1. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
1
PERUBAHAN LAHAN VEGETASI KABUPATEN BARITO KUALA
DAN PENGARUHNYA TERHADAP LAND SURFACE TEMPERATURE
Riska Pratiwi
Program Studi Teknik Geodesi, Fakultas Teknik, Universitas Diponegoro
Jl. Prof. H. Soedarto, SH. Kampus Tembalang, Semarang,
Email : na.rpratiwi@gmail.com
Abstrak
Kabupaten Barito Kuala merupakan salah satu kabupaten yang ada di Kalimantan Selatan dan
merupakan salah satu daerah tujuan urbanisasi dari berbagai tempat terutama dari Pulau Jawa.
Sehingga pertambahan jumlah pendudukan di Kabupaten ini meningkat setiap tahunnya. Walau
tidak begitu signifikan tetapi pertambahan penduduk ini mengakibatkan semakin meningkatnya
jumlah pemukiman, area industri dan perdangan serta perubahan tutupan lahan. Perubahan
seperti ini akan membawa perubahan dalam suhu udara rata-rata, dimana berkurangnya
vegetasi yang tergantikan oleh lahan-lahan terbangun akan memicu kontrasnya radiansi
permukaan dan suhu udara di daerah tersebut jika dibandingkan dengan daerah desa
(Weng, 2004).
Tujuan penelitian ini adalah untuk mengetahui seberapa besar pengaruh perubahan tutupan
lahan dan vegetasi melalui NDVI terhadap perubahan suhu permukaan melalui LST
berdasarkan interpretasi citra satelit Landsat. Teknologi penginderaan jauh dilakukan untuk
memperoleh data spasial dalam waktu singkat dengan akurasi yang tinggi.
Pada penelitian ini analisis dilakukan dengan menggunakan citra Landsat 2014 dan 2016
dimana waktu perekamannya pada bulan juni. Sehingga nantinya akan dilakukan perbandingan
perubahan tutupan lahan dan perubahahan suhu pada kedua tahun tersebut. Selain itu juga untuk
melihat seberapa besar korelasi antara perubahan tutupan lahan dengan perubahan suhu pada
daerah tersebut.
Kata Kunci : Perubahan Suhu Permukaan, LST, NDVI, Tutupan Lahan, Teknologi Penginderaan Jauh.
I. Pendahuluan
I.1 Latar Belakang
Pertambahan jumlah penduduk di suatu
daerah akan menyebabkan semakin
berkurangnya lahan vegetasi yang digunakan
untuk berbagai macam aktivitas seperti
pembangunan, pembuatan jalan dan lain
sebagainya. Pada beberapa tahun terakhir,
kegiatan urbanisasi semakin meningkat, tidak
terkecuali pada daerah-daerah di Indonesia.
Peningkatan urbanisasi ini akan berdampak
dengan penambahan penduduk di daerah kota,
dan akan membawa beberapa perubahan,
seperti perubahan penggunaan lahan
menjadi lahan-lahan terbangun atau
permukaan yang sulit berevaporasi.
Perubahan seperti ini akan membawa
perubahan dalam suhu udara rata-rata di kota,
dimana berkurangnya vegetasi yang
tergantikan oleh lahan-lahan terbangun akan
memicu kontrasnya radiansi permukaan dan
suhu udara di daerah kota jika
dibandingkan dengan daerah desa (Weng,
2004).
Kabupaten Barito Kuala merupakan salah satu
kabupaten yang menjadi incaran para
penduduk urbanisasi. Hal tersebut
menyebabkan setiap tahunnya pertambahan
2. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
2
jumlah penduduk dan berkurangnya lahan
vegetasi karena digunakan untuk berbagai
macam untu meningkatkan kualitas hidup
penduduk di daerah tersebut.
Land Surface Temperature (LST)
merupakan radiasi temperature permukaan
tanah yang dipengaruhi oleh kondisi albedo,
uap air, dan tutupan lahan. Studi mengenai
Land Surface ini banyak yang mengambil
kasus di kota-kota besar dan kota
metropolitan lainnya. Lahan yang lebih
sering terjadi dan perubahan suhunya juga
lebih besar daripada di kota-kota kecil
lainnya. Semua kota apapun ukurannya
membentuk iklim tersendiri berbeda dengan
iklim makro regional di mana kota itu berada,
meskipun karakteristik iklim mikro urban
tergantung pada iklim lebih besar (Kopec,
1970).
Berdasarkan hal tersebut, metode NDVI
dapat digunakan untuk melakukan ekstraksi
penggunaan lahan yang dapat digunakan
sebagai analisis untuk perubahan suhu
permukaan. Salah satu data penginderaan
jauh yang mampu memberikan data termal
adalah data Landsat, seperti Landsat 8. Dari
data termal ini kemudian dapat diolah untuk
menghasilkan Land Surface Temperature
(LST), dan dengan menggunakan
perhitungan nilai radiansi untuk
menghasilkan nilai suhu permukaan.
Sehingga nantinya bisa dilihat nilai korelasi
antar nilai NDVI dan nilai LST.
I.2 Perumusan Masalah
Berdasarkan latar belakang diatas,
Perumusan masalah dalam penelitian ini
adalah sebagai berikut :
1. Bagaimana perubahan tutupan lahan di
Kabupaten Barito Kuala pada tahun 2014
dan 2016?
2. Bagaimana perubahan suhu permukaan di
Kabupaten Barito Kuala pada tahun 2014
dan 2016?
3. Bagaimana pengaruh perubahan suhu
permukaan dan tutupan lahan di
Kabupaten Barito Kuala pada tahun 2014
dan 2016?
I.3 Batasan Masalah
Untuk menjelaskan permasalahan yang
akan dibahas pada penelitian ini sehingga
tidak terlalu jauh dari kajian masalah. Maka
penelitian ini ada beberapa hal yang
membatasi dalam pembuatannya, yaitu
sebagai berikut :
1. Penelitian perubahan tutupan lahan dan
suhu permukaan ini hanya dibatasi di
Kabupaten Barito Kuala menggunakan
citra Landsat tahun 2014 dan tahun 2016.
2. Pada penelitian ini suhu permukaan
merupakan sebaran suhu permukaan
bumi berdasarkan kerapatan vegetasi dan
penggunaan lahan yang nampak pada
citra satelit.
3. Kerapatan vegetasi yang digunakan
dalam penelitian berasal dari nilai
perhitungan NDVI (Normalized
Difference Vegetation Index) yang dilihat
dalam satuan piksel (30mx30m) dan
dibagi menjadi lima kelas yaitu : badan
air, vegetasi jarang, vegetasi cukup rapat,
vegetasi rapat, dan vegetasi sangat rapat.
4. Perubahan suhu permukaan atau
klasifikasi LST dibagi menjadi 6 kelas
yaitu : 14c-16c, 16c-18c, 18c-20c, 20c-
22c, 22c-24c, dan 24c-26c
5. Analisa dilakukan berdasarkan
perubahan tutupan lahan dengan data
suhu permukaan Kabupaten Barito Kuala
pada tahun 2014 dan tahun 2016.
I.4 Tujuan Penelitian
Tujuan penelitian ini adalah sebagai
berikut :
1. Mendapatkan data perubahan tutupan
lahan pada tahun 2014 dan tahun 2016
3. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
3
2. Mendapatkan data perubahan suhu pada
tahun 2014 dan tahun 2016
3. Mendapatkan hasil analisis berupa
korelasi antara perubahan tutupan lahan
dan perubahan suhu
II. Tinjauan Pusataka
II.1 Tutupan Lahan
Tutupan lahan adalah perwujudan fisik
(visual) dari vegetasi, benda alam dan unsur-
unsur budaya yang ada di permukaan Bumi
tanpa memperhatikan kegiatan manusia
terhadap objek tersebut (Justice dan
Townshend, 1981). Land cover sendiri
umumnya didapatkan dari hasil klasifikasi
citra satelit dan hasil klasifikasi tersebut
banyak digunakan sebagai dasar penelitian
untuk analisis penggunaan lahan atau
dinamika perubahan lahan di suatu area.
Selain hal tersebut, hasil klasifikasi citra
berupa land cover juga dapat dijadikan
sebagai dasar pengamatan pertumbuhan
pembangunan suatu area. bumi. Informasi
yang diperoleh dari citra satelit tersebut dapat
digabungkan dengan data-data lain yang
mendukung ke dalam suatu sistem informasi
geografis (SIG). hambatan dalam pemantauan
penutupan lahan dapat dikurangi dengan
adanya teknologi penginderaan jauh (remote
sensing) (Sulistiyono, 2008).
II.2 Suhu
Suhu menurut Handoko (1994)
merupakan gambaran umum keadaan energi
suatu benda. Pembahasan suhu yang berkaitan
dengan kedaan suhu kota, mengarah pada
fenomena Heat Island. Dimana fenomena
heat island ini merupakan suatu keadaan
dimana suhu udara di kota yang lebih banyak
bangunan lebih tinggi dibandingkan dengan
suhu udara daerah di sekelilingnya yang lebih
terbuka seperti pinggiran kota atau pedesaan.
Pada umumnya suhu udara tertinggi akan
terdapat di pusat kota dan menurun secara
bertahap ke arah pinggir kota sampai ke desa
(Khusaini, 2008). Berdasarkan beberapa
pengamatan, suhu tahunan rata-rata di kota
lebih besar sekitar 3Β°C dibandingkan di
pedesaan.
II.3 Citra Landsat
Teknologi penginderaan jauh satelit
dipelopori oleh NASA Amerika Serikat
dengan diluncurkannya satelit sumberdaya
alam yang pertama, yang disebut ERTS-1
(Earth Resources Technology Satellite) pada
tanggal 23 Juli 1972, menyusul ERTS-2 pada
tahun 1975, satelit ini membawa sensor RBV
(Retore Beam Vidcin) dan MSS (Multi
Spectral Scanner) yang mempunyai resolusi
spasial 80 x 80 m. Satelit ERTS-1, ERTS-2
yang kemudian setelah diluncurkan berganti
nama menjadi Landsat 1, Landsat 2,
diteruskan dengan seri-seri berikutnya, yaitu
Landsat 3, 4, 5, 6, 7 dan terakhir adalah
Landsat 8 yang diorbitkan bulan Februari
2013.
II.4 Land Surface Temperature
Sensor Landsat TM (Landsat 5), ETM+
(Landsat 7) dan TIRS (Landsat 8) mampu
merekam data radiansi panas permukaan bumi
pada spektrum inframerah termal. Informasi
radiansi panas pada spektrum thermal sangat
dipengaruhi oleh suhu permukaan dan
emisivitas obyek. Makin tinggi temperatur
suatu obyek, makin tinggi intensitas
radiansinya. Informasi radiansi ditangkap
sensor termal dan disimpan dalam bentuk
digital number (DN) dengan range 0 sampe
255 (8bit) untuk data TM/ETM+ dan 0 sampai
65536 a. (16 bit) untuk data TIRS.
Dengan demikian, maka DN diatas
memungkinkan untuk dikonversi menjadi
peta suhu permukaan. Tahapan yang
dilakukan antara lain, mengubah DN menjadi
nilai radiansi, mengaplikasikan koreksi
atmosferik (later), mengkonversi radiansi ke
4. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
4
temperatur permukaan, dan terakhir
mengkonversi temperatur permukaan dari
satuan kelvin ke satuan celcius.
II.4 NDVI (Normal Difference Vegetation
Index)
Indeks vegetasi adalah besaran nilai
kehijauan vegetasi yang diperoleh dari
pengolahan sinyal digital data nilai kecerahan
(brightness) beberapa kanal data sensor
satelit. Untuk pemantauan vegetasi, dilakukan
proses pembandingan antara tingkat
kecerahan kanal cahaya merah (red) dan kanal
cahaya inframerah dekat (near infrared).
Fenomena penyerapan cahaya merah oleh
klorofil dan pemantulan cahaya inframerah
dekat oleh jaringan mesofil yang terdapat
pada daun akan membuat nilai kecerahan
yang diterima sensor satelit pada kanal-kanal
tersebut akan jauh berbeda. Pada daratan non-
vegetasi, termasuk diantaranya wilayah
perairan, pemukiman penduduk, tanah kosong
terbuka, dan wilayah dengan kondisi vegetasi
yang rusak, tidak akan menunjukkan nilai
rasio yang tinggi (minimum). Sebaliknya pada
wilayah bervegetasi sangat rapat, dengan
kondisi sehat, perbandingan kedua kanal
tersebut akan sangat tinggi (maksimum). Nilai
perbandingan kecerahan kanal cahaya merah
dengan cahaya inframerah dekat atau
NIR/RED, adalah nilai suatu indeks vegetasi
(yang sering disebut βsimple ratioβ) yang
sudah tidak dipakai lagi. Hal ini disebabkan
karena nilai dari rasio NIR/RED akan
memberikan nilai yang sangat besar untuk
tumbuhan yang sehat . Oleh karena itu,
dikembangkanlah suatu algoritma indeks
vegetasi yang baru dengan normalisasi, yaitu
NDVI (Normalized Difference Vegetation
Index) seperti berikut ini :
ππ·ππΌ =
ππΌπ β π ππ
ππΌπ + π ππ
NDVI mempunyai nilai yang hanya
berkisar antara -1 (non-vegetasi) hingga 1
(vegetasi). Setelah NDVI diperoleh, langkah
selanjutnya adalah membuat skala warna
(color map) tingkat vegetasi agar diperoleh
informasi lebih lanjut.
III. Pelaksanaan Penelitian
III.1 Lokasi Penenelitian
Lokasi penenlitian ini dilakukan di
Kabupaten Barito Kuala. Barito Kuala adalah
salah satu Pemerintah Kabupaten di Provinsi
Kalimantan Selatan, Indonesia. Ibu kota
kabupaten ini terletak di Marabahan.
Kabupaten ini memiliki luas wilayah 3.284
kmΒ² dan berpenduduk sebanyak 276.066 jiwa.
Kabupaten Barito Kuala yang ber-ibukota
Marabahan terletak paling barat dari Provinsi
Kalimantan Selatan dengan batas-batas:
sebelah utara Kabupaten Hulu Sungai Utara
dan Kabupaten Tapin, sebelah selatan Laut
Jawa, sebelah timur berbatasan dengan
Kabupaten Banjar dan Kota Banjarmasin,
sedangkan sebelah barat berbatasan dengan
Kabupaten Kapuas Provinsi Kalimantan
Tengah. Dengan letak astronomis berada pada
2Β°29β50β - 3Β°30β18β Lintang Selatan dan
114Β°20β50β - 114Β°50β18β Bujur Timur.
Gambar III-1 Barito Kuala
III.2 Data dan Peralatan
III.2.1 Data
Data yang digunakan dalam penelitian
ini adalah sebagai berikut :
1. Citra Satelit Landsat 8 tahun 2014 dan
tahun 2016.
2. Peta Batas Administrasi Kabupaten Barito
Kuala.
5. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
5
III.2.2 Peralatan
Peralatan yang digunakan dalam
penelitian ini adalah sebagai berikut :
1. Perangkat Keras (Hardware)
Perangkat keras yang digunakan dalam
pengolahan data adalah perangkat
komputer yang memiliki spesifikasi
a. Processor : Intel Core TM B950
b. Kapasitas RAM : 2.00 Gb
c. System Type : 64 bit OS
d. Harddisk : 500 GB HDD
e. Sistem Operasi : Microsoft Windows
7 Ultimate
2. Perangkat Lunak (Software)
Perangkat lunak yang digunakan dalam
pengolahan data yaitu:
a. ENVI 5.1
b. ArcGIS 10.2
c. Microsoft Office 2013
III.3 Metode Penelitian
Pada penelitian ini langkah pekerjaan
yang akan dilakukan adalah sebagai berikut :
1. Mengumpulkan data
Pada tahapan ini yang dikerjakan adalah
mengumpulkan data masukan yang
diperlukan untuk proses pekerjaan yang akan
dilakukan. Pada praktikum kali ini yang
dibutuhkan sebagai data masukan adalah Data
dari citra Landsat 8 untuk perubahan suhu dan
perubahan vegetasi nya. Selain data citra
Landsat diperlukan juga data berupa shapefile
administrasi Kabuapten Barito Kuala.
2. Pengolahan data dengan menggunakan
ENVI.
Pengolahan data menggunakan software
ENVI 5.1 .Pengolahan untuk NDVI dan Land
Surface Temperature dilakukan dengan
mengubah format citra dari digital number
(DN) menjadi Reflectance (untuk NDVI) dan
Radiance (untuk permukaan suhu). Kemudian
dengan menggunakan Band Math kita
merubah nilai piksel dari citra. Persamaan
yang diinputkan berbeda untuk NDVI dan
suhu permukaan. Proses tersebut dilakukan
untuk kedua citra.
3. Analisis Informasi yang telah diperoleh
Dari pengolahan data akan diperoleh 4 citra
hasil pengolahan yaitu 2 citra NDVI dengan
tanggal berbeda dan 2 citra suhu permukaan
dengan tanggal yang berbeda juga. Kemudian
dengan menggunakan Band Math akan
dihitung perubahan lahan vegetasi dan suhu
permukaan. Perubahan tersebut akan dibuat
menjadi satu untuk mengetahui korelasi
antara perubahan suhu dan perubahan
vegetasi di Kabupaten Barito Kuala
4. Menarik kesimpulan
Dari hasil korelasi yang diperoleh, maka
dapat ditarik kesimpulan apakah perubahan
lahan vegetasi menyebabkan perubahan suhu
permukaan di Kabupaten Barito Kuala.
Penarikan kesimpulan ini menjadi jawaban
dari rumusan masalah yang diangkat.
5. Menyajikan peta
Data hasil pengolahan dan analisis
kemudian disajikan kedalam arcGIS agar
menjadi informasi yang lebih mudah
dipahami oleh pengguna peta.
IV. Hasil dan Pembahasan
IV.1 Hasil dan Pembahasan NDVI
Hasil dari pengolahan NDVI dengan
ENVI 5.1 adalah kerapatan vegetasi yang
terbagi menjadi 5 kelas seperti badan air,
vegetasi jarang, vegetasi cukup rapat, vegetasi
rapat dan vegetasi sangat rapat. Band yang
digunakan dalam pengolahan NDVI ini
adalah band 4 ( Red ) dan band 5 ( NIR ) yang
sebelumnya telah dirubah menjadi reflectance
melalui Band Math. Setelah itu dilakukan
perhitungan NDVI dengan rumus yang telah
ditentukan. Perhitungan NDVI ini dilakukan
pada kedua citra yaitu tahun 2014 dan tahun
2016 sehingga didapatkan hasil luasan
kerapatn vegetasi yang bisa dibandingkan
seperti gambar di bawah ini.
6. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
6
Gambar IV-1 Hasil Luasan NDVI 2014
Gambar IV-2 Hasil Luasan NDVI 2016
Dilihat dari hasil luasan NDVI tahun
2014 dan tahun 2016 dengan satuan hektar (
Ha ) terjadi perubahan luasan seperti vegetasi
jarang yang berubah dari 13744,207069 Ha
menjadi 19121,210205. Vegetasi Jarang ini
bisa diartikan sebagai lahan terbangun,
sehingga dapat disimpulkan bahwa di
Kabupaten Barito Kuala mengalami kenaikan
jumlah pembangunan yang disebabkan
semakin banyaknya penduduk yang
bermukim di sana dan pertumbuhan penduduk
yang signifikan Tapi bisa dilihat juga pada
vegetasi sangat rapat juga mengalami
kenaikan, yaitu dari 2320, 142109 Ha menjadi
7606, 527621. Hal ini disebabkan karena
Kalimantan merupakan salah satu pulau
penghasil buah sawit terbanyak. Seperti pada
Provinsi Kalimantan Selatan khusunya
Kabupaten Barito Kuala yang mengalami
kenaikan pertumbuhan jumlah tanaman sawit
setiap tahunnya. Sehingga lahan disana selain
untuk dibangun untuk dijadikan tempat
tinggal, area industri serta yang lainnya juga
dijadikan sebagai lahan sawit. Dan hal inilah
yang menyebabkan vegetasi sangat rapat
bertambah dari tahun 2014 ke tahun 2016.
Untuk melihat secara jelas berapa besar
perubahan kerapat vegetasi dari tahun 2014 ke
tahun 2016 bisa dilihat melalui peta seperti di
bawah ini
Gambar IV-3 Hasil NDVI 2014
Gambar IV-4 Hasil NDVI 2016
Pada kedua tersebut terlihat jelas
perubahan warna terutama warna orange
yang menjelaskan vegetasi jarang. Pada peta
tahun 2016 warna tersebut lebih banyak
mendominasi daerah Barito Kuala
dibandingkan dengan tahun 2014.
7. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
7
IV.2 Hasil dan Pembahasan LST
Hasil dari pengolahan LST ( Land
Surface Temperature ) dengan ENVI 5.1
adalah suhu permukaan yang terbagi menjadi
6 kelas sepertidaerah dengan suhu 14c β 16c,
16c β 18c, 18c β 20c, 20c β 22c, 22c β 24c,
dan 24c β 26 c. Band yang digunakan dalam
pengolahan LST ini adalah band 10 atau band
11 yang sebelumnya telah dirubah menjadi
radiance melalui Band Math. Setelah itu
dilakukan perhitungan LST dengan rumus
yang telah ditentukan yang kemudian dirubah
menjadi suhu celcius setelah dikurangi 273.
Perhitungan LST ini dilakukan pada kedua
citra yaitu tahun 2014 dan tahun 2016
sehingga didapatkan hasil luasan perubahan
suhu yang bisa dibandingkan seperti gambar
di bawah ini.
Gambar IV-5 Hasil Luasan LST 2014
Gambar IV-6 Hasil Luasan LST 2016
Dilihat dari hasil luasan perubahan suhu
dari tahun 2014 ke tahun 2014 ada yang
mengalami kenaikan dan penurunan. Seperti
pada suhu tertinggi yaitu pada suhu 24c β 26
c dengan luasan 9308,79 Ha di tahun 2014
menjadi 5698863,63 Ha di tahun 2016.
Kenaikan jumlah luasan daerah pada suhu ini
bisa dibilang terjadi sangat signifikan.
Kenaikan suhu ini bisa disebabkan karena
pembangunan yang juga semakin banyak.
Tapi bisa dilihat juga pada suhu terendah yaitu
suhu 14c -16c dengan luasan 582, 39 Ha di
tahun 2014 menjadi 1634,49 Ha di tahun
2016. Hal ini disebakan oleh pertambahan
jumlah lahan sawit setiap tahunnya.Sehingga
pada daerah tertentu suhu yang paling rendah
justru bertambah luas areanya. Begitu juga
dengan suhu tertinggi.
Untuk melihat secara jelas berapa
besar perubahan suhu permukaan dari tahun
2014 ke tahun 2016 bisa dilihat melalui peta
seperti di bawah ini.
Gambar IV-7 Hasil LST 2014
Gambar IV-8 Hasil LST 2016
Pada kedua tersebut terlihat jelas
perubahan warna terutama warna merah yang
8. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
8
menjelaskansuhu permukaan dengan rentang
24c β 26c. Pada peta tahun 2016 warna
tersebut lebih banyak mendominasi daerah
Barito Kuala dibandingkan dengan tahun
2014.
IV.3 Hasil dan Pembahasan Korelasi
antara NDVI dan LST
Korelasi antara NDVI dan LST ini bisa
dilihat dari perhitungan statistik pada ENVI
5.1. Sebelum dilakukan korelasi NDVI dan
LST dijadikan satu raster dengan
pengurangan NDVI pada tahun 2014 dengan
tahun 2016. Dan hal yang sama juga
dilakukan pada LST. Setelah itu dilakukan
penggabungan kedua raster tersebut dengan
menggunakan layer stacking yang juga ada
pada ENVI 5.1 . Setelah tergabung kemudian
dilakukan perhitungan statistik, sehingga
menghasilkan korelasi seperti di bawah ini.
Gambar IV-9 Hasil Kovarian
Kovarian merupakan salah satu jenis
nilai yang digunakan dalam statistik untuk
mendeskripsikan hubungan linier antara dua
variabel, yang semakin dekat nilai mengikuti
kecenderungan yang sama diatas rata-rata
nilai data, semakin kecil pula selisih variabel
kurva.
Untuk hasil kovarian dari rentang -1
sampai 1 nilainya adalah 0,136433 sehingga
nilai tersebut sudah melewati setengah dari
batas tengah dari -1 dan 1 yang bisa
disimpulkan bahwa kedua variabel tersebut
yaitu NDVI dan LST memiliki korelasi yang
cukup saling berpengaruh.
Dan untuk hasil korelasi dari NDVI
dan LST adalah sebagai berikut.
Gambar IV-10 Hasil Korelasi
Untuk hasil korelasi dari rentang -1
sampai 1 nilainya adalah 0,404357 sehingga
nilai tersebut sudah melewati setengah dari
batas tengah dari -1 dan 1 yang bisa
disimpulkan bahwa kedua variabel tersebut
yaitu NDVI dan LST memiliki korelasi yang
saling berpengaruh.
Sehingga perubahan yang terjadi pada
NDVI juga akan berpengaruh pada perubahan
LST dari kedua citra tersebut yaitu tahun 2014
dan tahun 2016.
V. Kesimpulan dan Saran
V.1 Kesimpulan
Kesimpulan yang bisa diambil pada
penelitian ini adalah sebagai berikut :
1. Terjadi perubahan kerapatan vegetasi
yaitu NDVI pada tahun 2014 dan tahun
2016. Perubahan ini terjadi pada vegetasi
jarang yang semakin bertambah di tahun
2016 yang disebabkan oleh semakin
banyaknya lahan terbangun di Kabupaten
Barito Kuala. Tapi terjadi perubahan juga
pada vegetasi sangat rapat yang semakin
bertambah yang disebabkan oleh
bertambahnya lahan sawit pada daerah
tersebut.
2. Untuk LST juga terjadi perubahan dari
tahun 2014 ke tahun 2016 yaitu pada suhu
tertinggi dengan rentang suhu dari 24c β
26c. Hal ini disebabkan karena semakin
banyaknya lahan terbangun pada
Kabupaten Barito Kuala. Tapi juga terjadi
perubahan pada suhu terendah dengan
rentang 14c β 16 c yang semakin
bertambah pada tahun 2016. Dan
disebabkan oleh semakin banyaknya
tanaman sawit yang ditanam pada daerah
tersebut.
9. Perubahan Lahan Vegetasi Kabupaten Barito Kuala dan
Pengaruhnya terhadap Land Surface Temperature
9
3. Hasil dari NDVI dan LST mempunyai
korelasi yang saling mempengaruhi. Hal
tersebut bisa dilihat dari nilai kovarian
dan korelasi yang mendekati angkat 1
dari rentang nilai -1 hingga 1.
V.2 Saran
Saran yang bisa diberikan pada penelitian
ini adalah sebagai berikut :
1. Diperlukan studi literatur yang lebih
mendalam mengenai NDVI dan LST agar
analisis dari hasil yang didapatkan sesuai
denga teori yang telah ada.
2. Diperlukan latihan yang banyak dengan
berbagai macam software pengolahan
citra digital sehingga memudahkan pada
saat pengolahan.
Daftar Pustaka
Khusaini, N.I. 2008.Pengaruh Perubahan
Tutupan Lahan Terhadap Distribusi
Permukaan Di Kota Bogor Dengan
Menggunakan Citra Satelit Landsat Dan
Sistem Informasi Geografis. IPB: Bogor.
Nugroho, D.S. 2011. Analisis Perubahan
Penggunaan Lahan Kota Semarang Dengan
Menggunakan Teknologi
Penginderaan Jauh (Studi Kasus : Kecamatan
Semarang Tengah dan Kecamatan Semarang
Utara).Universitas Diponegoro: Semarang.
Triyanti. 2008.Pola Suhu Permukaan Kota
Semarang Tahun 2001 dan 2006. Universitas
Indonesia: Depok.