114-216-1-pb.pdf

7/26/2019 114-216-1-PB.pdf

1/7

70

Jurnal Tanah dan Sumberdaya Lahan Vol 1 No 2: 70-76, 2014

http://jtsl.ub.ac.id

ESTIMASI DISTRIBUSI SPASIAL KEKERINGAN LAHAN DIKABUPATEN TUBAN MENGGUNAKAN PENGINDERAAN

JAUH DAN SISTEM INFORMASI GEOGRAFIS

Himawan Adiwicaksono1), Sudarto2)dan Widianto2)1)Mahasiswa Jurusan Tanah, Fakultas Pertanian, Universitas Brawijaya Malang

2)Dosen Jurusan Tanah, Fakultas Pertanian, Universitas Brawijaya Malang

Abstract

Increase population of people who followed by increasing need for people every year,can indirectly lead to landuse changes and global climate changes. Landuse changes and globalclimate changes can lead to dryness of the land. Droughts can be analyzed with remote sensing

and GIS (Geographic Information Systems). This research is to predict spatial distribution ofland droughts and its area using remote sensing and GIS technology based on soil moisture. Theresearch was conducted in Tuban, East Java in January 2013 - April 2013.

Method used in this research is a statistical approach using nonlinear regression analysisbetween index (NDSI, NDVI, NDWI) with a water content of soil moisture estimation modelsto get the land area of Tuban which is then used as a basis for spatial interpolation. Estimationthe distribution of land drought is analyzed based on validation data from soil moisture imagerywith pF 2.5 and pF 4.2. Extrapolation of the data is carried out by Land Unit Map pF, thenclassified into three classes, namely class dry (wilting point condition), humid class (availablewater content), and wet grade (water saturated).

Results show the Permanent wilting point condition is most commonly found in almostall districts with an area of Tuban 109,111.05 ha or 55% of the total area of Tuban. Water

conditions are available are found in the west as in the district of Tuban regency Kenduran andJatirogo and has an area of 20861.82 ha or 11% of the total area of Tuban. While the watersaturated conditions are found in the District Plumpang, Widang, and Cross and has extensive8951.22 ha or 4% of the overall total of Tuban.

Keyword: water content, remote sensing, GIS

PendahuluanJumlah penduduk yang bertambah

diikuti dengan meningkatnya kebutuhanmanusia setiap tahunnya, secara tidak

langsung dapat menyebabkan terjadinyaperubahan penggunaan lahan. Perubahanpenggunaan lahan tersebut dapat memicuterjadinya kekeringan lahan. Di Indonesia,tingkat perubahan penggunaan lahan terjadisangat signifikan, hutan di Indonesia telahmenyusut. Penyusutan hutan di Jawasampai tahun 2001 seluas 90,5 %, Sumatera59 %, Nusa Tenggara 74,5 %, Kalimantan38,8 %, Sulawesi 49,6 %, dan rata-ratauntuk Indonesia adalah 54,4 %(Chandrawidjaja, 2006). Faktor lain yang

menyebabkan kekeringan adalah terjadinyaperubahan iklim global. Syahbudin et al.

(2004) melaporkan bahwa perubahan iklimglobal telah terjadi di Indonesia, hal iniberkaitan dengan terjadinya peningkatanjumlah curah hujan tahunan di wilayah

timur Indonesia, berkisar antara 490mm/tahun (Sulawesi Selatan) hingga 1.400mm/tahun (Jawa Timur). Diikuti olehpeningkatan suhu siang dan malam hariantara 0,5-1,1 oC dan 0,6-2,3 oC. Sedangkandi wilayah barat Indonesia terjadisebaliknya, dimana terdapat tendensipenurunan curah hujan tahunan sekitar135-860 mm/tahun, dengan peningkatansuhu siang dan malam hari antara 0,2-0,7oC. Sesuai dengan data-data di atas, tanda-tanda terjadinya perubahan iklim global

tersebut juga terlihat dari makin cepatnyaperiode El Nino menerpa Indonesia, yang

7/26/2019 114-216-1-PB.pdf

2/7

71



semula terjadi untuk 5-6 tahun sekali,menjadi 2-3 tahun sekali. El Nino adalahpenyimpangan cuaca di lautan Pasifikdimana kondisi lautan sedang memanas,sehingga mempengaruhi cuaca wilayahsekitarnya termasuk Indonesia (Nurmayati,2003). Fenomena El-Nino akanmenyebabkan terjadinya kemarau panjangdan kondisi ini akan lebih parah jika suatudaerah secara alamiah mempunyai tingkatketersediaan air yang kurang. Perubahanpenggunaan lahan, dapat menggangukeseimbangan iklim. Oleh karena itu,apabila siklus tersebut terganggu makapenyediaan dan kebutuhan air untukpertanian juga akan terganggu. Denganteknologi inderaja dan SIG hal tersebut bisadiatasi karena karakteristik citrapenginderaan jauh menyajikan data-datalapangan yang utuh dan lengkap sehinggaanalisis dapat dilakukan pada daerah yangsulit dijangkau ataupun pada cakupan suatuwilayah yang luas. Penerapan teknologitersebut diharapkan mampu meminimalisirbiaya dan waktu yang diperlukan.

Berdasarkan hal tersebut diatas makapenelitian ini dilakukan untuk mengestimasidistribusi kekeringan lahan secara spasialdengan mempertimbangkan faktor-faktoryang mempengaruhinya memanfaatkaninformasi dari faktor-faktor kekeringanyang diekstraksi dari Band citra Landsat 7ETM+.

Metodologi

Tempat dan WaktuPenelitian ini dilaksanakan di KabupatenTuban Provinsi Jawa Timur (Gambar 1).Analisis lengas tanah dilakukan diLaboratorium Fisika Tanah, sedangkan

analisis spasial dan pemetaan dilaksanakandi Laboratorium Pedologi dan SistemInformasi Sumberdaya Lahan (PSIDL)Jurusan Tanah Universitas Brawijaya.Penelitian dilaksanakan pada bulan Januari2012 - April 2013.

Gambar 1. Peta Administrasi KabupatenTuban

Pengolahan Citra SatelitCitra satelit yang dipergunakan ialah

citra satelit Landsat 7 ETM+ peliputan 25Agustus 2012 pukul 14.30 WIB yangkemudian dilakukan perbaikan SLC Off,

koreksi radiometrik dan geometrik. Setelahitu dilakukan transformasi citra kedalambentuk indeks lahan NDSI, NDVI danNDWImelalui persamaan:NDSI = 50 * (Band 5Band 4)/

(Band5 + Band 4) + 50NDVI = 50 * (Band 4Band 3)/

(Band 4 + Band 3) + 50NDWI = 50 * (Band 3Band4)/

(Band 3 + Band 4) + 50

Survei Lapangan

Dilakukan untuk verifikasi datapenggunaan lahan, landforms sertapengambilan sampel lengas tanah. Surveilapangan dilakukan dengan bantuan GPS(Global Positioning System), bor tanah,kompas, dan peta dasar sebagai acuan. GPSdigunakan untuk menentukan koordinatposisi dari setiap titik pengamatan baikpenggunaan lahan, landforms dan sampellengas tanah. Sampel lengas tanah diambilpada kedalaman tanah 0-20 cm denganmenggunakan bor tanah. Kompas

7/26/2019 114-216-1-PB.pdf

3/7

7/26/2019 114-216-1-PB.pdf

4/7

73



Gambar 3. Grafik Hubungan antara NDSIdengan Kadar Air

Persamaan regresi tersebut jugamenunjukkan bahwa setiap peningkatannilai indeks tanah (NDSI) sebesar 1 (satu)satuan akan memberikan pengaruh negatifpada kelengasan lahan sebesar 9,05 %.

Hubungan NDVI dengan Kadar AirGrafik regresi linier (Gambar 4)

menunjukan indeks vegetasi (NDVI)berkorelasi positif dengan kelengasan lahanPersamaan yang terbentuk dari grafikregresi y = 1.638x - 68.07 dan memilikikoefisien determinasi R2 = 0,432. Nilai R2tersebut menunjukan bahwa sebesar 43%dari nilai kelengasan lahan dipengaruhi olehindeks vegetasi (NDVI). Persamaan regresitersebut juga menunjukkan bahwa setiappeningkatan nilai indeks vegetasi (NDVI)sebesar 1 (satu) satuan akan memberikanpengaruh positif pada kelengasan lahansebesar 1,64 %.

Gambar 4. Grafik Hubungan antaraNDVIdengan Kadar Air

Hubungan NDWI dengan Kadar AirGrafik regresi (Gambar 5)

menunjukan indeks air (NDWI)berkorelasipositif dengan kelengasan lahan. Persamaanyang terbentuk dari grafik regresi y =3,868x 304,1 dan memiliki koefisiendeterminasi R2 = 0,559. Nilai R2 tersebutmenunjukan bahwa sebesar 56% dari nilai

kelengasan lahan dipengaruhi oleh indeks

air (NDWI). Persamaan regresi tersebutjuga menunjukkan bahwa setiappeningkatan nilai indeks air (NDWI)sebesar 1 (satu) satuan akan memberikanpengaruh positif pada kelengasan lahansebesar 3,87 %.

Gambar 5. Grafik Hubungan antara NDSIdengan Kadar Air

Pendugaan Kelengasan LahanMenggunakan Indeks Lahan

Dari hasil analilis statistik me-nunjukan adanya keterkaitan yang kuatantara indeks lahan satu dengan indekslahan lainnya, ini ditunjukan denganbesarnya nilai Pearson correlation yang tinggi(Tabel 1) yang mencapai > 0,75.

Tabel 1. Hasil Perhitungan Korelasi

Kadar Air NDSI NDWI

NDSI -0,567

0,00

NDWI 0,774 -0,824

0,00 0,00

NDVI 0,651 -0,778 0,864

0,00 0,00 0,00

Cell Contents: Pearson correlationP-Value

Oleh karena itu dilakukan analisiskomponen utama agar tidak terjadi

kolinearitas antar indeks lahan tersebut.Hasil transformasi analisis komponenutama digunakan sebagai variabel baruuntuk menjelaskan variabel tidak bebas(kelengasan lahan). Setelah dilakukananalisis komponen utama dilakukan makadidapatkan persamaan baru yaitu IndeksLahan = 0,121 (NDSI) 0,908 (NDVI)0,401 (NDWI). Indeks lahan tersebutkemudian diregresikan kembali dengankelengasan lahan (KA) dan memperolehpersamaan y = -108,1 1,562 (Indeks

Lahan), dengan R2= 0,47.

y = -9,050x + 60,06

R = 0,348

0

50

100

0 2 4 6 8KelengasanLahan(%)

Indeks Tanah (NDSI)

y = 1,638x - 68,07

R = 0,432

0

50

100


Indeks Vegetasi (NDVI)

y = 3,868x - 304,1

R = 0,559

0

50

100


Indeks Air (NDWI)

7/26/2019 114-216-1-PB.pdf

5/7

74



Untuk menduga model estimasi yangterbaik maka dilakukan beberapa metodeanalisis regresi nonlinier antara indeks lahandengan kelengasan lahan (KA), dandiperoleh metode ekponensial sebagaimetode terbaik untuk pendugaankelengasan lahan. Dari hasil analisis regresinonlinier tersebut diperoleh persamaan y =62,28 e-0.02x dengan nilai R = 0,56 (Gambar5). Citra Kadar Air dapat dilihat padaGambar 6.

Gambar 5. Grafik hubungan antara IndeksLahan Dengan Kadar Air

Gambar 6. Citra Kadar Air Massa Peliputan25 Agustus 2012 KabupatenTuban

Validasi PermodelanDari analisis regresi Kadar Air Model

dengan Kadar Air Lapangan memperoleh

persamaan y = 0,845x

1,110 dengan nilai

koefisien determinasi R = 0,794 (Gambar7).

Gambar 7. Grafik Hubungan antara KadarAir dengan Kadar Air Model

Persamaan regresi tersebutmenunjukkan bahwa sebesar 79% dari nilaikadar air lapangan dipengaruhi oleh Kadarair model. Persamaan regresi tersebut jugamenunjukan bahwa setiap peningkatan nilaikadar air model sebesar 1% akanmemberikan pengaruh positif pada kadarair lapangan (KA) sebesar 0,845 %.

Dengan demikian untuk menentukankadar air di Kabupaten Tuban, modelpendugaan kelengasan lahan pada penelitiandapat digunakan dengan menggunakan

transformasi citra satelit NDVI, NDSI,NDWI atau dengan kata lain kelengasanlahan dapat diduga dengan memanfaatkancitra satelit.

Estimasi Distribusi Spasial KekeringanLahan

Pendugaan sebaran kekeringan lahandianalisis berdasarkan data hasil validasicitra kelengasan lahan dengan karakteristikfisik lahan (kurva pF) yang dapat dilihatpada Gambar 8 dan Gambar 9, sedangkan

luasannya dapat dilihat pada Gambar 10.

y = 62.281e-0.02x

R = 0.5614

0

20

40

60

80

100

0 50 100

KadarAir(%)

Indeks Lahan

y = 0.8458x - 1.1102

R = 0.7941

0

20

40

6080

100

0 20 40 60 80

KadarAir(%

)

Kadar Air Model (%)

7/26/2019 114-216-1-PB.pdf

6/7

75



Gambar 8. Peta Sebaran KarakteristikLahan (kurfa pF) diKabupaten Tuban (Sudarto,2012)

Gambar 9. Peta Tingkat Ketersediaan AirKabupaten Tuban pada Tanggal25 Agustus 2012

Gambar 10. Persentase Luas kekeringanLahan Kabupaten Tuban

Dari Gambar 10 dapat dilihat terdapat3 kondisi ketersediaan air, yaitu Titik layupermanen (kering), Air tersedia (lembap),dan Jenuh air (basah) yang menempatisebagian besar Kabupaten Tuban, danmemiliki luas 138.924,09 ha atau 70% daritotal keseluruhan Kabupaten Tuban dansisanya adalah nodata. Kondisi titik layupermanen adalah yang paling banyakditemukan hampir diseluruh KabupatenTuban dengan luas 109.111,05 ha atausebesar 55% dari total luas KabupatenTuban. Kondisi Air tersedia banyakditemukan di sebelah barat Kabupatentuban seperti di Kecamatan Kenduran danJatirogo serta memiliki luas 20.861,82 haatau sebesar 11% dari total luas KabupatenTuban. Sedangkan kondisi Jenuh air banyakditemukan di Kecamatan Plumpang,Widang, dan Palang serta memiliki luas8.951,22 ha atau sebesar 4% dari total luaskeseluruhan Kabupaten Tuban.

Kesimpulan dan SaranDiperoleh hasil formula terbaik untuk

menduga kelengasan lahan menggunakancitra satelit Landsat 7 ETM+ peliputan 25Agustus 2012 adalah persamaan y = 62,28

e-0.02x, dimana x = indeks lahan dan y =kadar air, dengan hasil pengujian validasimodel pendugaan di daerah yang samadiperoleh nilai R2 yang signifikan yaitusebesar 0,79. Ini menunjukkan bahwasebesar 79% dari nilai kelengasan lahanlapangan dipengaruhi oleh kelengasan lahanmodel.

Dengan demikian untuk menentukankelengasan lahan di Kabupaten Tuban,model pendugaan kelengasan lahan padapenelitian ini dapat digunakan dengan

menggunakan transformasi citra satelit

Kering

55%

Lembap

11%

Basah

4%

No Data

30%

7/26/2019 114-216-1-PB.pdf

7/7

76



NDVI, NDSI, NDWIatau dengan kata lainkelengasan lahan dapat diduga denganmemanfaatkan citra satelit.Penelitian selanjutnya untuk estimasidistribusi spasial kekeringan yang bersifatpotensial, diperlukan citra yang lebih baik(Landsat 8) dan bertempo (time series).

Daftar PustakaChandrawidjaja, R. 2006. Banjir Dan

Kekeringan, Apakah Salahku?. KetuaPusat Kajian Sistem SumberdayaDaerah Rawa-UNLAM.http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003. Dikutip tanggal 4Oktober 2012.

Dirgahayu, D.D. 2006. Pengembangan ModelPendugaan Kelengasan LahanMenggunakan Data Modis. jurnalpenginderaan jauh dan pengolahandata citra digital (Journal of RemoteSensing and Digital Image Processing)Vol. 3 No. 1 juni 2006.

Lillesand, T.M, Kiefer, R.W., 2000. RemoteSensing & Image Interpretation. 4thEdition. John Willey & Sons, Inc,.New York.

Nurmayati, T. 2003. Analisis TingkatKekeringan dan Periode Musim KemarauPada Saat Normal dan El nino di ProvinsiRiau. Skripsi. Departemen Geofisikadan Meteorologi. FMIPA. IPB. Bogor.

Sudarto, 2012. Laporan Penelitian PembuatanPeta Kesesuaian Lahan Untuk Tebu Skala1:50.000 di Kabupaten Tuban.Universitas Brawijaya. Malang.

Syahbuddin, H. 2004. Zonasi WilayahKekeringan Tanaman Pangan. Inovasionline. ISSN : 0917-8376 | EdisiVol.2/XVI/November 2004 IPTEK. http://io.ppi-jepang.org/article.php?id=39. Dikutiptanggal 4 Oktober 2012.
http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003http://io.ppi-jepang.org/article.php?id=39http://io.ppi-jepang.org/article.php?id=39http://io.ppi-jepang.org/article.php?id=39http://io.ppi-jepang.org/article.php?id=39http://io.ppi-jepang.org/article.php?id=39http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003http://groups.google.co.id/group/mahasiswas/browse_thread/thread/da3fe636a1a7aca6/621251bcbb37f003%23621251bcbb37f003

114-216-1-pb.pdf

Documents