Pemetaan Sebaran Daerah Rawan Kekeringan Menggunakan Citra Landsat 8 Oli/Tirs Di Kabupaten Banyuwangi

Main Article Content

Yesi Anita Sari

Abstract

Daerah yang terkena dampak kekeringan sangat penting untuk dipetakan untuk mitigasi bencana. Penelitian ini bertujuan untuk  menganalisis tingkat akurasi hasil dari indeks vegetasi dan suhu permukaan Citra Landsat 8 Oli/Tirs dan memetakan persebaran daerah rawan kekeringan kekeringan menggunakan Metode LST SWA-S di Kabupaten Banyuwangi yakni metode LST yang melibatkan data uap air. Populasi penelitian ini adalah tingkat kelas kekeringan dari hasil pengolahan citra menggunakan metode LST SWA-S dengan 310 sampel NDVI dan LST yang diambil sesuai dengan luasan kelas kekeringan yang teridentifikasi. Metode pengumpulan yang dilakukan adalah dengan suvei lapangan dan dokumentasi dari titik yang telah ditentutkan sebelumnya. Hasil uji akurasi indeks vegetasi NDVI berada pada nilai 90,97%, sedangkan uji akurasi LST memiliki nilai 93,87% nilai termasuk tinggi, hal ini disebabkan karena pengambilan sampel tepat berada di bulan kering yakni bulan November 2021 sedangkan Citra yang diambil adalah bulan Oktober 2019. Sedangkan hasil pemetaan persebaran daerah rawan kekeringan menunjukan bahwa wilayah kekeringan terluas berada di wilayah Wongsorejo yang berada di wilayah tutupan lahan pertanian.

Article Details

Section
Articles

References

Congalton, R.G, & Green, K. (2008). Assessing The Accuracy of Remotely Sensed Data: Principles and Practices (2nd Edition). CRC Press, Taylor and Francis Group.

Congalton, Russell G. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37(1), 35–46. https://doi.org/10.1016/0034-4257(91)90048-B

Huete, A. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295–309. https://doi.org/10.1016/0034-4257(88)90106-X

Indarto, Wahyuningsih, S., Pudjojono, M., Ahmad, H., & Yusron, A. (2014). Studi Pendahuluan Tentang Penerapan Metode Ambang Bertingkat Untuk Analisis Kekeringan Hidrologi Pada 15 Das Di Wilayah Jawa Timur. Jurnal Agroteknologi, 08(02), 1. Retrieved from https://jurnal.unej.ac.id/index.php/JAGT/article/view/3040

Irawan, B. (2006). Fenomena Anomali El-Nino Dan La-Nina:Kecenderungan Jangka Panjang Pengaruhnya Terhadap Produksi Pangan. Pusat Analisis Sosial Ekonomi Dan Kebijakan Pertanian, 24(1), 28–45. Retrieved from http://ejurnal.litbang.pertanian.go.id/index.php/fae/article/view/4052/3381

National Geographic Indonesia. (2019). 10 Daerah di Indonesia yang Mengalami Kekeringan Terpanjang. Retrieved from National Geographic Indonesia website: https://www.google.com/amp/s/nationalgeographic.grid.id/amp/131944045/10-daerah-di-indonesia-yang-mengalami-kekeringan-terpanjang

Neritarani, R. (2019). Identifikasi Dan Strategi Mitigasi Bencana Kekeringan Potensial Di Kabupaten Semarang. Fakultas Sains Dan Teknologi, 8(1). Retrieved from http://journal.uin-alauddin.ac.id/index.php/planomadani/article/view/7733

Nikiyuluw, V., Soplanit, R., & Adelina, S. (2018). Effisiensi Pemberian Air dan Kompos Terhadap , Mineralisasi NPK pada Tanah Regosol. Jurnal Budidaya Pertanian, 14(2), 105–112.

Nugraha, A. S. A. (2019a). Pemanfaatan Metode Split-Windows Algorithm ( SWA ) pada Landsat 8 Menggunakan Data Uap Air MODIS Terra (The Application of Split-Windows Algorithm (SWA) Methods on Landsat 8 Using Modis Terra Water Vapor). Geomatika, 25(1), 9–16. https://doi.org/http://doi.org/10.24895/JIG.2019.25-1.877

Nugraha, A. S. A. (2019b). Split-windows algorithm (swa) methods using fractional vegetation cover (fvc) on landsat 8 oli/tirs. International Geography Seminar 2019, 1.

Nugraha, A. S. A. (2020). Effect of Emission Value for Land Surface Temperature on Landsat Image 7 ETM+. ICLSSE.

Sobrino, J. A., El Kharraz, J., & Li, Z. L. (2003). Surface temperature and water vapour retrieval from MODIS data. International Journal of Remote Sensing, 24(24), 5161–5182. https://doi.org/10.1080/0143116031000102502

Sobrino, J. A., Li, Z. L., Stoll, M. P., & Becker, F. (1996). Multi-channel and multi-angle algorithms for estimating sea and land surface temperature with atsr data. International Journal of Remote Sensing, 17(11), 2089–2114. https://doi.org/10.1080/01431169608948760

Sobrino, José A., Jiménez-Muñoz, J. C., Sòria, G., Romaguera, M., Guanter, L., Moreno, J., … Martínez, P. (2008). Land surface emissivity retrieval from different VNIR and TIR sensors. IEEE Transactions on Geoscience and Remote Sensing, 46(2), 316–327. https://doi.org/10.1109/TGRS.2007.904834