Analisis Persebaran Urban Heat Island di DKI Jakarta

27 Agustus 2021

By: Winda Cantika Putri

Open Data

suhu permukaan 2015

Open Data

suhu permukaan 2020

Analisis Persebaran Urban Heat Island di DKI Jakarta

I. Pendahuluan

Sebagai kota metropolitan, perkembangan wilayah DKI Jakarta yang disebabkan pertambahan jumlah penduduk, urbanisasi, dan pertumbuhan ekonomi merupakan hal yang sudah biasa. Namun, hal ini menyebabkan kondisi iklim di wilayah Jakarta berubah menjadi tidak nyaman dan cenderung semakin panas. Hal ini timbul akibat berbagai aktivitas antropogonik yang dilakukan oleh masyarakat Jakarta (Prasasti & Febrianti, 2015). Di dalam dokumen Master Plan Hutan Kota yang dikeluarkan oleh Dinas Kelautan dan Pertanian DKI Jakarta (2012), dinyatakan bahwa emisi total CO2 di wilayah DKI Jakarta adalah 38.633.492 ton/tahun.

Tingginya CO2 mempengaruhi keseimbangan energi di wilayah DKI Jakarta. Gas CO2 memiliki sifat mengabsorbsi radiasi gelombang panjang yang dipancarkan permukaan bumi sehingga radiasi tersebut terperangkap di troposfer. Kondisi ini menyebabkan terjadinya efek rumah kaca dan peningkatan suhu udara yang dicirikan dengan suhu udara di perkotaan lebih tinggi dibandingkan dengan area sekitarnya. Kondisi seperti ini dikenal dengan urban heat island (Rushayati & Hermawan, 2013). Efek pulau bahang sudah menjadi perhatian dunia yang harus segera diatasi, karena semakin banyak kota-kota yang mengalami efek pulau bahang, akan menyebabkan semakin tingginya laju peningkatan pemanasan global (Rushayati, 2011). Studi mengenai UHI dapat dilakukan dengan berbagai metode. Pengukuran suhu secara langsung di kota dan di sekitar kota dapat menggambarkan secara langsung perbedaan suhu yang terjadi. Seiring dengan berkembangnya teknologi, UHI dapat diidentifikasi dengan bantuan penginderaan jauh dengan Citra Satelit untuk mengetahui suhu permukaan di lokasi penelitian (Zhangyan et al., 2006).

II. Metode Penelitian

a. Wilayah Penelitian

Lokasi pada penelitian ini adalah Ibukota DKI Jakarta yang melingkupi Jakarta Utara, Jakarta Barat, Jakarta Timur, Jakarta Pusat, dan Jakarta Selatan. Secara geografis, Provinsi DKI Jakarta terletak disebelah Selatan Laut Jawa; sebelah Timur berbatasan dengan Kabupaten/Kota Bekasi; sebelah Selatan dengan Kabupaten/Kota Bogor dan Depok serta sebelah Barat dengan Kabupaten/Kota Tangerang. Jumlah penduduk Provinsi DKI Jakarta 9,041 juta jiwa dengan kepadatan penduduk 13.667,01 jiwa per km2. Jakarta beriklim tropis, dengan suhu tahunan rata-rata 27°C dengan kelembaban 80-90%.

b. Pengumpulan Data, Pengolahan Data, Analisis Data

1. Pengumpulan Data

Pengumpulan data yang dilakukan pada penelitian ini adalah pengumpulan data sekunder yang terdiri dari data citra satelit Landsat 8 tahun 2015 dan 2020 dan data administrasi kota DKI Jakarta (.shp).

Analisis Persebaran Urban Heat Island di DKI Jakarta

2. Pengolahan Data

2.1. Tahap Pengolahan Data

· Pemotongan Citra

Tahap pemrosesan citra digital meliputi cloud masking dan pemotongan citra Landsat 8 pada wilayah penelitian yang dilakukan menggunakan ArcGis 10.1.

· Koreksi Radiometrik dengan perhitungan Top Of Atmosphere (TOA) Spectral Radiance

Koreksi radiometrik digunakan untuk memperoleh nilai piksel ke nilai yang sebenarnya, sehingga tidak terpengaruh oleh pengaruh atmosfer dan didapatkan kenampakan maupun suhu sebenarnya. Koreksi dilakukan degan mencari nilai TOA dari citra mentah atau digital number dalam file metadata landsat 8.

· Perhitungan Brightness Temperature

Hasil dari Brightness Temperature (TB) ada dua nilai yaitu TB 10 dari band 10 dan TB 11 dari band 11. Band 10 dan band 11 yang sebelumnya telah dikoreksi TOA Spectral Radiance kemudian diubah menjadi suhu termal.

· Perhitungan Normalized Difference Vegetation Index (NDVI)

Tingkat rapatnya vegetasi yang menyusun suatu area dapat diketahui dengan cara melakukan perhitungan NDVI. Perhitungan NDVI dilakukan dengan cara mengurangi nilai band 5 dengan nilai band 4 dibagi dengan hasil penjumlahan band 5 dengan band 4.

· Perhitungan Fractional Vegetation Cover (FVC)

Perhitungan untuk mencari nilai FVC dilakukan degan membagi hasil pengurangan antara NDVI dan NDVISoil dengan hasil pengurangan antara NDVIveg dan NDVISoil.

· Perhitungan Land Surface Emissivity (LSE)

Hasil perhitungan FVC sebelumnya digunakan untuk mengestimasi nilai LSE. Band 10 dan band 11 dibutuhkanuntuk mengestimasi nilai LSE. Perhitungan dilakukan dengan melakukan penjumlahan antara hasil dari emisivitas tanah band 10 dan band 11 dikali hasil pengurangan dari satu dikurangi nilai FVC dengan hasil emisivitas vegetasi band 10 dan 11dikali nilai FVC yang sebelumnya diperoleh.

· Perhitungan Kombinasi LSE Band 10 dan LSE Band 11

Nilai yang dihasilkan dari kombinasi LSE band 10 dan LSE band 11 ada dua yaitu nilai rata-rata LSE dan nilai selisih LSE. Perhitungan nilai rata-rata LSE dilakukan dengan membagi dua hasil penjumlahan antara LSE band 10 dan band Nilai selisih diperoleh dengan mengurangi hasil dari LSE band 10 dan LSE band 11.

· Perhitungan Land Surface Temperature (LST

Perhitungan LST menggunakan Split Window Algorithm yang menggunakan, nilai rata-rata LSE, nilai band 10, nilai band 11 dan nilai selisih LSE.

3. Analisis Data

Analisis data dalam penelitian ini yaitu analisis spasial deskriptif. Secara rinci, analisis dilakukan sebagai berikut analisis secara spasial dan tabular pada suhu permukaan DKI Jakarta dan perubahannya pada tahun 2015 dan 2021.

III. Hasil dan Pembahasan

· Suhu Permukaan di DKI Jakarta tahun 2015

Hasil penelitian pada suhu permukaan di DKI Jakarta tahun 2015 menunjukan bahwa suhu permukaan terendah di tahun 2015 adalah 22,17 ºC dan suhu tertinggi yaitu 43,29 ºC. Berdasarkan tabel 1, suhu permukaan di DKI Jakarta tahun 2015 paling banyak pada kisaran 34,84 – 39,07 ºC dengan luas 40328,86 Ha.

Tabel 1. Suhu Permukaan di DKI Jakarta tahun 2015

Analisis Persebaran Urban Heat Island di DKI Jakarta

Gambar 1 menunjukan bahwa sebagian besar wilayah DKI Jakarta di dominasi oleh warna oranye yaitu dengan suhu permukaan berkisar antara 34,84 – 39,07 ºC dan warna kuning yaitu dengan suhu permukaan berkisar antara 30,62 – 34,84 ºC. Klasifikasi suhu permukaan dengan warna hijau cenderung berada pada wilayah pinggiran dan perbatasan Kota Jakarta dengan wilayah diluar kota Jakarta.

Analisis Persebaran Urban Heat Island di DKI Jakarta

· Suhu Permukaan di DKI Jakarta tahun 2020

Hasil penelitian pada suhu permukaan di DKI Jakarta tahun 2020 menunjukan bahwa suhu permukaan terendah di tahun 2020 adalah 19,93 ºC dan suhu tertinggi yaitu 33,62 ºC. Hal ini menunjukan bahwa pada tahun 2020 suhu permukaan di DKI Jakarta lebih rendah dibandingkan suhu permukaan pada tahun 2015. Berdasarkan tabel 2, suhu permukaan di DKI Jakarta tahun 2020 paling banyak pada kisaran 28,15 – 30,89 ºC dengan luas 32301,38 Ha.

Tabel 2. Suhu Permukaan di DKI Jakarta tahun 2020

Analisis Persebaran Urban Heat Island di DKI Jakarta

Gambar 2 menunjukan bahwa sebagian besar wilayah DKI Jakarta di dominasi oleh warna oranye yaitu dengan suhu permukaan berkisar antara 28,15 – 30,89ºC dan warna kuning yaitu dengan suhu permukaan berkisar antara 25,41 – 28,15ºC. Klasifikasi suhu permukaan dengan warna hijau cenderung berada pada wilayah pinggiran dan perbatasan Kota Jakarta dengan wilayah diluar kota Jakarta. Klasifikasi suhu permukaan yang berwarna oranye lebih cenderung lebih mendominasi berada di wilayah Jakarta Timur, sedangkan klasifikasi suhu permukaan yang berwarna kuning lebih mendominasi di wilayah Jakarta Selatan dan Jakarta Barat. Suhu permukaan yang memiliki klasifikasi warna merah menyebar di Jakarta Timur dan Jakarta Utara.

Analisis Persebaran Urban Heat Island di DKI Jakarta

IV. Kesimpulan

Melalui hasil analisis diketahui bahwa suhu permukaan di DKI Jakarta antara tahun 2015 dan 2020 memiliki penurunan suhu permukaan. Suhu permukaan di DKI Jakarta tahun 2015 memiliki suhu terendah 22,17 ºC dan suhu tertinggi yaitu 43,29 ºC, sedangkan suhu permukaan di DKI Jakarta tahun 2020 suhu permukaan terendah di tahun 2020 adalah 19,93 ºC dan suhu tertinggi yaitu 33,62 ºC.

V. Daftar Pustaka

Prasasti, I., Sari, N. M., & Febrianti, N. (2015). Analisis Perubahan Sebaran Pulau Panas Perkotaan (Urban Heat Island) di Wilayah DKI Jakarta dan Hubungannya dengan Perubahan Lahan, Kondisi Vegetasi dan Perkembangan Kawasan Terbangun Menggunakan Data Penginderaan Jauh. Prosiding Pertemuan Ilmiah Tahunan XX dan Kongres VI Masyarakat Ahli Penginderaan Jauh Indonesia (MAPIN): Perkembangan Penginderaan Jauh di Indonesia dan Pemanfaatannya untuk Perencanaan Wilayah, Pengelolaan DAS, dan Mitigasi Bencana Alam, 383-391.

Rushayati, S. B., & Hermawan, R. (2013). Karakteristik kondisi urban heat island DKI Jakarta. Media konservasi, 18(2).

Rushayati, S.B. 2011. Model kota hijau di Kabupaten Bandung, Jawa Barat. [Disertasi]. Bogor : Sekolah Pascasarjana Institut Pertanian Bogor. Bogor.

Zhangyan, J., & Yunhao. (2006). On Urban Heat Island Beijing Based on Landsat TM Data. Geo-spatial Information Science, 9 , 293-297.

Data Publikasi

Final Project : Analisis Kerawanan Bencana Erupsi Gunung Merapi Lokasi Wisata di Kabupaten Sleman

Iklim dan Bencana

15 Jun 2025

Anggara Yudha

Final Project : Analisis Kerawanan Bencana Erupsi Gunung Merapi Lokasi Wisata di Kabupaten Sleman

Analisis Kerawanan

5 menit baca

87 dilihat

Analisis Kesesuaian Lahan Untuk Mendukung Program Reaktivasi Jalur Kereta Api Antarkota Kalisat - Panarukan di Kabupaten Bondowoso

Transportasi

11 Jun 2025

Safira Ramadhani

Analisis Kesesuaian Lahan Untuk Mendukung Program Reaktivasi Jalur Kereta Api Antarkota Kalisat - Panarukan di Kabupaten Bondowoso

Pemerintah Indonesia mendorong program reaktivasi jalur kereta api nonaktif sebagai bagian dari revitalisasi infrastruktur dan pengembangan wilayah. Salah satu yang direncanakan adalah jalur kereta api antarkota Kalisat – Panarukan yang melintasi Kabupaten Bondowoso. Kajian kesesuaian lahan dibutuhkan untuk meminimalkan dampak lingkungan pada lahan yang akan difungsikan kembali pada program reaktivasi. Dengan memanfaatkan Sistem Informasi Geografis (SIG), kajian ini ditujukan untuk mengetahui tingkat kesesuaian lahan yang ada.

25 menit baca

289 dilihat

7 Data

Analisis Kasus Stunting Menggunakan Metode Geographically Weighted Regression (GWR) di Provinsi Jawa Barat

Kesehatan

05 Jun 2025

HIMA SAIG UPI

Analisis Kasus Stunting Menggunakan Metode Geographically Weighted Regression (GWR) di Provinsi Jawa Barat

Penelitian ini membahas analisis spasial kasus stunting di Provinsi Jawa Barat, khususnya di Kota Bandung, dengan menggunakan metode Geographically Weighted Regression (GWR). Studi ini bertujuan untuk memahami pengaruh variabel sosial-ekonomi dan lingkungan—seperti kemiskinan, akses air bersih dan sanitasi, pendidikan ibu, serta cakupan posyandu—terhadap prevalensi stunting di tingkat lokal. Hasil penelitian menunjukkan adanya variasi spasial yang signifikan: beberapa kecamatan seperti Gedebage, Rancasari, dan Buahbatu memiliki kecocokan model yang sangat tinggi namun jumlah kasus stunting yang rendah, sedangkan Bandung Kulon dan Babakan Ciparay menunjukkan jumlah kasus tinggi dengan kecocokan model yang lebih rendah. Model GWR secara keseluruhan memiliki kemampuan prediktif yang sangat baik (R² global 0,9822), menandakan efektivitas pendekatan spasial dalam mendukung perumusan kebijakan intervensi stunting yang lebih terarah dan sesuai karakteristik wilayah.

9 menit baca

164 dilihat

2 Data

1 Proyek

Analisis Spasial Keterjangkauan Fasilitas Kesehatan Rumah Sakit dan Puskesmas di Kota Bukittinggi

Kesehatan

11 Jun 2025

Muhammad Reza Zulkarnain

Analisis Spasial Keterjangkauan Fasilitas Kesehatan Rumah Sakit dan Puskesmas di Kota Bukittinggi

Publikasi ini menyajikan analisis spasial keterjangkauan fasilitas kesehatan berupa Puskesmas dan Rumah Sakit di Kota Bukittinggi menggunakan platform Geo Mapid. Dengan pendekatan buffer dan isochrone, kajian ini mengidentifikasi wilayah-wilayah yang belum terlayani secara optimal dan memberikan rekomendasi berbasis data untuk pemerataan layanan kesehatan.

18 menit baca

103 dilihat

1 Data

1 Proyek

Syarat dan Ketentuan
Pendahuluan
  • MAPID adalah platform yang menyediakan layanan Sistem Informasi Geografis (GIS) untuk pengelolaan, visualisasi, dan analisis data geospasial.
  • Platform ini dimiliki dan dioperasikan oleh PT Multi Areal Planing Indonesia, beralamat
  • mapid-ai-maskot