ABSTRAK Yans Prya M Sembiring M
Terbatas Irwan Sofiyan
» ITB
Terbatas Irwan Sofiyan
» ITB
Urban heat island (UHI) merupakan isoterm tertutup yang menunjukkan daerah
permukaan yang relatif hangat, yakni sebagai suhu yang lebih hangat di daerah
perkotaan dibandingkan dengan lingkungan pedesaan disekitarnya. Dengan
perkembangan masyarakat dan percepatan proses urbanisasi sebagai dampak dari
pembangunan, urban heat island telah menjadi lebih signifikan dan telah memiliki
dampak negatif pada kondisi kualitas udara, lingkungan hidup manusia, dan
mempengaruhi penggunaan energi, hingga perubahan iklim di masa yang akan
datang. Kajian mengenai pulau panas sangat penting, karena pulau panas sangat
mempengaruhi kondisi kualitas udara, mempengaruhi kesehatan manusia, dan
mempengaruhi penggunaan energi. Peningkatan pulau panas juga merupakan
salah satu faktor perubahan iklim global.
Pada penelitian ini UHI diidentifikasi dengan menggunakan data Land Surface
Temperature (LST) yang diperoleh dengan menggunakan data citra satelit. Land
Surface Temperature (LST) adalah besar suhu diantara permukaan bumi dan
atmosfer. Sebelum adanya Earth Observation Satellites (EOS), sulit untuk
mengestimasi LST dari suatu daerah. Biasanya estimasi LST dilakukan dengan
menghitung beberapa contoh sampel lapangan dan diinterpolasi ke dalam
isotherms untuk mengubah data titik menjadi area. Sekarang dengan adanya citra
satelit dengan resolusi tinggi sangat mudah untuk menghitung LST secara spasial.
LST pada sebuah wilayah dapat dihitung dengan menggunakan thermal infrared
bands (band 10 dan band 11) pada citra Landsat 8.
Dalam beberapa tahun belakangan ini kota Bandung mengalami peningkatan
jumlah penduduk dan perubahan guna lahan yang sangat signifikan. Oleh karena
itu perlu dilakukan penelitian mengenai fenomena UHI di kota Bandung dengan
menggunakan data satelit Landsat 8. Adapun algoritma yang digunakan dalam
penelitian ini adalah algoritma Improve Mono Window pada band 10 dan band 11
yang mana pada penelitian sebelumnya dilakukan hanya pada band 10, dan Split
Window.
Dari kedua metode tersebut ditentukan algoritma terbaik dengan menggunakan
data MODIS LST sebagai data validasi. Sedangkan asesment dari intensitas UHI
dilakukan dengan menggunakan Weighted Average Heat Island Index. Dari hasil
pengolahan dan perbandingan nilai LST dengan algoritma IMW dan SW dengan
MODIS LST sebagai data validasi, menunjukkan bahwa algoritma IMW dengan
menggunakan band 10 memiliki tingkat kesalahan yang lebih kecil. Perhitungan
LST selanjutnya dilakukan pada 3 citra dengan tanggal berbeda pada tahun 2013
dan 3 citra dengan tanggal berbeda pada tahun 2018. Nilai LST rata-rata pada
tahun 2018 menunjukkan adanya peningkatan dibandingkan nilai LST rata-rata
pada tahun 2013. Adapun intensitas UHI pada tahun 2013 terdefenisi kuat, dan
intensitas UHI pada tahun 2018 terdefenisi sangat kuat.