32 Tabel 2. Kriteria dan Peringkat pada Kelas Faktor untuk Kerentanan terhadap
Rawan Pangan Transien Faktor Indikator
Kriteria Kelas Peringkat
1. Area bervegetasi, terutama hutan
1. 10 2.10 – 20
3. 20 – 30 4. 30 – 40
5. 40 – 50 6. = 50
1. Sangat rawan pangan 2. Rawan
3. Agak rawan 4. Cukup tahan pangan
5. Tahan 6. Sangat tahan
2. Deviasi Anomali Curah Hujan 1. 50
2. 30 – 50 3. 20 – 30
4. 10 – 20 5. 1 – 10
6. 1 1. Sangat rawan pangan
2. Rawan 3. Agak rawan
4. Cukup tahan pangan 5. Tahan
6. Sangat tahan
3. Lahan terdegradasi akibat erosi, longsor
1. = 30 2. 25 – 30
3. 20 – 25 4. 10 – 20
5. 5 - 10 6. 5
1. Sangat rawan pangan 2. Rawan
3. Agak rawan 4. Cukup tahan pangan
5. Tahan 6. Sangat tahan
4. Padi yang puso akibat kekeringan, banjir di lahan sawah
1. = 15 2. 10 – 15
3. 5 – 10 4. 3 – 5
5. 1 – 3 6. 1
1. Sangat rawan pangan 2. Rawan
3. Agak rawan 4. Cukup tahan pangan
5. Tahan 6. Sangat tahan
Sumber : BKP dan WFP 2005 Pengembangan metode dalam penelitian ini adalah untuk menghasilkan
informasi spasial setiap faktor Kerentanan berbasis piksel grid. Modifikasi dilakukan terhadap kriteria yang digunakan dan pemberian nilai skor setiap kelas
dalam bentuk persamaan Regresi.
3.3.3. Faktor Persentase Vegetasi
Dalam penelitian ini, faktor persentase area hutan diganti dengan faktor luas lahan bervegetasi rapat atau yang memiliki tingkat kehijauan cukup tinggi,
terutama lahan sawah. Modifikasi dilakukan, karena tidak semua kabupaten memiliki hutan. BKP dan WFP 2009 menyatakan bahwa Persentase vegetasi
terkait dengan mekanisme penangkapan air dalam siklus hidrologi serta faktor yang dapat mencegahmengurangi terjadinya degradasi lahan akibat erosi,
banjir, maupun longsor . Persentase hutan sebesar 10 merupakan batas minimum yang ditetapkan pada suatu wilayah kabupaten, sehingga oleh para
pakar dikategorikan pada kelas 1 sangat rawan jika persentase luas area hutan
kurang dari 10 .
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
33 Informasi spasial vegetasi dapat diperoleh dari hasil pengolahan citra data
satelit MODIS Moderate Resolution Imaging Spectroradiometer melalui
parameter Indeks Vegetasi EVI = Enhanced Vegetation Index. Kriterianya adalah sebagai berikut :
PV = 100 IVh A
1
Dimana :
PV
: Persentase vegetasi
IVh
: jumlah luas piksel-piksel yang memiliki nilai EVI EVI
t
, dimana EVI
t
merupakan nilai batas treshold terendah dari EVI maksimum tanaman di lahan sawah dapat diperoleh berdasarkan statistik análisis
spasial EVI multemporal selama musim tanam padi di lahan sawah Uchida, 2010.
A
: luas area berbasis desa atau total jumlah piksel dalam suatu box Filter berukuran 3x3.
Formula untuk mengihtung indeks vegetasi EVI adalah sebagai berikut Heute et al., 1999 :
EVI = 2.5 R2 – R11 + R2 + 6R1 – 7.5R3 2
Dimana : R1,R2,dan R3 : Reflektansi kanal infra merah dekat, merah, dan biru data
MODIS terkoreksi radiometrik dan geometrik level 2. EVI merupakan salah satu parameter Indeks Vegetasi yang dikembangkan
untuk mengatasi kekurangan yang dialami NDVI Normalize Difference Vegetation Index
, yaitu dengan menambahkan reflektansi kanal biru R3 yang dapat mengeliminasi pengaruh awan tipis dan kandungan aerosol di atmosfer.
EVI merupakan produk level 2 yang telah melalui proses koreksi radiometrik, atmosferik dan geometrik terhadap data level 1B digital number untuk
menghasilkan reflektansi terkoreksi Heute et al., 1999; Heute et al., 2002; Xiao
et al., 2003
Dengan kriteria tersebut, maka suatu daerah yang tidak memiliki area hutan dapat diperoleh informasi spasial persentase vegetasinya, terutama lahan
sawah. Persentase dihitung berdasarkan 9 piksel disekelilingnya dalam suatu kotak window bergerak ukuran 3x3 piksel. Ilustrasi perhitungan PV pada suatu
area citra berukuran 5 x 5 kolom baris piksel disajikan dalam Gambar 6.
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
34
0.235 0.237 0.235 0.239 0.236 0.123 0.315 0.415 0.325 0.343
0.127 0.415 0.415 0.415 0.346 0.122 0.375 0.415 0.345 0.344
0.351 0.355 0.321 0.351 0.341
PV
3,3
= 49 = 56 Gambar 6. Contoh Perhitungan nilai PV piksel yang memiliki nilai EVI
0,4 pada posisi baris ke-3 dan kolom ke-3
3.3.4. Faktor Anomali Curah hujan ACH