Perbandingan Suhu Permukaan Sebelum dan Sesudah Pembangunan Sirkuit Mandalika menggunakan Metode Split Window Algorithm (SWA)
Abstract
Sirkuit Mandalika sebagai salah satu lokasi olahraga yang dibangun untuk meningkatkan pendapatan ekonomi telah banyak diteliti dari aspek sosial dan ekonomi. Namun, aspek dampak perubahan suhu akibat berkurangnya vegetasi belum diteliti. Dampak dari pembangunan secara umumnya mengakibatkan penurunan jumlah vegetasi, sehingga menyebabkan kenaikan suhu permukaan. Oleh sebab itu, penting dilakukan analisis perubahan suhu permukaan sebelum dan sesudah adanya sirkuit mandalika menggunakan metode Split Window Algorithm (SWA). Data yang digunakan pada penelitian ini adalah citra Landsat 8 OLI-TIRS, Landsat 9 OLI2-TIRS2, dan MODIS. Citra Landsat 8 yang digunakan, direkam pada 29 Juni 2019 yang berfungsi untuk memvisualisasikan perubahan suhu sebelum pembangunan sirkuit. Sedangkan Landsat 9 yang digunakan, direkam pada 26 April 2022 yang berfungsi untuk memvisualisasikan perubahan suhu setelah pembangunan sirkuit selesai dilakukan. Tahapan kegiatan untuk mendapatkan nilai suhu permukaan dan tutupan vegetasi tersebut dilakukan pada software ENVI 5.3. Hasil penelitian ini membuktikan bahwa terdapat perubahan tutupan lahan kelas lahan terbuka mengalami kenaikan secara drastis sebesar 41,55%. Peningkatan suhu permukaan dalam rentang waktu 29 Juni 2019 s.d. 26 April 2022, diketahui sebesar 4,83o C dengan nilai suhu permukaan rata-rata pada tahun 2019 sebesar 29.50o C dan pada tahun 2022 sebesar 34,33o C.
The Mandalika Circuit has undergone extensive sociological and economic study as one of the sporting venues constructed to boost economic output. The effects of temperature variations brought on by less vegetation have not, however, been thoroughly researched. The effects of development typically lead to a reduction in flora, which raises the surface temperature. The effects of development typically lead to a reduction in flora, which raises surface temperatures. The Split Window Algorithm (SWA) method should be used to compare variations in surface temperature before and after the presence of a circuit mandalika. Images from Landsat 8 OLI-TIRS, Landsat 9 OLI2-TIRS2, and MODIS were used as data in this study. Before circuit construction, temperature changes were visualized using Landsat 8 imagery taken on June 29, 2019, and after construction was complete, temperature variations were visualized using Landsat 9 imagery taken on April 26, 2022. The ENVI 5.3 software is used to obtain the value of surface temperature and vegetation cover. The findings of this study demonstrate a change in open land cover, which has increased by 41.55%. The increase in surface temperature is estimated to be 4.83°C between June 29, 2019, and standard deviation April 26, 2022, with an average surface temperature value of 29.50°C in 2019 and 34.330°C in 2022.
References
Al Kafy, A., Al Faisal, A., Al Rakib, A., Fattah, M., Rahaman, Z., & Sattar, G. (2022). Impact of vegetation cover loss on surface temperature and carbon emission in a fastest-growing city, Cumilla, Bangladesh. Building and Environment 208 (2022) 108573, 1-15.
Arieska, P., & Herdian, N. (2018). Pemilihan Teknik Sampling berdasarkan Perhitungan Efisiensi Relatif. Statistika, Vol. 6, No.2, 166-171
Bunai, T., Rokhmatuloh, & Wibowo, A. (2018). Comparison Spatial Pattern of Land Surface Temperature with Mono Window Algorithm and Split Window Algorithm: A Case Study in South Tangerang, Indonesia. LISAT 2017 - IOP Conf. Series: Earth and Enviromental Science 149 (2018) 012066, 1-6.
Dewan Nasional Kawasan Ekonomi Khusus RI. Peta Sebaran KEK. Dilansir dari Kawasan Khusus Ekonomi: https://kek.go.id/peta-sebaran-kek. Diakses pada 20 April 2022.
Dimyati, M. (2022). Memahami Penginderaan Jauh Mandiri. Jakarta: UI Publishing.
Fawzi, N. (2014). Pemetaan Emisivitas Permukaan menggunakan Indeks Vegetasi. Majalah Ilmiah Globe, Vol. 16, No.2, Desember, 133-139.
Jacob, D., & Winner, D. (2009). Effect of Climate Change on Air Quality. Atmospheric Environment Volume 43, Issue 1, 51-63.
Kinney, P. (2008). Climate Change, Air Quality, and Human Health. American Journal of Preventive Medicine Volume 35, Issue 5, 459-467.
McMillin, L. (1975). Estimation of sea surface temperatures from two infrared window measurements with different absorption. Journal of Geophysical Research Volume 80 Issue 36, 5113 - 5117.
Nugraha, A. (2019). Pemanfaatan Metode Split Window Algorithm (SWA) pada Landsat 8 Menggunakan Data Uap
Nugroho, S., Wijaya, A., & Sukmono, A. (2016). Analisis Pengaruh Perubahan Vegetasi terhadap Suhu Permukaan di Wilayah Kabupaten Semarangg menggunakan Metode Penginderaan Jauh. Jurnal Geodesi Undip, Vol. 5, No. 1, Tahun 2016, (ISSN : 2337-845X), 253-263.
Peraturan Kepala BIG nomor 3 Tahun 2014 tentang Pedoman Teknis Pengumpulan dan Pengolahan Data Spasial Mangrove.
Remote Sensing Phenology. (2018, November 27). NDVI, the Foundation for Remote Sensing Phenology. Retrieved from USGS : https://www.usgs.gov/special-topics/remote-sensing-phenology/science/ndvi-foundation-remote-sensing-phenology#overview - Search (bing.com)
Rozzenstein, O., Qin, Z., Derimian, Y., & Karnieli, A. (2014). Derivation of Land Surface Temperature for Landsat-8 TIRS using a Split Window Algorithm. Sensors Volume 14, 5768-5780.
Ruwanto, B. (2007). Asas-asas Fisika. Jakarta: Yudhistira.
Sampurno, R., & Thoriq, A. (2016). Klasifikasi Tutupan Lahan menggunakan Citra Landsat 8 Operational Land Imager (OLI) di Kabupaten Sumedang. Jurnal Teknotan Vol.10 No.2, , 61-69.
Suspidayanti, L., Sumaryo, D., & Sai. S.S. (2019). Perbandingan Metode Estimasi Suhu Permukaan Daratan menggunakan Emisivitas berdasarkan Klasifikasi dan NDVI. Malang: Jurusan Teknik Geodesi, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Malang.
United States of America Standard Atmosphere 1976.