ANALISIS PERBANDINGAN IDENTIFIKASI KEKERINGAN LAHAN SAWAH METODE DROUGHT INDEX DAN VEGETATION INDEX PADA CITRA LANDSAT 8 (STUDI KASUS : KABUPATEN KENDAL, JAWA TENGAH)

Abstract

ABSTRAK

Kabupaten Kendal merupakan salah satu Kabupaten di Jawa Tengah yang sebagian dari wilayahnya adalah pertanian atau sawah. Pada bulan Agustus 2018, di wilayah Kabupaten Kendal telah terjadi kekeringan yang menyebabkan lahan pertanian khususnya padi di wilayah tersebut terancam mengalami kerugian atau gagal panen. Hal tersebut disebabkan seiring terjadinya pemanasan global dan perubahan iklim yang tidak menentu. Akan tetapi hal tersebut dapat diminimalkan dampaknya jika mengetahui pola kekeringan dapat diketahui. Salah satu cara yang digunakan yaitu dengan menggunakan aplikasi penginderaan jauh dengan cara memantau kekeringan dengan menggunakan teknologi penginderaan jauh. Penelitian ini mencari metode yang terbaik dalam penentuan lahan kekeringan yang akan menggunakan 4 algoritma kekeringan  yaitu pengolahan dengan algoritma NDDI (Normalized Difference Drought Index), VHI (Vegetation Health Index), TVI (Temperature Vegetation Index) dan LSWI (Land Surface Water Index) dari citra Landsat dari tahun 2014,2015,2016,2017,dan 2018 dengan validasi bulan Agustus 2017 dan 2018. Berdasarkan hasil RMSE pengolahan validasi maka diperoleh tingkat akurasi dari keempat algoritma tersebut dan dapat disimpulkan bahwa metode yang lebih akurat digunakan dalam mengidentifikasi kekeringan lahan sawah di Kabupaten Kendal yaitu metode VHI yaitu dengan RMSE sebesar 0,949 tahun 2017 dan 1,373 ditahun 2018.

Kata Kunci: Penginderaan Jauh, NDDI, VHI,TVI, LSWI

ABSTRACT

Kendal Regency is one of the regencies in Central Java where a part of its territory is agriculture or rice fields. In August 2018, in the Kendal Regency, a drought had occurred which caused agricultural land, especially rice in the region, to be threatened with loss or crop failure. That is caused by the occurrence of global warming and climate change that is uncertain. However, the impact can be minimized if you know the drought pattern can be known. One of the methods used is by using a remote sensing application by monitoring drought by using remote sensing technology. This research is looking for the best method in determining drought land that will use 4 drought algorithms, namely processing with NDDI (Normalized Difference Drought Index), VHI (Vegetation Health Index), TVI (Temperature Vegetation Index) and LSWI (Land Surface Water Index) from Landsat imagery from 2014,2015,2016,2017 and 2018 with validation in August 2017 and 2018. Based on the results of RMSE validation processing, the accuracy of the four algorithms is obtained and it can be concluded that a more accurate method is used in identifying drought in paddy fields in Kendal Regency is the VHI method that is with RMSE of 0.949 in 2017 and 1,373 in 2018.