BAB III METODE PENELITIAN
3.1 Tempat dan Waktu
Penelitian dilakukan dari bulan Juli sampai September 2011 di Kabupaten Sidoarjo, Jawa Timur. Pengolahan data dilakukan di Laboratorium Analisis
Lingkungan dan Pemodelan Spasial, Departemen Konservasi Sumberdaya Hutan dan Ekowisata, Fakultas Kehutanan Institut Pertanian Bogor.
Sumber: Peta RTRW Kab. Sidoarjo Peta RBI dengan modifikasi
Gambar 1 Peta wilayah administrasi Kabupaten Sidoarjo.
3.2 Alat dan Bahan
Alat yang digunakan dalam penelitian ini adalah seperangkat komputer yang dilengkapi dengan paket Sistem Informasi Geografis perangkat keras dan
lunak dengan software Erdas Imagine 9.1, ArcGIS 9.3, Minitab 14. Alat yang digunakan di lapangan meliputi Global Positioning System GPS receiver,
kamera digital, dan alat tulis. Bahan yang digunakan dalam penelitian ini adalah citra Landsat 7 ETM
pathrow 118065 Kabupaten Sidoarjo dengan tanggal akuisisi 28 Mei 2011, peta administrasi Kabupaten Sidoarjo dan peta Rupa Bumi Indonesia RBI.
3.3 Pengolahan Citra Satelit Landsat
3.3.1 Perbaikan citra image restoration
Perbaikan citra perlu dilakukan terhadap data citra satelit, yang dimaksudkan untuk memperbaiki data citra yang mengalami distorsi pada saat
ditransmisikan ke bumi, ke arah gambaran yang lebih sesuai dengan gambaran sebenarnya. Koreksi geometrik bertujuan untuk memulihkan citra agar koordinat
citra sesuai dengan koordinat geografi. Hal pertama yang perlu dilakukan dalam koreksi geometrik adalah
penentuan tipe proyeksi dan sistem koordinat yang akan digunakan. Penyeragaman data-data ke dalam sistem koordinat dan proyeksi yang sama perlu
dilakukan, guna mempermudah dalam proses pengintegrasian data-data selama penelitian. Proyeksi yang digunakan dalam penelitian ini adalah Universal
Transverse Mercator UTM dan sistem koordinat geografik menggunakan garis latitude garis barat-timur dan garis longitude garis utara-selatan.
3.3.2 Pemotongan citra subset image
Pemotongan citra dilakukan dengan memotong wilayah yang menjadi obyek penelitian, dimana peta administrasi Kabupaten Sidoarjo hasil digitasi peta
digital dijadikan acuan pemotongan citra. Batas wilayah yang akan dipotong dibuat dengan area of interest aoi, yaitu pada wilayah yang termasuk ke dalam
Kabupaten Sidoarjo.
3.3.3 Klasifikasi citra image classification
Persiapan yang harus dilakukan sebelum melakukan pengklasifikasian adalah menetapkan kelas-kelas spektral yang terliput oleh citra satelit, kemudian
membuat aturan penetapan klasifikasi setiap piksel ke dalam kelas-kelas yang telah ditentukan. Pemilihan kelompok-kelompok piksel ke dalam kelas klasifikasi
merupakan proses pemilihan obyek feature selection. Dalam penelitian ini, untuk klasifikasi citra menggunakan proses
klasifikasi terbimbing supervised classification yang prosesnya melalui pemilihan kategori informasi atau kelas yang diinginkan dan kemudian memilih
daerah latihan training area yang mewakili tiap kategori. Tahapan yang dilakukan dalam klasifikasi terbimbing menggunakan software Erdas Imagine 9.1
1. Pengenalan pola-pola spektral yang ditampilkan oleh citra dengan berpedoman pada titik kontrol yang diambil pada lokasi penelitian
menggunakan GPS receiver. 2. Pemilihan daerah area of interest yang diidentifikasi sebagai satu tipe
penutupan lahan berdasarkan pola-pola spektral yang ditampilkan oleh citra. 3. Proses klasifikasi citra yang dilakukan secara otomatis oleh komputer
berdasarkan pola-pola spektral yang telah ditetapkan pada saat proses pemilihan daerah.
4. Menggabungkan daerah-daerah yang memiliki tipe penutupan lahan yang sama recode.
5. Pengkoreksian citra hasil klasifikasi dengan membandingkannya dengan citra sebelum diklasifikasi.
Setelah dilakukan pengoreksian terhadap citra hasil klasifikasi, dilakukan uji akurasi. Penutupan lahan di wilayah Kabupaten Sidoarjo dibedakan menjadi
lahan terbuka, lahan terbangun, rumput dan semak, sawah, ladang, vegetasi rapat, vegetasi jarang, badan air dan tidak ada data.
3.3.4 Pengolahan citra landsat band 6 untuk estimasi suhu permukaan
Untuk estimasi nilai suhu permukaan, dibangun sebuah model pada model maker pada software Erdas Imagine 9.1 untuk mengkonversi nilai-nilai piksel
pada band 6 Landsat 7 ETM. Dalam hal ini yang perlu diperhatikan adalah nilai DN Digital Number untuk dilakukan konversi menjadi nilai spektral radiansi.
Berikut adalah rumus yang digunakan untuk mengkonversi nilai digital menjadi nilai spektral radiansi USGS 2002, YCEO 2010.
��
R1
=
���
−
� �
��
��
− ��
�
× �� − ��
�
+
� �
keterangan: CV
R1
: the cell value as radiance QCAL
: digital number L
MINi
: spectral radiance scales to QCALMIN L
MAXi
: spectral radiance scales to QCALMAX QCAL
MIN
: 1 LGPS Products; 0 NPLAS Products QCAL
MAX
: Maximum pixel value 255
Dengan diketahuinya nilai spektral radiansi, selanjutnya nilai spektral radiansi tersebut dikoreksi dengan memasukkan faktor emisivitas.
��
2
= ��
1
− ↑ ��
− 1
− � �
↓
keterangan: CV
R2
: the atmospherically corrected cell value as radiance CV
R1
: the cell value as radiance L↑
MINi
: upwelling Radiance 0,50 L↓
MAXi
: downwelling Radiance 0,84
ɛ
: transmittance 0,93
τ
: emissivity typically 0.95
Kemudian dilakukan konversi spektral radiansi yang terkoreksi untuk mengetahui suhu permukaan USGS 2002:
� = 2
ln
1 �� 2
+1
Tabel 2 Konstanta K1 dan K2 untuk Landsat 5TM dan Landsat 7ETM
Satelit K1 Wm
2
sterµm K2 Kelvin
Landsat 5TM 607.76
1260.56 Landsat 7ETM
666.09 1282.71
Sumber : USGS 2002
3.4 Penentuan Jarak dengan Metode
Euclidean Distance
Euclidean distance merupakan teknik penghitungan jarak antara dua obyek dengan menggunakan teorema phytagoras. Dalam penelitian ini, kelas
penutupan lahan yang meliputi rumput dan semak, sawah, ladang, vegetasi rapat dan vegetasi jarang akan dihubungkan dengan penutupan lahan yang serupa.
Dengan demikian, akan dihasilkan fungsi jarak antar vegetasi rapat yang satu dengan vegetasi rapat yang lainnya dalam lokasi penelitian, begitupun
dengan rumput dan semak, sawah, ladang serta vegetasi jarang. Jarak-jarak tersebut digunakan sebagai peubah penjelas yang selanjutnya akan digunakan
sebagai penduga suhu permukaan di suatu titik amatan.
Keterangan : T
: Suhu Efektif K K2
: Konstanta Kalibrasi 2 K1
: Konstanta Kalibrasi 1 CV
R2
: Nilai radiansi terkoreksi
3.5 Pembuatan Model
Data yang diperoleh dari hasil interpretasi pada citra, selanjutnya dijadikan sebagai peubah untuk menentukan atau menduga pengaruh jarak RTH terhadap
suhu permukaan. 1. 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, peubah yang menjadi kajian penelitian yaitu suhu
permukaan, rumput dan semak, sawah, ladang, vegetasi rapat dan vegetasi jarang. Peubah penjelas berupa rumput dan semak, sawah, ladang, vegetasi
rapat dan vegetasi jarang merupakan fungsi jarak yang diperoleh dari tahap penentuan jarak dengan metode euclidean distance.
2. Penentuan Titik Amatan Titik yang digunakan adalah titik pada penutupan lahan berupa lahan
terbangun dan lahan terbuka pada wilayah kajian. Pada titik-titik tersebut akan ditentukan berbagai peubah penjelas yang selanjutnya akan diekstraksi sebagai
suatu model. 3. 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 mendekati angka 2, maka tidak terjadi autokorelasi.
4. Analisis Regresi Analisis regresi yang digunakan adalah dengan menghubungkan suhu
permukaan, rumput dan semak, sawah, ladang, vegetasi rapat dan vegetasi jarang yang diperoleh dari data yang telah diolah. Selanjutnya, kelima
prediktor tersebut akan dihubungkan dengan suhu permukaan titik amatan yang didasarkan pada koordinat titik tersebut.
5. 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. 6. Validasi Model
Proses validasi model dimaksudkan untuk menguji kelayakan model untuk menduga titik-titik lain di wilayah kajian. Pada penelitian ini diambil 336 titik
amatan. Validasi dilakukan dengan menggunakan 50 dari titik amatan, sehingga data yang digunakan untuk validasi adalah sebanyak 168 data
dengan titik tersebar secara acak dan mewakili seluruh wilayah kajian.
3.6 Survey Lapangan