Pendahuluan

Segala aktivitas antropogenik atau yang melibatkan manusia dan dilakukan secara terus menerus pasti akan memicu dampak buruk bagi lingkungan. Selain itu, bisa jadi hal tersebut menjadi faktor yang mempercepat terjadinya bencana. Oleh karena itu, diperlukan teknologi untuk memberikan informasi komprehensif tentang aktivitas yang dilakukan oleh manusia di permukaan bumi. Salah satu teknologi yang sudah mengakomodasi akuisisi informasi tersebut adalah data spasial penginderaan jauh yakni nighttime light (NTL).

Melalui data NTL, kita tidak hanya dapat mengamati dan memantau, tapi juga memberikan asesmen terkait segala aktivitas antropogenik. Hal ini karena NTL memberikan informasi yang menjadi indikator di wilayah mana saja yang sudah mendapat campur tangan manusia. Sebut saja permukiman (urban maupun sub-urban), ekonomi, konflik, bencana, perikanan kelautan, emisi gas rumah kaca dan polusi cahaya.

Pemanfaatan data NTL pertama kali dilakukan pada tahun 1970-an dengan menggunakan satelit DMSP-OLS, meski masih memiliki beberapa keterbatasan seperti saturasi, tidak stabil dan tidak konsisten serta data yang belum akurat. NTL berkembang pesat pada tahun 2011, ketika satelit NPP-VIIRS yang memiliki instrumen VIIRS Day/Night Band (DNB) diluncurkan. Satelit ini mampu mengakuisisi data dengan resolusi spasial dan temporal yang lebih baik dibanding satelit-satelit sebelumnya.

Nighttime Light

Pengukuran dan Representasi NTL dari Citra Satelit

Akuisisi atau pengambilan data NTL pada umumnya dapat dilakukan oleh satelit dengan sensor khusus yang memiliki kemampuan untuk dapat melihat cahaya malam dengan jelas. Cahaya malam ini bisa berasal dari berbagai sumber, seperti lampu di kawasan perkotaan, industri, hingga dari kendaraan yang memiliki ukuran besar misalnya kapal.

Beberapa contoh sensor dari satelit yang dapat mengambil data NTL di antaranya:

• DMSP/OLS: Satelit militer AS yang mulai beroperasi sejak 1971, dilengkapi dengan sensor pankromatik yang sensitif terhadap cahaya dengan intensitas rendah. Meskipun satelit ini berskala global, namun memiliki keterbatasan seperti saturasi sinyal, resolusi spasial yang rendah (sekitar 3 km), dan kurangnya kalibrasi radiometrik.

• VIIRS/DNB: Satelit sipil AS yang diluncurkan pada 2011, dilengkapi dengan sensor pankromatik khusus, yakni DNB. Sensor ini merupakan pengembangan dari DMSP/OLS, dengan peningkatan resolusi spasial (740 m), sensitivitas radiometrik, dan kemampuan menghindari saturasi. Sensor ini dapat merekam data dalam interval bulanan dengan satuan nanoWatt/(cm2*sr).

• Landsat 8: Satelit dari Amerika Serikat yang diluncurkan pada 2013, dilengkapi dengan sensor multispektral yang disebut Operational Land Imager (OLI). Sensor ini tidak dirancang untuk mengukur cahaya dengan intensitas rendah, tetapi memiliki sensitivitas radiometrik yang cukup untuk mendeteksi cahaya dari kawasan seperti perkotaan. Landsat 8 memiliki resolusi spasial 15 - 30 meter.

• ISS: Stasiun Luar Angkasa Internasional yang dihuni oleh astronot dari berbagai negara, dilengkapi dengan kamera DSLR yang dapat mengambil foto malam hari dari Bumi. Berbagai gambar yang diambil memiliki resolusi spasial moderat (5 - 200 m) dan merupakan sumber pertama dari data NTL. Namun, foto-foto ini tidak memiliki informasi lokasi yang tepat, dan membutuhkan kalibrasi radiometrik yang rumit.

Hubungan Intensitas NTL dengan Kegiatan Manusia dan Perkembangan Wilayah

NTL dapat digunakan sebagai indikator dari tingkat perkembangan sosial-ekonomi, konsumsi energi, dan dampak lingkungan dari suatu wilayah. Sebagai contoh, perbandingan NTL Korea Utara dan Korea Selatan yang mencolok dalam hal intensitas cahaya. NTL cenderung gelap di mayoritas wilayah Korea Utara sedangkan wilayah Korea Selatan menunjukkan Sebaliknya.

Perbedaan intensitas NTL di satu wilayah dengan yang lainnya selain dapat menjadi evaluasi tentang perkembangan maupun pertumbuhan wilayah, bisa juga digunakan sebagai alat untuk memantau perubahan-perubahan yang terjadi di wilayah-wilayah tertentu. Misalnya, perubahan kebijakan pemerintah yang menjadi pemicu perubahan pola pembangunan permukiman.

Keuntungan dan Kekurangan Pemanfaatan NTL sebagai Indikator Aktivitas Manusia

Beberapa kelebihan pemanfaatan data NTL antara lain adalah sebagai berikut:

1. 1.
   Mengisi kekurangan data konvensional: seringkali data konvensional terutama yang berhubungan dengan variabel sosial ekonomi seperti jumlah penduduk dan tingkat kemiskinan seringkali tidak tersedia pada wilayah-wilayah tertentu.

1. 2.
   Mengukur aktivitas manusia secara langsung: hal ini menyangkut aktivitas manusia yang terkait dengan penggunaan listrik, seperti perkembangan wilayah perkotaan, daerah terjangkau listrik, konflik hingga bencana.

1. 3.
   Tersedianya data temporal atau dari waktu ke waktu mulai dari harian, bulanan hingga tahunan serta tidak hanya dalam skala regional namun juga global.

Beberapa kekurangan dari pemanfaatan data NTL antara lain adalah sebagai berikut:

1. 1.
   Terbatas oleh kualitas sensor: Data NTL dapat dipengaruhi oleh faktor-faktor seperti saturasi, resolusi, kalibrasi, atmosfer, bulan, dan tutupan awan, yang dapat mengurangi akurasi dan konsistensi data.

1. 2.
   Tidak sensitif terhadap cahaya rendah: Data NTL dapat gagal mendeteksi sumber cahaya yang lemah atau redup, seperti lampu LED, lilin, atau lampu minyak, yang dapat menyebabkan bias dalam mengukur kemiskinan atau jangkauan listrik.

1. 3.
   Tidak dapat membedakan jenis cahaya: Data NTL tidak dapat membedakan sumber cahaya yang berbeda, seperti cahaya listrik, api, kilat, atau cahaya alami, yang dapat menyebabkan kesalahan dalam menginterpretasikan data.

Manfaat Data Nighttime Light

Sebagaimana yang dipaparkan sebelumnya, data NTL menjadi salah indikator penting untuk menilai suatu lingkungan baik dari aspek ekonomi maupun aspek lainnya. Oleh karena itu, data ini mempunyai berbagai manfaat untuk berbagai aspek kehidupan. Di bawah ini terdapat empat fungsi dan manfaat sebagai implementasi dari data ini. Keempat manfaat tersebut secara umum meliputi aspek kependudukan, ekonomi, sosial, dan lingkungan.

Analisis Urbanisasi dan Pertumbuhan Kota

Gambaran visual tentang perkembangan wilayah perkotaan dapat dilihat secara temporal menggunakan data cahaya waktu malam yang diperoleh dari citra satelit. Lebih lanjut, data ini memungkinkan untuk melakukan proses identifikasi perubahan dalam struktur kota dan pola urbanisasi. Salah satu penelitian yang dilakukan oleh Xiao dkk (2014) cahaya malam dan NDVI dapat menganalisis ekspansi perkotaan di Cina dari waktu ke waktu. Dari penelitian tersebut dihasilkan variasi regional yang signifikan dalam pola dan tingkat pertumbuhan perkotaan di Cina. Oleh karena itu, tidak dapat dipungkiri perpindahan penduduk terjadi dari waktu ke waktu yang salah satu tujuannya adalah mencari penghidupan.

Korelasi Intensitas Cahaya dengan Kepadatan Penduduk

Intensitas cahaya malam dapat berkorelasi dengan kepadatan penduduk di suatu daerah. Data ini memberikan informasi tentang daerah-daerah dengan kepadatan tinggi atau rendah, mengindikasikan pola distribusi populasi. Sama halnya dengan manfaat sebelumnya, data ini dapat menggambarkan pola distribusi penduduk berdasarkan intensitas cahaya yang dihasilkan oleh citra satelit. Hal ini sangat relevan dengan penelitian yang dilakukan oleh Tan dkk. (2018) bahwa data cahaya malam yang dikombinasikan dengan penggunaan lahan serta data statistik kependudukan memperlihatkan adanya perubahan pola distribusi spasial dari populasi Cina selama satu dekade (2000-2010). Beberapa wilayah yang dikategorikan kepadatan menengah mengalami penurunan sebesar 41%. Di sisi lain, wilayah dengan kepadatan penduduk tinggi mengalami peningkatan yang cukup signifikan sebesar 76%. Perubahan ini tentunya mengubah tekanan yang bersifat antropogenik di wilayah Cina. 

Indikator Aktivitas Ekonomi

Salah satu indikator tingkat perekonomian yang baik dalam suatu wilayah dapat dikenali dari tingkat aktivitas komersial pada malam hari, yang tercermin dalam data NTL. Data ini dapat memberikan analisis komparasi wilayah yang memiliki tingkat aktivitas ekonomi yang tinggi dan rendah pada waktu tertentu. Wilayah dengan cahaya malam yang lebih terang seringkali menunjukkan pusat-pusat kegiatan ekonomi yang kuat, sementara wilayah dengan cahaya malam yang lebih redup cenderung memiliki aktivitas ekonomi yang rendah. Oleh karena itu, aktivitas ekonomi dapat menjadi indikator untuk melihat morfologi suatu kota.

Berkaitan dengan hal ini, penelitian yang dilakukan oleh Afrianto dan Graha dapat memberikan gambaran secara umum bagaimana data cahaya waktu malam bisa menjadi pendekatan yang baik untuk melihat bagaimana morfologi suatu kota dan juga meninjau bagaimana aktivitas ekonomi mempengaruhi pola perencanaan kota. Walaupun demikian, data ini memiliki keterbatasan pada wilayah dengan aktivitas ekonomi yang kurang yang ditandai dengan tidak teraliri oleh listrik. Penelitian ini mengambil wilayah studi Kota Malang yang memberikan informasi bahwa kota ini memiliki kondisi morfologi yang bersifat radial konsentrik dengan pusat kota sebagai wilayah memiliki perkembangan yang pesat dari tahun ke tahun karena aktivitas ekonomi yang ramai, sedangkan semakin jauh dari pusat kota intensitas cahaya berkurang yang menunjukkan aktivitas ekonomi yang rendah. 

Evaluasi Kualitas Lingkungan dan Polusi Cahaya

Data cahaya waktu malam memberikan informasi yang cukup untuk melihat aktivitas komersial di suatu wilayah. Hal ini berkesinambungan dengan efek yang ditimbulkan terhadap lingkungan. Peningkatan intensitas cahaya malam yang berlebihan, terutama di daerah perkotaan, dapat menunjukkan adanya polusi cahaya yang berdampak pada lingkungan. Cahaya yang berlebihan ini tidak hanya mengganggu ekosistem alami, tetapi juga pada kesehatan manusia. Sebagai contoh, di suatu wilayah dengan area industri yang melakukan proses bisinis tertentu akan terlihat cukup terang dan tentunya akan mengganggu siklus alami makhluk hidup di sekitarnya. 

Beberapa dampak yang dapat ditimbulkan akibat paparan cahaya yang terlalu terang, yakni gangguan pada ekosistem terutama perilaku dan pola tidur hewan, gangguan pada kesehatan manusia seperti kelelahan dan terhambatnya ritme biologis lainnya, serta dapat menyebabkan adanya peningkatan suhu di sekitarnya. Oleh karena itu, data cahaya waktu malam dapat dijadikan sebagai evaluator untuk menilai kualitas lingkungan, terutama dalam memahami tingkat polusi cahaya di suatu wilayah. Analisis data cahaya malam dapat membantu mengidentifikasi lokasi-lokasi dengan tingkat pencahayaan yang berlebihan, memungkinkan pengambil keputusan untuk merencanakan penggunaan cahaya yang lebih efisien, serta mengurangi dampak polusi cahaya terhadap lingkungan dan kesehatan manusia.

Studi Kasus: Data Nighttime Light di Indonesia

Data Nighttime Light MAPID

Pada publikasi ini, tim MAPID melampirkan projects NTL yang telah diolah untuk tahun 2012 - 2023 di wilayah Indonesia. Data awal yang kami gunakan untuk projects nighttime light ini merupakan citra satelit VIIRS yang kemudian kami proses dan unduh dalam resolusi 500 meter. Berdasarkan dokumentasi Earth Engine Data Catalogue, citra ini merupakan hasil komposit rata-rata citra malam hari untuk setiap bulan, sehingga band cloud-free coverages perlu diterapkan untuk mengetahui wilayah mana yang memiliki kualitas citra NTL yang buruk karena tutupan awan atau pencahayaan matahari.

Dari rentang nilai NTL dengan satuan nanoWatts/sr/cm^2, kami membaginya ke dalam lima kelompok. Klasifikasi NTL yang kami bentuk ini merupakan hasil modifikasi dari penelitian NTL yang dilakukan oleh Alvarez-Berríos, dkk. pada tahun 2011. Klasifikasi tersebut di antaranya nilai NTL 0 - 3 didefinisikan sebagai wilayah “tidak ada cahaya”, nilai 3 - 5 sebagai wilayah dengan “cahaya sangat rendah”, nilai 5 - 10 sebagai wilayah dengan “cahaya rendah”, nilai 10 - 20 sebagai wilayah “cahaya sedang”, dan nilai NTL lebih dari 20 didefinisikan sebagai wilayah dengan intensitas “cahaya tinggi”.

Analisis 

Gambar pertama menunjukkan kelas tingkat intensitas NTL di Kota dan Kabupaten Bekasi pada tahun 2012. Visualisasi ini menunjukkan bahwa kelas NTL tinggi dan sedang terpusat di Kota Bekasi dan sebagian wilayah Kabupaten Bekasi yang berdekatan dengan Kota Bekasi. Sedangkan wilayah Kabupaten Bekasi utamanya lebih bervariasi dengan dominasi kelas tidak ada cahaya di area yang semakin jauh dari perkotaan. Pada tahun ini, tutupan lahan di wilayah Kabupaten Bekasi mayoritas merupakan vegetasi, baik vegetasi pertanian atau non pertanian, sedangkan tutupan lahan di Kota Bekasi hampir semuanya ditutupi bangunan berupa industri atau permukiman.

Pada gambar kedua, tampak representasi kelas NTL pada tahun 2023 di Kabupaten Bekasi. Perubahan signifikan terlihat dalam intensitas cahaya sejak tahun 2012 di wilayah tersebut, ditunjukkan dengan adanya peningkatan kelas NTL yang menyebar secara radial. Pada tahun 2023, wilayah Kabupaten Bekasi yang berdekatan dengan Kota Bekasi hingga pusat Kabupaten Bekasi menunjukkan kenaikan tingkat cahaya yang signifikan untuk area yang lebih luas. Sementara itu, di Kota Bekasi sendiri, intensitas cahaya juga meningkat dengan hanya memiliki tiga kelas NTL, yaitu kelas tinggi, sedang, dan rendah. Perubahan yang positif ini dapat disebabkan oleh perluasan wilayah permukiman dan industri di daerah Kabupaten Bekasi, sehingga peningkatan jumlah cahaya terlihat di wilayah tersebut pada malam hari.

Perbandingan data cahaya malam antara perkotaan dan non-perkotaan menunjukkan perbedaan yang substansial dalam intensitas dan pola pencahayaan pada malam hari. Secara keseluruhan, daerah perkotaan memperlihatkan tingkat intensitas cahaya yang lebih tinggi dan pola yang lebih teratur, mencerminkan kepadatan penduduk dan aktivitas ekonomi yang lebih tinggi. Di sisi lain, daerah kabupaten atau pinggiran kota cenderung menunjukkan pola pencahayaan yang lebih tersebar dan bervariasi. Analisis ini memberikan wawasan terkait dengan perbedaan karakteristik wilayah dan tutupan lahan. Dengan begitu, data cahaya malam dapat menjadi indikator yang bermanfaat untuk memahami dinamika antara perkotaan dan pedesaan serta hubungannya dengan berbagai aspek sosioekonomi.

Selain berkaitan dengan perubahan tutupan lahan, peningkatan NTL yang meluas dari perkotaan hingga wilayah non-perkotaan dapat menunjukkan karakteristik distribusi populasi di wilayah tersebut, sebagaimana yang ditunjukkan oleh dua gambar berikut:

Dengan memanfaatkan informasi demografi dari fitur SINI MAPID, perbedaan densitas populasi di Kabupaten Bekasi dapat diamati pada berbagai kelas NTL. Di Kelurahan Danau Indah yang termasuk dalam kelas NTL tinggi, densitas penduduknya mencapai 1.418 orang per kilometer persegi. Angka ini menunjukkan jumlah penduduk yang hampir tiga kali lipat lebih tinggi dibandingkan dengan Kelurahan Ridogalih yang berada dalam kelas NTL tanpa cahaya, yaitu sebanyak 575 orang per kilometer persegi pada tahun 2022. Oleh karena itu, dapat dikatakan bahwa intensitas cahaya malam berkorelasi positif dengan densitas populasi suatu daerah. Ini mengindikasikan bahwa tingginya konsentrasi penduduk di suatu wilayah memiliki dampak yang signifikan terhadap intensitas cahaya malam.

Kesimpulan

Data NTL sangat penting untuk dipelajari karena data tersebut dapat meninjau pola dan distribusi spasial serta karakteristik sosial dan ekonomi suatu wilayah. Oleh karena itu, GEO MAPID menyediakan data ini secara temporal dari tahun 2012 hingga 2023 sehingga pengguna dapat menganalisis perubahan cahaya malam di suatu wilayah di Indonesia. Pengguna dapat memanfaatkan data cahaya waktu malam dalam berbagai bidang, seperti pemetaan perkotaan, analisis polusi cahaya, evaluasi aktivitas ekonomi, dan penelitian lingkungan. Dengan demikian, platfrom GEO MAPID hadir sebagai wadah eksplorasi bagi semua pengguna untuk memanfaatkan data ini sebagai salah satu langkah untuk mendukung pengambilan keputusan terutama dalam manajemen lingkungan dan pembangunan perkotaan yang berkelanjutan. 

Referensi

Afrianto, F., & Graha, D. T. R. (2023). Morfologi Kota Malang: Sebuah Tinjauan dari Nighttime Light Satellite Imagery.��Jurnal Plano Buana,��3(2), 68-76.

Alvarez-Berríos, Nora & Parés-Ramos, Isabel & Aide, T. Mitchell. (2012). Contrasting Patterns of Urban Expansion in Colombia, Ecuador, Peru, and Bolivia Between 1992 and 2009. Ambio. 42. 10.1007/s13280-012-0344-8.

Levin, N., Kyba, C. C. M., Zhang, Q., Sánchez de Miguel, A., Román, M. O., Li, X., Portnov, B. A., Molthan, A. L., Jechow, A., Miller, S. D., Wang, Z., Shrestha, R. M., & Elvidge, C. D. (2020). Remote Sensing of Night Lights: A Review and an outlook for the future. Remote Sensing of Environment, 237, 111443. https://doi.org/10.1016/j.rse.2019.111443

Tan, M., Li, X., Li, S., Xin, L., Wang, X., Li, Q., ... & Xiang, W. (2018). Modeling population density based on nighttime light images and land use data in China.��Applied Geography, 90, 239-247.

Xiao, P., Wang, X., Feng, X., Zhang, X., & Yang, Y. (2014). Detecting China’s urban expansion over the past three decades using nighttime light data. IEEE Journal of selected topics in applied earth observations and remote sensing, 7(10), 4095-4106.

Zhao, Zhou, Li, Cao, He, Yu, Li, Elvidge, Cheng, & Zhou. (2019). Applications of satellite remote sensing of nighttime light observations: Advances, challenges, and perspectives. Remote Sensing, 11(17), 1971. https://doi.org/10.3" class="my-4 underline text-blue-500">i>(17), 1971. https://doi.org/10.3390/rs11171971