Laporkan Masalah

Analisis Spasio-Temporal Suhu Permukaan Lahan Menggunakan Google Earth Engine di Pekalongan, Jawa Tengah

M. Indra Adi Kusuma, Karen Slamet Hardjo, S.Si., M.Sc.

2026 | Tugas Akhir | D4 SISTEM INFORMASI GEOGRAFIS

Suhu permukaan lahan atau Land Surface Temperature (LST) merupakan indikator penting untuk mengkaji dinamika termal wilayah yang berkaitan dengan perubahan penutup lahan. Penelitian ini bertujuan menganalisis perubahan LST serta hubungannya dengan vegetasi, kelembapan vegetasi, kawasan terbangun, dan penutup lahan di Pekalongan selama periode 2004–2024.

Penelitian ini menggunakan citra Landsat 7 ETM+ dan Landsat 8 OLI/TIRS tahun 2004, 2008, 2012, 2016, 2020, dan 2024 yang diolah melalui Google Earth Engine. Metode analisis meliputi ekstraksi LST, perhitungan indeks NDVI, NDMI, dan IBI, klasifikasi penutup lahan menggunakan algoritma Random Forest, analisis regresi linier sederhana, serta analisis tren menggunakan uji Mann-Kendall dan Theil-Sen Estimator dengan mempertimbangkan perbedaan karakteristik sensor serta keterbatasan waktu validasi lapangan yang tidak sepenuhnya sezaman dengan tanggal perekaman citra.

Hasil penelitian menunjukkan bahwa rata-rata LST di Pekalongan berfluktuasi pada kisaran 23,13–25,08 °C, dengan rata-rata keseluruhan sebesar 24,19 °C dan rata-rata tahun 2024 sebesar 25,08 °C. Hasil uji Mann-Kendall menunjukkan nilai Statistik S berkisar antara -15 hingga 15 dengan rata-rata 3,9040, sedangkan rata-rata Kendall’s Tau sebesar 0,2603, sehingga tren LST secara umum mengarah pada peningkatan monotonik. Kelas tren signifikan menunjukkan bahwa sebagian besar piksel tidak mengalami perubahan signifikan, tetapi piksel dengan tren meningkat signifikan lebih luas dibandingkan tren menurun signifikan. TheilSen Estimator menunjukkan laju peningkatan rata-rata sebesar 0,0440 °C per tahun dan median 0,0430 °C per tahun. Hasil regresi memperlihatkan bahwa NDVI dan NDMI memiliki hubungan negatif terhadap LST, masing-masing dengan nilai R² sebesar 0,3985 dan 0,4281, sedangkan IBI memiliki hubungan positif dengan nilai R² sebesar 0,2278. Vegetasi tetap menjadi kelas penutup lahan dominan, tetapi lahan terbangun dan lahan terbuka cenderung meningkat, sementara perairan menurun.

Land Surface Temperature (LST) is an important indicator for examining regional thermal dynamics associated with land-cover changes. This study aims to analyze LST changes and their relationships with vegetation, vegetation moisture, built-up areas, and land cover in Pekalongan during the 2004–2024 period.

This study used Landsat 7 ETM+ and Landsat 8 OLI/TIRS imagery from 2004, 2008, 2012, 2016, 2020, and 2024, which were processed using Google Earth Engine. The analytical methods included LST extraction, calculation of the NDVI, NDMI, and IBI indices, land-cover classification using the Random Forest algorithm, simple linear regression analysis, and trend analysis using the MannKendall test and the Theil-Sen Estimator, while considering differences in sensor characteristics and the limitation that field validation was not fully contemporaneous with the image acquisition dates.

The results show that the average LST in Pekalongan fluctuated within the range of 23.13–25.08 °C, with an overall mean of 24.19 °C and a mean value of 25.08 °C in 2024. The Mann-Kendall test showed S statistic values ranging from - 15 to 15, with an average of 3.9040, while the average Kendall’s Tau was 0.2603, indicating that the general LST trend tends toward a monotonic increase. The significant trend classes show that most pixels did not experience significant changes; however, pixels with a significantly increasing trend covered a larger area than those with a significantly decreasing trend. The Theil-Sen Estimator indicated an average increasing rate of 0.0440 °C per year and a median rate of 0.0430 °C per year. The regression results reveal that NDVI and NDMI have negative relationships with LST, with R² values of 0.3985 and 0.4281, respectively, whereas IBI has a positive relationship with LST, with an R² value of 0.2278. Vegetation remained the dominant land-cover class; however, built-up land and bare land tended to increase, while water bodies declined.

Kata Kunci : Suhu Permukaan Lahan, Google Earth Engine, NDVI, NDMI, IBI, Penutup Lahan, Mann-Kendall, Theil-Sen Estimator, Analisis Spasio-Temporal, Pekalongan.

  1. D4-2026-504256-abstract.pdf  
  2. D4-2026-504256-bibliography.pdf  
  3. D4-2026-504256-tableofcontent.pdf  
  4. D4-2026-504256-title.pdf