiwa per km persegi (Kusnandar, 2019)
Peningkatan jumlah penduduk dan kepadatan penduduk tentunya juga diiringi dengan proses pembangunan. Konversi tata guna lahan dari daerah vegetasi menjadi non vegetasi, seperti pemukiman misalnya akan mempengaruhi suhu permukaan pada daerah tersebut. Selain itu, hal tersebut baik secara langsung maupun tidak langsung akan berpengaruh juga terhadap peristiwa pemanasan global yang terjadi. Studi tentang Land Surface Temperature penting untuk dilakukan karena akan membantu dalam proses perencanaan penggunaan dan pemanfaatan lahan. Serta dapat mengetahui wilayah distribusi spasial yang mempengaruhi kenaikan temperatur permukaan tanah. Analisis yang digunakan adalah dengan teknologi penginderaan jauh melalui informasi data dari deteksi nilai Normalized Difference Vegetation Index (NDVI) dan Urban Heat Island (UHI).
I.2 Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan di atas, maka diangkat perumusan masalah sebagai berikut :
1. Bagaimana sebaran daerah UHI di Kota Medan pada Bulan Maret 2020?
2. Bagaimana pengaruh tingkat NDVI terhadap daerah UHI di Kota Medan pada Bulan Maret 2020?
I.3 Tujuan
Berdasarkan rumusan masalah yang telah diuraikan diatas, maka tujuan dari tugas ini adalah sebagai berikut :
1. Memetakan dan mengetahui sebaran daerah UHI di Kota Medan pada Bulan Maret 2020
2. Mengetahui pengaruh tingkat NDVI terhadap daerah UHI di Kota Medan pada Bulan Maret 2020
BAB II TINJAUAN PUSTAKA
II.1 Urban Heat Island (UHI)
Urban heat Island dicirikan seperti “pulau” udara permukaan panas yang terpusat di area urban dan akan semakin turun temperaturnya di daerah sekelilingnya pada daerah suburban/rural. Urban Heat Island disebabkan oleh beberapa faktor yang membedakan daerah urban dan non-urban, termasuk perlepasan energi antropogenik dari sistem AC (Air Conditioning), emisi energi dari kegiatan perindustrian, kendaraan bermotor, dan sebagainya. Besarnya dan skala spasial efek UHI meningkat di daerah urban di seluruh dunia dan mempunyai implikasi dalam transport polutan udara, membentuk kondisi bioklimat, pemanasan dan pendinginan. Akibat suhu yang lebih tinggi yang disebabkan oleh urban heat island mempunyai efek meningkatnya kebutuhan untuk mendinginkan ruangan pada bangunan komersial maupun tempat tinggal. Bertambahnya kebutuhan akan energy dapat menambah anggaran yang harus dikeluarkan oleh konsumen dan pemerintah untuk biaya AC supaya kehidupan lebih nyaman
Ada dua alasan mengapa UHI dicurigai sebagai bagian yang bertanggung jawab atas meningkatnya temperatur permukaan maupun temperatur udara pada beberapa dekade. Alasan pertama berhubungan dengan pengamatan adanya penurunan tingkat temperatur diurnal dan yang kedua adalah lebih rendahnya tingkat pemanasan yang diamati di troposfer bawah dibanding dengan di permukaan (Hardiyanti, 2012).
Gambar II.1 Ilustrasi Urban Heat Island
II.2 Land Surface Temperature (LST)
Temperatur 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. Temperatur 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. Perhitungan LST atau brightness temperature dilakukan dengan menggunakan rumus sebagai berikut.
Keterangan :
T = Brightness temperature satelit
K1 = Konstanta kalibrasi radian spektral
K2 = Konstanta kalibrasi suhu absolut
CVR2 = Radian spektral
Hasil yang diperoleh dengan menerapkan rumus diatas merupakan hasil ekstraksi dianggap sebagai ToA (Top of Atmosphere) brightness temperature. Hal ini dikarenakan ekstraksi suhu didasarkan pada nilai radiansi yang diterima oleh sensor. Sehingga untuk mendapatkan nilai brightness temperature yang akurat perlu dilakukan koreksi atmosfer. Satuan yang dihasilkan berupa kelvin, harus di ubah ke celcius dengan cara mengurangkannya dengan 273. (Utomo, 2017).
II.3 Normalized Difference Vegetation Index (NDVI)
Indeks vegetasi atau NDVI adalah indeks yang menggambarkan tingkat kehijauan suatu tanaman. Indeks vegetasi merupakan kombinasi matematis antara band merah dan band NIR (Near-Infrared Radiation) yang telah lama digunakan sebagai indikator keberadaan dan kondisi vegetasi (Lillesand & Kiefer, 1997).
Perhitungan NDVI didasarkan pada prinsip bahwa tanaman hijau tumbuh secara efektif dengan menyerap radiasi di daerah spektrum cahaya tampak (PAR atau Photosynthetically Aktif Radiation), sementara itu tanaman hijau memantulkan radiasi dari daerah inframerah dekat. Konsep pola spektral di dasarkan oleh prinsip ini menggunakan hanya citra band merah dengan rumus sebagai berikut :
NDVI = (NIR-Red/NIR+Red)
Keterangan :
NIR = Radiasi inframerah dekat dari piksel (B5)
Red = Radiasi cahaya merah dari piksel (B4)
Pengklasifikasian dari nilai NDVI terletak dalam tabel dibawah ini:
Gambar II.2 Pengklasifikasian NDVI
II.4 Landsat 8
Landsat 8 disebut sebagai satelit dengan misi melanjutkan Landsat 7, terlihat dari karakteristiknya yang mirip dengan Landsat 7, baik resolusinya (spasial, temporal, spektral), metode koreksi, ketinggian terbang maupun karakteristik sensor yang dibawa. Hanya saja ada beberapa tambahan yang menjadi titik penyempurnaan dari Landsat 7 seperti jumlah band, rentang spektrum gelombang elektromagnetik terendah yang dapat ditangkap sensor serta nilai bit (rentang nilai Digital Number) dari tiap piksel citra (Sugiarto, 2013).
Satelit Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 buah. Diantara kanal-kanal tersebut, 9 kanal (band 1-9) berada pada OLI dan 2 lainnya (band 10 dan 11) pada TIRS. Sebagian besar kanal memiliki spesifikasi mirip dengan Landsat 7. Jenis kanal, panjang gelombang dan resolusi spasial setiap band pada Landsat 8 dibandingkan dengan Landsat 7 seperti tertera pada tabel di bawah ini :
Gambar II.3 Perbadaan Landsat 7 dan Landsat 8
II.5 Software Envi
ENVI (The Environment For Visualizing Images) merupakan suatu sistem pengolahan citra digital penginderaan jauh yang revolusioner dibuat oleh Research System, Inc (RSI). ENVI terbaru memberikan fitur dan fungsionalitas sehingga lebih mempermudah alur kerja dan mengurangi waktu untuk pengolahan citra digital penginderaan jauh dan analisis. ENVI berintegrasi dengan GIS yang dapat mempermudah menyadap informasi terkini dari citra digital penginderaan jauh dengan memberikan alat analisis citra digital penginderaan jauh secara langsung.
Kegunaan lain ENVI dirancang untuk berbagai kebutuhan spesifik yang menggunakan data penginderaan jauh dari satelit dan pesawat terbang. ENVI menyediakan data visualisasi yang menyuluruh dan analisa untuk citra dalam berbagai ukuran dan tipe, semuanya dalam suatu lingkungan yang mudah dioperasikan dan inovatif untuk digunakan. ENVI menggunakan Graphical User Interface (GUI). Format data raster dan Ascii (text) sebagai header file. Data raster disimpan sebagai ‘binary stream of bytes’ berupa format Band Sequential (BSQ), Band Interleaved by Pixel (BIP) dan Band Interleaved by Line (BIL). ENVI juga mendukung berbagai tipe format lainnya seperti : byte, interger, long interger, floating-point, double-precision, complex,dan double-precision complex (Conita, 2016)
II.6 Software ArcMap
ArcMap adalah aplikasi utama untuk kebanyakan proses GIS dan pemetaan dengan komputer. ArcMap memiliki kemampuan utama untuk visualisasi, membangun database spasial yang baru, memilih (query), editing, menciptakan desain-desain peta, analisis dan pembuatan tampilan akhir dalam laporan-laporan kegiatan. Beberapa hal yang dapat dilakukan oleh ArcMap diantaranya yaitu penjelajahan data (exploring), analisa sig (analyzing), presenting result, customizing data dan programming (Adiwinata, 2015).
BAB III METODE PENELITIAN
III.1 Diagram Alir
Diagram alir yang digunakan dalam tugas ini sebagai berikut:
III.2 Tahap Pengolahan
Sebelum menjabarkan mengenai tahapan pengolahan, berikut adalah alat dan bahan yang dipakai dalam tugas ini :
1. Citra Landsat 8 Kota Medan Tanggal 22 Maret 2020
2. Peta RBI Kota Medan
3. Laptop
4. Software Envi Classic 5.3
5. Software ArcMap 10.3
Tahapan pengolahan yang dilakukan secara garis besar adalah sebagai berikut:
1. Lakukan pemotongan citra sesuai dengan batas shp kota menggunakan aplikasi ArcMap dengan cara klik windows => image analysis => clip.
2. Berikut adalah hasil dari proses pemotongan yang didapatkan. Simpan hasilnya dalam format Tiff agar bisa dibuka di aplikasi Envi.
3. Lakukan koreksi radiometrik pada citra tersebut dengan cara memasukkan rumus pada bandmath, parameter yang dibutuhkan dapat dilihat pada metadata citra. Cek hasilnya dengan menyalakan cursor location value.
4. Setelah itu masukan rumus LST pada bandmath. Cek hasilnya dengan menyalakan cursor location value.
5. Lakukan penentuan daerah urban/semi rural dengan cara load natural colour citra (band 4,3,2) => load vector batas wilayah => lakukan digitasi pada fitur ROI tool
6. Selanjutnya kita akan menentukan suhu area semi urban dengan cara membuka citra lst yang belum di crop => klik stats pada ROI tool => Lihat suhu rata-rata => ditambah dengan 3 dan 10 derajat untuk menentukan daerah HUI. Suhu rata-rata yang didapat adalah 25. 932087, yang berarti suhu HUI nya adalah 28. 932087 hingga 35. 932087
7. Lakukan pengklasifikasian Suhu HUI dengan menggunakan fitur band threshold to ROI, pilih rentang minimumnya 28.932087 dan rentang maksimumnya 35.932087:
8. Konversi hasil klasifikasi menjadi format shp agar bisa diolah lebih lanjut dengan aplikasi ArcMap dengan cara Create Class Image From ROI => Classification To Vector => Export Layer To Shapefile.
9. Buka hasil shp tadi dengan aplikasi ArcMap, buka properties nya lalu atur label dan warna yang diinginkan.
10. Lakukan proses penentuan NDVI pada citra band 4 dan band 5 yang telah terpotong dan terkoreksi radiometrik. Hal ini dilakukan sebagai tambahan informasi saat akan dilakukan analisis daerah HUI. Langkah awalnya adalah memasukkan rumus NDVI.
11. Lakukan pengklasifikasian NDVI dengan menggunakan fitur band threshold to ROI. Berikut adalah klasifikasinya
>0 = Badan air
0-0.33 = Vegetasi Jarang
0.33-0.66 = Vegetasi Sedang
0.66-1 = Vegetasi Rapat
12. Lakukan layouting sesuai kaidah kartografi yang benar dengan tujuan untuk mempermudah proses membaca peta dan menunjang aspek keindahan, pada proses layouting ini saya menambahkan judul peta, inset peta, grid, arah mata angin, skala angka, skala batang, legenda. Pembuat peta, dan informasi lainnya seperti datum, sistem koordinat, sumber peta, dll.
BAB IV HASIL DAN PEMBAHASAN
IV.1 Hasil Sebaran UHI
Pembahasan :
Daerah terdampak UHI di Kota Medan berada pada suhu 28-35 derajat celcius. Jika dilihat sekilas, luasan daerah yang terkena dampak UHI tidak begitu besar dan banyak mengingat Kota Medan merupakan ibukota Sumatera Utara, tetapi juga tidak dapat dibilang daerah terdampak fenomena UHI jumlahnya sedikit. Sebarannya merata, ada yang di utara, selatan, dan bagian tengah Kota Medan. Jika dibandingkan dengan citra aslinya (natural colour), bagian yang terkena dampak UHI merupakan wilayah padat bangunan dan yang tidak terdampak UHI terdapat vegetasi walaupun tidak banyak pada daerah tersebut. Analisis dari fenomena ini akan dibahas lebih lanjut dengan membandingkannya dengan sebaran NDVI untuk mengetahui karakter daerah yang terdampak UHI dan tidak terdampak UHI.
IV.2 Hasil NDVI
Pembahasan :
Indeks vegetasi Kota Medan Sebagian besar terdiri vegetasi jarang yang berarti daerah tersebut berupa pemukiman atau Kawasan perindustrian. Lalu juga ada vegetasi sedang yang jumlahnya tidak begitu banyak, tersebar di wilayah utara dan selatan Medan, sedangkan wilayah Medan bagian tengah didominasi vegetasi jarang dikarenakan Medan sendiri adalah kota besar dengan segala pembangunan dan aktivitas lainnya. Di bagian paling utara terdapat beberapa badan air, hal ini dikarenakan wilayah tersebut berbatasan langsung dengan perairan yaitu Selat Malaka. Vegetasi rapat hanya ada sedikit bahkan hampir tidak terlihat, hal ini menandakan Kota Medan di Tahun 2020 sangat minim sekali akan vegetasi.
IV.3 Analisa Sebaran UHI terhadap NDVI
Pembahasan :
Jika dilihat sekilas, sebaran UHI di Kota Medan berbanding lurus dengan sebaran NDVI nya. Pada bagian paling utara terlihat NDVI menunjukkan keterangan vegetasi jarang, pada daerah ini pula terjadi fenomena UHI. Berjalan ke selatan sedikit, terdapat fenomena UHI cukup banyak, di daerah tersebut nilai NDVI menunjukkan campuran antara vegetasi jarang dan vegetasi sedang, terdapat sedikit anomali disini tapi tidak begitu signifikan. Lalu berjalan sedikit ke selatan lagi, terdapat fenomena UHI yang cukup banyak di bagian timur dan sedikit di bagian barat, hal ini konsisten dengan nilai NDVI yang menunjukkan kondisi vegetasi jarang. Lalu dibagian paling selatan terdapat fenomena UHI yang tersebar tetapi tidak begi banyak, walaupun nilai NDVI menunjukkan vegetasi sedang, tetapi jika diperhatikan lebih lanjut, fenomena UHI nya terjadi pada bagian-bagian kecil yang termasuk dalam vegetasi jarang. Hal ini berarti, antara fenomena UHI dan sebaran NDVI terdapat kecocokan yang baik walau tidak sempurna.
BAB V KESIMPULAN
Berdasarkan apa yang telah diuraikan pada bab-bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut:
1. Sebaran UHI di Kota Medan jumlahnya cukup banyak mungkin sekitar 40% dari total keseluruhan luas kota, daerah terdampak UHI tersebar merata mulai dari bagian utara, tengah, hingga selatan. Daerah yang terdampak UHI merupakan daerah dengan banyak bangunan yang secara otomatis pasti banyak terdapat aktivitas yang dapat menaikkan suhu pada daerah tersebut.
2. Hubungan antara sebaran daerah terdampak UHI dengan sebaran NDVI nya berbanding lurus, daerah yang menunjukkan keterangan vegetasi jarang terdampak UHI yang sangat banyak, dan hanya sedikit sekali daerah dengan vegetasi sedang yang terdampak UHI. Hal ini menunjukkan bahwa nilai NDVI cocok digunakan dalam analisis sebaran UHI.
DAFTAR PUSTAKA
Adiwinata, G. (2015). Pengertian ArcMap dan Fungsi ikon pada Arcmap. Retrieved from http://geologyaddicted.blogspot.com/2015/11/arcmap.html
Conita. (2016). Laporan Penginderaan Jauh Menggunakan Envi 4.5. Yogyakarta: FMIPA UII.
Hardiyanti, T. (2012). Urban Heat Island dan Dampaknya. Retrieved from http://tutut-hardiyanti.blogspot.com/2012/09/urban-heat-island-dan-dampaknya.html
Kusnandar, V. B. (2019). Jumlah Penduduk Medan Terbanyak di Sumatera Utara. Retrieved from https://databoks.katadata.co.id/datapublish/2019/10/15/jumlah-penduduk-medan-terbanyak-di-sumatera-utara
Lillesand, & Kiefer. (1997). Penginderaan Jauh dan Interpretasi Citra Terjemahan. Yogyakarta: Gadjah Mada University Press.
Sugiarto, D. P. (2013). https://tnrawku.wordpress.com/2013/06/12/landsat-8-spesifikasi-keungulan-dan-peluang-pemanfaatan-bidang-kehutanan/. Retrieved from https://tnrawku.wordpress.com/2013/06/12/landsat-8-spesifikasi-keungulan-dan-peluang-pemanfaatan-bidang-kehutanan/
Utomo, W. A. (2017). ANALISIS HUBUNGAN VARIASI LAND SURFACE TEMPERATURE DENGAN KELAS TUTUPAN LAHAN MENGGUNAKAN DATA CITRA SATELIT LANDSAT (Studi Kasus : Kabupaten Pati) . Jurnal Geodesi Undip, 4.
Tidak ada komentar:
Posting Komentar