Tabel 3 Aliran energi dan massa Variabel neraca energi
III METODOLOGI
Vegetasi tinggi (MJm-2hari-1)
Rumput (MJm-2 hari-1)
Rn
11.28±2.74
10.21±2.53
LE
8.41± 6.50
4.21±2.48
74.56
41.23
2.85±6.16
6.00 2.69
LE/Rn H
H/Rn 25.27 58.77 Aliran massa 3.43 1.72 Sumber : Rauf (2009) Ladang Pada penelitian yang dilakukan oleh Jose dan Berrade (1983) di Calobozo Biological Station, USA, dihasilkan bahwa dengan penghitungan Radiasi netto, sensible heat flux, latent heat flux dan soil heat flux melalui pendekatan neraca energi selama musim basah dihasilkan radiasi netto yang diserap oleh tanaman ladang ladang seperti singkong dengan radiasi yang cukup rendah pada siang hari, pada umumnya radiasi netto yang diru bah menjadi panas laten sebesar 76 hingga 86 persen. Proses tersebut bergantung pada fase-fase pertumbuhan tanaman pada ladang dan tutupan kanopi tanaman tersebut. Selanjutnya, disebutkan bahwa sensile heat flux pada ladang akan mencapai maksimum terjadi pada tengah hari. Tabel 4
Neraca energi (MJm-2) pada ladang singkong di sabana pada musim basah Periode observasi
komponen
50
84
115
153
Hari setelah pemupukan Rl
18.4
21.5
9.6
18.5
Rn
14.1
12.7
5.0
11.4
G
0.3
0.5
0.2
0.7
-1.8 -7.5 LE 12.2 -8.1 Sumber : Lean, 1996.
-0.9
-5.5
-3.9
-5.3
H
3.1. Waktu dan Tempat Penelitian dilakukan dari bulan Oktober 2010 sampai dengan bulan April 2011 di Laboratorium Agrometeorologi Departemen Geofisika dan Meteorologi IPB dan Laboratorium Analisis Lingkungan dan Pemodelan Spasial Departemen Konservasi Sumberdaya Hutan dan Ekowisata IPB.
Gambar 2 Peta lokasi penelitian. 3.2. Alat dan Bahan Alat yang digunakan dalam analisis dan pengolahan data diantaranya: Perangkat lunak Erdas 9.1 untuk mengklasifikasikan penutupan lahan pada wilayah kajian serta menentukan berbagai komponen-komponen NDVI, neraca energi, suhu permukaan dan albedo. Perangkat lunak ArcGIS 9.3 digunakan untuk menentukan jarak dengan prinsip Euclidean distance, menentukan titik amatan dan memperoleh berbagai komponen-komponen sebagai peubah penjelas dan peubah respon berdasarkan titik amatan. Perangkat lunak Ms. Office 2010 untuk mengolah data yang diperoleh dan melaporkan hasil penelitian. Perangkat lunak Minitab 15.0 sebagai perangkat lunak yang digunakan untuk menganalisis data yang diperoleh menggunakan alasisa statistik Perangkat lunak R 2.13.0 untuk mentransformasi matrik yang diperoleh pada Erdas 9.1.
8
3.3. Metode Penelitian 3.3.1. Pemrosesan Data Citra Pemrosesan awal citra satelit dilakukan sebelum analisis spasial dan atribut, yaitu untuk mendapatkan informasi yang diinginkan dari suatu data citra. Beberapa tahapan yang dilakukan pada pemrosesan data citra dilakukan sebagai berikut:
Seperangkat komputer dan printer GPS (Ground Control Point) sebagai alat yang digunakan untuk memperoleh ground check point (GCP). Bahan – bahan yang digunakan antara lain : 1. Data citra Landsat TM+ Path/Row 122/065, tanggal akuisisi 18 Mei 2006 dengan penutupan awan 0%. 2. Peta dasar wilayah Kota Bogor 3. Data iklim Kota Bogor (1993-2009)
Landsat 5 TM+
Koreksi citra Subset image
Kanal 1,2,3 dan 6
Kanal 1,2,3,4,5 dan 7
Komponen neraca energi Rn
G
H
Klasifikasi terbimbing
Ts
LE
Albedo Badan air
Lahan bervegetasi
Sawah Ladang
Transformasi
Rumput/ semak
Sawit
Lahan terbangun
Vegetasi tinggi
Euclidean distance
Transformasi
Titik amatan Uji asumsi Tidak
Terpenuhi
Tidak Nyata
Ya
Analisis regresi
Tidak
Tidak Nyata
Nyata
Model Validasi Gambar 3 Diagram alir tahapan penelitian.
9
a. Koreksi Geometrik Koreksi geometrik dilakukan dengan menggunakan analisis titik kontrol medan (ground control point / GCP) yang dapat dikenali pada citra satelit dan peta acuan. Koreksi ini dilakukan untuk memproyeksikan citra ke dalam suatu system proyeksi tertentu. Pada penelitian ini, proyeksi yang digunakan adalah UTM (Universal Transverse Mercator). Penggunaan system proyeksi UTM sangat ideal bagi Indonesia karena dapat memberikan distorsi minimal untuk kondisi geografis Indonesia yang berada di sekitar katulistiwa. b. Koreksi Radiometrik Koreksi radiometrik dilakukan untuk mengoreksi data akibat pengaruh kondisi atmosfer yang disebabkan oleh variasi cuaca dan sudut matahari, pengaruh dan perubahan reflektan spektral dari obyek di permukaan. Koreksi radiometrik dilakukan dengan metode dark object dimana dark object tiap kanal dalam satu scene diperoleh dari data histogram. Pengaruh haze akan meningkatkan nilai digital number. Oleh karena itu, secara keseluruhan data akan dikurangi dengan selisih nilai antara dark object dan nilai nol. Hal ini ditempuh dengn asumsi bahwa keseluruhan data dalam scene tersebut mendapatkan pengaruh atmosfer yang sama. c. Subset Wilayah Kajian Dari data citra satelit Landsat TM+ path/row 122/065, dilakukan cropping dengan data vektor Kodya Bogor pada koordinat 106o48'40'' BT dan -6o30'53'' LS sampai dengan106o46'22'' BT dan -6o40'08'' LS. Subset ini dimaksudkan untuk memudahkan dalam mengolah dan menganalisis daerah kajian. d. Klasifikasi Penutup Lahan Pada penelitian ini, proses klasifikasi penutupan lahan menggunakan metode klasifikasi terbimbing (Supervised Classification) dengan teknik maximum likelyhood. Metode klasifikasi ini menggunakan kanal 5, 4 dan 3. Klasifikasi terbimbing dilakukan dengan mencocokkan hasil penutupan lahan pada citra dengan kondisi di lapangan pada daerah kajian. Klasifikasi lahan dibedakan berdasarkan penutupan lahan dengan spektral paling nyata pada daerah kajian. Di wilayah Bogor, penutupan lahan dibedakan menjadi tujuh bagian, yaitu badan air, lahan terbangun, sawah, rumput/semak, ladang, vegetasi tinggi dan sawit.
Badan air pada penelitian ini didefinisikan sebagai kumpulan air yang besarnya antara lain bergantung pada relief permukaan bumi, curah hujan, suhu, dan sebagainya misal; sungai, rawa, danau, laut, dan samudra. Lahan terbangun didefinisikan sebagai perkerasan hasil tangan manusia baik berupa rumah, jalan beraspal dan sebagainya. Citra Landsat
Erdas Imagine 9.1 Layer Stacking Subset Image Geo Correction Supervised classification Recode Focal Majority Titik Uji
Fill
Tidak
Uji Akurasi
Ya Peta Tutupan Lahan Gambar 4
Diagram alir terbimbing lahan.
klasifikasi penutupan
Sawah adalah tanah yang digarap dan diairi untuk tempat menanam padi Rumput/semak adalah tumbuhan jenis ilalang yang berbatang kecil, batangnya beruas, daunnya sempit panjang atau tumbuhan perdu yg mempunyai kayukayuan kecil dan rendah Ladang adalah tanah yg diusahakan dan ditanami (ubi, jagung, dsb) dengan tidak diairi. Vegetasi tinggi didefinisikan sebagai tumbuhan yang berbatang keras, besar dan berkayu. Sawit merupakan perkebunan dengan dominasi kelapa sawit sebagai
10
komoditas utama penutupan lahan pada area tersebut. Proses selanjutnya, dilakukan uji akurasi untuk mengetahui akurasi dari klasifikasi lahan berdasarkan titik hasil
peninjauan di lapangan. Bila nilai akurasi lebih besar dari 85%, maka klasifikasi layak digunakan, tetapi bila nilai akurasi kurang dari 85% maka dilakukan klasifikasi ulang. .
Gambar 5 Badan air.
Gambar 6 Semak/rumput.
Gambar 7 Sawah kering.
Gambar 8 Vegetasi tinggi.
Gambar 9 Sawah berair.
Gambar 10 Sawit.
11
Gambar 11 Lahan terbangun.
Gambar 12 Ladang. 3.3.2.
Penentuan jarak dengan metode euclidean distance
3.3.3. Neraca Energi a. Perhitungan Suhu Permukaan (Ts) Suhu permukaan diperoleh melalui kanal 6 yang kemudian diekstraksi menjadi digital number, spectral radiance, suhu kecerahan dan suhu permukaan tiap penutupan lahan. • Konversi nilai Digital Number (DN) ke dalam nilai Spectral Radiance Persamaan yang digunakan untuk menghitung nilai spektral radiance dari nilai DN dalam Landsat 7 science data Users Handbook-chapter 11 (2003), adalah sebagai berikut : Lλ = Gain * QCAL + Offset ........... (11) Atau dapat juga dituliskan :
Klasifikasi Lahan
Arc Map 9.3 Polygon
LMAX (i ) LMIN (i ) L QCALMAX QCALMIN
QCAL QCALMIN LMIN (i )
..... (12)
Polygon sawah, rumput/semak, sawit, vegetasi tinggi,dan ladang Spatial Analysis Euclidean distance Zonal Statistic Titik amatan Jarak (Dsawah, Dsawit, Dveg, Dladang dan Dr/s) Gambar 13
Euclidean distance merupakan teknik penghitungan jarak antara dua objek dengan menggunakan teorema Phytagoras. Dalam penelitian ini, tiap lahan bervegetasi yang meliputi sawah, ladang, rumput/semak, sawit dan vegetasi tinggi akan dihubungkan dengan penutupan lahan yang serupa. Dengan demikian, akan dihasilkan fungsi jarak antar sawah yang satu dengan sawah yang lainnya dalam lokasi penelitian, begitupun dengan vegetasi tinggi, ladang, rumput/semak dan sawit. Jarak-jarak tersebut digunakan sebagai peubah penjelas yang selanjutnya akan digunakan sebagai penduga suhu permukaan di suatu titik amatan.
Diagram alir penentuan Euclidean distance.
di mana : Lλ = Spectral radiance pada kanal ke-i (Wm-2sr-1µm-1) QCAL = Nilai digital number kanal ke-i LMINi = Nilai minimum spectral radiance kanal ke-i LMAXi = Nilai maksimum spectral radiance kanal ke-i, minimum pixel value QCALMIN = 1 (LGPS Products) 0 (NPLAS Products) QCALMAX = Maksimum Pixel value (255) • Konversi nilai Spectral Radiance ke dalam suhu kecerahan Emisivitas, konduktivitas dan kapasitas panas sangat berpengaruh terhadap suhu permukaan. Spektral yang dapat digunakan untuk mengkaji kondisi suhu pada obyek di permukaan bumi adalah spektral termal.
12
Penggunaan spektral termal ini dapat dilakukan dengan analisis brightness temperature. Brightness temperature (TB) adalah perhitungan dari intensitas radiasi termal yang diemisikan oleh obyek. Satuan yang digunakan adalah satuan suhu, sebab terdapat korelasi antara intensitas radiasi yang diemisikan dan suhu fisik dari badan radiasi, di mana diasumsikan bahwa emisi radiasi pada permukaan obyek berwarna hitam adalah 1,0 (Khomarudin, 2005). Suhu kecerahan dihitung dengan menggunakan nilai spectral radiance yang diperoleh dari nilai digital number (USGS, 2002). Dengan mengetahui nilai spectral radiance, maka dapat diketahui nilai suhu kecerahannya melalui persamaan:
Subset image wilayah Kota Bogor Path/Row 122/ 065
Kanal 6
TB
Suhu Permukaan yang terkoreksi (K) = Suhu kecerahan (K)
δ
=
ζ
=
λ ε
Albedo (α)
Spectral radiance
Ts
di mana : TS
Kanal 3,4
Rs ↑
Ts
Rs ↓
Rs ↓
=
Rn
G
(δ = 1,438 X 10-23)
Tetapan Boltzman ( 1,38 X 101023 JK-1) Panjang gelombang radiasi emisi = (11,5 m) = Emisivitas Nilai emisivitas untuk lahan nonvegetasi yaitu sekitar 0.96 dan untuk lahan vegetasi sekitar 0.97. Sedangkan nilai emisivitas untuk air sekitar 0.98 (Artis dan Carnahan 1982 dalam Hermawan 2005). TB
.....(14) K2 K ln 1 1 L -2
-1
-1
dengan K1= 666.09 Wm sr m dan K2= 1282.71 Kelvin untuk Landsat ETM sedangkan untuk Landsat TM, K1= 607,76 Wm-2sr-1 m-1 dan K2 = 1260.56 Kelvin, TB adalah suhu kecerahan (Kelvin) dan Lλ adalah Spectral radiance pada kanal ke-i yang nilainya (17,04/255 ) DN (Radiance (Wm-2sr-1m-1). Persamaan suhu permukaan adalah sebagai berikut :
λE
H
Komponen Neraca Energi Gambar 14 Diagram alir penentuan suhu permukaan dan neraca energi. b. Albedo Pendugaan albedo dari citra Landsat dalam USGS (2002) dapat ditentukan melalui persamaan :
…..(15) di mana : d
=
ESUNλ = Cos ө
=
jarak astronomi bumimatahari rata-rata nilai solar spectral radiance sudut zenith matahari
Nilai d2 dapat diketahui dengan menentukan JD (Julian Date) yaitu jumlah hari dalam satu tahun yang dihitung sampai tanggal akuisisi data citra tersebut. Persamaan yang digunakan dalam penentuan jarak astronomi bumi-matahari d2 = (10.01674 Cos (0.98 JD-4))2..........(16)
13
NDVI
Tabel 5 Parameter perhitungan albedo Parameter Sudut elevasi matahari Irradiasi matahari jarak bumi ke matahari
Kanal 1
Kanal 2
Kanal 3
58032'
-58032'
58032'
1969
1840
1551
1.016707
1.016707
1.016707
Fluks Panas Tanah Fluks panas tanah dihitung berdasarkan hubungan antara radiasi netto (Rn), suhu permukaan (Ts) , albedo () dan NDVI yang dirumuskan oleh Allen et. al 2001 : (0.0038 …………….(17)
Fluks Panas Udara Fluks pemanasan udara dihampiri melalui persamaan :
dapat
……..(18) di mana H adalan Sensible Heat Flux, Rn adalan radiasi netto, G adalah fluks pemanasan udara dan adalah nisbah bowen. Nisbah bowen merupakan nilai perbandingan antara besarnya fluks pemanasan udara terhadap panas laten yang dirumuskan ebagai berikut: ……..(19) 3.3.4. Pembuatan model Data yang diperoleh dari hasil interpretasi pada citra, selanjutnya dijadikan sebagai peubah untuk menentukan atau menduga pengaruh luas dan jarak ruang terbuka hijau terhadap suhu permukaan. Tahapan pembuatan model dapat dilakukan sesuai tahapan pada Gambar 3. Penentuan Peubah Penentuan peubah dilakukan untuk mengetahui jenis peubah yang mempengaruhi ataupun dipengaruhi oleh model. Dalam menentukan jenis peubah, terlebih dahulu perlu dilakukan analisa hubungan tiap peubah. Pada penelitian kali ini, terdapat sepuluh peubah yang menjadi kajian penelitian, yaitu suhu permukaan, albedo, radiasi netto, fluks pemanasan tanah, fluks panas udara, sawah, sawit, vegetasi
tinggi, rumput/semak dan ladang. Peubah penjelas berupa sawah, sawit, vegetasi tinggi, rumput/semak dan ladang merupakan fungsi jarak yang diperoleh dari tahap 3.3.2. Penentuan Titik amatan Titik yang digunakan adalah titik pada penutupan lahan berupa lahan terbangun pada wilayah kajian. Pada titik-titik tersebut akan ditentukan berbagai peubah penjelas yang selanjutnya akan diekstraksi sebagai suatu model. Uji Asumsi Dalam memodelkan dengan menggunakan analisis regresi, maka diharapkan data mengikuti asumsi sebagai berikut : a) Galat dari peubah penjelas menyebar normal b) Ragam pada peubah penjelas homogen (homoskendastisitas) c) Diantara peubah penjelas tidak terdapat multikolinieritas dan bila terdapat multikolinieritas, maka hanya digunakan peubah inti yang merupakan peubah utama yang paling berpengaruh terhadap suhu permukaan. d) Galat pada model linier bersifat bebas antara satu observasi dengan observasi berikutnya atau yang biasa disebut dengan tidak ada autokorelasi antar galat pada model. Untuk mendeteksi ada atau tidaknya autokorelasi, dapat dilakukan dengan menggunakan statistik uji Durbin-Watson. Apabila nilai D-W berada di mendekati angka 2, maka tidak terjadi autokorelasi. Analisis Regresi Analisis regresi yang digunakan adalah dengan menghubungkan fluks pemanasan udara (heat), albedo, fluks pemanasan tanah, radiasi netto, vegetasi tinggi, rumput/semak, sawah, ladang dan sawit RTH yang diperoleh dari data yang telah diolah. Selanjutnya, ketiga prediktor tersebut akan dihubungkan dengan suhu permukaan titik amatan yang didasarkan pada koordinat titik tersebut. Penentuan Peubah yang Berpengaruh Pada saat meregresikan suatu prediktor terhadap peubah respon, akan ada beberapa prediktor yang tidak berpengaruh terhadap peubah penjelas,. Pada kondisi demikian, perlu adanya pemilihan prediktor yang berpengaruh dan selanjutnya dilakukan kembali analisis regresi. Transformasi Box-Cox Transformasi Box Cox diberlakukan kepada variabel respon, Y, yang harus
14
bertanda positif, transformasi kuasa berikut : (
dinyatakan dalam dengan persamaan
training area (Gambar 15) yang diperoleh dari pengecekan di lapang.
)⁄
…..(20) {
Salah satu metode penaksiran yang dapat digunakan ialah metode maksimum likelihood (Draper & Smith, 1981). Validasi Model Proses validasi model dimaksudkan untuk menguji kelayakan model untuk menduga titik-titik lain di wilayah kajian. Validasi dilakukan dengan menggunakan 20% dari titik amatan. Pada penelitian ini, diambil 229 titik amatan, sehingga data yang digunakan untuk validasi adalah sebanyak 59 data dengan titik tersebar secara acak dan mewakili seluruh wilayah kajian. Bila hasil validasi dianggap baik, maka persamaan dapat diaplikasikan kepada berbagai pihak yang terkait.
Badan air
Sawah
Vegetasi tinggi
Lahan terbangun
Rumput/semak
Ladang
IV HASIL DAN PEMBAHASAN 4.1. Kondisi Umum Kota Bogor Secara astronomis, Kota Bogor terletak pada 106o43’30’’ BT – 106o51’00’’ BT dan 6o30’30’’LS – 6o41’00’’LS dengan luas wilayah adalah 21.56 Km2. Dalam penelitian ini, wilayah Bogor yang dikaji terletak pada 106o48'40'' BT - 106o46'22'' BT dan 6o30'53'' LS - 6o40'08'' LS. Kota Bogor berada pada ketinggian 190 hingga 300 meter di atas permukaan laut. Wilayah ini terbilang sejuk dengan suhu udara rata-rata tiap bulannya adalah 26oC dengan kelembaban nisbi pada tahun 2006 sebesar 81%. Suhu terendah Bogor mencapai 21.8oC yang sering terjadi pada bulan Desember hingga Januari. 4.2. Klasifikasi Penutupan Lahan Menggunakan Citra Satelit Landsat Klasifiikasi penutupan lahan di Bogor melalui interpretasi citra satelit Landsat 5 TM+ pada tanggal akuisisi 18 Mei 2006 dilakukan dengan menggunakan klasifikasi terbimbing (supervised classification) menggunakan teknik maaximum likelyhood. Penutupan lahan (land cover) pada wilayah kajian diklasifikasikan menjadi tujuh kelas, yaitu badan air, lahan terbangun, ladang, rumput/semak, sawah, sawit dan vegetasi tinggi. Masing – masing diklasifikasikan berdasarkan kelas spektral melalui beberapa
Sawit Gambar 15 Trainning area pada klasifikasi tutupan lahan. Akurasi klasifikasi lahan tersebut diperoleh dengan mecocokkan hasil ground check dengan hasil klasifikasi pada citra. Berdasarkan uji akurasi, didapatkan bahwa klasifikasi lahan pada penelitian di area studi, sebesar 95.65% dan nilai kappa statistik sejumlah 0.9454. Nilai akurasi dan kappa tersebut menunjukkan adanya kesalahan klasifikasi sebesar 4.35% dengan perbedaan hasil klasifikasi terhadap ground truth sebesar 5.46% dari kondisi sebenarnya. Dengan demikian, klasifikasi penutupan pada penelitian ini telah menghampiri kondisi penutupan lahan yang sebenarnya pada wilayah kajian. Hal ini ditandai dengan nilai akurasi dan kappa statistik yang lebih dari 85%. Tabel 6
Klasifikasi penutupan lahan Bogor tahun 2006 Penutupan Luas Luas (%) Lahan (Ha) Badan air 505 4.7 Sawah 2357 22.1 Vegetasi tinggi 1704 15.9 Semak/rumput 2786 26.1
15
