Perpustakaan Digital 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.