Analisis Persebaran Urban Heat Island di DKI Jakarta

27 August 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 Publications

KLASIFIKASI BIJIH BESI MENGGUNAKAN CITRA HIPERSPEKTRAL DI DAERAH SEKITAR KABUPATEN SLEMAN

Energy

01 Sep 2025

HIMA SAIG UPI

KLASIFIKASI BIJIH BESI MENGGUNAKAN CITRA HIPERSPEKTRAL DI DAERAH SEKITAR KABUPATEN SLEMAN

Pemanfaatan citra hiperspektral PRISMA digabungkan dengan metode Spectral Angle Mapper (SAM) memungkinkan klasifikasi dan pemetaan bijih besi secara detail di wilayah sekitar Kabupaten Sleman, Daerah Istimewa Yogyakarta. Teknologi ini mampu menangkap informasi spektral yang sangat spesifik dari material di permukaan bumi, terutama oksida besi seperti hematit dan magnetit yang dominan dalam bijih besi. Dengan membandingkan sudut spektral antara piksel citra dan spektrum referensi, SAM mengidentifikasi kandungan mineral bijih besi dengan tingkat keakuratan yang diatur melalui nilai batas sudut radian. Nilai batas sudut yang lebih besar memungkinkan deteksi area yang lebih luas namun dengan kemungkinan klasifikasi kurang tepat, sementara threshold kecil menghasilkan klasifikasi yang lebih selektif dan akurat meski cakupan area terdeteksi lebih terbatas. Penelitian ini menemukan distribusi bijih besi yang signifikan di zona vulkanik Gunung Merapi, terutama di sepanjang aliran sungai yang membawa material vulkanik kaya besi. Penggunaan citra hiperspektral dan metode SAM ini memberikan solusi efektif dan efisien dalam eksplorasi mineral dibandingkan metode survei lapangan konvensional dengan biaya dan waktu yang lebih besar.

13 min read

19 view

3 Data

1 Projects

ANALISIS KESESUAIN LAHAN DALAM PEMERATAAN FASILITAS SEKOLAH DASAR MENGGUNAKAN METODE OVERLAY
STUDI KASUS KEBUPATEN CIANJUR

City Planning

15 Aug 2025

Melati Utami

ANALISIS KESESUAIN LAHAN DALAM PEMERATAAN FASILITAS SEKOLAH DASAR MENGGUNAKAN METODE OVERLAY STUDI KASUS KEBUPATEN CIANJUR

Analisis spasial menggunakan GIS untuk menilai kesesuaian lahan dalam mendukung pemerataan lokasi sekolah dasar, guna meningkatkan akses pendidikan yang merata dan berkelanjutan.

23 min read

297 view

1 Projects

Analisis Efisiensi Rute Trans Metro Bandung (TMB)

Transportation

15 Aug 2025

Merryndriani Gabrielia Mour Suardy

Analisis Efisiensi Rute Trans Metro Bandung (TMB)

Bandung kini menyandang predikat kota termacet ke-12 di dunia menurut TomTom Traffic Index (2024). Sejak 2009, Trans Metro Bandung hadir sebagai harapan baru untuk mengurangi kendaraan pribadi dan menghidupkan kembali kepercayaan masyarakat pada transportasi umum. Namun, kenyataannya jumlah penumpang terus menurun, sementara jumlah kendaraan hampir menyamai jumlah penduduk. Publikasi ini mengupas seberapa efisien TMB beroperasi di tiap koridor dan apa yang membuat sebagian wilayah masih tertinggal dalam akses layanan.

19 min read

241 view

1 Projects

Analisis Spasial Untuk Pemetaan Wilayah Potensial Penyerapan Tenaga Kerja Berdasarkan Kecamatan Di Kota Tasikmalaya Tahun 2024

Social

30 Aug 2025

Nuryabilla Utami

Analisis Spasial Untuk Pemetaan Wilayah Potensial Penyerapan Tenaga Kerja Berdasarkan Kecamatan Di Kota Tasikmalaya Tahun 2024

Pada era digitalisasi, Sistem Informasi Geografis (SIG) menjadi alat penting untuk menganalisis potensi penyerapan tenaga kerja.. Tingkat partisipasi angkatan kerja mencapai 68,92%, namun terdapat 2.619 pencari kerja dan hanya 1.067 yang terserap, menunjukkan adanya mismatch kualifikasi dan ketimpangan distribusi kerja. Analisis spasial ini memetakan faktor-faktor seperti kepadatan penduduk, aksesibilitas, lokasi industri, dan tingkat pendidikan untuk mendukung perencanaan wilayah, pengembangan kawasan industri/UMKM, serta kebijakan peningkatan kesempatan kerja di Kota Tasikmalaya.

27 min read

288 view

1 Projects

Terms and Conditions
Introductions
  • MAPID is a platform that provides Geographic Information System (GIS) services for managing, visualizing, and analyzing geospatial data.
  • This platform is owned and operated by PT Multi Areal Planing Indonesia, located at