IDENTIFIKASI ZONA RAWAN KEKERINGAN PERTANIAN BERDASARKAN INDEKS KEKERINGAN DENGAN PENDEKATAN REMOTE SENSING DI KABUPATEN BANTUL DAERAH ISTIMEWA YOGYAKARTA

AGUS SUPRIHATIN U, Dr. M. Pramono Hadi, M.Sc.; Dr. Emilya Nurjani, M.Si.

2021 | Tesis | MAGISTER ILMU LINGKUNGAN

Penelitian ini dilaksanakan dalam upaya mengembangkan sebuah model pemetaan zona rawan kekeringan lahan pertanian berbasis Sistem Informasi Geografis untuk mengetahui sebaran tingkat kerawanan kekeringan (model sistem informasi) yang terjadi di Kabupaten Bantul, DI Yogyakarta berdasarkan data spasio-temporal 6 tahun hasil interpretasi citra Landsat 8 di Kabupaten Bantul. Penelitian ini dapat dijadikan sebagai suatu pedoman monitoring sistem informasi dini dalam melakukan upaya adaptasi menghadapi ancaman kekeringan melalui upaya pemetaan zonasi tingkat rawan kekeringan lahan pertanian pada lokasi penelitian saat musim kemarau, disamping bertujuan untuk mengetahui estimasi luasan kekeringan lahan pertanian yang terjadi di Kabupaten Bantul berdasarkan hasil interpretasi foto citra udara. Penelitian ini membandingkan performa indeks potensi kekeringan lahan pertanian menggunakan algoritma Normalized Difference Drought Index (NDDI) berbasis teknologi penginderaan jauh/ foto citra satelit Landsat 8 untuk mengidentifikasi estimasi zona terindikasi kekeringan lahan pertanian yang terjadi di Kabupaten Bantul, Provinsi Daerah Istimewa Yogyakarta berdasarkan tren data spasio-temporal foto citra dengan interval perekaman dari perwakilan data tahun 2015 s.d. 2020 saat musim kemarau. Perbandingan dilakukan dengan melihat pada kinerja antar indeks yang diektraksi dari data foto citra Landsat 8 berdasarkan nilai parameter vegetasi kehijauan/ Normalized Difference Vegetation Index (NDVI) dan parameter kelembaban lahan dan vegetasi/ Normalized Difference Water Index (NDWI). Selanjutnya perbandingan tersebut digunakan untuk menghitung estimasi zona rawan kekeringan berdasarkan nilai indeks NDDI sebagai indikator kajian kekeringan lahan pertanian. Metode yang digunakan dalam penelitian ini adalah metode deskriptif korelatif: deduktif kuantitatif dan kualitatif menggunakan indikator geostatistik berbasis analisis big data untuk mengukur dan membandingkan berbagai variabel data secara spasio-temporal. Pengumpulan data primer dilakukan dengan melakukan akuisisi data langsung berupa mengunduh citra satelit Landsat 8. LAPAN yang kemudian dilakukan pengolahan nilai pixel dalam mengidentifikasi nilai indeks kekeringan untuk mengilustrasikan fenomena kekeringan lahan pertanian di Kabupaten Bantul. Sebaran kekeringan lahan pertanian melalui metode transformasi indeks NDDI pada foto citra satelit dampak kekeringan lahan pertanian dalam skala normal, ringan, sedang, hingga berat terjadi di hampir seluruh di wilayah Kabupaten Bantul. Berdasarkan hasil pemetaan kekeringan yang telah dilakukan, tidak semua lahan pertanian (kebun, ladang, dan sawah/ lahan vegetatif) pada wilayah penelitian mengalami tingkat kekeringan yang sama dalam satu lokasi. Dari satu lokasi yang sama bisa dimungkinkan adanya beberapa tingkat kekeringan yang berbeda-beda tren setiap tahunnya. Terjadi anomali distribusi data baik secara spasial maupun tabular pada tahun 2016 dibandingkan data kekeringan yang relatif konsisten pada 5 tahun lainnya. Hal ini terjadi, dikarenakan pengaruh aktifitas alam fenomena iklim global ENSO, Dampak transisi fenomena El Nino ke La Nina (kemarau basah) yang lebih dominan terjadi pada tahun 2016. Secara umum, hasil identifikasi zona kekeringan lahan pertanian di Kabupaten Bantul dengan menggunakan pendekatan keruangan berbasis Remote Sensing/ Penginderaan Jauh teridentifikasi pada sampel rekaman foto citra tahun 2015 s.d. 2020, luas area rata-rata terdampak kekeringan lahan pertanian di Kabupaten Bantul pada skala normal terdampak seluas ± 6.500,49 ha, terdampak kekeringan skala ringan seluas ± 17.192,16 ha, terdampak kekeringan skala sedang seluas± 8.636,155, dan terdampak kekeringan lahan pertanian skala berat seluas ± 2.407,485 ha.

This study was conducted to compare the performance of the agricultural land drought index using the Normalized Difference Drought Index (NDDI) algorithm that occurred in Bantul Regency, Yogyakarta Special Region based on the spatio-temporal data trend of images with recording intervals from 2015 to 2015. 2020. The method used in this research is descriptive correlative method: quantitative and qualitative deductive using geostatistical indicators to measure and compare various variables. In general, the results of the identification of drought zones on agricultural land in Bantul Regency using a remote sensing-based spatial approach were identified in the 2015 to 2015 photo recording samples. In 2020, the average area affected by drought in Bantul Regency on a normal scale affected was 6.500,49 ha, affected by mild drought was 17.192,16 ha, affected by moderate-scale drought was 8.636,155 ha, and affected by drought of severe scale agricultural land was 2.407,485 ha.

Kata Kunci : Indeks Kekeringan, NDDI, Anomali Kekeringan Lahan Pertanian, Bantul./ Drought Index, NDDI, Drought Anomaly, Bantul Regency.