APLIKASI PENGINDERAAN JAUH UNTUK DETEKSI PERUBAHAN TEMPERATUR AKIBAT PERUBAHAN VEGETASI DI KABUPATEN INDRAGIRI HULU, PROPINSI RIAU

RICKY RUSENDI LUBIS NIM. 0606113899 The guide are Besri Nasrul, M.Si and Ir. Idwar M.S Abstract Remote sensing far as a technology which can do change vegetation monitoring. Space monitoring of related to correlation between vegetation and temperature can be done by using satellite image, specially Landsat imagery have ability in detecting vegetation cover and temperature. Landsat imagery also able to give information hit to unfold and the landcover by spasial with coverage area which enough wide ( 185 km x 185 km). this condition vegetation cover can be analysed by Normalized Difference Vegetation Index ( NDVI ) and assistively is Band Thermal earn is also analysed temperature change in an region. This research aim to to can know relation of between temperature change resulted by change vegetation wide in upstream Indragiri regency of riau province Research procedure done cover some step, that is ready data, collecting data and processing imagery Landsat. Processing data consisted of some step, that is: pre processing, processing and analyse imagery. Regency Indragiri Pate Temperature change from year 2005 till year 2008 equal to 0.62 C resulted a reduction vegetation existence for the width of 82.839.69 ha. And for the farm use detail happened the wide addition of oil falm use 61.693.61 ha ( 29.33%) and the temperature mount 0.58 0C, rubber 17.414.14 ha ( 17.71%) and the temperature mount 0.82 0C, forest 98.947.44 ha ( 37.72%) and the temperature mount 0.56 0C. Keyword: Remote sensing, Vegetation, NDVI, Temperature, Landuse

APLIKASI PENGINDERAAN JAUH UNTUK DETEKSI PERUBAHAN TEMPERATUR AKIBAT PERUBAHAN VEGETASI DI KABUPATEN INDRAGIRI HULU, PROPINSI RIAU RICKY RUSENDI LUBIS NIM. 0606113899 Pembimbing Besri Nasrul, M.Si dan Ir. Idwar M.S Abstract Penginderaan jauh sebagai suatu teknologi yang dapat melakukan pemantauan perubahan vegetasi. Pemantauan ruang yang berkaitan dengankorelasi antara vegetasi dan temperatur dapat dilakukan dengan menggunakan citra satelit, khususnya citra Landsat mernpunyai kemampuan dalam deteksi tutupan vegetasi dan temperatur. Citra Landsat juga mampu memberikan informasi mengenai bentangdan penutup lahan secara spasial dengan daerah cakupan yang cukup

Iuas (185 km x 185 km). Kondisi tutupan vegetasi ini dapat dianalisis dengan Normalized Difference Vegetation Index (NDVI ) dan dengan dibantu Band Termal dapat juga dianalisis perubahan temperatur di suatu wilayah. Penelitian ini bertujuan untuk untuk dapat mengetahui hubungan antara perubahan suhu menghasilkan perubahan luas oleh vegetasi di hulu Kabupaten Indragiri provinsi riau. Prosedur penelitian yang dilakukan meliputi beberapa tahapan, yaitu, penyedian, pengumpulan data citra dan pengolahan data. Pengelolahan data yang terdiri dari beberapa tahapan, yaitu: Pra pengelolahan citra, pengelolahan citra dan analisis. Perubahan temperatur Kabupaten Indragiri Hulu dari tahun 2005 hingga tahun 2008 sebesar 0.62C yang diakibatkan adanya pengurangan vegetasi seluas 82.839.69 ha. Dan untuk perincian penggunaan lahan terjadi penambahan luas penggunaan lahan kelapa sawit 61.693.61 ha (29.33%) dan temperatur meningkat 0.58 0C, karet 17.414.14 ha (17.71%) dan temperatur meningkat 0.82 0C, hutan 98.947.44ha (37.72%) dan temperatur meningkat 0.56 0C Kata kunci: Penginderaan Jauh, Vegetasi, NDVI, Temperatur, Penggunaan Lahan I. PENDAHULUAN 1.1 Latar Belakang Konsekuensi pertumbuhan penduduk danpeningkatan laju pembangunan tidak selalu memberi dampak positif bagi kehidupan manusia dan lingkungan. Konsekuensi pembangunan adalah terjadinya budidaya lahan. Budidaya lahan akan menimbulkan permasalahan manakala terjadi konversi dari lahan bervegetasi menjadi lahan terbangun. Beberapa hasil penelitian menyebutkan bahwa berkurangnya lahan vegetasi menyebabkan berkurangnya air tumbuhan, meningkatnya air larian (direct runoff), (Suroso dkk,2007 dalam Sukristiyanti 2009). Selain itu kontribusi yang cukup penting bagi perubahan iklim di suatu daerah (Givoni,1992 dalam Andriyadi 2004). Salah satu perubahan iklim yang dirasa cukup penting adalah perubahan temperatur (suhu permukaan). Vegetasi dan temperatur mempunyai hubungan yang erat.Semakin tinggi vegetasi pada suatu lahan, maka sernakin rendah temperatur di sekitar lahan tersebut. Oleh karena itu budidaya lahan perlu dilakukan dengan memperhatikan segala dampak yang ditimbulkan. Ruang tidak akan bisa bertambah, namun bisa dikelola, sehingga efek negatifnya dapat diminimalisir. Peningkatan suhu udara di Riau dalam 20 tahun terakhir sangat signifikan berdasarkan hasil pengamatan Badan Meteorologi, Klimatologi dan Geofisika (BMKG) Pekanbaru, Propinsi Riau semakin panas, dengan temperatur hingga 350C. BMKG mencatat, pada tahun 1976, suhu minimum di Riau terdata 21,50C, dan angka ini pada tahun 2006 naik menjadi 23,50C. Kabupaten Indragiri Hulu merupakan salah satu Kabupaten tertua di Propinsi Riau yang berdasarkan Undangundang nomor 10 tahun 1948. Perekonomian Indragiri Hulu masih didominasi dari sektor pertanian, terutama di sektor perkebunan di daerah ini komoditi utama yang dihasilkan berupa karet, kelapa sawit, kakao, pinang. Akan tetapi di antara produk perkebunan tersebut yang dominan di wilayah ini karet dan kelapa sawit. Lahan perkebunan kelapa sawit dan karet tersebut menyebar di seluruh wilayah Indragiri Hulu. Hasil perkebunan seperti karet remah atau TBS (Tandan Buah Segar) dari kelapa sawit ini dijual oleh petani ke pabrik pengolahan hasil yang beroperasi di sekitar perkebunan tersebut. Oleh karena itu, sub sektor perkebunan di Indragiri Hulu ini erat kaitannya dengan industri pengolahan terutama dari subsektor industri besar dan sedang, banyaknya perusahaan pengolahan

hasil karet dan kelapa sawit inilah yang memberi sumbangan paling besar. Hal ini dapat mengakibatkan berubahnya temperatur yang diakibatkan oleh perubahan vegetasi yang didominasi dengan perkebunan kelapa sawit dan karet serta kegiatan dalam penggunaan lahan di Kabupaten Indragiri hulu, propinsi riau. Dampak yang diperoleh dari aktifitas ini harus dipantau agar dapat diminimalisasi untuk tidak terjadi pengrusakan lingkungan yang lebih besar lagi. Penginderaan jauh sebagai suatu teknologi yang dapat melakukan pemantauan perubahan vegetasi. Pemantauan ruang yang berkaitan dengankorelasi antara vegetasi dan temperatur dapat dilakukan dengan menggunakan citra satelit, khususnya citra Landsat mernpunyai kemampuan dalam deteksi tutupan vegetasi dan temperatur. Citra Landsat juga mampu memberikan informasi mengenai bentangdan penutup lahan secara spasial dengan daerah cakupan yang cukup Iuas (185 km x 185 km). Kondisi tutupan vegetasi ini dapat dianalisis dengan Normalized Difference Vegetation Index (NDVI ) dan dengan dibantu Band Termal dapat juga dianalisis perubahan temperatur di suatu wilayah. Penggunaan data penginderaan jauh sebagai sumber informasi faktual untuk daerah yang luas di Indonesia merupakan cara yang cepat, tepat dan hemat. Dengan teknologi inderaja, penjelajahan lapangan dapat dikurangi, sehingga akan menghemat waktu dan biaya bila dibandingkan dengan cara teristis di lapangan. Pemenfaatan teknologi inderaja di Indonesia perlu dikembangkan dan diaplikasikan untuk mendukung efisiensi pelaksanaan inventariasasi sumberdaya lahan dan identifikasi penyebaran karakteristis lahan pertanian.

1.2 Tujuan Penelitian Penelitian ini bertujuan untuk mengetahui hubungan antara perubahan luasanpenutupan vegetasi dengan perubahan temperatur di daerah studi Kabupaten Indragiri Hulu, Propinsi Riau.Dalam hal ini pendeteksian ditujukan untuk mengindetifikasi seberapa besar pengaruh perubahan luas vegetasi terhadap perubahan temperaturdi daerah studi. II. METODE PENELITIAN 2.1. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Februari sampai dengan bulan Mei 2011.Pengelolahan dan analisa citra dilakukan di Fakultas Pertanian Universitas Riau dan area studi berlokasi di Kabupaten Indragiri Hulu, Propinsi Riau. 2.2. Bahan dan Alat Bahan yang digunakan dalam penelitian terdiri dari data primer, yakni 2 scene citra Landsat 5 TM path/row 126/60 yang direkam pada tanggal 7 Agustus 2005 dan 22 Juli 2008 dan didapat dari sumber data BIOTROP Training and Information Centre (BTIC) di Bogor. Dan data sekunder yakni berupa data penggunaan lahan dari BPS (Badan Pusat Statistik) Kabupaten Inhu. Perangkat lunak: Alat-alat yang diperlukan untuk mendukung penelitian ini adalah ER MAPPER 7.1 yang berfungsi untuk pengolahan dan analisa data citra. Perangkat keras: 1. Intel core2 duo CPU T5870 @2.00Ghz, 2.00 RAM 2. Printer Canon Pixma iP1000 3. Flash Disk

2.3 Jalan Penelitian Penelitian ini dilaksanakan dengan tahap-tahap sesuai dengan gambar dibawah ini:

Landsat TM (t1)

Landsat TM (t2)

Koreksi Geometrik Area Studi

Koreksi Geometrik Area Studi

NDVI

Temperatur

NDVI

Temperatur

Overlay

Overlay

NDVI dengan Temperatur

Analisis Stastistik

NDVI dengan Temperatur

Laporan

Gambar 1. Diagram Alir Metode Penelitian

2.4. Metode Penelitian Prosedur penelitian yang dilakukan meliputi beberapa tahapan, yaitu, penyedian, pengumpulan dan pengolahan data. Pengelolahan data yang terdiri dari beberapa tahapan, yaitu: Pra pengelolahan citra, pengelolahan citra dan analisis. 2.5. PraPengolahan Citra Pada tahap ini dilakukan proses terhadap citra mentah sehingga citra tersebut siap untuk dilakukan pengolahan hingga sampai pada proses analisis. Pada proses pra pengolahan citra ini dilakukan penajaman citra, pemotongan citra, koreksi geometrik, dan koreksi radiometrik. 2.5.1. Penajaman Citra Penajaman citra dilakukan untuk melihat area studi dengan jelas. Penajaman citra meningkatkan mutu citra dengan menguatkan kontras kenampakan yang tergambar dalam citra sehingga jumlah informasi pada proses interpretasi dapat bertambah dan memudahkan dalam proses selanjutnya. 2.5.2. Pemotongan Citra Pemotongan citra dilakukan karena area studi tidak mencakup wilayah citra secara keseluruhan serta memudahkan dalam memproses citra serta menghemat kapasitas penyimpanan data. Pemotongan citra dilakukan dengan cara menentukan koordinat batas kiri atas dan koordinat batas kanan bawah citra. 2.5.4. Koreksi Geometrik Data citra yang dikoreksi geometrik terlebih dahulu diregistrasi/direktifikasi. GCP (GroundControl Point) dipilih pada citra dan pada peta referensi yang dapat diidentifikasi. GCP dipilih sebanyak 14 titk yang menyebar merata pada area studi. Datum yang digunakan adalah WGS84 dengan proyeksi Transverse Mercator dan system koordinat SUTM48. metoda transformasi adalah polinomial derajat satu (linier) dan metoda resampling yang

digunakan adalah metoda tetangga terdekat (nearest Neighbour). 2.5.3. Koreksi Radiometrik Koreksi radiometrik merupakan proses pra-pengolahan citra intuk meminimalisasi terjadinya gangguan radiometrik. Gangguan ini disebabkan oleh terjadinya penghamburan cahaya karena danya molekul-molekul air, sensor, dan iluminasi cahaya.Ini menjadi masalah pada citra sehingga perlu dikoreksi agar terjadi bias (POHL, 1998 dalam Andriyadi 2004).ini dapat diketahui dengan persamaan sebagai berikut: Hasil BV i,j,k = Data masukan dari BV ijk Bias Dimana data masukan BV i,j,k = Data masukan dari nilai piksel pada baris I dan kolom J dari band K Hasil BV i,j,k = Piksel yang terkoreksi pada lokasi yang sama. Keterangan: BV = Band Value Koreksi radiometrik ini dimaksudkan untuk mengeliminasi gangguan atmosfer. Termasuk adanya kabut tipis dan mengstandarisasi data akibat kondisi atmosfer pada waktu perekaman dan lokasi yang berbeda. Cara yang paling sederhana dalam koreksi ini adalah dengan menggeser kearah nol nilai digital pada histogram dua dimensi setiap Band spektral yang digunakan. Koreksi radiometrik dilakukan dengan menduplikasikan band sampai dengan jumlah Band yang dimiliki oleh data tersbut. Misalnya untuk Landsat 5 TM sampai dengan Band 6, maka duplikasinya sampai 6 Band, maka duplikasinya 6. 2.6. Normalized Difference Vegetation Index (NDVI) Indeks vegetasi adalah pengukuran kuantatif berdasarkan nilai digital dari data penginderaan jauh yang digunakan untuk mengukur biomassa atau intensitas vegetasi

di permukaan bumi.Salah satu metode perhitungan indeks vegetasi yang umum digunakan adalah NDVI (Normalized difference Vegetation Indeks).NDVI diperoleh berdasarkan perbandingan antara pantulan sinar merah dan infra merah dekat dari spectrum elektromagnetik. Kedua spektrum ini dipilih karena mampunyai kemampuan lebih dalam menyerap klorofil dan kepadatan vegatasi. Selain itu, pada band sinar merah dan infra merah dekat, vegetasi dan non vegetasi dapat dibedakan secara jelas. Formula untuk menghitung nilai NDVI adalah: NDVI = NIR RED NIR + RED Nilai NDVI berkisar antara -1 hingga +1.Nilai NDVI yang rendah (negatif) menunjukan tingkat vegetasi yang rendah seperti awan, air, lahan terbuka (tanah kosong), bangunan dan unsur non vegetasi lainnya. Sedangkan nilai NDVI yang tinggi (positif) menunjukan tingkat vegetasi hijau yang tinggi. 2.7. Temperatur Temperatur diperoleh dari citra Landsat Band 6 (thermal Band). Temperatur didapat dengan mengkonversi nilai kecerahan (DN) menjadi spektral radians, setelah didapatkan hasil dari konversi DN ke radian, maka hasil radian yang didapatkan akan dikonversi lagi ke Kelvin. Untuk mendapatkan temperatur dalam bentuk celcius(C0), maka nilai yang telah didapatkan dikurangi dengan 273.Formula temperatur ini didapatkan dari http://www.yale .edu/ceo/documentation/DN to Kelvin.pdf. 2.8.1. Konversi Nilai Kecerahan (DN) ke Radian Dengan citra dari Landsat 5 dapat diperoleh temperatur dengan dua langkah. Langkah pertama dengan mengkonversi

nilai kecerahan menjadi radian kemudian mengkonversi radian menjadi temperatur. Rumus untuk mengkonversi nilai kecerahan menjadi radian sebagai berikut : CVR = G ( CVDN ) + B CVR = Nilai radian CVDN = Nilai Digital Number (Band 6/i1) G = Indeks Gain (0.04961) B = Indeks Bias (3.200) 3.8.2. Konversi Radian ke Temperatur Rumus untuk mengkonversi radian menjadi temperatur sebagai berikut : K2 T= K1 Ln + 1 CVR T = Derajat Celcius K1 = 607.76 ( untuk TM ) atau 666.09 ( untuk ETM + ) K2 = 1260.56 ( untuk TM ) atau 1282.75 (untuk ETM + ) CVR = Nilai Radian 2.8. Korelasi Setelah nilai NDVI dan temperatur didapat maka selanjutnya dicari derajat hubungan antara kedua nilai tersebut. Untuk mencari hubungannya maka dipakai teknik korelasi bivariat pearson product moment. Teknik ini digunakan karena dalam penelitian ini hanya ingin mencari hubungan dua variabel yaitu NDVI dan Temperatur. NDVI dikatakan sebagai variabel pertama atau variabel bebas (independent variable) yaitu variabel yang memberi pengaruh. Sedangkan temperatur sebagai variabel kedua atau variabel terikat (dependent variable) yaitu variabel yang dipengaruhi (Hartono, 1998 dalam Oktorini, 2003). Kuat lemahnya hubungan antara dua variabel ini dilihat dengan koefisien korelasi (r) nya. Pengambilan sampel untuk NDVI dan temperatur dilakukan dengan teknik

cluster sampling yaitu dengan mengambil sampel pada tiap kelas yang diidentifikasi secara acak dengan algoritma tertentu. Asumsi ataupun persyaratan yang harus dipenuhi dalam menggunakan korelasi Pearson Product Mooment adalah: a. Variabel yang dihubungkan mempunyai data yang berdistribusi normal. b. Variabel yang dihubungkan mempunyai data linier. c. Variabel yang dihubungkan mempunyai data yang dipilih secara acak (random). d. Variabel yang dihubungkan mempunyai pasangan sama dari subjek yang sama pula. e. Variabel yang dihubungkan mempunyai data interval atau rasio. III. HASIL DAN PEMBAHASAN 3.1. Penggabungan Band Citra Landsat TM Citra landsat 5 TM dengan path/row 126/60 yang direkam pada tanggal 7 Agustus 2005 dan 22 Juli 2008 yang didapat dari sumber data BIOTROP Training and Information Centre (BTIC) di Bogor, merupakan data dalam bentuk format TIF yang terdiri dari 7 Band. Oleh karena itu, ke 7 Band ini digabungkan dalam bentuk format ers yang akan diolah ke proses selanjutnya. 3.2. Hasil Pra Pengolahan Citra 3.2.1. Pemotongan Citra Untuk memudahkan dalam memproses citra serta menghemat kapasitas penyimpanan data, maka dilakukan pemotongan citra. Selain itu, pemotongan ini dilakukan karena area studi tidak mencakup wilayah citra secara keseluruhan. Pemotongan citra dilakukan dengan cara menentukan koordinat batas kiri atas dan koordinat batas kanan bawah citra.. Pada penelitian ini area studi memiliki koordinat batas kiri atas sebesar (138606.354 E,

9979057.170 N) dan koordinat batas kanan bawah (217716.354 E, 9910267.170 N).

Gambar 2. Citra hasil pemotongan dan Area Studi 3.2.2. Koreksi Geometrik Citra landsat 5 TM dengan path/row 126/60 yang direkam pada tanggal 7 Agustus 2005 dan 22 Juli 2008 merupakan data yang telah terkoreksi geometrik. Sistem koordinat yang digunakan adalah sistem koordinat Universal Transverse Mercator (UTM) dan daerah ini terletak pada proyeksi SUTM 48, dengan bidang datum WGS 84. 3.2.3. Koreksi Radiometrik Citra landsat 5 TM dengan path/row 126/60 yang direkam pada tanggal 7 Agustus 2005 dan 22 Juli 2008 merupakan data yang telah terkoreksi radiometrik, sehingga tidak perlu lagi dilakukan koreksi. 3.3. Hasil Pengolahan Citra 3.3.1. Hasil Normalized Difference Vegetation Index (NDVI) Nilai NDVI pada citra Landsat 2005 berkisar antara -0.78 hingga 0.80. Sedangkan citra Landsat 2008, nilai NDVI berkisar antara -0.40 hingga 0.77. Nilai NDVI ini menandakan adanya intensitas vegetasi di suatu area. Dari sini dapat dilihat bahwa pada citra Landsat tahun 2005 memiliki intensitas vegetasi yang lebih tinggi daripada citra Landsat tahun 2008. Hal ini dapat dilihat dari nilai NDVI citra Landsat 2005 yang memiliki nilai yang lebih tinggi daripada citra Landsat 2008. Ini menunjukkan adanya daerah yang memiliki kerapatan vegetasi yang tinggi pada citra Landsat 2005.

Tabel 5. Nilai NDVI citra Landsat 2005 dan 2008 Tahun NDVI Min NDVI Max 2005 -0.78 0. 80 2008 -0.40 0.77 Dari citra Landsat 2005 dan 2008 dapat dilakukan pengkelasan dengan rentang NDVI masing-masing sebagai berikut: Tabel 6. Kelas NDVI Kelas NDVI Vegetasi Hutan 0.1NDVI<0.8 Vegetasi Kelapa Sawit 0.0NDVI<0.7 Vegetasi Karet 0.0NDVI<0.5 Lahan Terbuka -0.5NDVI<0.3 Sungai -0.6NDVI<0.2 Jalan, Bangunan -0.4NDVI<0.1 Dari tabel di atas dibedakan vegetasi hutan, vegetasi kelapa sawit, vegetasi karet dimasukan kepada vegetasi dan lahan terbuka, sungai, jalan dan bangunan dimasukan kedalam non vegetasi. 3.3.3. Analisis Temperatur Gambar 4. Temperatur Hasil Pengolahan Citra dengan Band 6

Dari Tabel 10 terlihat temperatur pada citra Landsat 2005 lebih rendah dibandingkan dengan dengan citra Landsat tahun 2008, yakni dengan selisih sebesar 0.62C. Tabel 8.Temperatur BMKG Unsur Data 2005 2008 Temperatur Max : Max : Udara (0C) 31.9 32.8 Min : Min : 23.0 22.0 Rata : Rata : 26.6 26.5 Sumber : Stasiun Meteorologi Japura Tabel 9. Perbandingan temperatur Temperatur Temperatur Tahun (C) Citra (C) BMKG 2005 31.23 26.6 2008 31.85 26.5 Dari Tabel 9, dapat dilihat selisih antara temperatur BMG dengan citra pada tahun 2005 sebesar 4.63 C. Sedangkan pada tahun 2008 sebesar 5.35 C. Hal ini disebabkan: Stasiun BMKG mencatat data temperatur udara sedangkan pada pengolahan citra temperatur yang didapat merupakan temperatur permukaan materi/benda. Daerah yang dicakup oleh stasiun BMKG meliputi area yang cukup luas (Kabupaten Indragiri Hulu) padahal stasiun BMKG hanya memiliki satu tempat pengamatan dan belum tentu bisa mencakup seluruh area Kabupaten Indragiri Hulu. Citra Landsat Band 6 memiliki resolusi tiap piksel sebesar 60 x 60 m sehingga dalam cakupan tersebut daerah yang memiliki vegetasi dan non vegetasi berbaur sehingga mempengaruhi temperatur citra.

Dari hasil pengolahan, didapatkan temperatur dari citra Landsat 2005 sebesar 31.2C dan citra Landsat 2008 diperoleh nilai temperatur sebesar 31.8C. Tabel 7. Temperatur masing-masing citra Tahun T Min T Max T Mean 2005 30 34 31.23 2008 28 34 31.85

Dari hasil pengolahan citra untuk mendapatkan temperatur maka dilakukan pengkelasan seperti tabel berikut: Tabel 10.Kelas Temperatur Kelas Temperatur (0C) Vegetasi Hutan 28-31 Vegetasi Kelapa Sawit 28-33 Vegetasi Karet 29-33 Lahan Terbuka 31-34 Sungai 30-31 Jalan, Bangunan 31-34

Dari Grafik diatas terlihat perbandingan antara nilai NDVI tahun 2005 dengan 2008 dan perbandingan temperatur 2005 dengan 2008. Terlihat nilai NDVI tahun 2008 lebih tinggi dibandingkan dengan nilai NDVI 2005. Ini menunjukan terjadinya pertambahan vegetasi atau kerapatan vegetasi pada tahun 2008.Dan pada temperatur terlihat bervariasi, hal ini terjadi karena pengambilan sampel dilakukan secara acak. 3.4 Analisis Korelasi Koefisien korelasi (r) yang didapat dari sampel yang diambil adalah sebesar 0.32, ini menunjukkan hubungan antara NDVI dan temperatur berkorelasi negatif yang berarti bahwa kenaikan nilai NDVI diikuti dengan menurunnya nilai temperatur. Nilai korelasi tersebut menandakan bahwa hubungan antara NDVI dan temperatur berdasarkan tabel interpretasi nilai r rendah atau lemah. Hal ini bukan berarti NDVI tidak mempengaruhi temperatur, tetapi kedua variabel itu memiliki hubungan yang lemah. Hal ini menunjukkan bahwa temperatur yang didapat dari pengolahan citra merupakan temperatur permukaan materi sehingga bahan materi mempengaruhi nilai temperatur. Faktorfaktor lain yang ikut dalam mempengaruhi temperatur suatu area seperti iklim, curah hujan, tingkat pencemaran udara, jenis pencemar, posisi area terhadap ekuator serta pemanasan global tidak diperhitungkan Tabel 11.Interpretasi nilai koefisien korelasi R Interpretasi 0 Tidak berkorelasi 0.01-0.20 Sangat rendah 0.21-0.40 Rendah 0.41-0.60 Agak rendah 0.61-0.80 Cukup 0.81-0.99 Tinggi 1 Sangat tinggi

3.3.4. NDVI dan Temperatur Nilai NDVI dan temperatur yang didapat dari kedua citra kemudian diambil sampelnya dan diplot menghasilkan grafik seperti pada gambar 3.
NDVI dan Temperatur 40 20 0 -20 0 10 20 30 40

Jumlah Sampel

Gambar 3. Grafik NDVI dan Temperatur

Dari grafikterlihat bahwa nilai NDVI berkorelasi negatif dengan nilai temperatur, dimana semakin tinggi lai NDVI, nilai temperatur semakin rendah dan sebaliknya semakin rendah nilai NDVI, nilai temperatur semakin tinggi.
NDVI dan Temperatur NDVI dan Temperatur

40 20 0 -20 0 10
Jumah Sampel

2005 ndvi

20

2005 Temperat ur

Gambar 4. Grafik NDVI dan Temperatur 2001, 2002

3.5 Analisis Perubahan Temperatur Terhadap Perubahan Vegetasi Tabel 12. Luas vegetasi dan non vegetasi masing-masing citra dengan klasifikasi terawasi Luas yang didapat dari klasifikasi terawasi: Kelas Luas Tahun 2005 (ha) Luas tahun 2008 (ha) Vegetasi NonVegetasi . Dari Tabel 15, terlihat bahwa vegetasi area studi tahun 2005 lebih luas daripada vegetasi area studi tahun 2008 yaitu dengan selisih luas sebesar 82.839.69 ha. Hal ini terlihat dengan terjadinya perubahan dari lahan bervegetasi menjadi lahan terbuka didaerah tersebut. Temperatur rata-rata citra 2005 sebesar 31.2 C, sedangkan temperatur rata-rata citra 2008 sebesar 31.8 C. Dari sini dapat dilihat bahwa pada citra 2008 memiliki temperatur yang lebih tinggi daripada citra 2005 dan luas vegetasi pada 2008 lebih rendah daripada citra 2005. Artinya luasnya vegetasi berbanding terbalik dengan temperatur di daerah tersebut. 3.6. Analisis Perubahan Penggunaan Lahan Terhadap Temperatur Tabel 13. Temperatur pada kelas penggunaan lahan 2005 2008 Perubahan Penggunaan No Suhu Suhu Lahan Luas (ha) Luas (ha) Luas (ha) % (0C) (0C) Suhu (0C) 1 Kelapa sawit 148.591.56 30.91 210.285.17 31.49 61.693.61 29.33 +0.58 2 Karet 80.899.89 30.11 98.314.03 30.93 17.414.14 17.71 +0. 82 3 Hutan 262268.89 30.37 163321.45 30.93 98947.44 37.72 + 0.56 Sumber: Klasifikasi citra Landsat tahun 2005 dan 2008 UPP. Adapun pola kemitraan yaitu, Dari Tabel 13, menunjukkan adanya swadaya murni, partial dan swadaya partial. perubahan penggunaan lahan di Kabupaten Dan status lahan yang tersedia adalah hutan Inhu dan pengaruhnya terhadap temperatur rakyat, selain itu, juga terdapat perusahaan dari tahun 2005 ke tahun 2008. Terjadi swasta/ BUMN. penambahan luas penggunaan lahan kelapa 3.6.2. Penggunaan lahan Karet sawit di area studi 29.33% dan temperatur Dari hasil klasifikasi citra di daerah meningkat 0.58 0C, karet 17.71% dan studi didapatkan penggunaan lahan karet temperature meningkat 0.82 0C, hutan 37.72 mengalami penambahan luas sebesar % dan temperatur meningkat 0.56 0C. 17.414.14 ha (17.71%) sehingga temperatur 3.6.1. Penggunaan lahan kelapa sawit naik sebesar 0.82 0C. Dari hasil klasifikasi citra di daerah Dalam mengembangkan penggunaan studi didapatkan penggunaan lahan kelapa lahan kelapa sawit di Kabupaten Inhu sawit mengalami penambahan luas sebesar dilakukan dengan pola kemitraan, PBS dan 61.693.61 ha (29.33%) sehingga meningkat UPP. Adapun pola kemitraan yaitu, swadaya temperatur sebesar 0.58 0C. murni, partial dan swadaya partial. Dan Dalam mengembangkan penggunaan status lahan yang tersedia adalah hutan lahan kelapa sawit di Kabupaten Inhu rakyat. Di Kabupaten Inhu hanya terdapat dilakukan dengan pola kemitraan PBS dan perusaan BUMN yang terletak di Kecamatan 554760.34 265.065.66 471920.65 347.905.35

Rengat Barat, Siberida, Kelayang dan Kecamatan Peranap. 3.6.3. Penggunaan lahan hutan Dari hasil klasifikasi citra di daerah studi didapatkan penggunaan lahan Hutan mengalami penambahan luas darisebesar 98.947.44 ha (37.72%) sehingga menyebabkan naiknya temperatur sebesar 0.560C. Hasil hutan di Kabupaten Indragin Hulu yang banyak dihasilkan adalah berbagai jenis kayu seperti Meranti, Ramin, Kulim, Kruing dan sebagainya. Komuniti ini telah diusahakan secara komersial oleh berbagai perusahaan nasional maupun oleh perusahaan asing. Disamping itu hasil hutan lainnya yang banyak diusahakan oleh masyarakat adalah rotan, damar, kemenyan, getah jelutung dan kayu sungkai. Disamping itu telah dikembangkan pola hutan tanaman industri (HTI) oleh investor antara lain pengembangan kayu akasia di Kecamatan Kelayang dan pola lainnya seperti HTR DAN HKM. IV. KESIMPULAN DAN SARAN 4.1 Kesimpulan Perubahan temperatur sebesar 0.62 C di Kabupaten Indragiri Hulu pada tahun 2005 hingga tahun 2008 yang diakibatkan adanya pengurangan luas tutupan vegetasi sebesar 82.839.69 ha. Perubahan tutupan vegetasi menjadi perkebunan kelapa sawit sebesar 61.693.61 ha telah meningkatkan temperatur daerah studi sebesar 0.58 0C, perubahan tutupan vegetasi menjadi perkebunan karet sebesar 17.414.14 ha telah meningkatkan temperatur sebesar 0.82 0C, sebaliknya pengurangan luas hutan sebesar 98.947.44 ha telah meningkatkan temperatur sebesar 0.56 0C.

4.2 Saran 1. Citra yang diolah sebaiknya memiliki rentang waktu yang cukup lama untuk mendapatkan hasil yang lebih baik. 2. Sebaiknya untuk mengetahui pengaruh perubahan temperatur akibat perubahan vegetasi ini digunakan rekaman citra rekaman yang terbaru agar benar-benar sesuai dengan kondisi saat ini. 3. Sebaiknya untuk penggunaan citra digunakan citra yang sedikit tertutup oleh awan, sehingga perhitungan data lebih mendekati dengan keadaan sebenarnya.

DAFTAR PUSTAKA Andriyadi. 2004. Pemanfaatan Data Landsat Untuk Mendeteksi Perubahan Mangrove di Kecamatan Sungai Sembilan Kota Dumai Propinsi Riau. Skripsi Fakultas Perikanan dan Kelautan Universitas Riau. Pekanbaru Badan Pusat Statistik.2010. _________________________. Inhu dalam detik.com Harintaka, Sumarto. I. 2002. Kajian Beberapa Metode Transformasi Dua Dimensi Untuk Koreksi Geometrik Citra Satelit. Jurusan Teknik Geodesi ITB. Bogor Suryadi, I. 2007. Panduan Aplikasi Penginderaan Jauh Tingkat Dasar Oktorini, Y. 2001. Pengelolahan Citra Digital Landast TM untuk Pemetaan Terumbu karang di Kepulauan Seribu Jakarta. Skripsi Unniversitas Gadjah Mada. Yogyakarta (Tidak Dipublikasikan) Oktorini, Y. 2003. Application Of Remote Sensing For Oil Falm Age Estimation (Case Study of Rokan

Hulu Distrik-Riau Province). Tesis Instittut Pertanian Bogor. Bogor (Tidak Dipublikasikan) Ramadijanti, N, Basofi. A, Ukur.M.T. 2007. Pemetaan Batas Wilayah Darat Penggunaan Lahan dari Citra Landsat (studi kasus: Kab. Jombang).Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh November. Surabaya Septari, C. Yani. 2005. Interprestasi Citra Landsat 7 ETM+ Untuk Pemetaan Sebaran Suhu Permukaan Laut di Perairan Selat Lombok. Laporan Praktek Magang Fakultas Perikanan dan Ilmu Kelautan Universitas Riau. Pekanbaru Syafwan, A. 2010.Aplikasi Penginderaan Jauh Untuk Idenfikasi Lahan Kering di Kota Dumai. Skripsi Fakultas

Pertanian Universitas Riau. Pekanbaru Sukojo, B.M, Susilowati, D. 2003. Penerapan Metode Penginderaan Jauh dan Sistem Informasi Geografis Untuk Analisa Perubahan Penggunaan Lahan. Bulletin Makara, Teknologi, olL. 7, No. 1. Hal: 1-9 Sukristiyanti, Dyah M. 2009. Pendeteksian Kerapatan Vegetasi dan Suhu Permukaan Menggunakan Citra Landsat.Jurnal Riset Geologi dan Pertambangan, Jilid I 9 Noll 2009. Hal 15-24 Wahyunto, dkk.2004. Aplikasi Penginderaan Jauh dan Uji Validasinya Untuk Deteksi Penyebaran Lahan Sawah dan Penggunaan/ Penutupan Lahan.Bulletin Ilmiah Informatika Pertanian Volume 13. Hal: 746-769