Halo sobat MAPID! Apakah kalian akhir-akhir ini merasakan suhu yang semakin panas, terutama di wilayah perkotaan Indonesia? Fenomena ini dikenal sebagai Urban Heat Island (UHI). UHI adalah kondisi di mana suhu permukaan di pusat kota lebih tinggi dibandingkan dengan di pinggiran atau di pedesaan. Fenomena ini menjadi perhatian global, terutama di negara-negara berkembang dengan tingkat urbanisasi yang tinggi seperti Indonesia, karena berdampak pada kesehatan, kenyamanan, dan produktivitas. Selain itu, UHI juga diduga berkontribusi pada peningkatan gas rumah kaca dan pemanasan global.

Untuk itu, mari simak penelitian mengenai UHI yang menggunakan algoritma Land Surface Temperature (LST) dan perkembangan kepadatan bangunan di Kota Makassar tahun 2018 dan 2023 menggunakan algoritma Normalized Difference Built-Up Index (NDBI).

Latar Belakang

Pertumbuhan Urbanisasi dan Dampaknya

Pertumbuhan urbanisasi di Indonesia telah membawa perubahan signifikan pada penggunaan dan penutupan lahan perkotaan yang semakin banyak dimanfaatkan untuk kegiatan pembangunan, seperti industrialisasi, pembangunan jalan, dan bangunan dengan bahan berkapasitas termal tinggi, yang menciptakan permukaan kedap air dan menyerap radiasi matahari dalam jumlah besar (Kamboj, 2020). Perubahan ini menghilangkan efek penyejuk alami berupa lahan vegetasi dan berpotensi memicu terbentuknya UHI. UHI dapat menimbulkan dampak negatif seperti peningkatan konsumsi energi, penurunan kualitas udara, dan masalah kesehatan masyarakat.

Kota Makassar, Kota Pelabuhan

Kota Makassar merupakan kota pelabuhan dan perdagangan yang terletak di pesisir selatan Pulau Sulawesi yang terus mengalami perkembangan hingga saat ini. Sebagai salah satu kota besar di Indonesia, Kota Makassar telah mengalami pertumbuhan urban yang sangat cepat dalam beberapa dekade terakhir, yang secara tidak langsung berkontribusi pada peningkatan intensitas UHI. Berdasarkan penelitian yang pernah dilakukan dengan judul: “Analisis Spasio-Temporal Fenomena Urban Heat Island dan Hubungannya Terhadap Aspek Fisik di Kota Makassar (1993-2021)”, yang membandingkan suhu permukaan Kota Makassar tahun 1993, 2007, dan 2021, dapat dibuktikan bahwa peningkatan kawasan terbangun akan menurunkan tingkat kebasahan dan suhu muka air suatu wilayah. Selain itu, penelitian dalam jurnal ini mendapatkan hasil bahwa pada tahun 1993-2007 wilayah yang terdampak UHI akibat perubahan tutupan lahan menurun hingga 14 km2, kemudian di tahun 2021 kembali meningkat seluas 9,67 km2. Oleh karena itu, pemantauan dan analisis terhadap perubahan UHI di kota ini sangat penting untuk menentukan langkah-langkah mitigasi yang tepat.

Penelitian ini bertujuan untuk menganalisis evolusi intensitas UHI di Kota Makassar antara tahun 2018 dan 2023, dengan membandingkan nilai indeks kerapatan bangunan atau NDBI menggunakan data citra satelit Landsat 8. NDBI merupakan indikator yang digunakan untuk mengidentifikasi dan memantau area terbangun atau lahan yang telah dikembangkan, seperti wilayah perkotaan dan industri. Nilai NDBI yang lebih tinggi menunjukkan tingkat pembangunan atau urbanisasi yang lebih tinggi di suatu wilayah. Dengan membandingkan nilai NDBI, kita dapat melihat perubahan tingkat pembangunan yang mempengaruhi suhu permukaan dan intensitas UHI.

Identifikasi dan Monitoring UHI dengan GIS dan Remote Sensing

Untuk memahami fenomena UHI di Kota Makassar, penelitian ini mengkombinasikan geographic information system (GIS) dan pendekatan penginderaan jauh (remote sensing). Kombinasi ini memungkinkan pemetaan suhu permukaan tanah, tutupan lahan, dan faktor-faktor lain yang terkait dengan UHI. Melalui pemetaan dan analisis multi-temporal UHI di Kota Makassar, diharapkan pola dan penyebab UHI dapat dipahami dengan lebih baik, sehingga strategi penanganan yang efektif dan efisien dapat dikembangkan.

Tujuan & Manfaat

Penelitian ini bertujuan untuk menganalisis perkembangan intensitas UHI di Kota Makassar secara multi-temporal yakni tahun 2018 dan 2023 dengan menggunakan algoritma LST. Selain itu, juga dilakukan analisis perkembangan kepadatan bangunan di Kota Makassar dengan menggunakan NDBI. Algoritma LST dan NDBI tersebut memanfaatkan citra satelit yaitu Landsat 8. Hasil dari kedua analisis ini diharapkan dapat memberikan manfaat untuk menjadi dasar pertimbangan dalam upaya mitigasi dampak UHI di Kota Makassar.

Metodologi

Dalam proses penelitian perkembangan UHI dan kerapatan bangunan di Kota Makassar, digunakan data citra Landsat 8 akuisisi tahun 2018 dan tahun 2023 dengan ketentuan nilai maksimal cloud cover 10%. Data lain yang digunakan yaitu batas administrasi Kota Makassar terbaru.

Algoritma Land Surface Temperature (LST)

Pada penelitian ini, fenomena UHI yang dikaji berfokus pada fenomena UHI di Kota Makassar dengan mengacu pada hasil LST. Ekstraksi nilai LST memanfaatkan kanal termal citra Landsat 8 yang diolah menggunakan platform Google Earth Engine. Pada penelitian ini digunakan kanal 10 karena memiliki absorbsi atmosfer yang lebih rendah dibanding dengan kanal 11. Fenomena UHI dari hasil LST tersebut akan diolah lebih lanjut sehingga menghasilkan nilai intensitas UHI. Intensitas UHI ini dapat menunjukkan kondisi fenomena UHI di suatu daerah akibat perubahan tutupan lahan terutama area terbangun dan non terbangun. Intensitas UHI ≥ 0 menunjukkan daerah tersebut memiliki potensi terjadinya UHI, sedangkan nilai UHI < 0 tidak memiliki potensi untuk terjadinya fenomena UHI. Dalam penelitian ini, intensitas UHI tersebut diklasifikasikan menjadi 3 kelas, yaitu:

Normalized Difference Built-Up Index (NDBI)

Deteksi area terbangun di Kota Makassar dilakukan dengan memanfaatkan algoritma Normalized Built-up Index (NDBI) menggunakan persamaan:

Di mana NDBI merupakan nilai indeks kerapatan bangunan, SWIR 1 merupakan kanal 6 citra Landsat 8, dan NIR merupakan kanal 5 citra Landsat 8. Hasil dari pengolahan NDBI ini akan menunjukkan rentang nilai -1 dan +1, yang mana semakin mendekati nilai 1, maka tingkat kerapatan bangunan akan semakin tinggi. Pada penelitian ini, indeks kerapatan bangunan diklasifikasikan menjadi 4 kelas, yaitu:

Platform GEOMAPID

Platform GEOMAPID terutama digunakan untuk mempublikasikan dan memvisualisasikan hasil dari penelitian ini. Selain itu, data demografi di SINI MAPID digunakan untuk memvalidasi kepadatan bangunan di daerah tertentu ditinjau dari aspek jumlah dan kepadatan penduduk di suatu wilayah yang terindikasi memiliki intensitas UHI dan kerapatan bangunan yang tinggi. Jika jumlah dan kepadatan penduduk di wilayah tersebut tinggi, maka kepadatan tersebut menunjukkan tingkat urbanisasi yang juga tinggi dan akan berdampak pada tingkat intensitas UHI dan kerapatan bangunan.

Hasil dan Analisis

Normalized Difference Built-Up Index (NDBI) Kota Makassar

Salah satu hasil pengolahan citra Landsat 8 dalam penelitian ini yaitu NDBI yang menunjukkan perubahan kerapatan bangunan yang ada di Kota Makassar pada tahun 2018 dan 2023. Nilai NDBI tinggi menunjukkan bangunan yang ada sangat rapat, sedangkan jika nilai NDBI semakin rendah, maka semakin tidak rapat bangunan atau semakin tidak ada permukiman/bangunan pada daerah tersebut. Kedua gambar di bawah ini menunjukkan hasil nilai NDBI di Kota Makassar tahun 2018 dan 2023.

Gambar 1 Hasil Pengolahan NDBI Kota Makassar Tahun 2018

Gambar 2 Hasil Pengolahan NDBI Kota Makassar Tahun 2023

Berdasarkan hasil pengolahan NDBI di Kota Makassar, terjadi peningkatan kerapatan bangunan tahun 2023 dibandingkan tahun 2018. Kecamatan-kecamatan di Kota Makassar mengalami perkembangan kerapatan bangunan yang menandakan terjadinya urbanisasi ke Kota Makassar hingga tahun 2023.

Hasil NDBI menunjukkan terdapat perubahan luas pada masing-masing kelas kerapatan bangunan yang ada di Kota Makassar tahun 2018 dan 2023. Perubahan tersebut dapat dilihat pada tabel di bawah ini.

Berdasarkan tabel tersebut, maka terdapat perubahan yang cukup signifikan pada kelas kerapatan bangunan 'Non Permukiman' dan 'Permukiman Rapat'. Kecamatan Biringkanaya merupakan kecamatan yang mengalami perubahan luas kelas kerapatan bangunan 'Non Permukiman' tertinggi yaitu 281.4585 Ha. Seiring dengan pengurangan luas pada kelas tersebut, Kecamatan Biringkanaya mengalami pertambahan luas untuk kelas kerapatan bangunan ‘Permukiman Rapat’ sebesar 209.6241 Ha.

Urban Heat Island (UHI) Kota Makassar

Hasil pengolahan algoritma LST berupa intensitas UHI di Kota Makassar tahun 2018 dan 2023 dapat dilihat pada gambar di bawah ini.

Gambar 3 Hasil Pengolahan UHI Kota Makassar Tahun 2018

Gambar 4 Hasil Pengolahan UHI Kota Makassar Tahun 2023

Pada gambar di atas, terlihat bahwa pada tahun 2018 sebaran daerah yang mengalami UHI di Kota Makassar terpusat di Kecamatan Tamalate, Rappocini, Mamajang, Panakkukang, Makassar, Mariso, Manggala, Bontoala, Tallo, Wajo, dan Kecamatan Ujung Tanah. Kecamatan lain tidak terlalu mengalami fenomena UHI yang luas seperti kecamatan-kecamatan di atas. Namun, pada tahun 2023, fenomena UHI di Kecamatan Biringkanaya dan Kecamatan Tamalanrea meluas cukup signifikan dibandingkan dengan daerah yang pada tahun 2018 sudah terdampak UHI. Daerah di Kecamatan Biringkanaya yang pada 2018 masih didominasi Kelas Non UHI, pada tahun 2023 menjadi dominan kelas UHI 1 (2-4).

Berdasarkan hasil perhitungan luasan yang telah dilakukan, berikut ini merupakan tabel perubahan luas pada masing-masing kelas intensitas UHI.

Berdasarkan hasil perhitungan tersebut, secara keseluruhan wilayah Kota Makassar mengalami pengurangan luas untuk wilayah yang tidak berpotensi terjadi fenomena UHI. Kondisi ini berbanding terbalik dengan pertambahan luas wilayah pada nilai intensitas UHI ≥ 0 yang berarti berpotensi untuk terjadinya fenomena UHI. Penurunan luas kelas 'Non UHI' di Kecamatan Biringkanaya 948,056 Ha dan pertambahan luas nilai intensitas UHI ≥ 0 sebesar 952,238 Ha. Keadaan ini selinier dengan peningkatan kerapatan bangunan di Kecamatan Biringkanaya.

Validasi dengan Menggunakan SINI

SINI pada GEO MAPID dapat digunakan untuk memvalidasi hasil UHI dan NDBI dengan meninjau dari aspek demografi di wilayah tersebut. Validasi dilakukan dengan membuat 10 titik acak sebagai sampel di wilayah yang pada tahun 2023 terindikasi termasuk ke dalam kelas Non UHI, UHI 1, dan UHI 2. Setelah titik dibuat, letak titik teridentifikasi dan beberapa data salah satunya data demografi akan muncul.

Menurut Peraturan Pemerintah Pengganti Undang-Undang Nomor 56 Tahun 1960 tentang Penetapan Luas Tanah Pertanian, klasifikasi tingkat kepadatan penduduk dapat dibedakan menjadi:

Berikut ini merupakan tabel hasil validasi tersebut.

Berdasarkan data yang telah didapatkan, terlihat bahwa 10 titik yang dijadikan sampel berada di desa dengan kepadatan penduduk yang tinggi. Beragamnya kelas intensitas UHI disebabkan oleh aspek penggunaan lahan yang tidak menjadi fokus pada penelitian ini.

Uji Korelasi NDBI dan UHI

Uji korelasi antara NDBI dan UHI dilakukan menggunakan data hasil NDBI dan UHI Kota Makassar tahun 2023 melalui perangkat lunak QGIS. Berikut ini merupakan grafik hasil uji korelasi yang dilakukan.

Gambar 5 Grafik Uji Korelasi NDBI dan UHI QGIS

Selain menggunakan perangkat lunak QGIS, uji korelasi juga dapat dilakukan di perangkat lunak Excel. Sampel yang telah dipilih menggunakan perangkat lunak QGIS akan divisualisasikan di perangkat lunak Excel. Berikut ini merupakan grafik hasil uji korelasi di perangkat lunak Excel.

Gambar 6 Grafik Uji Korelasi NDBI dan UHI Excel

Berdasarkan hasil uji korelasi yang menunjukkan hubungan positif antara NDBI dan UHI, dapat disimpulkan bahwa semakin tinggi tingkat urbanisasi atau pembangunan di suatu wilayah, semakin tinggi pula suhu permukaan di wilayah tersebut. Hal ini sesuai dengan fenomena UHI, di mana area yang lebih padat dengan bangunan dan infrastruktur cenderung memiliki suhu yang lebih tinggi karena material seperti beton dan aspal menyerap lebih banyak panas dibandingkan vegetasi.

Koefisien determinasi sebesar 0,5236 menunjukkan bahwa 52,36% variasi dalam UHI dapat dijelaskan oleh perubahan dalam NDBI. Hal ini menegaskan bahwa NDBI merupakan faktor penting yang mempengaruhi UHI. Namun, masih ada 47,64% variasi dalam UHI yang dipengaruhi oleh variabel lain yang tidak diteliti dalam analisis ini. Beberapa variabel lain yang mungkin berkontribusi terhadap UHI meliputi kepadatan penduduk, ketersediaan vegetasi dan ruang terbuka hijau, tipe dan warna material bangunan, serta penggunaan energi di wilayah tersebut. Variabel-variabel ini bisa memiliki peran signifikan dalam mempengaruhi suhu lokal. Oleh karena itu, untuk meningkatkan pemahaman dan prediksi terhadap fenomena UHI, penelitian lanjutan sebaiknya mempertimbangkan faktor-faktor ini.

Kesimpulan dan Saran

Berdasarkan hasil dan analisis, dapat disimpulkan bahwa intensitas UHI di Kota Makassar tahun 2018 dengan 2023 mengalami perubahan cukup signifikan terutama di Kecamatan Biringkanaya. Luas wilayah Kota Makassar yang terindikasi 'Non UHI' mengalami penurunan. Keadaan ini selinier dengan pertambahan luas wilayah yang terindikasi 'UHI 1' dan 'UHI 2'. Oleh karena itu, wilayah di Kota Makassar masih didominasi oleh kelas berpotensi terjadi UHI. Pertambahan jumlah penduduk yang berbanding lurus dengan pertambahan jumlah lahan terbangun di Kota Makassar menjadi salah satu faktor utama yang berkontribusi pada pertambahan luas wilayah yang berpotensi mengalami UHI ini.

Adapun saran yang dapat diberikan, yaitu:

1. 1.
   Perlu dilakukan kajian ulang mengenai uji validasi yang dilakukan. Jika memungkinkan disarankan untuk melakukan uji validasi langsung untuk memastikan kesesuaian hasil pengolahan dengan kondisi yang ada di lapangan.

1. 2.
   Penggunaan metode dan parameter yang lebih kompleks untuk mengetahui faktor-faktor lain yang berpengaruh pada intensitas UHI.

Referensi

Aldiansyah, S., & Wardani, F. (2023). Analisis Spasio-Temporal Fenomena Urban Heat Island dan Hubungannya Terhadap Aspek Fisik di Kota Makassar (1993-2021). Jurnal Sains & Teknologi Modifikasi Cuaca, 24(1), 1-11.

Novianti, T. C., Samri, A. S., & Nisa, S. (2024). Analisis Urban Heat Island Menggunakan Citra Satelit Landsat 8 di Kota Tangerang. Journal Of Plano Studies, 1(1), 12-20.

Pratiwi, A. Y., & Jaelani, L. M. (2021). Analisis Perubahan Distribusi Urban Heat Island (UHI) di Kota Surabaya Menggunakan Citra Satelit Landsat Multitemporal. Jurnal Teknik ITS, 9(2), C48-C55.