Pemodelan Kekeringan Pertanian pada Fase El Niño Menggunakan Metode Integrasi Temperature Vegetation Dryness Index (TVDI) dan Topographic Wetness Index (TWI) di Kabupaten Pacitan

Yuni Faridatun Nisa, Dr. Sudaryatno, M.Si.

2026 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Kekeringan pertanian merupakan salah satu bencana yang berdampak terhadap produktivitas lahan dan ketahanan pangan. Kabupaten Pacitan memiliki topografi yang beragam sehingga lebih rentan mengalami kehilangan kelembapan tanah pada musim kemarau. Temperature Vegetation Dryness Index (TVDI) mampu menggambarkan kondisi kekeringan aktual, namun belum dapat digunakan sebagai model prediksi. Penelitian ini bertujuan memetakan sebaran spasial-temporal kekeringan pertanian, mengkaji parameter yang paling berpengaruh terhadap pemodelan, serta menguji tingkat akurasi model kekeringan pertanian di Kabupaten Pacitan.

Penelitian menggunakan citra Landsat 9 OLI/TIRS pada enam tanggal perekaman tahun 2023, data DEM Copernicus GLO-30, curah hujan, jenis tanah, penggunaan lahan, dan jaringan sungai. Nilai TVDI dihitung dari hubungan antara NDVI dan LST, sedangkan TWI diperoleh dari parameter kemiringan lereng dan akumulasi aliran menggunakan DEM. Pemodelan dilakukan menggunakan metode Frequency Ratio (FR), dengan bobot parameter ditentukan berdasarkan nilai Prediction Rate (PR). 

Hasil penelitian menunjukkan bahwa kondisi kekeringan pertanian di Kabupaten Pacitan meningkat selama musim kemarau dan mencapai kondisi terluas pada 27 Oktober 2023. Berdasarkan penggunaan lahan pertanian, kelas sangat kering didominasi oleh lahan pertanian kering, diikuti lahan sawah, dan lahan pertanian campuran. Hasil analisis Prediction Rate menunjukkan bahwa jenis tanah merupakan faktor yang paling berpengaruh terhadap model kekeringan pertanian (PR = 2,432), diikuti curah hujan (PR = 1,595), TWI (PR = 1,378), penggunaan lahan (PR = 1,325), dan jarak terhadap sungai (PR = 1,000). Model kerentanan menunjukkan bahwa wilayah dengan tingkat kerentanan tinggi hingga sangat tinggi terkonsentrasi pada kawasan karst di bagian barat dan selatan Kabupaten Pacitan, sedangkan wilayah utara didominasi kelas kerentanan rendah hingga sangat rendah. Evaluasi model menghasilkan akurasi sebesar 53,91% pada data training dan 54,72% pada data testing.

Agricultural drought is a disaster that impacts land productivity and food security. Pacitan Regency has diverse topography, making it more vulnerable to soil moisture loss during the dry season. The Temperature Vegetation Dryness Index (TVDI) can describe actual drought conditions but cannot yet be used as a predictive model. This study aims to map the spatial-temporal distribution of agricultural drought, examine the parameters that most influence modeling, and test the accuracy of an agricultural drought model in Pacitan Regency.

The study utilized Landsat 9 OLI/TIRS imagery from six acquisition dates in 2023, Copernicus GLO-30 DEM data, precipitation, soil type, land use, and river networks. TVDI values were calculated from the relationship between NDVI and LST, while TWI was derived from slope and runoff accumulation parameters using the DEM. Modeling was performed using the Frequency Ratio (FR) method, with parameter weights determined based on the Prediction Rate (PR) values.

The results show that agricultural drought conditions in Pacitan Regency intensified during the dry season and reached their widest extent on October 27, 2023. Based on agricultural land use, the extremely dry class was dominated by dryland farmland, followed by paddy fields and mixed farmland. The results of the Prediction Rate analysis indicate that soil type is the most influential factor in the agricultural drought model (PR = 2.432), followed by rainfall (PR = 1.595), TWI (PR = 1.378), land use (PR = 1.325), and distance to a river (PR = 1.000). The vulnerability model shows that areas with high to very high vulnerability are concentrated in the karst regions in the western and southern parts of Pacitan Regency, while the northern region is dominated by low to very low vulnerability classes. Model evaluation yielded an accuracy of 53.91% on the training data and 54.72% on the testing data.

Kata Kunci : Kekeringan Pertanian, Landsat 9, TVDI, TWI, Frequency Ratio