KAJIAN PERUBAHAN PENUTUP LAHAN DENGAN PEMODELAN …

i

KAJIAN PERUBAHAN PENUTUP LAHAN DENGAN

PEMODELAN CELLULAR AUTOMATA DAN PENGARUHNYA

TERHADAP SUHU PERMUKAAN LAHAN DI KABUPATEN

SEMARANG

SKRIPSI

Diajukan sebagai salah satu syarat

untuk memperoleh gelar Sarjana Geografi (S.Geo)

Oleh:

Dinda Putri Rahmadewi

NIM. 3211415023

JURUSAN GEOGRAFI

FAKULTAS ILMU SOSIAL

UNIVERSITAS NEGERI SEMARANG

2019

ii

PERNYATAAN

v

MOTTO DAN PERSEMBAHAN

MOTTO

“Hidup ini seperti sepeda. Agar tetap seimbang, kau harus bergerak”

(Albert Einstein)

PERSEMBAHAN

Skripsi ini saya persembahkan untuk kedua orang tua

dan keluarga yang selalu memberikan doa, nasehat,

dan dukungan untuk terselesainya skripsi ini.

“Dreams never hurt anybody if he keeps working right behind the dream to

make as much of it come real as he can.”

(F.W. Woolworth)

vi

PRAKATA

Bismillahirrahmanirrahim

Puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah

memberikan berkah dan rahmat-Nya sehingga penulis mampu menyelesaikan

penelitian atau skripsi ini yang berjudul “Kajian Perubahan Penutup lahan dengan

Pemodelan Cellular Automata dan Pengaruhnya Terhadap Suhu Permukaan

Lahan di Kabupaten Semarang”.

Skripsi ini dibuat sebagai salah satu syarat untuk menyelesaikan progam

studi Geografi, Jurusan Geografi, Fakultas Ilmu Sosial, Universitas Negeri

Semarang dan untuk memperoleh gelar Sarjana Geografi (S.Geo).

Dalam proses penyusunan skripsi, penulis mendapatkan bantuan,

bimbingan, dan arahan dari berbagai pihak. Maka pada kesempatan ini, dengan

kerendahan dan ketululusan hati penulis ingin menyampaikan ucapan terima kasih

kepada:

1. Prof. Dr. Fathur Rokhman M.Hum selaku Rektor Universitas Negeri

Semarang yang telah memberikan kesempatan untuk menempa ilmu di

Universitas Negeri Semarang.

2. Dr. Moh. Solehatul Mustofa, M.A selaku Dekan Fakultas Ilmu Sosial

Universitas Negeri Semarang.

3. Dr. Tjaturahono Budi Sanjoto, M.Si selaku Ketua Jurusan Geografi dan dosen

penguji yang selalu memberikan nasehat yang membangun bagi skripsi ini.

vii

4. Bapak Wahid Akhsin BNS, S.Pd, M.Sc selaku dosen penguji yang telah

memberikan saran membangun dan kesabaran dalam membimbing skripsi ini.

5. Bapak Fahrudin Hanafi, S.Si., M.Sc selaku dosen pembimbing skripsi atas

kesabaran dalam memberikan bimbingan dan arahan serta kepercayaan dalam

proses penyusunan skripsi ini.

6. Seluruh Bapak dan Ibu Dosen Jurusan Geografi yang telah membekali

penulis dengan ilmu dan pengetahuan melalui proses pembelajaran.

7. Alumni Jurusan Geografi Universitas Negeri Semarang yang telah senantiasa

membantu memberikan arahan dan saran pada skripsi ini.

8. Seluruh keluarga dan saudara atas kesabaran dan dukungan yang senantiasa

selalu diberikan baik secara materiil maupun non-materiil.

9. Teman-teman Geografi Angkatan 2015 yang selalu memberikan bantuan

dalam penelitian di lapangan.

10. Serta semua pihak lain yang mendukung penyusunan skripsi ini yang tidak

dapat disebutkan satu persatu.

Akhir kata, semoga bantuan dan dukungan yang telah diberikan mendapatkan

imbalan dari Allah SWT yang berlipat ganda. Penulis berharap semoga skripsi ini

dapat membantu dan bermanfaat bagi pembaca, masyarakat, dan peneliti-peneliti

selanjutnya.

Semarang, 1 Agustus 2019

Penulis

viii

SARI

Rahmadewi, Dinda Putri. 2019. Kajian Perubahan Penutup lahan dengan

Pemodelan Cellular Automata untuk Suhu Permukaan Lahan di Kabupaten

Semarang. Jurusan Geografi FIS UNNES. Pembimbing Fahrudin Hanafi, S.Si,

M.Sc.

Kata Kunci : Citra Satelit, Cellular Automata, Multitemporal, Persebaran,

Perubahan Penutup lahan, Suhu Permukaan Lahan

Peningkatan penduduk mendorong terjadinya perubahan penutup lahan. Hal

tersebut telah terjadi di beberapa daerah salah satunya Kabupaten Semarang. Luas

lahan pertanian mengalami penurunan sejak tahun 2011 hingga 2016 dari

60.439,96 ha menjadi 59.872,49 ha dan berubah menjadi lahan non pertanian

(lahan terbangun) (BPS, 2017).Perubahan penutup lahan dari lahan bervegetasi

menjadi lahan terbangun dapat mempengaruhi distribusi spasial suhu permukaan

lahan. Meningkatnya suhu permukaan lahan akan meningkatkan suhu udara juga.

Fakta menunjukkan adanya anomali suhu udara mencapai 0,8°C lebih tinggi dari

suhu periode normal (26,1°C) pada tahun 2016 (BMKG, 2019).

Penelitian ini bertujuan untuk: 1) Memetakan dan menganalisis persebaran

suhu permukaan lahan dan perubahan penutup lahan di Kabupaten Semarang pada

tahun 2003, 2008, 2013, dan 2018; 2) Menganalisis hubungan antara perubahan

penutup lahan dengan suhu permukaan lahan di Kabupaten Semarang; 3)

Mengetahui persebaran suhu permukaan lahan di Kabupaten Semarang untuk 10

tahun ke depan.

Populasi dalam penelitian ini adalah suhu permukaan dan penutup lahan di

Kabupaten Semarang. Metode pengambilan sampel menggunakan pedoman dari

BIGdan teknik penentuan sampel per penutup lahan menggunakan metode

proporsionated stratified samplingdengan total 116 sampel. Metode pengumpulan

data dengan observasi, survei, dan wawancara.Teknik pengolahan data suhu

permukaan lahan diperoleh dari proses ekstraksi saluran termal band 6 dan band

10 citra Landsat 7 dan 8 dengan memasukkan algoritma dari USGS dan Coll et al.

Pengolahan data penutup lahan diperoleh dari hasil klasifikasi dengan metode

supervised-maximum likehood. Sedangkan untuk memprediksi penutup lahan

menggunakan metode Markov Chainpada Cellular Automata. Teknik analisis data

menggunakan analisis spasial, deskriptif kualitatif, dan deskriptif kuantitatif

dengan metode regresi linear sederhana dan uji T.

Hasil penelitian menunjukkan bahwa pola perubahan penutup lahan

didominasi oleh konversi hutan menjadi lahan pertanian.Peningkatan terjadi pada

lahan terbangun sebesar 18,56% pada tahun 2028.Sedangkan untuk suhu

permukaan lahan didominasi oleh suhu 28,6°C -29,6°C dan 30,6°C -31,6°C. Hasil

uji T pada masing-masing penutup lahan antara lain, hutan sebesar 51,1%, lahan

pertanian sebesar 56,6%, lahan terbuka sebesar 33,1%, semak belukar sebesar

43,3%, dan lahan terbangun sebesar 28,5% terhadap perubahan suhu permukaan

lahan. Saran dalam penelitian ini adalah perlunya memperhatikan kontrol

perubahan pada masing-masing jenis penggunaan dan menggunakan nilai

emisivitas dari NDVI bagi peneliti berikutnya agar hasil lebih baik.

ix

ABSTRACT

Rahmadewi, Dinda Putri. 2019. Study of Land Cover Change with Cellular

Automata Modeling and The Effect to Land Surface Temperature in Semarang

Regency. Geography Department Faculty of Social Science Semarang State

University. Adviser Fahrudin Hanafi, S.Si, M.Sc.

Keyword : Satellite Imagery, Cellular Automata, Multitemporal,

Distribution, Land Cover Change, Land Surface Temperature

The increase in population can affect land cover change. This has happened

in several areas, one of which is Semarang Regency. The area of agricultural land

has decreased from 2011 to 2016 from 60,439.96 ha to 59,872.49 ha and turned

into non-agricultural land (built-up land) (BPS, 2017). Changing land cover from

vegetated land to built-up land can affect the spatial temperature distribution land

surface. Rising of land surface temperatures will also increase air temperatures.

The fact is the anomalous air temperatures reach 0.8°C higher than normal period

temperatures (26.1 ° C) in 2016 (BMKG, 2019).

This study aims to: 1) Maping and analyzing the distribution of land surface

temperature and land cover changes in Semarang Regency on 2003, 2008, 2013,

and 2018; 2) Analyzing the relationship between changes in land cover and land

surface temperature in Semarang Regency; 3) Knowing the distribution of land

surface temperature in Semarang Regency for the next 10 years.

The population in this study is the surface temperature and land cover in

Semarang Regency. The sampling method uses guidelines from BIG and the

technique of determining samples per land cover uses the proportional stratified

sampling method with a total of 116 samples. Data collection method is by

observation, survey, and interview. The technique of processing land surface

temperature data is obtained from the process of extracting the band 6 and band

10 thermal channels of Landsat 7 and 8 images by incorporating algorithms from

USGS and Coll et al. Data processing of land cover is obtained from the

classification results using the supervised-maximum likehood method.

Meanwhile, to predict land cover using the Markov Chain on Cellular Automata.

Data analysis techniques using spatial analysis, descriptive qualitative, and

quantitative descriptive with simple linear regression methods and T test.

The results showed that the pattern of change in land cover was dominated

by the conversion of forests into agricultural land. The increase occurred in built

land by 18.56% in 2028. While for land surface temperature was dominated by

temperatures of 28.6 ° C -29.6 ° C and 30.6 ° C -31.6 ° C. T test results on each

land cover include, forest by 51.1%, agricultural land by 56.6%, open land by

33.1%, shrubs by 43.3%, and built-up land by 28.5% % of changes in land surface

temperature. Suggestions in this study are the need to pay attention to the control

of changes in each type of use and use the value of the emissivity of NDVI for

subsequent researchers so that results are better.

x

DAFTAR ISI

HALAMAN JUDUL ....................................................................................... i

PERSETUJUAN PEMBIMBING ................................................................. ii

PENGESAHAN KELULUSAN .................................................................... iii

PERNYATAAN .............................................................................................. iv

MOTTO DAN PERSEMBAHAN ................................................................. v

PRAKATA ....................................................................................................... vi

SARI ................................................................................................................. viii

ABSTRACT ...........................................................................................

DAFTAR ISI ..................................................................................................

ix

x

DAFTAR TABEL .......................................................................................... xiv

DAFTAR GAMBAR ...................................................................................... xvi

DAFTAR LAMPIRAN .................................................................................. xviii

BAB I. PENDAHULUAN

1.1. Latar Belakang ............................................................................

1.2. Rumusan Masalah .......................................................................

1.3. Tujuan Penelitian ........................................................................

1.4. Manfaat Penelitian ......................................................................

1.5. Batasan Istilah .............................................................................

1

4

4

5

6

BAB II. TINJAUAN PUSTAKA

2.1. Deskripsi Teoritis ........................................................................

2.1.1. Penutup Lahan .........................................................................

8

8

xi

2.1.2. Klasifikasi Penutup Lahan .......................................................

2.1.3. Perubahan Lahan ......................................................................

2.1.4. Penginderaan Jauh ....................................................................

2.1.5. Sistem Penginderaan Jauh ........................................................

2.1.6. Suhu Permukaan Lahan.............................................................

2.1.7. Citra Satelit Landsat..................................................................

2.1.8. Klasifikasi Citra .......................................................................

2.1.9. Sistem Informasi Geografis (SIG) ...........................................

2.1.10. Cellular Automata..................................................................

2.2. Kajian Hasil Penelitian Yang Relevan ........................................

2.2.1. Persamaan Dan Perbedaan Dengan Penelitian Terdahulu .......

2.3. Kerangka Berpikir .......................................................................

8

10

11

12

15

15

18

19

20

22

24

25

BAB III. METODE PENELITIAN

3.1. Lokasi Penelitian .........................................................................

3.2. Populasi Dan Sampel ..................................................................

3.2.1. Teknik Penentuan Titik Sampel ...............................................

3.2.2. Prosedur Pengukuran Sampel ..................................................

3.2.3. Jadwal Kegiatan Penelitian ......................................................

3.3. Sumber Data Dan Pengumpulan Data .........................................

3.3.1. Sumber Data .............................................................................

3.3.2. Teknik Pengumpulan Data .......................................................

3.4. Teknik Pengolahan Data .............................................................

3.4.1. Koreksi Geometrik ...................................................................

3.4.2. Koreksi Radiometrik ................................................................

27

28

29

31

32

32

32

35

36

36

38

xii

3.4.3. Koreksi Atmosferik .................................................................

3.4.4. Pengolahan Citra Satelit Untuk Suhu Permukaan Lahan .........

3.4.5. Pengolahan Citra Satelit Untuk Penutup Lahan .......................

3.4.6. Proses Pengolahan Pemodelan Penutup Lahan Dengan

Cellular Automata ..................................................................

3.5. Teknik Analisis Data ...................................................................

3.6. Diagram Alir Penelitian ..............................................................

39

40

44

46

47

50

BAB IV. HASIL PENELITIAN DAN PEMBAHASAN

4.1. Deskripsi Umum Lokasi Penelitian ............................................ 51

4.1.1. Topografi ................................................................................. 53

4.1.2. Iklim ........................................................................................ 55

4.1.3. Kondisi Kependudukan ............................................................ 56

4.2. Hasil Dan Pembahasan ............................................................... 58

4.2.1. Penutup Lahan Kabupaten Semarang Tahun 2003, 2008,

2013, Dan 2018 ......................................................................

58

4.2.2. Hasil Prediksi Cellular AutomataPerubahan Penutup Lahan

Tahun 2028.............................................................................

67

4.2.3. Suhu Permukaan Lahan Di Kabupaten Semarang Tahun

2003, 2008, 2013, Dan 2018 ..................................................

71

4.2.4. Pengaruh Jenis Penutup Lahan Terhadap Perubahan Suhu

Permukaan Lahan ...................................................................

86

4.2.5. Faktor-Faktor yang dapat Mempengaruhi Perbedaan Suhu

Permukaan di Kabupaten Semarang .......................................

91

xiii

BAB V. PENUTUP

5.1. Kesimpulan ................................................................................. 93

5.2. Saran ........................................................................................... 93

Daftar Pustaka ................................................................................................... 95

Lampiran-Lampiran .......................................................................................... 101

xiv

DAFTAR TABEL

Halaman

Tabel 2.1. Klasifikasi Penutup Lahan ........................................................... 9

Tabel 2.2. Spesifikasi Landsat 7 dan Landsat 8 ............................................ 17

Tabel 2.3. Penelitian-Penelitian Terdahulu.................................................. 22

Tabel 3.1. Total Sampel Minimal (TSM) Berdasarkan Skala Peta .............. 29

Tabel 3.2. Jumlah Sampel Setiap Penutup Lahan ......................................... 30

Tabel 3.3. Jadwal Kegiatan Penelitian ......................................................... 32

Tabel 3.4. Kerangka Matriks Kesalahan ...................................................... 45

Tabel 4.1. Rata-Rata Curah Hujan dan Jumlah Hari Hujan di Kabupaten

Semarang Tahun 2017 ................................................................

56

Tabel 4.2. Rata-Rata Suhu Udara Tahunan Kabupaten Semarang Stasiun

Getas Tahun 2003, 2008, 2013, dan 2018 ..................................

56

Tabel 4.3. Jumlah dan Kepadatan Penduduk Kabupaten Semarang Tahun

2003, 2008, 2013, dan 2017 ........................................................

57

Tabel 4.4. Jumlah Penduduk Datang Pergi di Kabupaten Semarang Tahun

2012-2015 ....................................................................................

57

Tabel 4.5. Luas Perubahan Penutup lahan di Kabupaten Semarang 2003,

2008, 2013, dan 2018 ..................................................................

59

Tabel 4.6. Luas Perubahan Penutup lahan Kabupaten Semarang Tahun

2018-2028 ....................................................................................

68

Tabel 4.7. Perbandingan Luas Lahan Terbangun Hasil Persamaan Linear

dengan Luas Lahan Terbangun Hasil Olah Citra dan CA Tahun

2008, 2018, dan 2018 ..................................................................

69

xv

Tabel 4.8. Data Suhu Permukaan Lahan Berdasarkan Jenis Penutup Lahan

Per Jam .......................................................................................

72

Tabel 4.9. Luas Perubahan Suhu Permukaan Lahan di Kabupaten

Semarang Tahun 2003..................................................................

75


Semarang Tahun 2008..................................................................

77


Semarang Tahun 2013..................................................................

79


Semarang Tahun 2018..................................................................

80

Tabel 4.13. Perhitungan Regresi Linier Perubahan Nilai Piksel Lahan

dengan Perubahan Nilai Piksel Suhu Permukaan Lahan .............

89

Tabel 4.14. Perubahan Penutup lahan (Hutan, Lahan Pertanian, Semak

Belukar) dan Kontribusi Kenaikan/Penurunan Suhu Permukaan

Lahan ...........................................................................................

90

xvi

DAFTAR GAMBAR

Halaman

Gambar 2.1. Pola Pantulan Objek Utama di Permukaan Bumi .................... 13

Gambar 2.2. Bagan Kerangka Berpikir Penelitian ........................................ 26

Gambar 3.1. Peta Lokasi Penelitian .............................................................. 27

Gambar 3.2. Peta Lokasi Titik Sampel Penelitian ......................................... 30

Gambar 3.3. Hasil Koreksi Geometrik .......................................................... 37

Gambar 3.4. Hasil Koreksi Radiometrik ....................................................... 38

Gambar 3.5. Hasil Koreksi Atmosferik ........................................................ 40

Gambar 3.6. Bagan Diagram Alir Penelitian ................................................ 50

Gambar 4.1. Peta Administrasi Kabupaten Semarang ................................... 52

Gambar 4.2. Peta Ketinggian Kabupaten Semarang ...................................... 54

Gambar 4.3. Grafik Luas Perubahan Penutup lahan di Kabupaten Semarang

2003, 2008, 2013, dan 2018 .....................................................

59

Gambar 4.4. Peta Penutup lahan Kabupaten Semarang Tahun 2003 ............ 61

Gambar 4.6. Hutan Produksi di Kabupaten Semarang .................................. 63

Gambar 4.7. Peta Penutup lahan Kabupaten Semarang Tahun 2008............. 64



Gambar 4.10. Semak belukar yang tumbuh di area hutan sengon Ungaran

Timur..........................................................................................

67

Gambar 4.12. Grafik Perbandingan Jumlah Penduduk dengan Peningkatan

Luas Lahan Terbangun Tahun 2008, 2018, dan 2028 ...............

69

xvii

Gambar 4.13. Peta Prediksi Penutup lahan Kabupaten Semarang Pada Tahun

2028 ..........................................................................................

70

Gambar 4.14. Pengambilan sampel suhu permukaan lahan di lapangan ......... 72

Gambar 4.15. Grafik Perubahan Suhu Permukaan Lahan Setiap Penutup

Lahan per Jam ...........................................................................

73

Gambar 4.16. Hasil Perhitungan Regresi Suhu Citra dengan Suhu Lapangan

Menggunakan SPSS.25 .............................................................

73

Gambar 4.17. Grafik Hubungan Antara Suhu Permukaan Lahan Olah Citra

dengan Suhu Permukaan Lahan di Lapangan ...........................

74

Gambar 4.18. Peta Suhu Permukaan Lahan Kabupaten Semarang Tahun

2003 ...........................................................................................

82

Gambar 4.19. Peta Suhu Permukaan Lahan Kabupaten Semarang 2008

...................................................................................................

83


2013 ..........................................................................................

84


2018 ...........................................................................................

85

Gambar 4.22. Pengaruh Jenis Penutup lahan Terhadap Suhu Permukaan

Lahan .........................................................................................

87

xviii

DAFTAR LAMPIRAN

Halaman

Lampiran 1. Hasil Observasi Penutup lahan di Lapangan .......................... 101

Lampiran 2. Hasil Survei Suhu Permukaan Lahan di Lapangan ................ 110

Lampiran 3. Beberapa Hasil Wawancara Narasumber ............................... 119

Lampiran 4. Data Atmosphere Correction Parameter Calculator ............. 129

Lampiran 5. Data BMKG .......................................................................... 133

Lampiran 6. Tabel Perhitungan Coffusion Matrix ..................................... 134

Lampiran 7. Pembuatan Peta Penutup lahan .............................................. 136

Lampiran 8. Pembuatan Peta Suhu Permukaan Lahan .............................. 140

Lampiran 9. Pembuatan Cellular Automata Prediksi Penutup lahan Tahun

2028 ........................................................................................

143

Lampiran 10. T tabel .................................................................................... 150

Lampiran 11. Surat Ijin Penelitian ................................................................ 151

Lampiran 12. Surat Rekomendasi Penelitian ............................................... 152

Lampiran 13 Foto Dokumentasi .................................................................. 153

1

BAB I

PENDAHULUAN

1.1.Latar Belakang

Setiap aktivitas manusia selalu tak lepas dari pemanfaatan lahan. Hal tersebut

dilakukan untuk memenuhi kebutuhan hidupnya, baik yang bersifat material

maupun spiritual (Juhadi, 2007). Namun seiring berjalannya waktu, pemanfaatan

lahan menjadi tidak terkendali dan menyebabkan perubahan penutup lahan.

Menurut Muta’ali dkk (2012), hal ini terjadi karena tingginya tekanan penduduk

terhadap ketersediaan lahan yang sebenarnya memiliki luas terbatas. Tekanan

penduduk tidak selalu berasal dari penduduk asli suatu wilayah namun juga

penduduk pendatang seperti halnya dalam penelitian Kusrini dkk (2011) yang

mengungkapkan bahwa peningkatan jumlah penduduk pendatang justru memiliki

korelasi dengan signifikansi lebih tinggi daripada penduduk asli terhadap

perubahan lahan.

Perubahan penutup lahan merupakan faktor penting yang dapat mempengaruhi

keseimbangan ekosistem dan iklim (Southworth, 2004). Suhu permukaan lahan

adalah salah satu komponen fisik yang terdampak. Perubahan penutup lahan dapat

meningkatkan dan menurunkan nilai suhu permukaan. Hal tersebut dikarenakan

setiap objek pada suatu lahan memiliki kemampuan menerima, menyerap, dan

memancarkan sinar matahari yang berbeda. Suhu permukaan akan mengalami

peningkatan pada lahan yang rendah vegetasinya dan begitu sebaliknya.

Kabupaten Semarang merupakan salah satu daerah yang mengalami

peningkatan jumlah penduduk setiap tahunnya. Berdasarkan data statistik,

penduduk Kabupaten Semarang tahun 2016 adalah 1,014 juta jiwa dengan

1

2

kepadatan penduduk sebanyak 1.081 jiwa/km2 (BPS, 2017). Angka tersebut dapat

tergolong lebih tinggi jika dibandingkan dengan rata-rata kepadatan penduduk

secara nasional yang hanya 127 jiwa/km2.

Peningkatan jumlah penduduk akan mendorong terjadinya konversitata guna

lahan untuk menunjang pembangunan daerah di Kabupaten Semarang. Pada

periode 2011 hingga 2016, luas lahan pertanian mengalami penurunan 0,94% dari

60.439,96 menjadi 59.872,49 ha dan luas lahan non pertanian justru meningkat

1,64% mencapai 35.148,18 ha (BPS, 2017). Kondisi ini diperparah oleh

tumbuhnya potensi ekonomi baru dan menarik pihak pelaku ekonomi untuk

membangun pusat-pusat ekonomi baru sebagaimana data dari Badan Pusat

Statistik (2017) yang menunjukkan meningkatnya jumlah industri dari 116 pada

tahun 2010 menjadi 160 pada tahun 2017.

Bertambahnya jumlah penduduk juga akan memperlihatkan pola perubahan

suatu lahan, seperti lahan terbangun. Pangi dkk (2017) menyebutkan bahwa

perubahan lahan terbangun di Kabupaten Semarang mengarah ke bagian selatan

dengan rata-rata perubahan adalah 20 ha/tahun. Hal ini menunjukkan adanya

mobilitas penduduk yang mengarah ke wilayah yang merupakan kawasan lindung

seperti hutan karena kawasan tersebut masuk ke dalam daerah lereng Gunung

Telomoyo dan Gunung Merbabu. Perkembangan lahan terbangun pada daerah

tersebut dapat menyebabkan berkurangnya hutandan meningkatkan suhu

permukaan lahan. Di perkotaan, fenomena ini dikenal dengan istilah kutub panas

(Adiyanti, 1993 dalam Sobirin dan Fatimah, 2015). Kutub panas adalah keadaan

dimana vegetasi yang ada telah digantikan dengan material-material

pembangunan seperti beton dan aspal sehingga tanah akan lebih banyak menyerap

3

panas dan memantulkannya. Kondisi ini tak lagi menjadi permasalahan kota saja,

namun juga di tingkat kabupaten. Hal ini dikarenakan pola pembangunan yang

hampir mirip dengan kota karena letak Kabupaten Semarang yang berbatasan

langsung dengan ibukota Provinsi Jawa Tengah yaitu Kota Semarang.

Mulai berkembangnya aktivitas pembangunan di Kabupaten Semarang

menyebabkan terjadinya perbedaan suhu permukaan lahan yang variatif,

tergantung pada jenis penutup lahan yang ada di permukaan. Peningkatan suhu

permukaan lahan dapat memicu terjadinya bencana alam, salah satunya

kekeringan. Fakta menunjukkan bahwa tahun 2016 menjadi tahun terpanas

sepanjang sejarah karena anomali suhu udara mencapai 0,8°C sehingga

menyebabkan kekeringan di beberapa tempat (BMKG, 2019). Hal ini dikarenakan

suhu permukaan lahan merupakan salah satu komponen dari iklim mikro yang

dapat mempengaruhi suhu dan kelembapan di udara (Sanger dkk, 2016).

Studi tentang suhu permukaan lahan berdasarkan perubahan penutup lahan

dapat dilakukan dengan penginderaan jauh. Perubahan suhu permukaan lahan

dapat diduga menggunakan citra satelit, sebagaimana yang dilakukan Li et al

(2013) dengan menggunakan saluran TIR (Thermal Infrared) dari sensor satelit

dan algoritma khusus. Perubahan yang terjadi dapat diolah dengan menggunakan

data multitemporal agar menghasilkan nilai yang variatif. Menurut Wang et al

(2016), hal tersebut dilakukan untuk mendapatkan perbedaan distribusi spasial-

temporal yang signifikan dapat diamati. Interpretasi secara multitemporal juga

lebih efisien dibandingkan dengan pengukuran secara manual sepenuhnya di

lapangan karena dapat meminimalisir biaya dan menghemat waktu pengukuran

serta mencakup area yang luas.

4

Data perubahan penutup lahansebelum tahun aktual dan pada tahun aktual

juga dapat digunakan untuk memprediksi perkembangan penutup lahan 10 tahun

ke depan menggunakan metode Cellular Automata. Metode ini bekerja dengan

prinsip nilai suatu sel akan berubah pada kurun waktu tertentu sebagai pengaruh

dari sejumlah sel tetangganya (Susilo, 2011). Pemodelan spasial seperti ini dapat

memudahkan pemerintah untuk memantau, mengantisipasi, dan merencanakan

kembali pembangunan agar menjadi lebih baik. Penelitian ini menggunakan citra

Landsat 7 dan Landsat 8 dengan alasan citra Landsat memiliki band visible

sekaligus band thermal yang dapat dengan resolusi 30 meter dan 60/100 meter

yang dapat digunakan untuk memperoleh hasil penutup lahan dan estimasi suhu

permukaan lahan lebih jelas. Selain itu, citra Landsat juga dapat menjangkau

wilayah yang luas seperti Kabupaten Semarang (144.700 ha).

1.2.Rumusan Masalah

1. Bagaimana persebaran perubahan penutup lahandan suhu permukaan lahan

di Kabupaten Semarang pada tahun 2003, 2008, 2013, dan 2018?

2. Adakah pengaruh antara perubahan penutup lahan terhadap perubahan

suhu permukaan lahan di Kabupaten Semarang?

3. Bagaimana persebaran penutup lahan di Kabupaten Semarang untuk 10

tahun ke depan?

1.3.Tujuan Penelitian

Tujuan penelitian merupakan usaha untuk menemukan kebenaran suatu ilmu

pengetahuan, tujuan dalam penelitian ini adalah:

5

1.3.1. Memetakan dan menganalisis persebaran perubahan penutup lahan dan

suhu permukaan lahan di Kabupaten Semarang pada tahun 2003, 2008,

2013, dan 2018.

1.3.2. Menganalisis pengaruh antara perubahan penutup lahan terhadap perubahan

suhu permukaan lahan di Kabupaten Semarang.

1.3.3. Mengetahui persebaran penutup lahan di Kabupaten Semarang untuk 10

tahun ke depan.

1.4.Manfaat Penelitian

1.4.1. Manfaat Teoritis

1. Memberikan wawasan dan informasi serta referensi bahan

kepustakaan bagi para mahasiswa terutama jurusan geografi terkait

dengan pemetaan multitemporal.

2. Menjadikan penelitian sebagai penelitian dasar yang dapat

dimanfaatkan oleh mahasiswa untuk dikembangkan ke penelitian

lebih lanjut.

1.4.2. Manfaat Praktis

1.4.2.1.Bagi pemerintah

Membantu pemerintah atau lembaga terkait untuk mengkaji

permasalahan yang terjadi di lingkungan Kabupaten Semarang dan

menjadi bahan pertimbangan dalam pengambilan keputusan.

6

1.4.2.2.Bagi masyarakat

Memberikan sosialisasi dan wawasan baru kepada masyarakat

mengenai dampak perubahan penutup lahan dan kondisi suhu di masa

sekarang agar masyarakat dapat memanfaatkan lahannya kembali dengan

bijak, baik, dan ramah lingkungan.

1.5. Batasan Istilah

1.5.1. Penutup Lahan

Penutup lahan menurut Badan Standarisasi Nasional (2010) adalah

tutupan biofisik pada permukaan bumi yang dapat diamati merupakan suatu

hasil pengaturan, aktivitas, dan perlakuan manusia yang dilakukan pada

jenis penutup lahan tertentu untuk melakukan kegiatan produksi, perubahan,

ataupun perawatan pada penutup lahan tersebut.

1.5.2. Suhu Permukaan Lahan

Suhu permukaan lahan atau Land Surface Temperature (LST)

didefinisikan sebagai suhu pada permukaan tanah meliputi tanah terbuka

atau kosong dan suhu permukaan kanopi vegetasi yang ada pada tanah yang

ditumbuhi tanaman padat (Khandelwal et al, 2018). Persebaran suhu

permukaan lahan dalam penelitian ini berdasarkan penutup lahan.

1.5.3. Citra Satelit

Citra satelit adalah gambaran atau rekaman permukaan bumi

(daerah/objek yang diteliti) sebagai hasil dari liputan sensor pada wahana

7

satelit dan tersusun dari piksel-piksel. Citra satelit yang digunakan adalah

citra satelit Landsat 7 dan 8. Band thermal pada Landsat 7 dan Landsat 8

masing-masing memiliki resolusi spasial yang berbeda yakni 60 m dan 100

m. Untuk mengatasi perbedaan resolusi spasial ini dilakukan dengan cara

resize data kedua citra.

1.5.4. Penginderaan Jauh

Penginderaan jauh merupakan ilmu dan teknik terkait perolehan

informasi tanpa kontak langsung dengan objek yang dikaji (Budiyanto dan

Gunawan, 2018). Data dari penginderaan jauh didapatkan dari wahana

(satelit) diruang angkasa yang telah dilengkapi sensor dengan fungsi

masing-masing.

1.5.5. Multitemporal

Multitemporal merupakan cara interpretasi citra satelit dengan

menggunakan waktu perekaman yang berbeda-beda. Pada penelitian ini

menggunakan citra satelit pada tahun 2003, 2008, 2013, dan 2018.

1.5.6.Cellular Automata (CA)

Cellular Automata dalam Sistem Informasi Geografis adalah

pemodelan untuk mengetahui kedinamisan suatu objek/fenomena, dimana

kedinamisan diartikan sebagai suatu wujud perubahan (Paramitha, 2011).

8

BAB II

TINJAUAN PUSTAKA

2.1. Deskripsi Teoritis

2.1.1. Penutup Lahan

Lahan merupakan salah satu sumberdaya alam yang dapat dimanfaatkan

dengan cara diolah agar menghasilkan produk untuk memenuhi kebutuhan

manusia (Sudarmanto dkk, 2014). Menurut FAO (1976), lahan dapat diartikan

suatu lingkungan fisik yang meliputi tanah, iklim, relief, hidrologi dan vegetasi

dimana faktor-faktor tersebut mempengaruhi potensi penggunaannya, termasuk

didalamnya adalah akibat-akibat kegiatan manusia, baik masa lalu maupun

sekarang.

Pengertian penutup lahan menurut Standar Nasional Indonesia (SNI) nomor

7645 (2010) adalah tutupan biofisik pada permukaan bumi yang dapat diamati

merupakan suatu hasil pengaturan, aktivitas, dan perlakuan manusia yang

dilakukan pada jenis penutup lahan tertentu untuk melakukan kegiatan produksi,

perubahan, ataupun perawatan pada penutup lahan tersebut. Penutup lahan juga

didefinisikan sebagai salah satu komponen pendukung sistem kehidupan dimana

semakin baik jenis penutup lahan semisal vegetasi maka dapat diasumsikan bahwa

kawasan tersebut memiliki nilai keanekaragaman hayati yang tinggi (Fauzi dkk,

2016).

2.1.2. Klasifikasi Penutup Lahan

Klasifikasi penutup lahan merupakan upaya pengelompokan berbagai jenis

penutup lahan ke dalam sistem tertentu dan menjadi pedoman dalam proses

8

9

interpretasi citra penginderaan jauh (Lillesand, T. M. dan Kiefer, 1994). Hingga

sekarang, di Indonesia sendiri sistem pengklasifikasian penutup lahan masih

belum tegas. Setiap lembaga di Indonesia seperti Badan Informasi Geospasial

(BIG), Kementrian Kehutanan dan Lingkungan Hidup (KemenKLH),

BAPPENAS, dan lembaga-lembaga di tingkat daerah memiliki klasifikasi

penutup lahan yang berbeda sesuai dengan karakteristik daerah masing-masing.

Namun, ada suatu sistem klasifikasi yang bersifat multiguna dimana sistem

klasifikasinya didasarkan pada data citra satelit. Danoedoro (2006) merumuskan

suatu sistem klasifikasi baru yang untuk menjadikan klasifikasi tersebut sebagai

acuan dasar dari setiap lapisan baik lembaga pemerintah maupun peneliti yang

memuat penutup lahan berserta penutup lahan. Sistem klasifikasi ini dibagi

menjadi beberapa tingkatan dan disesuaikan dengan kebutuhan peneliti dalam

peruntukan penelitiannya. Hal ini bertujuan agar peneliti dapat memilih sendiri

klasifikasi mana yang akan digunakan. Klasifikasi ini dibedakan menjadi enam

dimensi, yaitu dimensi spektral, spasial, temporal, ekologis, fungsi sosial-

ekonomi, dan politis/legal.

Tabel 2.1. Klasifikasi Penutup Lahan

Strata Klasifikasi penutup lahan

Versatile Land use Classification Klasifikasi hasil modifikasi

S1 Badan air Perairan

S21 Vegetasi kerapatan tinggi (Block coverage) Hutan

S22 Lahan pertanian Lahan pertanian

S232 Rerumputan Semak belukar

S3 Lahan terbuka Lahan terbuka

S4 Lahan terbangun Lahan terbangun

Sumber: Danoedoro, 2006 dengan modifikasi

10

Dimensi spasial digunakan pada penelitian ini dengan sedikit modifikasi

untuk lebih memfokuskan ke penutup lahan jenis apa saja kira-kira yang berubah

dan disesuaikan dengan lokasi penelitian.

2.1.3. Perubahan Lahan

Penutup lahan secara umum dipengaruhi oleh dua faktor utama yaitu faktor

alami seperti iklim, topografi, tanah atau bencana alam dan faktor manusia berupa

aktivitas manusia pada sebidang lahan. Faktor manusia dirasakan berpengaruh

lebih dominan dibandingkan dengan faktor alam karena sebagian besar perubahan

penutup lahanpada sebidang lahan dimanfaatkan untuk memenuhi kebutuhan

hidup (Sudadi dkk, 1991).

Menurut Kusrini dkk (2011) perubahan penutup lahan didefinisikan sebagai

suatu peralihan bentuk dan lokasi dari penutup lahan lama menjadi bentuk

penutup lahan yang baru dalam kurun waktu tertentu.

Perubahan penutup lahan dapat meningkatkan albedo dan kekasaran

permukaan. Kondisi perubahan penutup lahan akan mengikuti arus pembangunan

dimana akan mulai muncul permukiman dan industri-industri baru (Sobirin dan

Fatimah, 2015). Hal ini lah yang akan memperburuk kondisi lingkungan dimana

distribusi iklim lokal dan regional mengalami perubahan dalam prosesnya, salah

satunya berasal dari pembakaran-pembakaran limbah ataupun proses pengolahan

bahan baku di industri.

11

2.1.4. Penginderaan Jauh

Suwargana (2008) mendefinisikan penginderaan jauh sebagai teknologi

untuk mengidentifikasi suatu obyek di permukaan bumi tanpa melalui kontak

langsung dengan obyek tersebut. Pernyataan tersebut diperluas oleh Lillesand et al

(1993) yang menyebutkan penginderaan jauh adalah ilmu dan seni untuk

memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui

analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan

obyek, daerah, atau fenomena yang dikaji.Biasanya teknik ini menghasilkan

beberapa bentuk citra yang selanjutnya diproses dan diinterpretasi guna

membuahkan data yang bermanfaat untuk aplikasi di bidang pertanian, arkeologi,

kehutanan, geografi, geologi, perencanaan dan bidang-bidang lainnya (Lo, 1996).

Pemanfaatan penginderaan jauh menggunakan data citra satelit dapat

mendeteksi berbagai objek di daratan maupun perairan yang mana disesuaikan

dengan karakteristik resolusi dan fungsi dari masing-masing citra satelit. Beberapa

citra resolusi rendah seperti NOAA, Terra, dan Aqua umumnya digunakan untuk

pemantauan cuaca, kebakaran lahan, kekeringan, dan zonasi tangkapan ikan. Citra

resolusi menengah seperti Landsat dan SPOT digunakan untuk invetarisasi

sumber daya alam. Sementara itu, citra resolusi tinggi seperti IKONOS dan

Quickbird digunakan untuk mendukung tata ruang wilayah dengan data lebih

detail, diantaranya untuk memantau perubahan lahan, suhu permukaan darat dan

laut, ekstraksi data curah hujan, dan lain-lain.Penginderaan jauh juga

dimanfaatkan oleh Andana (2015) dengan menggunakan data citra satelit Landsat

8 untuk melakukan pemetaan areal tanam hortikultura. Hal serupa juga dilakukan

12

Lubis dkk (2017) dengan memanfaatkan citra Landsat TM untuk memetakan

sumber daya terumbu karang daerah pesisir.

2.1.5. Sistem penginderaan jauh

Secara umum, penginderaan jauh didefinisikan sebagai suatu sistem yang

digunakan untuk merekam data mengenai permukaan bumi berdasarkan

pengukuran yang dilakukan dari jarak jauh dengan menggunakan sistem satelit.

Data penginderaan jauh dihasilkan dari rekaman obyek muka bumi oleh sensor.

Data tersebut dapat memberikan banyak informasi melalui ekstraksi data ataupun

proses interpretasi (Ghozali, 2016).

Komponen-komponen sistem penginderaan jauh menurut Pambudi dkk

(2011) terdiri atas:

1.4.1. Sumber radiasi

Sumber radiasi dalam hal ini adalah sinar matahari. Karena menggunakan

sinar matahari, maka perekaman data hanya dapat dilakukan pada pagi

sampai sore hari, kecuali perekaman data yang dilakukan dengan sensor

inframerah panas yang pengukurannya dilakukan berdasarkan perbedaan

temperatur, sehingga dapat juga dilakukan pada malam hari.

1.4.2. Sensor.

Sensor adalah bagian dari wahana satelit yang berfungsi menerima energi

radiasi dari obyek yang direkam. Sensor bersifat optik, analog, atau spektral.

Data yang direkam berupa gambar berbentuk foto atau data digital yang

direkam dalam pita magnetik.

1.4.3. Jalur transmisi

13

Dalam sistem ini, transmisi dilakukan melalui atmosfer. Selain bersifat

sebagai penghantar energi matahari, atmosfer juga dapat menimbulkan

gangguan pada data yang direkam.

1.4.4. Sasaran atau obyek

Sasaran merupakan suatu daerah yang direkam citra satelit yang ada di

permukaan bumi.

Ada tiga kelompok utama obyek permukaan bumi yang dapat dideteksi oleh

sensor yaitu: air, tanah, dan vegetasi. Ketiga obyek tersebut memancarkan energi

elektromagnetik dengan kemampuan berbeda, tergantung pada karakteristik

masing-masing citra satelit.

Gambar 2.1. Pola Pantulan Objek Utama di Permukaan Bumi

Sumber: Ashraf et al,2011

Berdasarkan pola pantulannya, Ashraf et al, (2011) air mempunyai pola

pantulan naik pada panjang gelombang hijau dan kemudian pantulan berkurang

dan mendekati nol pada gelombang inframerah, sementara itu tanah mempunyai

kecenderungan mempunyai pola pantulan yang terus naik ke arah inframerah

tengah dan vegetasi mempunyai pola pantulan naik pada gelombang merah dan

inframerah dekat.

14

Interaksi pantulan gelombang elektromagnetik yang diterima oleh sensor

dan dikirim ke stasiun penerima di bumi berupa data kumpulan titik-titik cahaya

yang disebut piksel. Kemudian piksel-piksel tersebut tersusun membentuk suatu

kumpulan gambar cahaya yang disebut citra (image) sehingga piksel dapat

diartikan sebuah sebuah titik elemen paling kecil pada citra satelit. Landsat 7

memiliki resolusi radiometrik 8 bit maka intensitas pantulan akan diubah menjadi

citra dengan 28 = 256 tingkat dan Landsat 8 memiliki resolusi radiometrik 16 bit

maka intensitas pantulan akan diubah menjadi citra dengan 216= 65.536 tingkat.

Artinya, citra Landsat 7 memiliki nilai piksel antara 0-255 dan Landsat 8

memiliki nilai piksel antara 0-65.535. Pada layar komputer, piksel akan terlihat

sebagai warna kelabu. Tingkatan warna dari putih ke kelabu hingga hitam disebut

greyscale, tergantung pada level energi yang terdeteksi. Pada Landsat 7, nilai

digital angka 0 ditandai dengan warna hitam, nilai antara 0 dan 255 ditandai

warna tingkat kelabu (greyscale) dan nilai 255 ditandai dengan warna putih

sedangkan pada Landsat 8, warna kelabu menandai nilai 0-65.535 dan warna putih

menandakan nilai 65.535 (Suwargana, 2013).

Citra Landsat 7 dan Landsat 8 memiliki fungsi band yang berbeda-beda.

Pada Landsat 7 pengolahan data penutup lahan diperoleh dari hasil klasifikasi

supervised band 3, band 2, dan band 1. Sedangkan, pada Landsat 8 menggunakan

band 4, band 3, dan band 2. Pengolahan suhu permukaan lahan pada Landsat 7

menggunakan saluran termal yang ada pada band 6 sedangkan pada Landsat 8

menggunakan band 10 atau band 11.

15

2.1.6. Suhu Permukaan Lahan (Land Surface Temperature)

Menurut Earth Observatory NASA, suhu permukaan daratan atau land

surface temperature (LST) adalah panas permukaan bumi yang menyentuh di

lokasi tertentu (dari titik pandang satelit, permukaan adalah apa saja yang terlihat

melalui atmosfer ke tanah, berupa rumput di halaman, atap bangunan atau daun-

daun pada kanopi tanaman hutan) (Sobirin dan Fatimah, 2015). Khandelwal et al

(2018) mendefinisikan suhu permukaan lahan atau Land Surface Temperature

(LST) sebagai suhu pada permukaan tanah meliputi tanah terbuka atau kosong dan

suhu permukaan kanopi vegetasi yang ada pada tanah yang ditumbuhi tanaman

padat.

Suhu permukaan dapat diartikan sebagai suhu bagian terluar dari suatu

objek. Suhu diukur pada tingkat permukaan dan dapat dianggap sebagai suhu kulit

tanah. Namun, permukaan bumi masih jauh dari permukaan yang homogen.

Permukaan bumi terdiri dari bahan yang berbeda dan bentuk lahan yang bervariasi

yang merumitkan estimasi suhu permukaan (Becker dan Li, 1990).

Suhu permukaan lahan yang berasal dari satelit citra thermal infrared (TIR)

adalah variabel kunci untuk memahami dampak urbanisasi yang disebabkan

perubahan penutup lahan (Chen et al, 2006 dalam Peng Fu, 2016). Urbanisasi

dapat mengakibatkan perubahan nilai piksel dari kondisi vegetasi padat dengan

suhu rendah menjadi vegetasi jarang dengan suhu tinggi (Deng dan Wu, 2013).

2.1.7. Citra Satelit Landsat

Landsat merupakan suatu hasil program satelit sumberdaya bumi yang

dikembangkan oleh NASA (The National Aeronautical and Space

16

Administration) Amerika Serikat pada awal tahun 1970-an. Landsat diluncurkan

pada tanggal 22 Juli 1972 sebagai ERTS-I (Earth Resources Technology Satellite-

I). Ada beberapa generasi satelit Landsat yang dibuat Amerika, namun sekarang

sudah tidak beroperasi lagi. Landsat 5 diluncurkan pada tanggal 1 Maret 1984

dengan membawa sensor TM (Thematic Mapper) yang mempunyai resolusi

spasial 30 x 30 m pada band 1, 2, 3, 4, 5 dan 7. Sensor TM (Thematic Mapper)

mengamati obyek-obyek di permukaan bumi dalam 7 saluran spektral. Band 1, 2,

dan 3 adalah sinar tampak (visible), band 4, 5, dan 7 adalah inframerah dekat dan

infra merah menengah, serta band 6 adalah inframerah termal yang mempunyai

resolusi spasial 120 x 120 m. Luas liputan satuan citra adalah 185 x 185 km pada

permukaan bumi. Landsat 5 mempunyai kemampuan untuk meliput daerah yang

sama pada permukaan bumi pada setiap 16 hari, pada ketinggian orbit 705 km.

Landsat 7 diluncurkan pada tanggal 15 April 1999. Landsat 7 membawa

sebuah sensor yang di-upgrade bernama Enhanced Thematic Mapper Plus

(ETM+). Sensor ETM+ dikembangkan dengan kemampuan spektral dan spasial

yang hampir mirip dengan sensor TM dengan tambahan sebuah band pankromatik

pada resolusi 15-meter dan band termal dengan resolusi yang lebih tajam 60-120

meter. Umur operasi satelit Landsat 7 adalah 5 tahun.

Citra Landsat 7 harus diperbaiki terlebih dulu gambarnya sebelum

digunakan karena terdapat strip atau garis hitam yang menutupi kenampakan

obyek di permukaan bumi. Hal ini disebabkan oleh kesalahan pada sensor karena

sudah melebihi masa waktunya sehingga kenampakan yang terekam kurang

maksimal. Salah satu alternatif dari kasus ini adalah dengan metode gap and fill.

Konsep umum metode ini adalah dengan menggabungkan antara citra satelit yang

17

terkena strip dengan citra satelit lainnya sebagai pengisi strip tersebut. Citra

pengisi yang digunakan harus citra yang tidak tertutup dengan awan dan memiliki

tanggal perekaman yang berdekatan.

Pada tanggal 23 Desember 2005, OSTP (Office of Science and Technology

Policy) dari Gedung Putih Amerika Serikat mengisukan suatu penyelesaian

memorandum strategi satelit LDCM (Landsat Data Continuity Mission). Satelit

LDCM tersebut akan mengumpulkan data permukaan bumi yang mirip dengan

Landsat sebelumnya dan menjadi cikal bakal Landsat 8 (Barbara et al, 2007 dalam

Sitanggang et al, 2010).

Tabel 2.2. Spesifikasi Landsat 7 dan Landsat 8

Band/ Kanal

Landsat 8 Landsat 7

Panjang

gelombang

Resolusi

(m)

Panjang

gelombang

Resolusi

(m)

1 Band 1 (Biru) 0.43-0.45 30 0.45-0.515 30

2 Band 2 (Hijau) 0.45-0.51 30 0.525-0.605 30

3 Band 3 (Merah) 0.53-0.59 30 0.63-0.69 30

4 Band 4 (NIR 1) 0.64-0.67 30 0.75-0.90 30

5 Band 5 (NIR 2) 0.85-0.88 30 1.55-1.75 (SWIR 1) 30

6 Band 6 (SWIR 1) 1.57-1.65 30 10.4-12.5 (Termal) 60

7 Band 7 (SWIR 2) 2.11-2.29 30 2.09-2.35 30

8 Band 8 (Pankromatik) 0.50-0.68 15 0.52-0.9 15

9 Band 9 (Sirus) 1.36-1.68 30

10 Band 10 (Termal 1) 10.60-11.19 100

11 TIRS 10 (Termal 2) 11.50-12.51 100

Sumber: Lapan, 2015

18

Citra Landsat 7 dan Landsat 8 memiliki Band Infrared Thermal yaitu pada

band 6 (Landsat 7) dan band 10 dan 11 (Landsat 8). Saluran yang akan digunakan

pada penelitian adalah band 6 dan band 10.

2.1.8. Klasifikasi Citra

Klasifikasi citra dilakukan dengan menggolongkan masing-masing piksel

pada citra ke dalam kelas-kelas tertentu berdasarkan nilai kecerahan pada piksel.

Secara digital, klasifikasi citra dibedakan menjadi dua, antara lain sebagai berikut:

1.) Klasifikasi tak terbimbing (Unsupervised)

Klasifikasi tidak terbimbing merupakan proses pengelompokan piksel-

piksel pada citra menjadi beberapa kelas menggunakan analisa clustering

(Indarto, 2009). Menurut Jaya (2015), clustering adalah suatu teknik

klasifikasi atau identifikasi yang merupakan serangkaian proses untuk

mengelompokan piksel ke dalam suatu kelas atau klaster yang benar dalam

suatu set kategori yang disusun.Klasifikasi ini bersifat otomatis karena

penutup lahan akan dikelompokkan secara default oleh software yang

digunakan.

2.) Klasifikasi terbimbing (Supervised)

Klasifikasi terbimbing adalah proses klasifikasi penutup lahan yang ada

dengan menentukan kelas-kelas perwakilan atau training area terlebih

dahulu. Training area juga tidak boleh sembarangan dan harus representatif.

Proses selanjutnya, komputer akan mengklasifikasikan Penutup lahan

berdasarkan acuan dari training area yang telah ditentukan. Pada penelitian

ini menggunakan klasifikasi supervised karena melibatkan peneliti dalam

19

proses menginterpretasikan objek yang akan digunakan sebagai sampel

training.

2.1.9. Sistem Informasi Geografis (SIG)

Sistem Informasi Geografis (SIG) adalah sistem informasi berbasis

komputer yang menggabungkan antara unsur geografis dan informasinya

berbentuk data atribut yang digunakan untuk mengolah, memanipulasi,

menganalisa, memperagakan, dan menampilkan data spasial untuk menyelesaikan

masalah (Fernando, 2012 dalam Kosasi, 2014). Teori ini didukung oleh Murai S

dalam Prayitno (2000) bahwa Sistem Informasi Geografis (SIG) juga

berkontribusi dalam pengambilan keputusan suatu perencanaan dan

pengelolaanlahan, sumber daya alam, lingkungan, transportasi, fasilitas kota,

bahkan pelayanan umum.

Data yang dapat diolah dalam SIG meliputi data spasial dan non-spasial.

Data spasial berbentuk data raster dan vektor yang biasanya didapatkan dari data

citra satelit, peta rupa bumi, dan foto udara sedangkan data non-spasial didapatkan

dari data atribut berupa data-data statistik (angka) maupun teks.

Sebagaimana telah disebutkan, penyusunan informasi atau peta-peta dengan

SIG tidak bisa dipisahkan dari citra satelit penginderaan jauh. Citra satelit

merupakan data masukan dalam analisis spasial dalam SIG, selain itu SIG juga

menawarkan banyak banyak manfaat bagi sistem pengolahan citra satelit seperti

proses analisis dan tampilan kartografis. Peranan yang ditawarkan SIG dalam

menyusun informasi antara lain sebagai berikut:

1.) Input data

20

2.) Pembuatan peta

3.) Manipulasi data

4.) Manajemen data

5.) Analisis query

6.) Mevisualisasikan hasil, baik dalam bentuk peta, grafik, maupun sistem

informasi.

2.1.10. Cellular Automata

Cellular Automata (CA) adalah model yang awalnya dipahami oleh Ulam

dan Von Neumann pada tahun 1940 untuk membuat kerangka kerja formal untuk

menyelidiki suatu perilaku kompleks (Paramitha, 2011). Pendapat lain dari Baja S

(2012, dalam Fitriana dkk, 2017), menjelaskan bahwa cellular automata adalah

pemodelan spasial secara sederhana yang memanfaatkan data olahan dari SIG

(Sistem Informasi Geografis). Deep dan Saklani (2014) menarik suatu kesimpulan

dari penelitiannya bahwa Cellular Automata (CA) dapat menggabungkan

komponen spasial dengan aturan-aturan sederhana, mudah, dinamis dan

meningkatkan efisiensi dalam pengolahan komputasi.

Data dalam Cellular Automataterdiri dari susunan sel-sel (grid), dan

masing-masing diatur sedemikian rupa sehingga hanya diperbolehkan berada di

salah satu dari beberapa keadaan. Keadaan suatu Cellular Automata (CA)

sepenuhnya dipengaruhi oleh variabel yang dimiliki tiap sel. Cellular Automata

(CA) bekerja mengoperasikan nilai data raster yang didefinisikan ke dalam data

binari atau diskrit dan dipengaruhi oleh ketetanggaan dan waktu sebelumnya

(Yudarwati dkk, 2016).

21

Cellular system dapat didefinisikan juga sebagai suatu koleksi tersusun

dari unsur-unsur serupa yang disebut cell. Struktur ini diberikan oleh pilihan dari

bentuk pixel atau biasa disebut lattice. Beberapa lattice adalah 1 dimensi, 2

dimensi dan 3 dimensi. Sel-sel tetangga (neighborhoods) merupakan bagian

penting yang merepresentasikan kesatuan cell yang berinteraksi langsung dengan

pusat cell. Ketetanggaan (neighborhood) artinya perubahan lahan pada satu piksel

akan dipengaruhi oleh jenis lahan pada piksel tetangganya.

Menurut Liu (2009), Cellular Automata terdiri dari 5 unsur, antara lain

sebagai berikut:

1) Sel (Cell), merupakan unit dasar spasial dalam ruang seluler. Sel tersebut

diatur dalam spatial tessellation, yaitu sebuah grid dua dimensi dari sel

merupakan bentuk yang paling umum dari celullar automata yang digunakan

dalam permodelan pertumbuhan perkotaan dan alih fungsi lahan .

2) Kondisi (State), adalah mendefinisikan atribut dari suatu sistem. Setiap sel

hanya dapat mengambil satu kondisi dari serangkaian kondisi pada waktu

tertentu. Dalam studi ini, kondisi mewakili jenis penutup lahan.

3) Ketetanggaan (neighborhood), yang merupakan serangkaian sel yang saling

berinteraksi.

4) Aturan transisi (Transition Rules), adalah mendefinisikan bagaimana respon

perubahan suatu sel dalam menanggapi kondisi saat ini dan kondisi

tetangganya.

5) Waktu (time-step), adalah suatu variabel yang menentukan dimensi waktu

yang digunakan selama proses perhitungan dan kalkulasi yang didasarkan

22

pada proses celullar automata. Waktu disini dapat juga didefinisikan sebagai

periode iterasi.

2.2. Kajian Hasil Penelitian yang Relevan

Berikut ini adalah beberapa pustaka yang dirujuk oleh peneliti dalam

melakukan penelitian:

Tabel 2.3. Penelitian-Penelitian Terdahulu

No Judul

Penelitian

Penulis/

Tahun

Tujuan

Penelitian

Metode

Penelitian

Hasil Penelitian

1. Pemetaan Sebaran

Suhu Penutup

lahan

Menggunakan

Citra Landsat 8 di

Pulau Batam

Rohana Sari,

(2018)

Mengetahui

sebaran suhu

penggunaan

lahan pada

bulan April

2018

Menggunakan

pemanfaatan

dan pengolahan

data citra satelit

melalui tahapan:

pemotongan,

koreksi

radiometrik,

geometrik, dan

ekstraksi suhu

permukaan

tanah.

Suhu minimum di

Pulau Batam 0-

16,8°C dikarenakan

terdapat awan pada

citra. Suhu

maksimum berkisar

sebesar 23,6-

29,2°C. Daerah

bervegetasi

memiliki suhu

16.8-22.4°C.

Permukiman

memiliki suhu

23,6-29,2°C.

Daerah perairan

memiliki suhu

16,8-22,4°C.

Perbedaan suhu

setiap daerah

dipengaruhi oleh

23

banyaknya

pembangunan,

aktivitas manusia,

dan lahan terbuka

hijau.

2. Pendeteksian

Kerapatan

Vegetasi dan

Suhu Permukaan

Menggunakan

Citra Landsat

Studi Kasus :

Jawa Barat

Bagian Selatan

dan Sekitarnya

Sukristiyanti

dan Dyah

Marganingrum

( 2009)

Mengetahui

dan

menjelaskan

kemampuan

citra Landsat

untuk

mendapatkan

informasi data

kerapatan

vegetasi dan

suhu

permukaan

lahan

Melakukan

pengolahan citra

untuk

transformasi

indeks vegetasi

dengan NDVI.

Teknik analisis

menggunakan

analisis spasial

Indeks vegetasi

NDVI ternyata

mampu

mempresentasikan

kerapatan kanopi di

berbagai jenis

penggunaan lahan.

Informasi sebaran

suhu permukaan

hasil deteksi tidak

selalu

mencerminkan

sebaran kerapatan

vegetasinya.

3. Pemanfaatan

Citra Satelit dan

Sistem Informasi

Geografis untuk

Pengembangan

RTH Berdasarkan

Estimasi Suhu

Permukaan

Daratan di Kota

Pekalongan.

Tridha

RidhoFariz,

(2016)

Mengetahui

kondisi

persebaran

RTH dan

persebaran

suhu

permukaan

daratan di Kota

Pekalongan.

Pendekatan

deskriptif

kualitatif dengan

berbagai

pengolahan data

citra satelit.

Suhu permukaan

tinggi dipengaruhi

oleh tutupan lahan

berupa lahan

terbangun.

Pengembangan

RTH akan lebih

efektif jika

dilakukan pada

daerah dengan suhu

tertinggi.

24

4. Detection of

urban expansion

and land surface

temperature

change using

multi-temporal

landsat images

Shenmin

Wang, Ma,

Ding, & Liang,

(2016)

Mendeteksi

proses

ekspansi urban

dan variasi

LST selama 30

tahun terakhir.

Menggunakan

algoritma dalam

klasifikasi

berdasarkan

teori statistik

(indeks)

Alasan utama

mengkonversi

lahan adalah

peningkatan

populasi dan

bidang ekonomi.

Peningkatan

urbanisasi juga ikut

meningkatkan LST.

5. Effects of

landscape

composition and

pattern on land

surface

temperature:

An urban heat

island study in the

megacities of

Southeast Asia

Ronald C,

Estoque., Yuji,

Murayama,(

2017)

Mengetahui

dan

menganalisis

hubungan LST

dan pola

spasial ruang

hijau di

Bangkok dan

Jakarta.

Menggunakan

pengolahan

penginderaan

jauh dengan

koreksi

radiometrik,

atmosferik, dan

ekstraksi LST

Ditemukan korelasi

kuat antara rata-

rata LST dan

densitas air

(positif) dan ruang

hijau (negatif)

sepanjang gradien

perkotaan-pedesaan

dari tiga kota, yang

menggambarkan

profil khas UHI

2.2.1.Persamaan dan Perbedaan dengan Penelitian Terdahulu

Penelitian ini memiliki persamaan dan perbedaan dengan penelitian

terdahulu. Persamaannya adalah penelitian ini memiliki fokus obyek yang sama

dengan penelitian terdahulu yaitu suhu permukaan lahan dan penutup lahan.

Selain itu penelitian ini juga memiliki tujuan yang sama yakni mengetahui

hubungan antara suhu permukaan lahan dengan Penutup lahan. Namun terdapat

beberapa perbedaan pada penelitian ini dengan penelitian-penelitian sebelumnya

yaitu:

25

1.) Penelitian ini menggunakan pendekatan secara multitemporal sehingga dan

rentang waktu yang jauh untuk mengetahui perubahan suhu permukaan lahan

dan penutup lahannya. Sedangkan pada penelitian terdahulu, ada penelitian

yang hanya berfokus pada penutup lahan ataupun suhu permukaan lahan saja

dan tidak menggunakan data multitemporal.

2.) Pemodelan prediksi penutup lahan masih jarang diteliti di Indonesia. Padahal

hal ini dapat digunakan untuk membantu dan merencanakan pembangunan

masa depan terutama dalam penyusunan RTRW Daerah.

2.3. Kerangka berpikir

Kabupaten Semarang merupakan daerah yang mengalami peningkatan jumlah

penduduk setiap tahun. Kondisi tersebut tidak sepadan dengan jumlah

ketersediaan lahan yang semakin terbatas sehingga mengakibatkan perubahan

penutup lahan dengan karakteristik variatif dan tidak terkendali. Perubahan

penutup lahan yang terjadi akan mempengaruhi nilai suhu permukaan lahan,

terutama pada lahan bervegetasi karena penyerapan terhadap panas berkurang.

Oleh karena itu, pemetaan penutup lahan dan suhu permukaan lahan secara

multitemporaldilakukan untuk menjelaskan pola perubahan yang terjadi di

Kabupaten Semarang pada tahun 2003 hingga 2018. Setiap jenis penutup lahan

memiliki besar pengaruh yang berbeda-beda pada nilai suhu permukaan. Besar

pengaruh dapat diidentifikasi melalui analisis regresi dengan uji T (parsial).

Penyusunan peta-peta tersebut memanfaatkan data citra satelit Landsat 7 dan

Landsat 8. Data penutup lahan diperoleh dari hasil klasifikasi menggunakan band

visible dan data suhu permukaan lahan diperoleh dari hasil ekstraksi band termal.

26

Data raster penutup lahan tahun 2008 dan 2018 yang dihasilkan dapat digunakan

untuk memodelkan kembali penutup lahan tahun 2028 dengan metode cellular

automata.Untuk lebih jelas, dapat dilihat pada kerangka alur berpikir di bawah ini:

Gambar 2.2. Bagan Kerangka Berpikir Penelitian

93

BAB V

PENUTUP

5.1. Kesimpulan

1. Jenis penutup lahan yang mendominasi wilayah Kabupaten Semarang pada

rentang tahun 2003 hingga 2018 adalah hutan. Sedangkan untuk suhu

permukaan lahan didominasi oleh suhu 28,6°C -29,6°C dan 30,6°C -31,6°C.

Pola perubahan penutup lahan didominasi oleh konversi hutan menjadi lahan

pertanian.

2. Hubungan antara perubahan penutup lahan dengan perubahan suhu

permukaan lahan memiliki pengaruh signifikan dan berkorelasi positif dengan

nilai 0,655 (kuat). Hasil uji T pada masing-masing penutup lahan

menunjukkan hampir setiap jenis penutup lahan memiliki pengaruh signifikan

kecuali perairan. Pengaruh hutan sebesar 51,1%, lahan pertanian sebesar

56,6%, lahan terbuka sebesar 33,1%, semak belukar sebesar 43,3%, dan lahan

terbangun sebesar 28,5% terhadap perubahan suhu permukaan lahan.

3. Jenis lahan terbangun mengalami peningkatan sebesar 18,56% ditandai

dengan pertumbuhan lahan terbangun baru yang padat di Kecamatan

Tengaran, Kecamatan Ungaran Timur, Kecamatan Bancak, dan Kecamatan

Kaliwungu. Suhu permukaan lahan pada tahun 2028 diperkirakan mengalami

kenaikan ± 0,07°C.

5.2. Saran

1. Pengolahan prediksi penutup lahan dapat lebih dikembangkan dengan

metode lain seperti ANN (Artificial Neural Network). Pada pengolahan,

93

94

perlu memperhatikan kontrol perubahan pada masing-masing jenis

penutup lahan agar mendapatkan hasil yang lebih representatif. Faktor-

faktor pendorong yang menjadi variabel selain jalan utama bisa

ditambahkan seperti faktor kepadatan penduduk, pusat pertumbuhan

daerah, jarak dengan ibukota, dan lain-lain yang bisa disesuaikan dengan

karakteristik lokasi penelitian. Nilai iterasi harus diperhatikan, karena

semakin tinggi iterasi maka semakin tinggi pula akurasinya, dan

sebaliknya.

2. Emisivitas pada estimasi suhu permukaan lahan dapat diperoleh dari NDVI

agar hasil lebih baik.

3. Bagi pemerintah terutama BAPPEDA Kabupaten Semarang, penelitian ini

dapat dijadikan sebagai salah satu acuan dalam penentuan penutup lahan

ke depan terutama dalam penyusunan RTRW Kabupaten Semarang dan

dijadikan bahan pertimbangan dalam proses pembangunan daerah.

95

DAFTAR PUSTAKA

Amiri, Reza, Qihao Weng, Abbas Alimohammadi, S. K. A. (2009). Spatial-

Temporal Dynamics of Land Surface Temperature in Relation to Fractional

Vegetation Cover and Land Use/Cover in the Tabriz Urban Area, Iran.

Remote Sensing of Environment, 113, 2606–2617.

Amrillah, Dede., Eko Kusratmoko., S. (2018). Model Spasial Perubahan

Penggunaan Lahan dan Pengaruhnya Terhadap Kebijakan Swasembada Padi.

Majalah Geografi Indonesia, Vol.32, No, 33–39.

Andana, E. K. (2015). Pengembangan Data Citra Satelit Landsat-8 untuk

Pemetaan Area Tanaman Hortikultura dengan Berbagai Metode Algoritma

Indeks Vegetasi (Studi Kasus: Kabupaten Malang dan Sekitarnya). Prosiding

Seminar Nasional Manajemen Teknologi XXII.

Ardhitama, Aristya., Yusni Ikhwan S., N. (2017). Analisis Pengaruh Konsentrasi

Gas Rumah Kaca Terhadap Kenaikan Suhu Udara Di Kota Pekanbaru dan

Kota Padang. Jurnal Ilmu Lingkungan, 11 (1).

Ardiansyah. (2015). Pengolahan Citra Penginderaan Jauh Menggunakan ENVI

5.1 dan ENVI LiDAR. Jakarta selatan: Lasbig Inderaja Islim.

As-syakur, A. R. (2011). Perubahan Penggunaan Lahan di Provinsi Bali.

ECOTROPHIC, Volume 6.

Ashraf, M. A., Maah, M., & Yusoff, I. (2011). Introduction to Remote Sensing of

Biomass. In Principles of Applied Remote Sensing. London: Springer.

https://doi.org/10.5772/16462

Badan Standarisasi Nasional. SNI 764:2010 Tentang Klasifikasi Penutup Lahan

(2010). Jakarta.

Becker, F., & Li, Z.-L. (1990). Becker F, Li Z. Towards a local split window

method over land surfaces. International Journal of Remote Sensing.

International Journal of Remote Sensing - INT J REMOTE SENS (Vol. 11).

https://doi.org/10.1080/01431169008955028

BMKG. (2019). Ekstrem Perubahan Iklim _ BMKG.

BPS. (2016). Kabupaten Semarang Dalam Angka 2016. Retrieved from

https://semarangkab.bps.go.id/

BPS. (2017). Kabupaten Semarang Dalam Angka 2017. Retrieved from

https://semarangkab.bps.go.id/

BPS. (2018). Kabupaten Semarang Dalam Angka 2018. Badan Pusat Statistik.

Kabupaten Semarang.

Budhyastoro, T., Sidik Haddy T., R. L. W. (2006). Sifat Fisik Tanah dan Metode

Analisisnya. (A. D. Kurnia, Undang., Fahmuddin A., A. Adimihardja., Ed.).

Badan Penelitian dan Pengembangan Pertanian, Balai Besar Litbang

Sumberdaya Lahan Pertanian. Retrieved from

http://balittanah.litbang.pertanian.go.id/ind/dokumentasi/buku/sifat fisik

tanah1.pdf

96

Budiarti, Y. (2017). Hubungan Antara Persebaran Suhu Permukaan Dengan

Penggunaan Lahan di Kabupaten Sleman Menggunakan Citra Landsat 8

OLI/TIRS Image. Universitas Negeri Yogyakarta.

Budiyanto, E., & Gunawan, T. (2018). Penginderaan Jauh dan Sistem Informasi

Geografis untuk Penilaian Kerentanan dan Risiko Pencemaran Air Tanah

Karst Gunungsewu di Kabupaten Gunungkidul. Disertasi. Universitas

Gadjah Mada).

Chrysoulakis, N., Abrams, M., Feidas, H., & Arai, K. (2010). Comparison of

atmospheric correction methods using ASTER data for the area of Crete,

Greece. International Journal of Remote Sensing, 31(24).

Danoedoro, P. (2006). Versatile Land-Use Information For Local Planning In

Indonesia: Contents, Extraction Methods And Integration Based On

Moderate- And Highspatial Resolution Satellite Imagery. University of

Queensland.

Deep, S dan Saklani, A. (2014). Urban Sprawl Modeling Using Cellular

Automata. The Egyptian Journal of Remote Sensing and Space Science, 17

(2), 179–187.

Deng, C., & Wu, C. (2013). Examining the impacts of urban biophysical

compositions on surface urban heat island: A spectral unmixing and thermal

mixing approach. Remote Sensing of Environment (Vol. 131).

https://doi.org/10.1016/j.rse.2012.12.020

Destriana, N. (2013). Pengaruh Struktur Vegetasi Terhadap Iklim Mikro Di

Berbagai Land Use Di Kota Jakarta. Institut Pertanian Bogor.

Effendy, S. (2007). Keterkaitan Ruang Terbuka Hijau dengan Urban Heat Island

Wilayah JABODETABEK. IPB Bogor.

Ekadinata, A., Zulkarnain M.T., Widayati A., Dewi S., Rahman S., V. N. M.

(2012). Perubahan Penggunaan dan Tutupan Lahan di Indonesia Tahun

1920, 2000, dan 2005. Brief No 29. Bogor, Indonesia: World Agroforestry

Center-ICRAF, SEA Regional Office. 6p.

Estoque, Ronald C., Yuji, Murayama., S. W. M. (2017). Effects of landscape

composition and pattern on land surface temperature: An urban heat island

study in the megacities of Southeast Asia. Science of the Total Environment,

577, 349–359.

Fardani, S. (2012). Pengaruh Proporsi Penambahan Komos BioPA dan Mulsa

Jerami Terhadap Serapan Hara Na, Mg Serta Kandungan Klorofil Tanaman

Kacang Hijau (Phaseolus Radiatus L) yang Ditanam di Kawasan Pantai

Pandansari Bantul. ePrint@UNY. Universitas Negeri Yogyakarta. Retrieved

from https://eprints.uny.ac.id/8190/

Fariz, T. (2016). Pemanfaatan Citra Satelit dan Sistem Informasi Geografis untuk

Pengembangan RTH Berdasarkan Estimasi Suhu Permukaan Daratan di Kota

Pekalongan. Jurnal Geo Image, 5(1).

Fauzi, Rio M., Joko Nugroho R., R. H. (2016). Analisa Perubahan Penutupan

Lahan Pada Kawasan Lindung Gunung Naning Kabupaten Sekadau Provinsi

97

Kalimantan Barat. Jurnal Hutan Lestari, Vol.4 (4), 520–526.

Fikri, F. A. (2018). Estimasi Nilai Outgoing Longwave Radiation (OLR) Landsat

8 OLI/TIRS di Provinsi Jambi. Institut Pertanian Bogor.

Fitriana, A. L., Subiyanto, S., & Firdaus, H. S. (2017). Model Cellular Automata

Markov Untuk Prediksi Perkembangan Fisik Wilayah Permukiman Kota

Surakarta Menggunakan Sistem Informasi Geografis. Jurnal Geodesi Undip,

6(4), 246–253.

Food and Agriculture Organization of the United Nations. (1976). A Framework

for Land Evaluation. FAO Soil Bulletin 32, Rome, 72 pp.

Ghozali, A. dan S. (2016). Pemanfaatan Citra Penginderaan Jauh dan Sistem

Informasi Geografis Untuk Zonasi Kerawanan Banjir di DAS Kalikemuning,

Kabupaten Sampang, Madura. Jurnal Bumi Indonesia, Volume 5,.

Gustin, O., L. M. J. (2011). Pemetaan Suhu Permukaan Tanah dan Vegetasi

Sebagai Data Pendukung Kebijakan Reboisasi. Institute Teknologi

Surabaya.

Hanggoro, W. (2011). Pengaruh Intensitas Radiasi Saat Gerhana Matahari Cincin

Terhadap Beberapa Parameter Cuaca. Jurnal Meteorologi Dan Geofisika,

Volume 12, 137–144.

Indarto. (2009). Identifikasi dan Klasifikasi Peruntukan Lahan Menggunakan

Citra ASTER. Media Teknik Sipil, Volume IX.

Jaya. (2015). Analisis Citra Digital Prespektif Penginderaan Jauh untuk

Pengelolaan Sumberdaya Alam. Bogor.

Juhadi. (2007). Pola-Pola Pemanfaatan Lahan Dan Degradasi Lingkungan Pada

Kawasan Perbukitan. Jurnal Geografi, 4(1), 11–24.

Kalinda, I. O. P., Bandi Sasmito, A. S. (2018). Analisis Pengaruh Koreksi

Atmosfer Terhadap Deteksi Land Surface Temperature Menggunakan Citra

Landsat 8 di Kota Semarang. Jurnal Geodesi Undip, Volume 7,N.

Khandelwal, S., Goyal, R., Kaul, N., & Mathew, A. (2018). Assessment of Land

Surface Temperature Variation due to Change in Elevation of Area

Surrounding Jaipur, India. Egyptian Journal of Remote Sensing and Space

Science, 21(1), 87–94. https://doi.org/10.1016/j.ejrs.2017.01.005

Kosasi, S. (2014). Sistem Informasi Geografis Pemetaan Tempat Kost Berbasis

Web. 172 CSRID Journal, Vol.6 No.3, 171–181.

Kristianingsih, Lilik., Wijaya A. P., Sukmono, A. (2016). Analisis Pengaruh

Koreksi Atmosfer Terhadap Estimasi Kandungan Klorofil-A Menggunakan

Citra Landsat 8. Jurnal Geodesi Undip, 5(4).

Kumar, K. Sundara., Dr.P. Udaya Bhaskar., D. K. P. (2015). Application of Land

Change Modeller For Prediction of future Land Use Land Cover A Case

Study of Vijayawada City. International Journal of Advanced Technology in

Engineering and Science, Vol. No. 3(1).

Kusrini, Suharyadi, & Hardoyo, S. R. (2011). Perubahan Penggunaan Lahan Dan

Faktor Yang Mempengaruhinya Di Kecamatan Gunungpati Kota Semarang.

98

Majalah Geografi Indonesia, 25(1), 25–40.

Lal, Rattan., M. K. S. (2005). Principles Of Soil Physics. Columbus, Ohio, U.S.A:

Marcel Dekker, INc.

Li, Z. L., Tang, B. H., Wu, H., Ren, H., Yan, G., Wan, Z., … Sobrino, J. A.

(2013). Satellite-Derived Land Surface Temperature: Current Status and

Perspectives. Remote Sensing of Environment.

Lillesand, T. M. dan Kiefer, R. W. (1994). Penginderaan Jauh dan Interpretasi

Citra. Yogyakarta: Gadjah Mada University Press.

Lillesand, T. M., Kiefer, R. W., Dulbahri, & Susanto. (1993). Penginderaan Jauh

dan Interpretasi Citra. Yogyakarta: Gadjah Mada University Press.

Liu, Y. (2009). Modelling Urban Devwlopment with Geographical Information

Systems and Cellular Automata. New York: CRC Press.

Lo, C. P. (1996). Penginderaan Jauh Terapan. Terjemahan Bambang Purbaweso.

Jakarta: UI-PRESS.

Lubis, Muhammad Z., Oktavianto Gustin., Wenang Anurogo., Husnul Kausarian.,

Kasih Anggraini., A. H. (2017). Penerapan Teknologi Penginderaan Jauh di

Bidang Pesisir dan Lautan. Oseana, XLII, Nomo, 56–64.

Marganingrum, S. dan D. (2009). Pendeteksian Kerapatan Vegetasi dan Suhu

Permukaan Menggunakan Citra Landsat Studi Kasus : Jawa Barat Bagian

Selatan dan Sekitarnya. Jurnal Riset Geologi Dan Pertambangan, Jilid 19 n,

15–24.

Muta’ali, L., Kinasih, S. S. K., & Sumini. (2012). Daya Dukung Lingkungan

untuk Perencanaan Pengembangan Wilayah. Yogyakarta: Badan Penerbit

Fakultas Geografi (BPFG), Universitas Gadjah Mada.

Octavianti, Angelia., Muliadi., A. (2018). Estimasi Intensitas Radiasi Matahari di

Wilayah Kota Makassar. Prisma Fisika, 152–159.

Pal, S., Ziaul, S. (2017). Detection of land Use and Land Cover Change and Land

Surface Temperature in english Bazar Urban Center. The Egyptian Journal

of Remote Sensing and Space Sciences, 20, 125–145.

Pambudi, L., Hidayatno, A., & Isnanto, R. (2011). Identifikasi Luas Bencana

Tsunami Dengan Menggunakan Segmentasi Citra. Universitas Diponegoro.

Pangi, P., Muharar Ramadhan., K. Dwi A., I. (2017). Pola Perkembangan Ruang

di Kabupaten Semarang dengan Memanfaatkan Data Citra Landsat. Jurnal

Pengembangan Kota, Volume 5 N, 58–68.

Paramitha, B. A. P. (2011). Model Cellular Automata untuk Prediksi

Perkembangan Wilayah Menggunakan Citra Penginderaan Jauh Resolusi

Menengah (Studi Kasus Wilayah Kedungsepur). Tesis. Universitas Gajah

Mada.

Peng Fu, Q. W. (2016). A Time Series Analysis of Urbanization Induced Land

Use and Land Cover Change and Its Impact on Land Surface Temperature

With Landsat Imagery. Remote Sensing of Environment, 175, 205–214.

99

Prayitno. (2000). GIS Workbook Terjemahan (Shinji Murai). Jakarta: Buana

Khatulistiwa.

Purwantara, S. (2015). Studi Temperature Udara Terkini di Wilayah di Jawa

Tengah dan DIY. Geomedia, volume 13.

Putra, Kusuma Arfina., Abdi Sukmono., B. S. (2018). Analisis Hubungan

Perubahan Tutupan Lahan Terhadap Suhu Permukaan Terkait Fenomena

Urban Heat Island Menggunakan Citra LANDSAT (Studi Kasus: Kota

Surakarta). Jurnal Geodesi Undip, Volum 7, N, 22–31.

Rakhmawati, Elina R., Sriyono., D. L. S. (2014). Analisis Pola Sebaran

Permukiman Berdasarkan Topografi di Kecamatan Brangsong Kabupaten

Kendal. Geo Image, 3 (2).

Rutoto, S. (2007). Pengantar Metodologi Penelitian. (FKIP, Ed.). Universitas

Muria Kudus.

Sampurno, Rizky M., A. T. (2016). Klasifikasi Tutupan Lahan Menggunakan

Citra Landsat 8 Operational Land Imager (OLI) di Kabupaten Sumedang.

Jurnal Teknotan, Vo.10 No.2.

Sanger, Y. Y. J., Rogi, Y. E. X., & Rombang, J. (2016). Pengaruh Tipe Tutupan

Lahan Terhadap Iklim Mikro Di Kota Bitung. Agri-SosioEkonomi Unsrat,

12(November), 105–116.

Sari, R. (2018). Pemetaan Sebaran Suhu Penggunaan Lahan Menggunakan Citra

Landsat 8 di Pulau Batam. Jurnal Integrasi, 10(1).

Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif (1st ed.).

Yogyakarta: Graha Ilmu.

Setyawan, A. K., S. R. (2018). Kajian Perubahan Penggunaan Lahan dan

Kesesuaiannya dengan Rencana Tata Ruang Wilayah (RTRW) Kabupaten

Rejang Lebong Berbasis Sistem Informasi Geografis dan Penginderaan Jauh.

Teknik Perencanaan Wilayah Kota, Vol 7 (3), 165–178.

Sitanggang, Gokmaria., Domiri, D. D., Carolita, I., Noviar, H. (2010). Model

Spasial Indeks Luas Daun (Ild) Padi Menggunakan Data Tm-Landsat Untuk

Prediksi Produk Padi. Jurnal Penginderaan Jauh, 6(3), 36–49.

Sobirin dan Fatimah, R. (2015). Urban Heat Island Kota Surabaya. Jurnal

Geoedukasi, Voulme IV.

Southworth, J. (2004). Assessment of Landsat TM Band 6 Thermal Data For

Analysing Land Cover in Tropical Dry Forest Region. International Journal

of Remote Sensing, 25)4), pp.

Sudadi, U.D., Baskoro, P.T., Munibah, K., Barus, B. dan D. (1991). Kajian

Pengaruh Perubahan Penggunaan Lahan terhadap Aliran Sungai dan

Penurunan Kualitas Lahan di sub DAS Ciliwung Hulu dengan Pendekatan

Model Simulasi Hidrologi. Bogor.

Sudarmanto, A., Buchori, I., & Sudarno. (2014). Perbandingan Infiltrasi Lahan

Terhadap Karakteristik Fisik Tanah, Kondisi Penutupan Tanah Dan Kondisi

Tegakan Pohon Pada Berbagai Jenis Pemanfaatan Lahan. Jurnal Geografi,

100

Departement Of Geography, Universitas Negeri Semarang, 11(1), 1–13.

Sugiyono, A. (2011). Metode Penelitian Kuantitatif, Kualitatif, dan R & D.

Bandung: AFABETA CV.

Sukresno, Bambang., Denarika Jatisworo., D. W. K. (2018). Analisis Multilayer

Variabilitas Upwelling Di Perairan Selatan Jawa. Bali.

Susilo, B. (2011). Pemodelan Spasial Probabilistik Integrasi MArkov Chain dan

Cellular Automata untuk Kajian Perubahan Penggunaan Lahan Skala

Regional di Provinsi Daerah Istimewa Yogyakarta. Jurnal Gea, Vol. 11, N.

Suspidayanti, Leni., Sunaryo, D.K., S. S. S. (2019). Perbandingan Metode

Estimasi Suhu Permukaan Daratan Menggunakan Emisivitas Berdasarkan

Klasifikasi dan NDVI (Studi Kasus: Kota Malang). Institut Teknologi

Malang.

Suwargana, N. (2008). Analisis Perubahan Hutan Mangrove Menggunakan Data

Penginderaan Jauh di Pantai Bahagia, Muara Gembong, Bekasi. Jurnal

Penginderaan Jauh, 5, 64–74.

Suwargana, N. (2013). Resolusi Spasial , Temporal dan Spektral Pada Citra

Satelit Landsat , Spot dan Ikonos. Jurnal Ilmiah Widya, 1(2).

Taofiqurrohman, A. (2011). Citra Modis Resolusi 250 Meter Untuk Analisis

Konsentrasi Sedimen Tersuspensi Di Perairan Berau Kalimantan Timur.

Jurnal Akuatika, 2(2).

Triyanti. (2008). Pola Suhu Permukaan Kota Semarang Tahun 2001 dan 2006.

Universitas Indonesia.

Wang, S., Ma, Q., Ding, H., & Liang, H. (2016). Detection of Urban Expansion

and Land Surface Temperature Change Using Multi-temporal Landsat

Images. Resources Conservation and Recycling (Vol. 128).

https://doi.org/10.1016/j.resconrec.2016.05.011

Yudarwati, Rani., Santun R. P. S., K. M. (2016). Arahan Pengendalian Perubahan

Penggunaan Lahan Menggunakan Markov Cellular Automata Di Kabupaten

Cianjur. Jurnal Tata Loka, Volume 18, 211–221.

KAJIAN PERUBAHAN PENUTUP LAHAN DENGAN PEMODELAN …

Documents

Transcript of KAJIAN PERUBAHAN PENUTUP LAHAN DENGAN PEMODELAN …