ESTIMASI BIOMASSA DAN KERAPATAN VEGETASI MANGROVE MENGGUNAKAN DATA LANDSAT ETM+ Studi di Hutan Lindung dan Hutan Produksi Tetap Muara Gembong, Kabupaten Bekasi, Propinsi Jawa Barat
OKTAMA FORESTIAN
DEPARTEMEN KONSERVASI SUMBERDAYA HUTAN DAN EKOWISATA FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2011
RINGKASAN Estimasi Biomassa dan Kerapatan Vegetasi Mangrove Menggunakan Data Landsat ETM+ (Studi di Hutan Lindung dan Hutan Produksi Tetap Muara Gembong, Kabupaten Bekasi, Propinsi Jawa Barat). Oleh Oktama Forestian (NIM E34104070) di bawah bimbingan Prof. Dr. Ir. Lilik Budi Prasetyo, M.Sc dan Prof. Dr. Ir. Cecep Kusmana, MS. Hutan mangrove di seluruh dunia terus mengalami tekanan akibat kebutuhan akan ruang untuk pembangunan sarana dan prasarana ekonomi. Hutan Mangrove Muara Gembong terletak di wilayah Pantai Utara yang berdekatan dengan pusat-pusat kegiatan ekonomi. Tekanan yang dialami Hutan Mangrove Muara Gembong berupa okupasi lahan dan konversi menjadi tambak ikan/udang. Kondisi ini sudah berlangsung lama dan terjadi hampir di seluruh kawasan. Pemerintah Kab. Bekasi mengajukan agar kawasan tersebut dilepas dari statusnya sebagai kawasan hutan. Diperlukan data mengenai sebaran, luas, dan potensi biomassa mangrove kawasan tersebut sebagai data penimbang bagi Kemenhut RI untuk memutuskan hasil studi dalam rangka alih status kawasan hutan tersebut. Penelitian difokuskan pada kawasan hutan mangrove Muara Gembong, Kabupaten Bekasi, Propinsi Jawa Barat. Kegiatan peninjauan lapang dilaksanakan pada Bulan Desember 2009. Tujuan dari penelitian ini adalah untuk menentukan luas, potensi biomassa, dan kerapatan vegetasi mangrove menggunakan data Landsat-7 ETM+ pada tahun 2001 dan 2010. Data Landsat diolah dengan beberapa tahap meliputi: strip-filling, importing, layer stacking, subsetting, koreksi geografik, koreksi radiometrik, klasifikasi citra, pendugaan karakter biosistem mangrove, dan accuracy assessement. Jenis tutupan lahan (landcover) yang ditemukan pada citra Landsat kawasan tersebut terdiri dari sembilan kelas kategori klasifikasi citra, yaitu: laut 1, laut 2, mangrove, area terbuka/terbangun, padi 1, kebun campuran, padi 2, tambak, dan sungai. Citra Landsat diklasifikasikan dengan teknik klasifikasi terbimbing (supervised classification) metode kemiripan maksimum (maximum likelihood). Setiap setiap kelas jenis tutupan lahan dibuatkan 10 area contoh (training area). Nilai tingkat keterpisahan antar kelas (transformed divergence separability) citra tahun 2001dan tahun 2010 lebih dari 1.900 sedangkan akurasi keseluruhan (overall accuracy) dan akurasi Kappa masingmasing sebesar 99,8% dan 99,63% untuk citra tahun 2001 dan; 99,61% dan 99,39% untuk citra tahun 2010. Berdasarkan uji akurasi klasifikasi, citra tahun 2010 yang diklasifikasikan memiliki tingkat akurasi klasifikasi overall sebesar 83,33%, sedangkan statistik kappa overal bernilai 77,29%. Luas mangrove pada tahun 2001 sebesar 540,72 ha kemudian menjadi 822,24 ha pada tahun 2010. Potensi biomassa mangrove pada tahun 2001 sebesar 46,7 ton/ha kemudian menjadi 53,49 ton/ha. Sedangkan untuk kerapatan mangrove pada tahun 2001 sebesar 55,78% dan menjadi 8,43% pada tahun 2010. Kata kunci: Biomassa, Luas, Mangrove, NDVI.
SUMMARY Biomass and Density Estimation of Mangrove Vegetation Using Landsat ETM + Data (Study on Forest Protection and Permanent Production Forest of Muara Gembong, Bekasi, West Java Province). By Oktama Forestian (NIM E34104070) Supervised by of Prof. Dr. Ir. Lilik Budi Prasetyo, M. Sc and Prof. Dr. Ir. Cecep Kusmana, MS. Mangrove forests around the world continue to experience pressure due to the need for space for the construction of economic infrastructure. Muara Gembong mangrove forest is located in the north coast regioan adjacent to the center of economic activities. Pressures experienced Muara Gembong Mangrove Forest of land occupation and conversion into fish/shrimp ponds. This condition is of long standing and occurs almost throughout the region. Bekasi District Government proposed to be released from its status as a protection forest. Necessery data about distribution, size area, dan mangrove potential biomass as consideration for Forest Ministry of RI to decide the results of study in order to change status of it region. The study focused on Muara Gembong Mangrove Forest, Bekasi District of West Java Province. Field activity was carried out in December 2009. The purposes of this study is to determined the extent, potential biomass, and density of mangrove vegetation using Landsat ETM+ data in 2001 and 2010. The data is processed by several stages include: strip-filling, importing, stacking layer, subsetting, geographic correction, radiometric correction, image classification, estimation of mangrove biosistem character, and accuracy assessement. Land cover types found in Landsat scene of the region consists of nine class image classification categories, named: Sea 1, sea 2, mangroves, open/built area, rice field 1, mixed farms, rice field 2, ponds, and rivers. Landsat images were classified by supervised classification techniques with maximum likelihood method. Each class of land cover types created 10 training area. Value of the inter-class separability (transformed divergence separability) image 2001dan year of 2010 more than 1,900 while the overall accuracy and Kappa accuracy respectively of 99.8% and 99.63% for image in 2001; 99.61 % and 99.39% for the image in 2010. Based on the accuracy assessment, which is classified image of 2010 has the highest overall classification accuracy of 83.33%, while the kappa statistic overalls worth 77.29%. Extent area of mangroves in 2001 is 540,72 hectares increase to 822,24 hectares in 2010. Mangrove biomass potential in 2001 is 46,6 tons/hectare increase to 53,49 tons/hectare in 2010. Density of mangrove vegetation in 2001 is 55,78% decrease to 8,43% in 2010. Key words: Biomass, Extent area, Mangrove, NDVI.
ESTIMASI BIOMASSA DAN KERAPATAN VEGETASI MANGROVE MENGGUNAKAN DATA LANDSAT ETM+ Studi di Hutan Lindung dan Hutan Produksi Tetap Muara Gembong, Kabupaten Bekasi, Propinsi Jawa Barat
OKTAMA FORESTIAN
SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Fakultas Kehutanan Institut Pertanian Bogor
DEPARTEMEN KONSERVASI SUMBERDAYA HUTAN DAN EKOWISATA FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2011
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi berjudul Estimasi Biomassa dan Kerapatan Vegetasi Mangrove Menggunakan Data LANDSAT ETM+ (Studi di Hutan Lindung dan Hutan Produksi Tetap Muara Gembong, Kabupaten Bekasi, Propinsi Jawa Barat) adalah benar-benar hasil karya sendiri dengan bimbingan dosen pembimbing dan belum pernah digunakan sebagai karya ilmiah pada perguruan tinggi atau lembaga manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Bogor, Agustus 2011
Oktama Forestian NIM E34104070
Judul : Estimasi Biomassa dan Kerapatan Vegetasi Mangrove Menggunakan Data LANDSAT ETM+ (Studi di Hutan Lindung dan Hutan Produksi Tetap Muara Gembong, Kabupaten Bekasi, Propinsi Jawa Barat) Nama : Oktama Forestian NIM
: E34104070
Menyetujui, Komisi Pembimbing
Pembimbing I
Pembimbing II
Prof. Dr. Ir. Lilik Budi Prasetyo, M.Sc NIP. 19620316 198803 1 002
Prof. Dr. Ir. Ccecep Kusmana, M.S NIP. 19610212 198501 1 001
Mengetahui, Ketua Departemen Konservasi Sumberdaya Hutan dan Ekowisata
Prof. Dr. Ir. Sambas Basuni, M.S NIP. 19580915 198403 1 003
`
Tanggal Lulus:
i
KATA PENGANTAR Puji syukur hanya milik Allah swt, Tuhan semesta alam, yang telah mencurahkan rahmat dan petunjuk-Nya. Terutama atas limpahan inspirasi dan kemudahan berfikir sehingga penulis dapat menyelesaikan penulisan skripsi penelitian sarjana ini. Penelitian ini merupakan rangkaian terakhir dari berbagai tugas yang harus diselesaikan dalam menempuh pendidikan di Departemen Konservasi Sumber Daya Hutan dan Ekowisata, Fakultas Kehutanan IPB. Skirpsi penelitian ini berjudul Estimasi Biomassa dan Kerapatan Vegetasi Mangrove Menggunakan Data Landsat ETM+ (Studi di Hutan Lindung dan Hutan Produksi Tetap Muara Gembong, Kabupaten Bekasi, Propinsi Jawa Barat). Melalui penelitian ini, berusaha diungkap informasi mengenai Biomassa dan Kerapatan Vegetasi Mangrove Menggunakan Data Landsat ETM+. Informasi ini nantinya akan berguna sebagai basis-data potensi mangrove di kawasan tersebut. Selain itu, hasil dari penelitian ini dapat digunakan sebagai data pendukung dalam proses penyelesaian okupasi di kawasan tersebut dengan memberikan gambaran nyata kondisi mangrove (existing condition). Tentunya kesalahan mungkin terjadi, baik disebabkan kesalahan peneliti (human error) atau kesalahan sistematika metode penelitian (systhematic error). Oleh karena itu, kritik dan saran serta penelitian lebih lanjut diperlukan untuk melengkapi khazanah ilmu pengetahuan yang berkaitan dengan penelitian ini. Semoga Allah swt senantiasa memberikan petunjuk-Nya sehingga setiap hal ilmiah yang telah dilaksanakan mampu mendekatkan kita kepada-Nya.
Bogor, Agustus 2011 Penulis
RIWAYAT HIDUP
Penulis dilahirkan di Talang Padang, Kabupaten Tanggamus, Propinsi Lampung, pada hari Jumat, tanggal 18 Oktober 1985, pukul 23.30 WIB. Ayahanda bernama Suharto Endang Jaya dan Ibunda bernama Supinar. Riwayat pendidikan penulis dimulai di TK Aisyiyah Bustanul Athfal Patoman, Kecamatan Pagelaran, Kabupaten Tanggamus, pada tahun 1990 sampai 1992. Pendidikan dilanjutkan pada SDN 02 Pagelaran selama dua tahun dari tahun 1992 sampai 1994 kemudian dilanjutkan di SDN Bumisari, Kecamatan Natar, Kabupaten Lampung Selatan selama empat tahun dari tahun 1994 sampai 1998. Pendidikan dilanjutkan di SLTPN 05 Natar pada tahun 1998 sampai 2001. Pendidikan dilanjutkan di SMUN 01 Bandar Lampung pada tahun 2001 sampai 2004. Pada tahun 2004, penulis diterima di Institutu Pertanian Bogor, Fakultas Kehutanan, Departemen Konservasi Sumberdaya Hutan dan Ekowisata melalui jalur Seleksi Penerimaan Mahasiswa Baru (SPMB). Selama menuntut ilmu di IPB, penulis hanya aktif berorganisasi pada satu organisasi intra kampus, yaitu DKM Al-Hurriyyah. Berbagai pengalaman kegiatan, kepanitiaan, pelatihan, dan kepemimpinan di DKM Al-Hurriyyah pernah penulis ikuti. Penulis pernah melakukan Praktek Pengenalan dan Pengelolaan Hutan di Perhutani KPH Cilacap dan KPH Banyumas Barat; dan di Kampus Getas, Propinsi Jawa Timur pada tahun 2007. Penulis pernah melakukan kegiatan Praktek Kerja Lapang dan Profesi (PKLP) di Balai Besar Taman Nasional Bukit Barisan Selatan (TNBBS) di Propinsi Lampung dan Bengkulu pada tahun 2008. Untuk memperoleh gelar Sarjana Kehutanan, penulis menyelesaikan skripsi dengan judul Estimasi Biomassa dan Kerapatan Vegetasi Mangrove Menggunakan Data Landsat ETM+ (Studi di Kawasan Hutan Lindung dan Hutan Produksi Tetap Muara Gembong, Kabupaten Bekasi, Propinsi Jawa Barat) di bawah bimbingan Prof. Dr. Ir. Lilik Budi Prasetyo, M.Sc dan Prof. Dr. Ir. Cecep Kusmana, MS.
ii
DAFTAR ISI
Halaman KATA PENGANTAR .................................................................................... i DAFTAR ISI ................................................................................................... ii DAFTAR TABEL ........................................................................................... iv DAFTAR GAMBAR ...................................................................................... v DAFTAR LAMPIRAN ................................................................................... vi I.
PENDAHULUAN ................................................................................. 1 1.1. Latar Belakang ............................................................................. 1 1.2. Pendekatan Masalah ..................................................................... 2 1.3. Batasan Permasalahn .................................................................... 3 1.4. Tujuan Penelitian .......................................................................... 3 1.5. Manfaat Penelitian ........................................................................ 4
II.
TINJAUAN PUSTAKA ........................................................................ 5 2.1. Hutan Mangrove dan Ekosistemnya ............................................ 5 2.2. Penginderaan Jauh (Remote Sensing) ........................................... 8 2.3. Satelit LANDSAT-7 ETM+ ......................................................... 10 2.4. Aplikasi GIS pada Mangrove ....................................................... 12 2.5. Indeks Vegetasi ............................................................................ 13
III.
METODOLOGI ..................................................................................... 15 3.1. Waktu dan Lokasi Penelitian ........................................................ 15 3.2. Bahan dan Alat ............................................................................. 15 3.3. Data dan Informasi yang Diperlukan ........................................... 16 3.4. Metode Penelitian ......................................................................... 16 3.4.1. Pengisian Garis (Strip Filling) ......................................... 16 3.4.2. Penyiapan Citra ................................................................ 18 3.4.3. Geokoreksi dan Pemotongan Citra ................................... 18 3.4.4. Koreksi Radiometrik ........................................................ 19 3.4.5. Image Enhancement ......................................................... 19 3.4.6. Klasifikasi Citra ................................................................ 20 3.4.7. Pendugaan Biomassa dan Kerapatan Mangrove .............. 21
iii
IV.
KONDISI UMUM LOKASI PENELITIAN ......................................... 23 4.1. Luas dan Letak Kawasan Muara Gembong ................................. 23 4.2. Sejarah Kawasan .......................................................................... 23 4.3. Lingkungan Biofisik ..................................................................... 24 4.4. Sosekbud ...................................................................................... 26
V.
HASIL DAN PEMBAHASAN ............................................................. 27 5.1. Hasil ............................................................................................. 27 5.1.1. Gambaran umum hasil penelitian ..................................... 27 5.1.2. Pengisian strip data citra SLC-OFF ................................. 27 5.1.3. Konversi format data citra ................................................ 28 5.1.4. Penyusunan citra komposit ............................................... 28 5.1.5. Koreksi geometrik dan pemotongan citra ........................ 28 5.1.6. Koreksi radiometrik .......................................................... 30 5.1.7. Penajamn citra .................................................................. 32 5.1.8. Klasifikasi penutupan lahan ............................................. 33 5.1.9. Luas dan sebaran Mangrove ............................................. 35 5.1.10. potensi biomassa dan kerapatan mangrove ...................... 35 5.2. Pembahasan .................................................................................. 36 5.2.1. Pengolahan data citra ........................................................ 36 5.2.2. Kondisi penutupan lahan .................................................. 52 5.2.3. Biomassa dan kerapatan mangrove .................................. 57
VI.
KESIMPULAN DAN SARAN ............................................................. 59 6.1. Kesimpulan ................................................................................... 59 6.2. Saran ............................................................................................. 59
DAFTAR PUSTAKA ..................................................................................... 60 LAMPIRAN .................................................................................................... 62
iv
DAFTAR TABEL
Nomor
Halaman
2-1
Perbandingan spektral band pada sensor ETM dan ETM+ .................... 12
3-1
Spesifikasi citra Landsat yang digunakan .............................................. 15
5-1
Format citra sebelum dan sesudah dikonversi ....................................... 28
5-2
Ukuran file tiap band dan citra komposit .............................................. 28
5-3
Titik acuan/GCP pada proses georeferensi peta digital ......................... 29
5-4
Daftar GCP koreksi geometrik citra tahun 2010 ................................... 29
5-5
Koordinat titik pemotongan citra ........................................................... 30
5-6
Nilai minimum dan maksimum histogram nilai digital sebelum dan sesudah dikoreksi .................................................................................... 31
5-7
Nilai OIF tiap kombinasi RGB .............................................................. 32
5-8
Nilai TD mangrove terhadap kelas penutupan lahan lainnya ................ 34
5-9
Persentasi ketelitian matriks kontingensi ............................................... 35
5-10 Karakteristik Band pada Landsat ETM+ ............................................... 42 5-11 Nilai univariate citra tahun 2001 dan 2010 ........................................... 44 5-12 Nilai variance-covariance (ragam-peragam) dan matriks korelasi citra tahun 2001 dan 2010 .............................................................................. 45 5-13 Perbandingan kelas penutupan lahan berdasarkan tampilan visual ....... 50 5-14 Nilai indeks TD pada tiap jenis penutupan lahan .................................. 53 5-15 Nilai akurasi berdasarkan matriks kontingensi ...................................... 55 5-16 Luas penutupan lahan hasil klasifikasi citra tahun 2001 dan 2010 ....... 56
v
DAFTAR GAMBAR
Nomor
Halaman
2-1
Bentuk-bentuk Akar Nafas Pohon Mangrove ....................................... 6
2-2
Zonasi Vegetasi Mangrove .................................................................... 7
2-3
Ilustrasi Perekaman Objek Oleh Satelit ................................................. 9
2-4
Ilustrasi Penggunaan LANDSAT Berdasarkan Tahun .......................... 10
2-5
Konfigurasi Satelit LANDSAT-7 .......................................................... 11
2-6
Pergerakan Pola Perekaman Dengan dan Tanpa SLC ........................... 12
3-1
Tahap penelitian ..................................................................................... 17
4-1
Kawasan Hutan Lindung Muara Gembong dan sekitarnya ................... 25
5-1
Data citra LANDSAT tahun 2010 Band 1 ............................................. 27
5-2
Sebaran GCP pada koreksi geometrik citra 2010 ke citra 2001 ............ 30
5-3
Citra tahun 2001 hasil pemotongan dengan metode two corners .......... 31
5-4
Tampilan visual citra RGB-453 tahun 2010 .......................................... 33
5-5
Sebaran mangrove citra tahun 2001 dan tahun 2010 ............................. 36
5-6
Tampilan citra tahun 2010 tiap band untuk identifikasi mangrove ....... 43
5-7
Pola spektral kelas jenis penutupan lahan berdasarkan citra 2001 ........ 51
vi
DAFTAR LAMPIRAN
Nomor 1
Halaman
Tampilan citra Landsat ukuran asli dan ukuran setelah pemotongan (subset) ................................................................................................... 63
2
Histogram tiap band citra tahun 2001 dan 2010 sebelum dan sesudah dikoreksi radiometrik .............................................................................. 64
3
Citra komposit RGB kombinasi Band 3-4-5 (tahun 2010) .................... 68
4
Koordinat hasil analisis lapang .............................................................. 69
5
Pola spektral area contoh citra tahun 2001 ............................................ 70
6
Pola spektral area contoh citra tahun 2010 ............................................ 71
7
Matriks kontingensi akurasi pembuatan area contoh citra tahun 2001 dan tahun 2010 ....................................................................................... 72
8
Peta kelas penutupan lahan tahun 2001 dan 2010 ................................. 73
9
Peta sebaran mangrove tahun 2001 dan 2010 ........................................ 74
I. PENDAHULUAN
1.1
Latar Belakang Indonesia merupakan negara kepulauan (archipelago country) dengan
wilayah mangrove terluas di dunia. Potensi ini didukung oleh panjang garis pantainya yang mencapai + 81.000 km dan menjadikan Indonesia sebagai negara dengan garis pantai terpanjang kedua di dunia setelah Kanada (Susilo, 1997). Menurut Quarto (2006), luas mangrove di Indonesia mencapai 4,25 juta hektar yang merupakan 25% dari total luas mangrove dunia. Ekosistem mangrove sebagai salah satu ekosistem penting di kawasan pesisir pantai terus mengalami tekanan di seluruh dunia. FAO (2003) mencatat bahwa luas mangrove dunia pada tahun 1980 mencapai 19,8 jt ha, turun menjadi 16,4 juta ha pada tahun 1990, dan menjadi 14,6 juta ha pada tahun 2000. Sedangkan di Indonesia, luas mangrove mencapai 4,25 juta hektar pada tahun 1980, turun menjadi 3,53 juta hektar pada tahun 199,0 dan tersisa 2,93 juta hektar pada tahun 2000. Apabila tidak diimbangi dengan kebijakan pengelolaan yang tepat, fenomena degradasi mangrove akan terus terjadi seiring dengan meningkatnya kebutuhan ruang untuk pembangunan sarana dan prasarana ekonomi. Ancaman degradasi mangrove akan semakin besar potensi terjadinya pada daerah yang dekat dengan pusat kegiatan ekonomi. Hutan Mangrove Muara Gembong yang terletak di Pantai Utara Pulau Jawa dan berbatasan langsung dengan DKI Jakarta termasuk ke dalam kategori kawasan hutan lindung yang memiliki tingkat ancaman degradasi relatif tinggi. Sejak ditetapkan sebagai kawasan hutan lindung oleh Menteri Pertanian RI pada tahun 1954 melalui SK Nomor 92/UM/54, Hutan Mangrove Muara Gembong terus mengalami berbagai tekanan seperti okupasi lahan, konversi lahan, dan alih fungsi/status lahan. Okupasi lahan dan konversi lahan menjadi permasalahan utama dalam pengelolaan Hutan Lindung Muara Gembong. Sebagian besar wilayahnya telah dikonversi menjadi tambak, sawah, kebun, bahkan permukiman. Setelah melakukan kajian ilmiah dan bertujuan memberi ruang bagi pengembangan ekonomi masyarakat, Menteri Kehutanan RI mengeluarkan Surat
2
Keputusan No. 475/Menhut-II/2005 tentang Alih Status Kawasan Hutan Lindung Ujung Krawang (Muara Gembong) seluas 5.170 hektar menjadi hutan produksi tetap (HPT). Dengan demikian, kawasan ini bisa dikembangkan sesuai dengan perencanaan tata ruang Kabupaten Bekasi (Anonim, 2007). Kebijakan ini tentu membawa dampak langsung maupun tidak langsung terhadap kondisi mangrove yang sudah rusak akibat berbagai tekanan. Oleh karena itu, penting untuk diketahui informasi mengenai keberadaan mangrove, terutama pada wilayah yang masih berstatus kawasanan lindung. Informasi ini nantinya akan dijadikan bahan pertimbangan dan evaluasi kebijakan bagi Kementrian Kehutanan RI yang sedang mengkaji permohonan Pemkab. Bekasi guna alih status kawasan hutan produksi tetap menjadi area penggunaan lain (APL) melalui tukar menukar kawasan hutan untuk pengembangan wilayah Pantai Utara.
1.2
Pendekatan Masalah Informasi mengenai sumberdaya mangrove pada kawasan hutan lindung
penting untuk diketahui sebagai bahan pertimbangan kebijakan pengelolaan. Kebijakan pengelolaan mangrove yang tidak didasarkan pada informasi komprehensif dapat menyebabkan kegagalan dalam pengelolaan dan berakibat banyaknya mangrove yang terdegradasi bahkan hilang sama sekali. Kendala utama dalam mengumpulkan informasi sumberdaya mangrove adalah aksesibilitas lapang, waktu, dan biaya. Untuk meminimalkan kendala ini, pemantauan dan pengawasan sumberdaya mangrove dapat dilakukan dengan menggunakan sistem peginderaan jauh (Geographic Information System/GIS) sebagai pendekatan metodologis. GIS dapat digunakan untuk melakukan inventarisasi dan monitoring mangrove dengan cakupan areal yang luas, repetitif, sinoptik, dengan biaya operasional yang relatif murah dan waktu yang lebih singkat dibandingkan metode inventarisasi lapang (Arhatin, 2007).
GIS dapat digunakan untuk
mengetahui beberapa parameter penting mengenai keberadaan mangrove seperti luas, penyebaran, kerapatan vegetasi, dan potensi biomassa. Namun demikian,
3
penggunaan metode GIS ini masih memiliki keterbatasan seperti akurasi dalam identifikasi jenis mangrove. Informasi mengenai luas dan penyebaran mangrove pada kawasan hutan lindung dapat diketahui dengan melakukan klasifikasi penutupan lahan (landcover). Citra satelit diolah sedemikian rupa sehingga menghasilkan beberapa kelas penutupan lahan yang ada di kawasan hutan lindung. Setelah diketahui wilayah yang termasuk ke dalam kelas tutupan mangrove, dapat ditentukan luas areal tersebut juga dapat dipetakan sebarannya. Berdasarkan hasil klasifikasi penutupan lahan ini juga dapat diamati pola perubahan mangrove di kawasan hutan lindung. Informasi mengenai potensi biomassa dan kerapatan vegetasi merupakan hasil turunan dari proses klasifikasi kelas penutupan lahan di atas. Potensi biomassa dan kerapatan vegetasi mangrove ini nantinya digunakan sebagai gambaran seberapa besar kualitas mangrove yang ada. Untuk mendapatkan nilai potensi biomassa dan kerapatan vegetasi mangrove, data citra satelit yang sudah diklasifikasi dihitung nilai indeks vegasinya dan dimasukkan kedalam persamaan alometrik yang sudah ada. Indeks vegetasi yang umum digunakan adalah NDVI (Normalized Difference Vegetation Index).
1.3
Batasan Permasalahan Permasalahan pada penelitian ini di batasi pada penentuan luas mangrove
berikut sebarannya pada kawasan Hutan Lindung Muara Gembong; penentuan potensi biomassa mangrove; penentuan kerapatan vegetasi mangrove; dan penentuan tingkat perubahan penutupan lahan khususnya kelas penutupan mangrove. Kerapatan vegetasi yang dimaksud adalah persen kerapatan kanopi mangrove.
1.4
Tujuan
Tujuan penelitian ini adalah untuk: 1.
Menentukan luas dan sebaran mangrove
2.
Menentukan potensi biomassa dan kerapatan mangrove.
4
1.5
Manfaat
Manfaat peneliatian ini adalah: 1.
Menganalisi pola perubahan mangrove guna pengelolaan mangrove kedepan.
2.
Sebagai bahan masukan/pertimbangan bagi Kemenhut RI dalam pengkajian proses tukar menukar kawasan hutan Pantai Utara.
5
II. TINJAUAN PUSTAKA
2.1
Hutan Mangrove dan Ekosistemnya Mangrove adalah tanaman pepohonan atau komunitas tanaman yang
hidup diantara laut dan daratan yang dipengaruhi oleh pasang-surut. Ekosistem mangrove seringkali ditemukan ditempat pertemuan antara muara sungai dan air laut yang kemudian menjadi pelindung daratan dari gelombang laut yang besar. Sungai mengalirkan air tawar untuk mangrove dan pada saat pasang, pohon mangrove dikelilingi oleh air garam atau payau. Hutan mangrove biasa ditemukan disepanjang pantai daerah tropis dan subtropis, antara 32o Lintang Utara dan 38o Lintang Selatan. Hutan mangrove merupakan ekosistem yang kompleks terdiri atas flora dan fauna daerah pantai, hidup sekaligus di habitat daratan dan air laut, antara batas air pasang dan surut. Hutan mangrove tumbuh subur dan luas didaerah delta dan aliran sungai yang besar dengan muara sungai yang lebar. Istilah mangrove tidak selalu diperuntukkan bagi kelompok spesies dengan klasifikasi tertentu saja, tetapi dideskripsikan mencakup semua tanaman tropis yang bersifat halophytic atau toleran terhadap garam. Tanaman yang mampu tumbuh di tanah basah lunak, habitat air laut dan terkena fluktuasi pasang surut. Tanaman tersebut mempunyai cara reproduksi dengan mengembangkan buah vivipar yang bertunas (seed germination) semasa masih berada pada pohon induknya (Murdiyanto, 2003). Adaptasi pohon mangrove terhadap keadaan tanah berlumpur dan minim oksigen adalah dengan pembentukan sistem perakaran yang dapat berfungsi sebagai akar nafas (pneumatofora) dan penunjang tegaknya pohon. Bentuk sitem perakaran pada pohon mangrove terdapat tiga jenis, yaitu akar lutut (knee roots), akar pasak, dan akar tunjang (still roots). Akar pasak terdapat pada jenis Sonneratia spp., Avicennia spp.,
dan kadang-kadang pada Xylocarpus
moluccensis. Sedangkan akar lutut dan akar tunjang, masing-masing terdapat pada jenis Bruguiera spp. dan Rhizophora spp.(Istomo, 1992 dalam Budi, 2000).
6
Akar Banir
Akar Pasak
Akar Tunjang
Akar Lutut Gambar 2-1. Bentuk-bentuk Akar Nafas Pohon Mangrove.
Vegetasi mangrove memiliki zonasi sesuai dengan karakter habitatnya. Zonasi mangrove dicirikan dengan adanya suatu jenis spesies mangrove tertentu yang menempati lokasi-lokasi tertentu. Terbentuknya zonasi dan dominasi spesies bergantung pada tingkat genangan dan frekuensi penggenangan gelombang pasang-surut, tingkat salinitas, karakteristik tanah, dan percampuran air tawar dengan air laut. Di pantai yang terbuka, vegetasi mangrove yang dominan adalah komunitas pioner seperti Avicennia dan Sonneratia. Kemudian diikuti berturutturut dari laut ke darat jenis Rhizophora dan Bruguiera. Tumbuhan bawahnya didominasi oleh jenis Acrostichum aureum dan Acanthus illicifolius (DEPHUT, 1995). Sedangkan Watson (1928) dalam Hilmi dan Kusmana (1999) bahwa hutan mangrove dapat dibagi menjadi lima zonasi berdasarkan frekuensi air pasang, yaitu: (1) zonasi yang terdekat dengan laut didomonasi oleh Avicennia spp. dan Sonneratia spp.; (2) zonasi yang tumbuh pada tanah cukup kuat dan dicapai air didominasi oleh Bruguiera cylindrica; (3) zonasi pada tanah yang agak basah dan lumpur yang dalam didominasi oleh Rhizophora mucronata; (4) zonasi yang didominasi oleh Bruguiera parviflora; dan (5) zonasi paling belakang yang didominasi oleh Bruguiera gymnorrhiza.
7
Gambar 2-2. Zonasi Vegetasi Mangrove. Sebagai sebauh ekosistem yang berada di antara darat dan laut, mangrove memiliki fungsi ekologis yang penting. Fungsi ekologis ini dapat ditinjau dari beberapa aspek, diantaranya aspek fisik, kimia, dan biologis. Aspek fisik meliputi kemampuannya meredam gelombang laut, menahan lumpur, dan melindungi pantai dari abrasi. Bila ditinjau dari aspek kimia, mangrove memiliki peranan sebagai penyerap unsur-unsur pencemar, sebagai sumber energi, dan sebagai produsen bahan organik. Sedangkan dari aspek biologis, mangrove sangat penting sebagai tempat memijah, mencari makan, berlindung, dan berkembangnya berbagai biota (TNC dan P4L, 2003; Pramudji, 2001). Selain itu, mangrove juga memiliki potensi sebagai kawasan wisata berwawasan lingkungan. Di beberapa negara, kawasan mangrove dikelola secara lestari sebagai salah satu tujuan wisata pendidikan seperti di Malaysia, Australia, dan Indonesia. Di dunia, dikenal banyak jenis tumbuhan mangrove. Tercatat telah dikenali sebayanak 24 famili dan antara 54 samapai 75 spesies, tergantung ahli mangrove yang mengidentifikasinya (Tomlinson, 1986 and Field, 1995 dalam Murdiyanto, 2003). Di Indonesia disebutkan memiliki sebanyak 89 jenis pohon mangrove atau menurut FAO (1985) dalam Murdiyanto (2003) terdapat sebanyak 37 jenis. Dari berbagai jenis mangrove tersebut, yang hidup di daerah pasangsurut, tahan air garam dan berbuah vivipar terdapat sekitar 12 famili. Sedangkan, jenis mangrove yang banyak ditemukan antara lain jenis api-api (Avicennia sp.), bakau (Rhizophora sp.), tancang (Bruguiera sp.) dan pedada (Sonnetaria sp.).
8
2.2
Penginderaan Jauh (Remote Sensing) Istilah penginderaan jauh merupakan terjemahan dari remote sensing
yang telah dikenal di Amerika Serikat sekitar akhir tahun 1950-an. Menurut Manual of Remote Sensing (American Society of Photogrammetry, 1983 dalam Jaya, 2009), penginderaan jauh didefinisikan sebagai ilmu dan seni pengukuran untuk mendapatkan informasi suatu objek atau fenomena menggunakan suatu alat perekaman dari kejauahan tanpa melakukan kontak fisik dengan ojek atau fenomena yang diukur/diamati. Pada saat ini, penginderaan jauh tidak hanya mencakup kegiatan pengumpulan data mentah, tetapi juga mencakup pengolahan data secara komputerisasi dan interpretasi (manual), analisis citra, dan penyajian data yang diperoleh. Kegiatan penginderaan dibatasi pada penggunaan energi elektromagnetik. Berdasarkan sifat sumber energi elektromagnetik yang digunakan, penginderaan jauh dibedakan atas penginderaan jauh pasif (passive remote sensing) dan penginderaan jauh aktif (active remote sensing). Penginderaan jauh pasif didefinisikan sebagai suatu sistem yang menggunakan energi yang telah ada seperti reflektansi energi matahari dan/atau radiasi dari objek secara langsung. Beberapa sensor yang menggunakan sistem ini adalah MSS, TM, ETM+, NOAA, AVHRR, MOS-1, MESSR, IRS, dan potret udara. Sedangkan penginderaan jauh aktif didefinisikan sebagai suatu sistem yang menggunakan sumber energi buatan seperti gelombang/microwave. Beberapa sensor yang menggunakan sistem ini adalah RADAR, RADARSAT, ERS-1, JERS-1, SLAR, dsb (Jaya, 2009). Kualitas data yang diperoleh dipengaruhi oleh komponen yang terlibat secara langsung. Menurut Butler at al. (1988) komponen yang terlibat pada proses pengumpulan data terdiri dari sumber energi elektromagnetik, atmosfer sebagai media lintasan energi elektromagnetik, keadaan obyek sebagai fenomena yang diamati, dan sensor sebagai alat yang mendeteksi radiasi elektromaknetik dari suatu obyek dan merubahnya menjadi sinyal yang selanjutnya dapat direkam dan diproses.
9
Gambar 2-3. Ilustrasi Perekaman Objek Oleh Satelit Teknik penginderaan jauh memiliki kemampuan yang tinggi dalam menganalisis areal yang luas dan sulit ditempuh dengan cara konvensional dalam waktu yang singkat. Kelebihan dalam teknik inderaja ini sangat berguna untuk kegiatan pengkajian dan monitoring sumberdaya alam di seluruh dunia baik di darat maupun di laut. Data penginderaan jauh juga dimanfaatkan dalam berbagai jenis aplikasi seperti kehutanan, pertambangan, pertanian, pengembangan wilayah pesisir, perikanan, penataantata ruang kota, dan pemanfaatan bagi militer. Menurut Purwadhi (2001), analisis data penginderaan jauh memerlukan data rujukan seperti peta tematik, data statistik dan data lapangan. Hasil analisis yang diperoleh berupa informasi mengenai bentang alam, jenis penutup lahan, kondisi lokasi dan kondisi sumber daya daerah yang diindera. Informasi tersebut bagi para pengguna dapat dimanfaatkan untuk membantu dalam proses pengambilan keputusan dalam pengembangan daerah tersebut. Keseluruhan proses mulai dari pengambilan data, analisis data, hingga penggunaan data disebut Sistem penginderaan jauh. Dalam aplikasinya sebagai teknologi pemetaan dan
monitoring
sumberdaya alam seperti mangrove, penginderaan jauh digunakan sebagai metode pendekatan pada beberapa penelitian terdahulu. Menurut Arhatin (2007) beberapa penelitian yang telah dilakukan diantaranya: Cornejo et al. (2005) melakukan pemantauan mangrove di lagun Navachiste-San Ignacio-Macapule, Sinaloa, Mexico; Vaiphasa (2006) memetakan mangrove di Sawi Bay, Chumporn,
10
Thailand; Upanoi dan Tripathi (2003) melakukan pemantauan mangrove di Krabi, Thailand; Liu et al. (2002) melakukan pemantauan mangrove di Hainan, China; Hartono (1994) melakukan inventarisasi mangrove di Cimanuk, Jawa Barat; Zuhair (1998) melakukan pemantauan mangrove di Kalimantan Timur; Widyastuti (2000) memetakan mangrove di Segara Anakan, Cllacap, Jawa Tengali; Harsanugraha et al. (2000) menganalisis potenai mangrove di Pulau Bali.
2.3
Satelit LANDSAT-7 ETM+ LANDSAT-1 merupakan satelit pengamat permukaan bumi (earth
observation sattelite/EOS) pertama yang diluncurkan AS pada tahun 1972. Kemampuannya dalam mengamati permukaan bumi jauh dari ruang angkasa telah diakui. Setelah LANDSAT-1, LANDSAT-2, 3, 4, 5 dan 7 diluncurkan. LANDSAT-7 masih digunakan sampaim sekarang sebagai satelit utama.
(sumber: http://landsat.usgs.gov/images/squares/timeline.jpg)
Gambar 2-4. Ilustrasi Penggunaan LANDSAT Berdasarkan Tahun LANDSAT-5 dilengkapi dengan peralatan pemindai multispektral (multi spectral scanner/MSS) dan Thematic Mapper (TM). MSS adalah sebuah sensor optik yang dirancang untuk mengamati radiasi matahari, yang tercermin dari permukaan bumi dalam empat saluran/band spektral yang berbeda, menggunakan kombinasi dari sistem optik dan sensor. TM adalah versi yang lebih canggih dari peralatan pengamatan yang digunakan dalam MSS, yang mengamati permukaan bumi dalam tujuh band spektral yang berkisar dari sinar tampak sampai ke daerah inframerah termal. TM dirancang untuk mendapatkan citra dengan resolusi yang lebih tinggi, pemisahan spektral yang tegas, meningkatkan konsistensi geometrik, dan ketepatan radiometrik dan resolusi yang lebih tinggi dari sensor MSS. LANDSAT-7 berhasil diluncurkan pada 15 April 1999 dari markas angkatan udara Vanderburg. LANDSAT-7 memiliki berat sekitar 5.000 pound dan
11
mengorbit Bumi pada ketinggian 705 km. Orbita satelit diprogram dengan siklus 16 hari sesuai Landsat Worlwide Reference System. LANDSAT-7 dilengkapi dengan sensor Enhanched Thematic Mapper Plus (ETM+) yang merupakan penerus dari sensor TM pada LANDSAT-5 (SIC, 2001-2010).
(sumber: http://science.nasa.gov/media/medialibrary/2010/03/31/landsat_7_schematic.gif)
Gambar 2-5. Konfigurasi Satelit LANDSAT-7 Sensor ETM+ tidak jauh berbeda dengan sensor TM. Prinsip pengamatan spektral menggunakan tujuh band spektral dengan penembahan pankromatik band-8 dengan resolusi 15x15 m2. Pada Tabel 2-1 berikut terlihat perbedaan band spektral TM dan ETM+. Pada tanggal 31 Mei 2003, Scan Line Corrector (SLC) yang berfungsi untuk mengatur arah perekaman citra pada LANDSAT-7 mengalami kegagalan kerja (malfungsi). Tanpa operasi SLC, arah perekaman sensor ETM+ menjadi zigzag. Keruskan ini bersifat permanen sehingga citra LANDSAT-7 yang direkem setelah tanggal tersebut memiliki cacat berupa duplikasi perekaman yang tumpang tindih dan gap (USGS, 2010).
12
Tabel 2-1. Perbandingan spektral band pada sensor ETM dan ETM+ Band 1 2 3 4 5 6 7 8
Panjang Gelombang (µm) TM ETM+ 0.45-0.52 0.45-0.52 0.52-0.60 0.52-0.60 0.63-0.69 0.63-0.69 0.76-0.90 0.77-0.90 1.55-1.75 1.55-1.75 10.40-12.50 10.40-12.50 2.08-2.35 2.09-2.35 N/A 0.52-0.90
Resolusi TM ETM+ 30 30 30 30 30 30 30 30 30 30 120 60 30 30 N/A 15
Spektral/radiasi Visibel – biru Visibel – hijau Visibel – Merah Infra merah dekat Infra merah menengah Thermal infra merah Infra merah menengah Visibel
Sumber: USGS (http://landsat.usgs.gov/band_designations_landsat_satellites.php) dan Sattelite Imaging Corporation (http://www.satimagingcorp.com/satellite-sensors/landsat.html).
Sumber: http://landsat.usgs.gov/products_slcoffbackground.php
Gambar 2-6. Pergerakan Pola Perekaman Dengan dan Tanpa SLC
2.4
Aplikasi GIS pada Mangrove Perkembangan penginderaan jauh untuk vegetasi saat ini telah dapat
digunakan untuk pemantauan luasan, perhitungan biomassa, produktivitas tanaman, dan lain-lain. Hal yang perlu dipahami disini adalah pola karakteristik spektral dari vegetasi (daun), yaitu dengan melihat perbedaan intensitas radiasi tenaga ekektromagnetik yang dipantulkan. Pada spektrum cahaya tampak, klorofil mempengaruhi respon spektral dari daun. Pigmen klorofil daun pada mesophyll palisade mempunyai pengaruh yang signifikan pada penyerapan dan refkektansi pada ujung gelombang tampak (red, green, blue). Sedanglan sel pada spongy mesophyll mempunyai pengaruh yang signifikan pada penyerapan dan reflektansi pada cahaya NIR yang datang. Selain klorofil, nilai respon spektral juga tergantung pada sudut datang matahari dan waktu pengambilan data.
13
Klorofil tidak menyerap semua cahaya. Molekul klorofil menyerap cahaya biru dan merah untuk fotosintesis kira-kira sebesar 70% sampai 90% cahaya datang. Cahaya hijau sedikit diserap dan banyak dipantulkan sehingga dapat kita lihat pantulan cahaya hijau yang dominan sebagai warna dari vegetasi yang hidup (Campell, 1987 dalam Arhatin, 2007). Selain didasarkan pada pantulan spektral spektrum tampak, penginderaan jauh untuk vsegetasi mangrove juga didasarkan pada sifat penting mangrove yang hanya tumbuh di daerah pesisir. Dua hal tersebut akan menjadi pertimbangan penting di dalam mendetekdi mangrove melalui data citra satelit. Antara vegetasi mangrove dan vegetasi terestrial mempunyai sifat optik yang hampir sama. Karakteristik mangrove yang hidup di pinggir pantai maka biasanya antara kedaunya dapat dipisahkan dengan memperhitungkan jarak pengaruh air laut. Berdasarkan hal tersebut pemantauan luasan serta kerapatan mangrove memungkinkan untuk dilakukan (Arhatin, 2007).
2.5
Indeks Vegetasi Salah satu cara untuk menyederhanakan hubungan antara perkembangan
tanaman dengan ciri reflektansinya adalah dengan mentransformasikan data reflektansi masing-masing saluran menjadi satu atau lebih peubah baru, kemudian melihat hubungan antara fase pertumbuhan tanaman dengan salah satu atau lebih peubah baru tersebut. Indeks vegetasi merupakan salah satu peubah baru yang berhubungan dengan pertumbuhan tanaman yang diturunkan dari beberapa reflektansi saluran spektral. Beberapa indeks vegetasi berhubungan erat dengan parameter fisik tanaman yang penting sehingga dapat digunakan untuk menduga indeks luas daun, persentase penutupan lahan, tinggi tanaman, biomassa hijau dan populasi/kerapatan tanaman. Beberapa diantaranya mampu menghilangkan atau setidaknya memperkecil gangguan radiometrik pada suatu liputan, dan memperkecil perbedaan radiometrik antar liputan dan antar sensor, sehingga memungkinkan pengintegrasian data spektral yang dikumpulkan pada waktu berbeda dan oleh sensor yang berbeda.
14
Indeks vegetasi yang umum digunakan adalah normalised difference vegetation index (NDVI), yang untuk data landsat dihitung dari nilai spektral saluran 3 dan saluran 4, dengan rumus:
Keterangan:
NIR dan Red masing-masing adalah nilai digital untuk saluran 3 dan saluran 4 data Landsat.
Penggunaan NDVI untuk analisis vegetasi sudah cukup banyak dilakukan. Beberapa peran penting NDVI adalah dalam pendugaan pertukaran CO2 dari tanaman selama masa pertumbuhan, monitoring tanaman pertanian, pendugaan hubungan antara klorofil daun dan nilai reflektannya, pendugaan klorosis yang terjadi pada daun tanaman terganggu dengan yellowness index dan dalam pengukuran fluks suhu tanah atau radiasi tanah. Selain itu, NDVI juga dapat digunakan untuk keperluan pemetaan, misalnya pemetaan dan pemantauan produktivitas bersih dari suatu areal pertanian pangan dan perkebunan (Ardiansyah et al., 2005).
15
III. METODOLOGI
3.1
Waktu dan Lokasi Penelitian Pengumpulan data lapangan dilakukan pada bulan Desember 2009,
sedangkan data digital berupa data satelit dan peta digital dikumpulkan dalam rentang waktu bulan November 2009 sampai dengan bulan Juni 2010. Kegiatan pengolahan data dilakukan di Laboratorium Analisis Spasial PPLH Institut Pertanian Bogor. Lokasi yang dipilih untuk penelitian ini adalah Kawasan Hutan Lindung dan Hutan Produksi Terbatas Muara Gembong di Kabupaten Bekasi, Provinsi Jawa Barat.
3.2
Bahan dan Alat Bahan yang digunakan dalam penelitian ini terdiri dari beberapa Citra
Satelit LANDSAT ETM+ path/row 122/064 dengan spesifikasi seperti yang ditunjukkan pada Tabel 3-1. Selain itu, Peta Digital Kawasan Hutan Dimohon Pemerintah
Kabupaten
Bekasi
tanggal
3
Agustus
2009
nomor
522.12/978/Planologi skala 1:50.000 digunakan sebagai peta acuan area kerja. Tabel 3-1. Spesifikasi citra Landsat yang digunakan No
Kode
Perekaman
SLC
Keterangan Kegunaan
1
20011222
22-12-2001
On
Citra komposit 2001
2
20100302
02-03-2010
Off
Master citra komposit 2010
3
20100521
21-05-2010
Off
Filler citra komposit 2010
Sumber: Pengolahan data header-file masing-masing citra.
Peralatan yang digunakan berupa Software ERDAS Imagine v9.1, ArcView v3.2, IDL v7.0, ErMapper v7.1, dan Microsoft Office 2010; GPS, dan kamera digital.
16
3.3
Data dan Informasi yang Diperlukan Data dan informasi yang diperlukan pada penelitian ini adalah 1. Data hasil pengolahan citra satelit Landsat, yaitu: a. Peta klasifikasi penutupan lahan kawasan hutan, b. Nilai distorsi Digital Number (DN) citra asli. c. Nilai indeks vegetasi (NDVI) areal mangrove, Normalized DVI =
(Rouse et.al, 1974 dalam Budi, 2000).
2. Data hasil peninjauan lapang berupa koordinat groundtruth. 3. Data pendukung, yaitu: Foto lokasi mangrove, peta tata batas kawasan dan peta penutupan lahan.
3.4
Metode Penelitian Penelitian ini dilakukan dalam dua tahap utama seperti ditunjukkan
Gambar 3-1. Tahap awal bertujuan untuk membuat peta penutupan lahan kawasan Hutan Lindung dan Hutan Produksi Terbatas Muara Gembong. Fokus kegiatannya adalah pengolahan data citra satelit dan peta digital untuk mendeteksi keberadaan vegetasi mangrove. Tahap selanjutnya bertujuan untuk memperoleh gambaran kuantitas mangrove berdasarkan peta penutupan lahan yang telah dibuat. Fokus kegiatnnya adalah mendeskripsikan peta tutupan lahan sehingga diperoleh luas dan sebaran mangrove; grafik perubahan mangrove berdasarkan analisis time series masing-masing citra; serta potensi biomassa dan kerapatan mangrove dengan referensi allometrik indeks vegetasi penelitian terdahulu.
3.4.1
Pengisian Garis (Gap The Filling) Data LANDSAT ETM+ yang perlu diisi gap-nya adalah yang mengalami
kerusakan akibat SLC-OFF, yaitu data tahun 2010. Data tersebut diisi dengan data tahun yang sama dengan tanggal perekaman dan pola gap yang berbeda. Pengisian gap ini bertujuan untuk memperbaiki data yang cacat akibat kerusakan sensor SLC. Perangkat yang digunakan adalah software IDL v7.0 yang diperoleh dari situs resmi NASA (http://www.nasa.gov/).
17
LANDSAT ETM+ SLC-ON
LANDSAT ETM+ SLC-OFF
Peta Digital HL/HPT
Pengisian Strip
Penyiapan Citra
Geokoreksi dan Pemotongan Citra
Citra kawasan Muara Gembong
Koreksi Radiometrik
Ground Thruthing & Google Maps
Image Enhancement
Citra komposit
Rejected
Klasifikasi Citra
Accuracy assessment Reklasifikasi Citra
Luas dan Sebaran Mangrove
Potensi Biomassa & Kerapatan Mangrove
Accepted Allometrik (studi literatur)
Peta Landcover
Transformasi Indeks Vegetasi
Gambar 3-1. Tahap penelitian
18
3.4.2
Penyiapan Citra Citra yang sudah diisi gap-nya, kemudian dipersiapkan untuk diolah
menggunakan software pengolah data citra. Kegiatan yang dilakukan dalam penyiapan citra meliputi konversi data citra (importing); pembuatan citra komposit (layer stack); dan reproyeksi citra (image reprojection). Keseluruhan kegiatan tersebut dikerjakan dengan bantuan software ERDAS Imagine v9.1. Data yang diperoleh dari USGS masih berekstensi *.L1G untuk citra dengan SLC-ON dan *.TIFF untuk citra dengan SLC-OFF. Kedua format ekstensi tersebut harus dikonversi menjadi ekstensi *.IMG agar dapat diolah. Proses ini dilakukan satu per satu untuk layer/band 1, 2, 3, 4, 5, dan 7 tiap data citra. Selanjutnya, data tiap layer/band yang telah dikonversi digabungkan menjadi citra komposit. Citra komposit yang dihasilkan harus diperiksa sistem proyeksinya. Sistem proyeksi yang digunakan adalah koordinat UTM; Spheroid dan Datum WGS84; UTM Zona 48; dan lintang selatan.
3.4.3
Geokoreksi dan Pemotongan Citra Tujuan dilakukannya geokoreksi atau koreksi geometri adalah untuk
menyamakan posisi piksel-piksel dari data citra LANDSAT multi waktu yang akan dianalisis, sekaligus memperbaiki piksel-piksel tersebut dari distorsi yang mungkin terjadi. Metode yang digunakan adalah koreksi geometri image-to-image dengan citra LANDSAT tahun 2001 sebagai acuan. Citra LANDSAT tahun 2001 tersebut dijadikan citra master atau acuan karena citra tersebut sudah dilakukan koreksi geometri oleh provider-nya yaitu USGS. Citra yang sudah dikoreksi dipotong untuk mereduksi ukuran data sehingga lebih ringan ketika diolah komputer. Selain itu, pemotongan citra juga bertujuan untuk membuat deliniasi area sebagai batas kajian, yaitu batas wilayah hutan lindung dan hutan produksi terbatas. Acuan dalam pembuatan batas wilayah tersebut adalah peta digital hutan lindung dan hutan produksi terbatas yang diperoleh dari Dinas Kehutanan Propinsi Jawa Barat.
19
3.4.4
Koreksi Radiometrik Teknik koreksi radiometrik yang digunakan yaitu teknik penyesuaian
histogram (histogram adjustment). Asumsi dari metode ini adalah dalam proses koding digital oleh sensor, obyek yang memberikan respon spektral yang paling rendah seharusnya bernilai 0. Apabila nilai ini ternyata melebihi angka 0 maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan dengan mengurangi seluruh nilai pada saluran tersebut dengan offset-nya. Nilai Penyesuaian histogram meliputi evaluasi histogram pada setiap band dari data citra Landsat. Biasanya data pada panjang gelombang tampak (TM saluran 13) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan atmosfir. Sebaliknya penyerapan atau absorbsi pada atmosfir akan mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band ini nilai minimumnya mendekati nilai nol (Samsuri, 2004). Teknis dalam penyesuaian histogram yaitu dengan menggunakan software Er Mapper 7.1 yang sudah kompatibel dengan data Landsat berformat *.IMG. Formula pada kotak dialog algoritma diedit dengan persamaan 3 sebagai berikut: “INPUT1-G” Keterangan: INPUT1 G
3.4.5
= Band/layer data landsat (setiap layer dikoreksi). = Nilai minimum pada setiap band/layer.
Image Enhancement Citra Landsat yang akan diklasifikasikan penutupan lahannya harus
memiliki tingkat kecerahan yang terbaik sehingga setiap piksel yang ada mudah dikenali dan dibedakan. Khususnya pada klasifikasi terbimbing (supervised classification). Pada penyajian citra Landsat dengan multiband, untuk mendapatkan kombinasi band yang terbaik dilakukan evaluasi dengan metode OIF (optimim index factor). OIF merupakan ukuran banyaknya informasi yang dimuat pada satu citra komposit. Ukuran ini merupakan perbandingan antara total simpangan baku
20
dari ketiga band yang digunakan dengan ketiga koefisien korelasi dari masingmasing pasangan band yang digunakan (Jaya, 2009). Kombinasi tiga kanal spektral yang terpilih adalah kombinasi yang memiliki nilai OIF tertinggi. Rumus yang digunakan untuk OIF adalah: ∑ ∑
Keterangan:
|
|
(Chaves et al., 1981 dalam Budi, 2000)
Si
= Simpangan baku tiap kanal
ri,j
= Koefisien korelasi antara kanal i dan j
Setelah mendapatkan pola kombinasi yang memuat informasi terbanyak, citra Landsat yang akan diklasifikasi perlu dilakukan penajaman kontras sesuai dengan kemudahan interpreter dalam membedakan warna dan rona pada citra. Penajaman citra (image enhancement) dilakukan untuk lebih memudahkan interpretasi visual suatu citra. Walaupun citra telah dikoreksi terhadap pengaruh radiometrik, atmosferik dan karakteristik sensor, kenampakan citra masih tetap kurang optimal untuk interpretasi visual. Ada banyak metode dari penajaman citra, yaitu penajaman kontras (contrast enhancement) yang juga dikenal sebagai penajaman global (global enhancement) dan penajaman lokal (spatial/local enhancement). Penajaman kontras yaitu mentransformasi seluruh bagian dari citra asli dengan menggunakan pendekatan statistik, contohnya adalah perentangan kontras linear (linear contras stretch); perentangan dengan kesetaraan histogram (histogram equalitzed stretch) dan perentangan kontras perbagian (piece wise contrast stretch). Penajaman lokal yaitu penajaman yang didasarkan pada kondisi lokal yang dijadikan penentuan untuk penajaman seluruh citra, contohnya adalah penghalusan citra (image smoothing) dan penajaman citra (image sharpening) (Tim PIDD, 2003).
3.4.6
Klasifikasi citra Citra LANDSAT diklasifikasi dengan teknik klasifikasi terbimbing
(supervised classification). Metode yang digunakan adalah metode kemungkinan maksimum (Maximum Likelihood Classifier). Menurut Jaya (2009), metode ini adalah metode yang paling umum digunakan dan merupakan metode standar. Metode ini mempertimbangkan berbagai faktor, diantaranya adalah peluang suatu
21
piksel untuk dikelaskan ke dalam kelas atau kategori tertentu. Peluang ini sering disebut dengan prior probalility, dapat dihitung dengan menghitung prosentase tutupan pada citra yang akan diklasifikasi. Jika peluang ini tidak diketahui maka besarnya peluang dinyatakan sama untuk semua kelas (satu per jumlah kelas yang dibuat). Citra yang sudah diklasifikasi selanjutnya dilakukan evaluasi akurasi. evaluasi akurasi bertujuan untuk menguji tingkat keakuratan secara visual dari hasil klasifikasi terbimbing dengan menggunakan titik-titik kontrol lapangan untuk uji akurasi. Titik-titik lain yang ditentukan sebanyak kelas-kelas yang telah ditetapkan dalam klasifikasi pada lokasi diluar area contoh yang telah digunakan sebelumnya. Evaluasi akurasi terhadap besarnya kesalahan klasifikasi area contoh untuk menentukan besarnya persentase ketelitian pemetaan. Evaluasi ketelitian pemetaan meliputi jumlah piksel area contoh yang diklasifikasikan dengan benar atau salah, pemberian nama kelas secara benar, persentase banyaknya piksel dalam masing-masing kelas serta persentase kesalahan total.
3.4.7
Pendugaan Biomassa dan Kerapatan Mangrove Biomassa dan kerapatan mangrove dihitung menggunakan persamaan
alometrik dari hasil penelitian terdahulu. Persamaan tersebut menggambarkan hubungan erat antara indikator biologis mangrove dengan pola reflektansi yang direkam oleh satelit. Pola reflektansi yang direkam tersebut diolah sehingga dihasilkan nilai atau indeks yang semakin erat hubungannya dengan karakteristik mangrove. Nilai indeks yang digunakan adalah NDVI (Normalized Difference Vegetation Index). Persamaan NDVI yang digunakan untuk menduga potensi biomassa mangrove dan kerapatannya adalah sebagai berikut: 1. Persamaan alomterik penduga potensi biomassa (Budi, 2000):
W = Potensi biomassa (kg/m2) R2 = 83,7 %
22
2. Persamaan alomterik penduga kerapatan vegetasi (Arhatin, 2007): Y = -50,28 + (311,54NDVI) + (10,3NDVI2) – (242,44NDVI3) Y
= Kerapatan vegetasi (%)
R2 = 80,40 %.
23
IV. KONDISI UMUM LOKASI PENELITIAN
4.1
Luas dan Letak Kawasan Muara Gembong Kawasan Hutan Gembong memiliki luas + 5.311,15 Ha. Kawasan hutan
ini membentang di sepanjang pantai Ujung Krawang (Muara Gembong) yang terletak di Kecamatan Muara Gembong, Kabupaten Bekasi, Provinsi Jawa Barat. Secara geografis terletak antara 107 o 00’ 00’’ BT sampai 107o 06’ 00’’ BT dan 5o 55’ 00’’ LS sampai 6o 05’ 30’’ LS. Secara administratif, kawasan ini berbatasan dengan: Utara : Laut Jawa. Timur : Kabupaten karawang. Selatan : Kota Bekasi, Kecamatan Tambun. Barat : DKI Jakarta. Secara administrasi kehutanan, kawasan ini termasuk di dalam BKPH Ujung Krawang, KPH Bogor, Perum Perhutani Unit III Jawa Barat dan Banten.
4.2
Sejarah Kawasan Hutan lindung Muara Gembong berawal dari tanah partikelir yang
kemudian berubah status menjadi tanah negara bebas pada tahun 1949. Bupati Bekasi kemudian menyerahkan tanah seluas 9.311 hektar tersebut kepada Kepala Dinas Kehutanan Jakarta Raya. Menteri Pertanian kemudian menetapkan lahan eks-partikelir Cabang Bungin, Pondok Tengah, Babadan, Pangkalan, dan Terusan sebagai hutan tetap seluas 9.311 hektar. Berita Acara Tata Batas (BATB) kelompok hutan Ujung Karawang KPH Bogor dibuat tanggal 2 Februari 1957 dan disahkan 31 Mei 1957 seluas 10.481,1 hektar. Pemerintah kemudian menambah kawasan hutan tersebut seluas 1.123 hektar karena ada tanah timbul. Kawasan ini merupakan muara Sungai Citarum yang memiliki hulu di kawasan bendungan Jati Luhur. Perkembangan masyarakat yang semakin padat di kawasan tersebut membuat Menteri Kehutanan atas usulan Bupati Bekasi menerbitkan surat keputusan Menhut Nomor SK.475/Menhut-II/2005 pada 16 Desember 2005 untuk
24
mengubah fungsi kawasan dari hutan lindung menjadi hutan produksi tetap seluas 5.170 hektar. Masyarakat kemudian mendiami delapan desa dan tiga kecamatan yang berada di dalam kawasan tersebut. Pada awal tahun 2009, pemerintah Kabupaten Bekasi mengajukan permohonan kepada Departemen Kehutanan mengenai Tukar Menukar Kawasan Hutan dan Perubahan Status Kawasan Hutan Produksi Tetap menjadi Areal Budi Daya. Areal budi daya tersebut nantinya akan dikembangkan menjadi beberapa kategori pengembangan, yaitu perumahan (residential), pelabuhan, pergudangan, industri, dan penggunaan lainnya (mixed used). Dalam hal ini, pemerintah Kabupaten Bekasi bekerjasama dengan PT. Menara Group sebagai pihak ketiga.
4.3
Lingkungan Biofisik Kondisi penutupan lahan Kawasan Hutan Lindung Ujung Krawang
(Muara Gembong) berdasarkan Citra Ikonos Tahun 2002 adalah bakau 682,10 ha (6,51%), semak/rumput/rawa 2.703,96 ha (25,80 %), tambak/empang 4.709,59 ha (44,93 %), sawah 1.116,98 (10,65 %), ladang/kebun 428,60 ha (4,09 %), tegalan 547,61 ha (5,23 %), dan pemukiman/perkampungan 292,31 ha (2,79 %). Ekosistem lahan basah di Kawasan Hutan Ujung Krawang (Muara Gembong) terdiri dari : rawa, estuaria dan mangrove. Ekosistem rawa air tawar terletak di Muara Nawan, Sungai Keramat, Tanjung Air dan Sungai Larangan sampai dengan Muara Blacan. Ekosistem rawa air tawar ini merupakan habitat dari beberapa jenis flora dan fauna endemik. Ekosistem Estuaria pada umumnya terdapat di seluruh muara di kawasan Hutan Ujung Krawang. Kebanyakan estuaria ini didominasi oleh endapan lumpur yang berasal dari air tawar dan air laut. Ekosistem mangrove umumnya terdapat dalam jalur yang sangat tipis di sepanjang pantai sebelah utara dan barat.
25
Keterangan:
Wilayah penelitian.
Sumber: GoogleMaps Gambar 4-1. Kawasan Hutan Lindung Muara Gembong dan sekitarnya. Pada kawasan pesisir pantai hutan mangrove ditemukan jenis tumbuhan mangrove sejati terdiri dari 23 jenis yang didominasi oleh Api-api (Avicennia spp.), Bakau (Rhizophora spp.), Pedada (Sonneratia caseolaris). Sedangkan hutan mangrove ikutan terdiri dari 13 jenis yang didominasi oleh Bintan (Cerbera odollam), Kiser (Fimbristylis verruginea) dan Ketapang (Terminalia catappa). Adapun jenis tumbuhan di muara air tawar terdiri dari 11 jenis yang didominasi oleh Kiser (Fimbristylis verruginea) dan Nipah (Nypha fruticans). Berdasarkan data sekunder, jenis burung yang ditemukan di Kawasan Hutan Lindung Ujung Krawang (Muara Gembong) sebanyak 158 jenis. Dari sejumlah jenis tersebut, 7 jenis merupakan kelompok endemik dan 6 jenis dilindungi berdasarkan kriteria IUCN. Jenis Raja-udang biru Alcedo coerulecens dan Layang-layang batu Hirundo tahitica ditemukan cukup banyak di sepanjang Sungai Citarum dan
26
Sungai Bungin. Di pantai bagian utara, terdapat beberapa jenis burung air diantaranya Kuntul Perak (Egretta intermedia), Kuntul Kecil (Egretta garzetta), dan Cangak Abu (Ardea cinerea). Burung-burung laut seperti Cikalang Christmas (Fregata andrewsi) dan Dara-laut (Dara-laut jambul dan Dara-laut kecil) yang merupakan jenis burung migran, ditemukan di sekitar pantai. Sedangkan jenis burung Pecuk-padi hitam ditemukan di bagan-bagan di tengah laut. Terdapat 15 jenis mamalia yang didominasi oleh Kera Ekor Panjang (Macaca fascicularis) dan Surili (Presbitis cristata). Untuk jenis reptilia terdapat 6 jenis dan 3 jenis diantaranya masuk ke dalam Appendix CITES, antara lain Kura-kura Hutan dan Biawak (Varanus salvator). Jenis ikan yang banyak ditemukan di kawasan mangrove adalah Ikan blodok (Periophtalmus sp.) (Timdu, 2005).
4.4
Sosekbud Penduduk Kecamatan Muara Gembong tahun 2004 berjumlah 34.754
jiwa, yang terdiri dari 8.214 KK, menempati sebanyak 18 dusun, 6 desa sehingga rata-rata jumlah penduduk adalah 5.792 jiwa atau 1.369 KK per desa. Jumlah penduduk tersebut terdiri atas 16.757 perempuan dan 16.891 laki-laki atau dengan sex ratio sebesar 99,21%. Penduduk Kecamatan Muara Gembong terdiri dari suku Betawi, Sunda, Jawa, dan Bugis, sedangkan asal usulnya berasal dari Bekasi dan sekitarnya, seperti Cirebon, Serang, Indramayu, dan Makasar. Mata pencaharian penduduk adalah petani 2.233 jiwa (15,95%), pedagang 1.480 jiwa (10,57%), buruh industri 423 jiwa (3,02%), jasa angkutan 349 jiwa (2,49%), PNS, TNI/POLRI & pensiunan 183 jiwa (1,31%), karyawan 1.498 jiwa (10,70%), wiraswasta 854 jiwa (6,10%) serta petani tambak dan nelayan 6.978 jiwa (49,85%).
27
V. HASIL DAN PEMBAHASAN
5.1
Hasil
5.1.1
Gambaran umum hasil penelitian Hasil yang diperoleh setelah melalui berbagai proses adalah peta
penutupan lahan yang memuat informasi mengenai sebaran dan luasan vegetasi mangrove di kawasan hutan lindung dan hutan produksi terbatas Muara Gembong pada tahun 2001 dan 2010. Selain itu, informasi mengenai perubahan luasan vegetasi mangrove berikut potensi biomassa dan kerapatan vegetasinya sebagai indikator biologis mangrove dapat diketahui juga.
5.1.2
Pengisian strip data citra SLC-OFF Pengisian strip (garis) pada data citra yang rusak akibat kerusakan sensor
SLC dilakukan menggunakan software (perangkat lunak) IDL v7.0. Perangkat lunak ini dikeluarkan oleh NASA, Amerika Serikat. Pengisian ini bertujuan untuk memperbaiki data yang hilang akibat strip tersebut. Strip diisi dengan menggunakan data citra lain yang mengalami stripping pada tempat yang berbeda. Gambar 5-1 menunjukkan data citra sebelum dan sesudah diisi strip-nya.
(sebelum pengisian strip)
(sesudah pengisian strip)
Gambar 5-1. Data citra LANDSAT tahun 2010 Band 1.
28
5.1.3
Konversi format data citra Data citra yang diperoleh dari USGS tersimpan dalam format dasar (raw
image). Format ini tidak dikenali oleh perangkat lunak pengolah data spasial seperti ERDAS Imagine sehingga perlu dikonversi ke dalam format standar yang dikenali perangkat lunak tersebut. Tabel 5-1 menunjukkan bentuk format data sebelum dan sesudah dikonversi. Tabel 5-1 Format citra sebelum dan sesudah dikonversi Citra tahun Format dasar Format konversi Keterangan 2001 *.L1G *.IMG SLC-ON 2010 *.TIFF *.IMG SLC-OFF Sumber: Hasil pengolahan data.
5.1.4
Penyusunan citra komposit Citra yang sudah dikonversi masih terdiri dari file-file tiap band yang
terpisah.
Setiap
band
tersebut
memiliki
fungsi
masing-masing
dalam
menampilkan suatu objek liputan. Band-band tersebut perlu untuk disatukan agar dapat dilakukan analisis multi-band pada data citra. Citra yang terdiri dari multiband disebut citra komposit. Kombinasi band yang dibutuhkan untuk analisis citra pada penelitian ini adalah band 1, 2, 3, 4, 5, dan 7. Tabel 5-2 menunjukkan perbedaan ukuran file tiap band dan citra kompositnya. Tabel 5-2 Ukuran file tiap band dan citra komposit Ukuran file (Kb) Citra tahun Tiap band Citra komposit 2001 57.039 342.189 2010 57.410 355.002 Sumber: Hasil pengolahan data.
5.1.5
Koreksi geometrik dan pemotongan citra Peta digital yang digunakan sebagai pembatas objek/wilayah kajian
belum memiliki sistem proyeksi digital. Peta ini harus diberi koordinat digital agar dapat sinkron dengan data citra.. Sistem kordinat digital yang dipakai adalah Sistem Grid UTM, Proyeksi Transverse Mercator, Datum WGS 84, dan Zona 48 South. Titik acuan (ground conrtol point) yang digunakan sebanyak sembilan titik ( Tabel 5-3).
29
Tabel 5-3 Titik acuan/GCP pada proses georeferensi peta digital Input Referensi GCP RMSE X Y X Y 1 577 -603 715000 9345000 0,00 2 577 -2989 715000 9325000 0,00 3 3535 -2993 740000 9325000 0,00 4 3539 -606 740000 9345000 0,00 5 2944 -2395 735000 9330000 0,00 6 1169 -1797 720000 9335000 0,00 7 2944 -1799 735000 9335000 0,00 8 1169 -2393 720000 9330000 0,00 9 1761 -604 725000 9345000 0,00 Sumber: Hasil pengolahan data.
Koreksi geometrik citra tahun 2010 menggunakan teknik image-to-image dengan citra tahun 2001 sebagai acuan. Metode resampling yang digunakan adalah nearest neighbor. Koreksi geometrik citra tahun 2010 menggunakan sebelas titik GCP dengan nilai RMSE Total-nya sebesar 0,44. Daftar titik GCP pada koreksi citra tahun 2010 diperlihatkan pada Tabel 5-4. Sedangkan sebaran GCP citra tahun 2010 diperlihatkan pada Gambar 5-2. Tabel 5-4 Daftar GCP koreksi geometrik citra tahun 2010 Input Referensi GCP X Y X Y 1 725762.518 9338105.172 725807.345 9338099.148 2 736318.728 9330244.324 736368.885 9330237.231 3 757528.751 9280661.671 757593.580 9280621.523 4 731937.825 9333273.791 731985.935 9333266.945 5 711001.843 9324038.984 711042.281 9324012.072 6 755257.589 9340845.582 755312.935 9340858.583 7 659523.426 9333453.983 659542.744 9333406.689 8 704338.517 9340808.042 704374.718 9340791.923 9 738154.427 9281052.085 738211.093 9281001.634 10 723844.231 9341172.179 723887.065 9341167.213 11 722038.563 9334700.306 722081.837 9334688.664 RMSE ∑ Sumber: Hasil pengolahan data.
RMSE 0.312 0.495 0.295 0.543 0.297 0.423 0.187 0.498 0.307 0.730 0.419 0.435
30
Gambar 5-2. Sebaran GCP pada koreksi geometrik citra 2010 ke citra 2001. Area liputan citra yang luas melebihi objwk kajian perlu dipersempit dengan melakukan pemotongan citra. Citra dipotong dengan metode two corners. Metode ini membutuhkan dua koordinat sebagai sudut pemotongan. Kedua titik ini (Tabel 5-5) diperoleh dari peta digital. Hasil dari pemotongan citra tahun 2001 ditunjukkan pada Gambar 5-3, sedangkan perbandingan antara citra sebelum dan sesudah dipotong untuk masing-masing citra dapat dilihat pada Lampiran 1. Tabel 5-5 Koordinat titik pemotongan citra Sudut Sumbu X Sumbu Y Kiri atas 711213 9349054 Kanan atas 741693 9321755 Sumber: Hasil pengolahan data.
5.1.6
Koreaksi radiometrik Hasil analisis histogram menunjukkan bahwa tiap band citra tahun 2001
dan 2010 mengalami distorsi radiometrik. Nilai distorsi untuk setiap band berbeda satu sama lain (Tabel 5-6). Metode yang digunakan dalam memperbaiki distorsi ini adalah metode penyesuaian histogram. Nilai digital setiap band menjadi seragam dimulai dari nol setelah dikurangi nilai biasnya. Nilai bias merupakan nilai digital minimal yang tidak dimulai dari nol.
31
Gambar 5-3. Citra tahun 2001 hasil pemotongan dengan metode two corners. Tabel 5-6 Nilai minimum dan maksimum histogram nilai digital sebelum dan sesudah dikoreksi Sebelum dikoreksi Setelah dikoreksi Citra Bias Min. Maks. Min. Maks. 2001 B1 66 210 66 0 144 B2 41 211 41 0 170 B3 25 208 25 0 183 B4 8 152 8 0 144 B5 7 255 7 0 248 B7 6 255 6 0 249 2010 B1 73 221 73 0 148 B2 46 210 46 0 164 B3 30 241 30 0 211 B4 11 128 11 0 117 B5 9 255 9 0 246 B7 6 255 6 0 249 Sumber: Hasil pengolahan data.
32
5.1.7
Penajaman citra Ukuran yang digunakan untuk menyatakan banyaknya informasi yang
dapat diberikana oleh suatu tampilan citra adalah Nilai Optimum Index Factor (OIF). Semakin tinggi nilai OIF menunjukkan semakin banyak keragaman informasi yang ditampilkan citra. Pemilihan citra komposit dengan keragaman informasi tertinggi dapat dilakukan dengan melihat nilai OIF tampilan citra tersebut. Hasil analisis nilai OIF menunjukkan bahwa tampilan citra komposit dengan kombinasi Band 3-4-5 memiliki nilai OIF tertinggi (Tabel 5-7). Nilai OIF untuk citra tahun 2001 sebesar 1.395,05 dan untuk citra tahun 2010 sebesar 724,93. Kombinasi Band 3-4-5 pada filter layer RGB (red-green-blue) dapat dijadikan enam kombinasi citra komposit RGB. Keenam kombinasi tersebut adalah RGB-345, RGB-354, RGB-435, RGB-453, RGB-534, dan RGB-543. Setiap kombinasi citra komposit RGB memiliki tampilan warna yang berbeda dalam mendeteksi suatu objek tertentu seperti vegetasi, badan air, atau tanah terbuka. Berdasalkan analisi visual ditetapkan citra komposit RGB-453 memiliki kemampuan yang lebih tinggi dalam mendeteksi objek khususnya mangrove (Gambar 5-4). Tabel 5-7 Nilai OIF tiap kombinasi RGB Nilai OIF RGB RGB Citra 2001 Citra 2010 123 131,04 116,82 234 124 459,66 311,82 235 125 656,12 358,10 237 127 284,13 222,59 245 134 558,33 418,07 247 135 839,13 495,13 257 137 422,29 300,36 345 145 912,59 472,25 347 147 621,32 381,25 357 157 712,11 363,73 457
Nilai OIF Citra 2001 Citra 2010 635,70 439,50 923,31 502,04 484,11 310,27 1.114,92 544,58 779,92 451,29 843,10 411,70 1.395,05 724,93 1.075,16 546,23 1.188,86 502,74 668,35 249,00
33
Mangrove
Gambar 5-4. Tampilan visual citra RGB-453 tahun 2010.
5.1.8
Klasifikasi penutupan lahan Proses klasifikasi pentupan lahan (landcover) suatu citra diawali dengan
penentuan kelas-kelas penutupan lahan yang teridentifikasi dari analisis visual citra tersebut. Analisi visual citra komposit RGB-453 yang dikombinasikan dengan data peninjauan lapang dan tampilan rupa bumi pada Goolge Maps menunjukkan bahwa citra tahun 2001 dan 2010 yang dianalisis memiliki sembilan kelas penutupan lahan. Kesembilan kelas penutupan lahan tersebut meliputi: (1) Laut 1; (2) Laut 2; (3) Mangrove; (4) Tanah terbuka/terbangun; (5) Padi 1; (6) Kebun campuran; (7) Padi 2; (8) Tambak; dan (9) Sungai. Ukuran yang digunakan untuk menentukan tingkat keterpisahan kelaskelas tersebut adalah nilai Transformed Divergence (TD). TD memiliki selang nilai antara 0 sampai dengan 2.000. Semakin tinggi nilai TD menunjukkan bahwa objek tersebut semakin terpisah dengan objek lainnya yang dibandingkan. Tingkat keterpisahan (separabilitas) mangrove pada citra tahun 2001 terhadap
kelas
penutupan
lahan
lainnya
menunjukkan
derajat
baik
34
(2.000>TD≥1900), sedangkan untuk citra tahun 2010 menunjukkan derajat sempurna (TD=2.000). Tabel 5-8 menunjukkan nilai TD kelas mangrove terhadap kelas penutupan lahan lainnya pada citra tahun 2001 dan 2010.
Tabel 5-8 Nilai TD mangrove terhadap kelas penutupan lahan lainnya Nilai TD mangrove Landcover Citra 2001 Citra 2010 Laut 1 2.000 2.000 Laut 2 2.000 2.000 Mangrove 0 0 2.000 Tahah terbuka/terbangun 2.000 2.000 Padi 1 2.000 1.989 Kebun campuran 2.000 2.000 Padi 1 2.000 1.985 Tambak 2.000 2.000 Sungai 2.000 Sumber: Hasil pengolahan data.
Teknik yang digunakan dalam mengklasifikasikan citra menjadi kelass penutupan lahan adalah teknik klasifikasi terbimbing (supervised classification). Teknik ini membutuhkan beberapa area contoh (training area) sebagai penciri statistik untuk mengelompokkan piksel-piksel pada citra sesuai dengan nilai digitalnya. Area contoh yang dibuat harus merepresentasikan kelas penutupan lahan yang ditetapkan. Tingkat keterwakilan tiap kelas penutupan lahan terhadap area contoh yang dibuat dapat diukur menggunakan uji akurasi pada matriks kontingensi/error (error matrix). Nilai uji akurasi tersebut menggambarkan tingkat ketelitian dalam pembuatan area contoh tiap kelas. Nilai akurasi yang diperoleh dengan menggunakan matriks kontingensi menghasilkan nilai producer’s accuracy (PA), user’s accuracy (UA), overall accuracy (OA), dan kappa accuracy (KA). Area contoh yang dibuat sudah mewakili kelas penutupan lahan yang ditentukan. Persentase nilai akurasi menunjukkan nilai terkecil sebesar 94,40% yang masih lebih tinggi dari standar minimal yang ditetapkan sebesar 85%. Bahkan pada beberapa kelas penutupan lahan, nilai akurasinya dapat mencapai angka 100% (Tabel 5-9).
35
Tabel 5-9 Persentasi ketelitian matriks kontingensi Citra 2001 Penutupan lahan UA (%) PA (%) Laut 1 99,98 99,98 Laut 2 99,97 99,88 Mangrove 98,06 100,00 Tahah terbuka/terbangun 100,00 100,00 Padi 1 100,00 100,00 Kebun campuran 100,00 99,59 Padi 1 94,40 97,39 Tambak 98,70 95,94 Sungai 94,86 99,64 Overall accuracy (%) 99,80 Kappa accuracy (%) 99,63
Citra 2010 UA (%) PA (%) 99,98 99,94 99,67 99,48 100,00 99,80 100,00 100,00 100,00 100,00 99,87 100,00 99,74 98,98 95,90 97,39 94,89 99,24 99,61 99,39
Sumber: Hasil pengolahan data.
5.1.9
Luas dan sebaran mangrove Luasan mangrove pada tahun 2010 mengalami pertambahan luas sebesar
281,52 ha atau sekitar 52,09 % dari luas tahun 2001. Pada tahun 2001 luas mengrove sebesar 540,72 ha kemudian menjadi 822,24 ha pada tahun 2010. Proses klasifikasi penutupan lahan citra tahun 2010 memiliki tingkat akurasi klasifikasi overall (overall classification accuracy) sebesar 83,33% dan nilai statistik kappa overal bernilai 77,29%. Sebagian besar pertambahan mangrove terjadi di sekitar pantai seperti ditampilkan pada Gambar 5-5. Gambar tersebut memperlihatkan overlay mangrove tahun 2001 dan 2010.
5.1.10 Potensi biomassa dan kerapatan mangrove Potensi biomassa vegetasi mangrove tahun 2001 sebesar 46,7 ton/ha kemudian pada tahun 2010 menjadi sebesar 53,5 ton/ha. Total potensi biomassa mangrove di Muara Gembong pada tahun 2001 sebesar 34.043,12 ton kemudian meningkat menjadi 63.135,99 ton pada tahun 2010. Total pertambahan potensi selama sembilan tahun sebesar 29.092,87 ton atau sekitar 3.232,54 ton/tahun. Sedangkan untuk kerapatan mangrove pada tahun 2001 mencapai 55,78% kemudian menjadi 8,43% pada tahun 2010.
36
725000
730000 100 0
0
100 0 200 0 300 0 Me ters
N
9345000 9340000
9340000
9345000
720000
9335000
9335000
9330000
9330000
720000
Keterangan:
725000
730000
Mangrove 2001; Mangrove 2010; Irisan mangrove 2001-2010.
Gambar 5-5. Sebaran mangrove citra tahun 2001 dan tahun 2010.
5.2
Pembahasan
5.2.1
Pengolahan data citra Sejak tahun 2003, sensor ETM+ LANDSAT-7 mengalami kerusakan
SLC (scan line corrector) sehingga citra yang direkam mengalami strip/garisgaris. Garis-garis tersebut merupakan area yang tidak terekam oleh satelit dan
37
ukurannya akan semakin besar ke kanan dan ke kiri, sedangkan pada bagian tengahnya tidak mengalami stripping. Namun, ada juga citra yang mengalami stripping di sepanjang area liputannya. Posisi stripping dapat berbeda untuk setiap citra. Kerusakan ini menyebabkan proses interpretasi menjadi lebih sulit. Dalam beberapa kasus interpretasi citra, kerusakan ini tidak dapat ditoleransi. Kerusakan citra tersebut dapat diperbaiki dengan menggunakan software frame_and_fill (IDL v7.0) yang direkomendasikan oleh NASA. Software dapat diunduh pada alamat http://landsathandbook.gsfc.nasa.gov/handbook/software/ gap_filling_software.html. Prinsip kerjanya adalah dengan meng-overlay-kan citra master dan citra pengisi. Citra master adalah data citra utama yang akan diinterpretasikan. Citra pengisi adalah data citra yang memiliki posisi stripping berbeda dan waktu perekaman yang relatif dekat dengan citra master. Stripping pada citra master akan diisi oleh data pada citra pengisi sehingga stripping pada citra master akan hilang. Citra tahun 2010 yang direkam pada tanggal 02 Maret 2010 diperbaiki dengan cara diisikan citra lain yang memiliki posisi stripping berbeda dan waktu perekaman relatif dekat. Data di USGS yang paling memungkinkan digunakan sebagai citra pengisi adalah citra perekaman tanggal 21 Mei 2010. Software ini bekerja pada level individual band sehingga perbaikan yang dilakukan adalah pada level band. Citra yang telah diisi akan memiliki band yang terbebas dari garis-garis (Gambar5-1). Band 1 citra tahun 2010 akan hilang garis-garisnya setelah diperbaiki. Band-band pada kedua citra hasil pengisian stripping tersebut masih berbentuk format dasar dari USGS. Format dasar ini tidak dikenali oleh software mengolahan citra seperti ERDAS Imagine v9.1 sehingga tidak bisa diolah. Citra tahun 2001 berbentuk format *.L1G sedangkan citra tahun 2010 berformat *.TIFF. Menurut USGS (2001), *.L1G adalah format untuk citra yang diterbitkan dalam keadaan sudah terkoreksi secara geometrik sehingga citra dalam format ini sudah setengah jadi dan dapat langsung digunakan tanpa harus mengalami proses koreksi geometrik. Sedangkan citra dengan format *.TIFF adalah format citra yang diterbitakan tanpa terlebih dahulu dikoreksi. Dengan kata lain, citra tersebut masih berupa citra dasar/mentah (raw image) sehingga harus dikoreksi sebelum
38
digunakan. Kedua jenis format tersebut harus dikonversi menjadi format *.IMG agar dapat dikenali oleh software ERDAS Imagine v9.1. Konversi format diproses dengan bantuan menggunakan fasilitas impor software ERDAS Imagine v9.1. Proses konversi dilakukan satu per satu untuk tiap band citra. Band yang dikonversi adalah band yang akan digunakan dalam pembuatan citra komposit untuk keperluan analisis penutupan lahan saja. Band yang dikonversi adalah band 1, 2, 3, 4, 5, dan 7. Band 6 dan Band 8 tidak dikonversi karena tidak digunakan dalam analisi penutupan lahan. Band 6 berisi informasi mengenai temperatur permukaan bumi, sedangkan Band 8 adalah band pankromatik dengan ukuran piksel 15x15 m2. Proses konversi format *.TIFF ke *.IMG berbeda dengan proses konversi format *.L1G ke *.IMG. Pada proses konversi format *.TIFF ke *.IMG tidak memerlukan informasi tambahan sehingga dapat langsung dikonversi. Sedangkan pada proses konversi format *.L1G ke *.IMG membutuhkan informasi tambahan berupa Number of Line dan Pixel per Line. Kedua informasi ini diperoleh dari metadata citra tahun 2001 yang disertakan dalam paket citra tahun 2001. Dari data tersebut diketahui bahwa Number of Line bernilai 7061 sedangkan Pixel per Line bernilai 8141. Pada akhir proses, didapatkan file band-band dari kedua citra (tahun 2001 dan 2010) sudah dalam format *.IMG. Perbedaan format antara sebelum dan sesudah konversi ditunjukkan pada Tabel 5-1. Data citra hasil konversi terdiri dari beberapa file band citra yang berdiri sendiri. File-file band ini belum dapat dijadikan data yang baik untuk keperluan analisis. Apabila ditampilkan pada jendela tampilan software pengolah citra digital, file band ini hanya menampilkan gradasi warna hitam dan putih saja. Objek yang ada pada area liputannya sulit untuk diidentifikasi. Proses analisis citra membutuhkan kombinasi informasi dari beberapa band agar dapat membedakan objek tutupan lahan dengan baik, sehingga citra yang akan dianalisis penutupan lahannya harus disajikan dalam beberapa kombinasi band yang sesuai dengan objek kajiannya. Setiap band citra tersebut memiliki informasi dan karakteristik yang berbeda ketika ditampilkan. Penyajian dalam beberapa kombinasi band akan meningkatkan jumlah informasi yang diberikan oleh citra. File-file band tersebut
39
harus disatukan menjadi satu kesatuan citra agar dapat ditampilkankan dalam berbagai kombinasi band. Citra yang terdiri dari beberapa kombinasi band disebut citra multi-band atau citra komposit. Penyusunan band-band menjadi citra komposit dilakukan dengan Layer Stacking menggunakan software ERDAS Imagine v9.1. Tidak ada perbedaan prosedur dalam penyatuan band-band tiap citra tersebut. Band yang disatukan adalah semua band yang telah dikonversi, yaitu Band 1, 2, 3, 4, 5, dan 7. Setelah proses ini dilakukan, file band citra menjadi satu kesatuan file yang berukuran lebih besar. Perbedaan ukuran file tersebut disajikan pada Tabel 5-2. Citra yang akan dianalisis penutupan lahannya harus memenuhi beberapa persyaratan agar hasil yang didapatkan sesuai dengan objek kajian dan dapat dibandingkan antara satu citra dengan citra yang lain. Persyaratan tersebut adalah sebagai berikut: 1. Wilayah yang dianalisis mencakup objek kajian yang sama yaitu Muara Gembong; 2. Antara satu citra dengan citra yang lain memiliki posisi piksel yang sama agar dapat dibandingkan; dan 3. Sistem proyeksi peta yang digunakan sesuai dengan wilayah kajian. Peta yang dijadikan acuan penentuan batas objek kajian adalah Peta Penutupan Lahan Permohonan Tukar Menukar Kawasan Hutan Untuk Pengembangan Wilayah Pantai Utara Kabupaten Bekasi Provinsi Jawa Barat (Surat Menteri Kehutanan Nomor : S.184/Menhut – II/2009). Peta digital ini sudah planimetri dan memiliki koordinat UTM yang tercetak pada peta. Peta ini belum memiliki koordinat sistem secara digital, sehingga harus dilakukan proses georeferensi yaitu proses pemberian koordinat digital pada peta yang sudah planimetri (Jaya, 2009). Proses georeferensi peta digital dilakukan dengan software ERDAS Imagine v9.1. Sistem proyeksi peta digital diperbaiki sesuai dengan informasi yang diperoleh dari legenda peta tersebut. Sistem proyeksi yang digunakan adalah Sistem Grid UTM, Proyeksi Transverse Mercator, Datum WGS 84, dan Zona 48 South. Pada proses georeferensi ini, titik acu (GCP/ground control point) yang digunakan sebanyak sembilan titik yang tersebar merata pada seluruh area peta
40
digital (Tabel 5-3). Peta digital yang sudah memiliki sistem koordinat digital dapat digunakan untuk menentukan batas objek/area kajian. Membandingkan penutupan lahan antara satu citra dengan citra lain sesuangguhnya adalah membandingkan antara piksel pada satu citra dengan piksel pada citra lain dengan posisi yang sama. Piksel sebagai komponen terkecil citra digital memberikan informasi tentang jenis penutupan lahan yang ada di lapangan. Agar citra dapat dibandingkan antara satu dengan yang lainnya, maka setiap citra harus memiliki posisi piksel yang sama. Proses pembandingan piksel ini sesungguhnya adalah proses pengamatan perubahan penutupan lahan. Nilai piksel tersebut menunjukkan jenis penutupan lahannya sehingga sebuah piksel yang diamati harus berada pada koordinat yang sama pada citra yang lain. Oleh karena itu, setiap citra harus diregistrasai (disamakan posisinya) dengan sebuah citra acuan. Citra acuan yang digunakan adalah citra tahun 2001. Citra 2001 dipilih sebagai acuan karena sudah planimetri sesuai keterangan dari USGS (2001). Proses penyamaan posisi ini disebut juga koreksi geometrik dengan metode image-to-image (citra ke citra). Citra tahun 2010 digeokoreksi dengan menggunakan persamaan transformasi orde 1 atau disebut juga Affine transformation dengan teknik resampling nearest neighbor. Transformasi affine dipilih dengan memperhatikan bahwa pada proses geokoreksi image-to-image yang terjadi adalah pergeseran piksel-piksel yang terkoreksi hanya seputar sumbu absis (X) dan sumbu ordinat (Y). Sedangkan teknik resampling nearest neighbor dipilih karena teknik ini hanya mengambil kembali nilai yang terdekat yang telah tergeser ke posisi yang baru sehingga tidak akan mengubah nilai peksel-piksel yang ada (Arhatin, 2007). Proses koreksi geometrik citra tahun 2010 menggunakan 11 titik kontrol (GCP). Kesebelas titik kontrol tersebut tersebar seperti diperlihatkan pada Gambar 5-2. Nilai RMSE total yang didapatkan adalah sebesar 0,44. Nilai ini memenuhi kaidah pemilihan GCP yang mensyaratkan RMSE total maksimal 0,5. Setiap titik kontrol yang dipilih memiliki nilai RSME yang berbeda-beda (Tabel 5-4). Citra yang sudah dikoreksi geometrik kemudian dipotong untuk mendapatkan wilayah kajian yang lebih fokus. Pemotongan citra menggunakan metode dua sudut (two corners). Metode ini akan menghasilkan potongan citra
41
yang berbentuk bujur sangkar. Sudut yang digunakan adalah sudut kiri atas (upper left) dan sudut kanan bawah (lower right). Kedua sudut tersebut merupakan sebuah koordinat dengan kombinasi nilai absis (X) dan ordinat (Y). Nilai absis dan ordinat masing-masing sudut tersebut diambil dari nilai absis dan ordinat sudut-sudut pada peta digital. Nilai absis dan ordinat tersebut ditunjukkan pada Tabel 5-5, sedangkan citra hasil pemotongan ditunjukkan pada Gambar 5-3. Citra yang sudah dikoreksi secara geometrik dan difokuskan wilayah kajiannya perlu dianalisis pola histogram nilai
digitalnya untuk mengetahui
distorsi radiometrik yang mungkin terjadi. Prosedur analisisnya adalah dengan menggunakan software ER Mapper v7.1. melalui software tersebut diperlihatkan histogram nilai digital tiap band citra 2001 dan 2010. Band yang memeliki histogram tidak dimulai dari nol dianggap memiliki distrorsi radiometrik Hasil analisi pola histogram menunjukkan terjadinya sejumlah distrorsi radiometrik untuk semua band citra. Distorsi radiometrik ini besarnya bervariasi pada setiap band citra. Besar nilai distorsi semakin menurun nilainya dari Band 1 ke Band 7 (Tabel 5-6). Distorsi ini harus dikoreksi untuk menghilangkan bias pada nilai digital. Metode koreksi yang digunakan adalah histogram adjustment (penyesuaian histogram). Asumsi pada metode penyesuaian histogram adalah bahwa nilai digital minimum pada suatu liputan citra adalah nol. Jika nilai digital minimum tidak dimulai dari nol, maka penambahan tersebut disebut sebagai offset-nya. Berdasarkan asumsi tersebut, nilai digital minimum pada citra sebelum dikoreksi dianggap sebagai pengurang, sehingga akan didapatkan rentang nilai digital minimum dan maksimum tanpa nilai offset. Metode penyesuaian histogram ini tidak mengubah pola grafik sebaran nilai piksel, namun hanya menggeser nilai minimum dan maksimum (Arhatin, 2007). Prosedur koreksi radiometrik metode penyesuaian histogram adalah dengan menggunakan software ERDAS Imagine v9.1 pada menu Model Maker. Perintah dalam model maker yang digunakan pada setiap band adalah sebagai berikut:
dengan,
42
= nilai digital citra ke-i band ke-j setelah dikoreksi = nilai digital citra ke-i band ke-j sebelum dikoreksi Offset
= nilai bias citra ke-i band ke-j
Setelah dilakukan koreksi dengan metode penyesuaian histogram, didapatkan pola histogram nilai digital tanpa offset (Lampiran 2). Rentang nilai digital sebelum dan sesudah dikoreksi berikut nilai offset-nya diperlihatkan pada Tabel 5-6. Setiap band pada citra memiliki karakter dan kemmapuan berbeda dalam menampilkan informasi tutupan lahan. Hal ini berkaitan dengan rentang panjang gelombang reflektansi matahari dari objek yang direkam. USGS (2001) menjelaskan jenis aplikasi band citra digital sesuai dengan panjang gelombang yang ditangkapnya (Tabel 5-10). Tabel 5-10 Karakteristik Band pada Landsat ETM+ Panjang Band Gelombang Aplikasi (µm) 1 0,45 – 0,52 Untuk pemetaan perairan pantai, pembedaan tanah dan vegetasi, analisis tanah dan air, dan pembedaan tumbuhan berdaun lebar dan konifer. 2 0,52 – 0,60 Untuk inventarisasi vegetasi dan penilaian kesuburan. 3 0,63 – 0,69 Untuk pemisahan kelas vegetasi dan memperkuat kontras antara penampakan vegetasi dan non-vegetasi. 4 0,76 – 0,90 Untuk deteksi akumulasi biomassa vegetasi, identifikasi jenis tanaman, dan memudahkan pembedaan tanah dan tanaman, serta lahan dan air. 5 1,55 – 1,75 Untuk menunjukkan kandungan air pada tanaman, kondisi kelembaban tanah dan berguna untuk membedakan awan dengan salju. 6 10,40 – 12,50 Untuk analisis vegetasi stress, pembedaan kelembaban tanah, klasifikasi vegetasi, analisis gangguan vegetasi, dan pemetaan suhu. 7 2,09 – 2,35 Untuk pemetaan formasi geologi dan pemetaan hidrotermal. 8 0,50 – 0,90 Untuk peningkatan resolusi spasial.
43
(Band 1)
(Band 2)
(Band 3)
(Band 4)
(Band 5)
(Band 7)
Mangrove
Gambar 5-6. Tampilan citra tahun 2010 tiap band untuk identifikasi mangrove. Hasil pengamatan pada tampilan tunggal tiap band citra yang sudah dikoreksi dalam mendeteksi objek mangrove menunjukkan bahwa Band 5 memiliki kemampuan yang paling baik dalam membedakan objek mangrove. Dibandingkan dengan tampilan pada band lainnya, Band 5 dapat menunjukkan objek mangrove secara jelas. Band 5 terletak pada selang panjang gelombang 1,55-1,75 µm yang mampu menunjukkan kandungan air pada tanaman, kondisi
44
kelembaban tanah dan berguna untuk membedakan awan dengan salju (USGS, 2001). Perbandingan band lain dalam mendeteksi mangrove dapat dilihat pada Gambar 5-6. Interpretasi citra sulit dilakukan apabila hanya menggunakan tampilan band tunggal saja. Hal ini ditunjukkan sepertui pada Gambar 5-6 di atas. Meskipun Band 5 memiliki kemampuan dalam membedakan objek mangrove, namun informasi yang diperoleh sangat terbatas. Untuk memperjelas tampilan objek dilakukan pembuatan citra komposit sebagai salah satu metode dalam penajaman citra (image enhancement). Citra komposit membutuhkan tiga kombinasi band sebagai input pada masing-masing filter red, green, dan blue (RGB). Kombinasi yang dimaksud adalah kombinasi band untuk masing-masing filter yang mempunyai informasi tertinggi. Derajat atau ukuran jumlah informasi ini dapat dilihat menggunakan nilai faktor indeks optimum (optimum index factor/OIF). Ukuran ini merupakan perbandingan antara total simpangan baku dari ketiga band yang digunakan dengan tiga koefisien korelasi dari masing-masing pasangan band yang digunakan (Jaya, 2009). Nilai OIF tertinggi akan menyajikan lebih banyak warna, sehingga diharapkan mampu memberikan informasi lebih banyak (Arhatin, 2007). Nilai OIF diperoleh melalui tiga tahap, yaitu (1) mengetahui nilai univariae, (2) menghitung nilai variance-covariance (ragam-peragam) dan nilai matriks korelasinya, dan (3) menghitung nilai OIF itu sendiri. Tahap 1 dilakukan menggunkan softewara ERDAS Imagine v9.1 sedangkan tahap 2 dan 3 dihitung dengan menggunkan software Microsoft Excel 2010. Nilai univariate dan ragamperagam untuk masing-masing citra ditunjukkan pada Tabel 5-11 dan Tabel 5-12. Tabel 5-11 Nilai univariate citra tahun 2001 dan 2010 Univariate Band 1 2 3 4 Citra 2001 Minimum 1,000 2,000 6,000 2,000 Maximum 79,000 87,000 119,000 148,000 Mean 18,333 27,287 34,909 31,282 Std. Dev. 7,578 10,451 13,458 24,736
5
7
0,000 174,000 30,768 29,115
0,000 128,000 17,669 15,247
45
Tabel 5-11 (Lanjutan) Citra 2010 Minimum 5,000 Maximum 85,000 Mean 25,840 Std. Dev. 7,883
9,000 88,000 32,867 9,752
15,000 128,000 40,837 12,502
4,000 112,000 27,341 16,398
3,000 246,000 25,438 17,248
0,000 249,000 17,198 8,716
Sumber: Hasil pengolahan data.
Tabel 5-12 Nilai variance-covariance (ragam-peragam) dan matriks korelasi citra tahun 2001 dan 2010 Variance-Covariance Band 1 2 3 4 5 7 Citra 2001 Band 1 57,432 Band 2 73,932 109,231 Band 3 85,458 124,142 181,115 Band 4 -85,190 -79,071 -76,835 611,877 Band 5 -79,343 -76,978 -38,005 610,930 847,701 Band 7 -31,858 -31,165 -0,356 272,004 427,123 232,460 Citra 2010 Band 1 62,134 Band 2 71,798 95,101 Band 3 81,652 112,339 156,310 Band 4 -32,785 -28,614 -17,125 268,896 Band 5 -25,655 -24,754 -5,351 251,327 297,503 Band 7 -4,520 -4,069 9,358 106,923 141,782 75,968 Matriks Korelasi Band 1 2 3 4 5 7 Citra 2001 Band 1 1,000 Band 2 0,933 1,000 Band 3 0,838 0,883 1,000 Band 4 -0,454 -0,306 -0,231 1,000 Band 5 -0,360 -0,253 -0,097 0,848 1,000 Band 7 -0,276 -0,196 -0,002 0,721 0,962 1,000 Citra 2010 Band 1 1,000 Band 2 0,934 1,000 Band 3 0,829 0,921 1,000 Band 4 -0,254 -0,179 -0,084 1,000 Band 5 -0,189 -0,147 -0,025 0,889 1,000 Band 7 -0,066 -0,048 0,086 0,748 0,943 1,000
46
Berdasarkan nilai variance-covariance dan matriks korelasi di atas, nilai OIF tiap kombinasi band citra komposit RGB dapat dihitung. Jumlah kombinasi band citra komposit RGB dari enam band (Band 1, 2, 3, 4, 5, dan 7) adalah 20 kombinasi. Kombinasi citra komposit RGB berikut nilai OIF untuk tiap kombinasi pada masing-masing citra diperlihatkan pada Tabel 5-7. Nilai OIF tertinggi diperoleh pada kombinasi RGB-345 untuk setiap citra, yaitu sebesar 1.395,05 untuk citra tahun 2001 dan 724,93 untuk citra tahun 2010. Ketiga kombinasi band ini (band 3, 4, dan 5) diartikan sebagai kombinasi band yang mampu menampilkan informasi secara lebih banyak dibandingkan kombinasi band lainnya. Nilai OIF yang tinggi menunjukkan besarnya nilai standar deviasi masing-masing band dan kecilnya nilai koefisien korelasi antar band tersebut. Korelasi antar band yang rendah diharapkan mampu memberikan informasi yang saling melengkapi dan meminimalkan peluang terjadinya overlapping informasi. Kombinasi ketiga band tersebut sudah tepat dalam proses pendeteksian mangrove. Secara teori, Band 3 yang terletak pada selang panjang gelombang 0,63-0,69 µm berguna untuk pemisahan kelas vegetasi dan memperkuat kontras antara penampakan vegetasi dan non-vegetasi. Band 4 yang terletak pada panjang gelombang 0,76-0,90 µm berguna untuk mendeteksi akumulasi biomassa vegetasi, identifikasi jenis tanaman, dan memudahkan pembedaan tanah dan tanaman, serta lahan dan air. Sedangkan Band 5 yang terletak antara 1,55-1,75 µm berguna untuk menunjukkan kandungan air pada tanaman, kondisi kelembaban tanah dan berguna untuk membedakan awan dengan salju. Dari kombinasi ketiga band tersebut dapat dibuat enam citra komposit RGB untuk tiap citra. Citra komposit RGB yang dapat ditampilkan adalah citra RGB-345, RGB-354, RGB-435, RGB-453, RGB-534, dan RGB-543. Tampilan masing-masing citra komposit RGB tersebut disajikan pada Lampiran 3. Tampilan visual suatu objek dapat berbeda apabila kombinasi band yang dimasukkan dalam filter RGB berbeda. Perlu dilakukan analisis visual untuk mengetahui kombinasi filter dan band mana yang mampu menampilkan daerah mangrove secara lebih jelas. Berdasarkan hasil analisis visual tersebut, diperoleh hasil visual terbaik pada
47
RGB-453. Tampilan visual citra tahun 2010 RGB-453 ditunjukkan pada Gambar 5-4. Citra komposist RGB-453 yang terbentuk dianalisis secara visual untuk mendapatkan beberapa kelas penutupan lahan (land cover) yang nantinya akan digunakan sebagai acuan dalam klasifikasi citra. Penentuan kelas penutupan lahan didasarkan pada perbedaan warna, pola warna, pola spektral, dan posisinya pada bentang lanskap. Selain itu, digunakan juga data koordinat lapang yang diperoleh saat peninjauan lapang dan tampilan visual dengan resolusi yang lebih tinggi sebagai data pembanding. Koordinat lapang yang diperoleh dari kegiatan peninjauan lapang disajikan pada Lampiran 4. Sedangkan tampilan resolusi visual yang lebih tinggi diperoleh dari Google Maps (http://maps.google.co.id/). Dari hasil analisis tersebut ditentukan beberapa kelas penutupan lahan sebagai berikut: 1.
Laut 1 Perairan laut dikategorkan menjadi dua kelas, yaitu laut 1 dan laut 2. Laut 1 adalah perairan laut dalam yang letaknya realatif jauh dari daratan. Warna yang ditampilkan pada citra adalah biru kehitaman.
2.
Laut 2 Laut 2 adalah perairan laut dangkal yang banyak menandung sedimen terlarut. Letaknya di sekitar bibir pantai. Konsentrasi sedimen terlarut ini cenderung meningkat pada area teluk dan muara sungai. Warna yang ditampilkan adalah biru cerah sampai ungu.
3.
Mangrove Mangrove adalah area yang ditutupi vegetasi mangrove. Pada mangrove dengan tingkat kerapatan rendah, lapisan permukaan tanah daerah mangrove yang basah memberikan kontribusi yang signifikan terhadap tampilan warna mangrove pada citra. Warna yang ditampilkan adalah oranye kemerahan.
4.
Tanah Terbuka/Terbangun Kelas ini merupakan wilayah dengan permukaan tanah kering. Termasuk kedalam kelas ini adalah bangunan, lapangan, jalan, sawah/lumpur yang sudah mengering. Warna yang ditampilkan adalah biru kehijauan.
48
5.
Padi 1 Padi 1 adalah area persawahan dengan tanaman padi yang masih lebat. Biasanya perada pada periode waktu menjelang panen. Warna yang ditampilkan adalah warna kuning cerah.
6.
Kebun Campuran Kelas jenis penutupan lahan ini merupakan area pertanian non irigasi. Kebun campuran biasanya terletak di dekat area persawahan atau bahkan merupakan peralihan fungsi dari sawah ketika musim kemarau. Tanaman yang dibudidayakan berupa sayuran, palawija, dan tanaman semusim lainnya. Warna yang ditampilkan adalah warna kuning emas mendekati oranye.
7.
Padi 2 Padi 2 adalah area persawahan dengan tanaman padi yang masih baru ditanam atau tanah yang baru diolah. Tingkat kelebaban tanah yang tinggi menyebabkan reflektan yang diterima satelit tampilan pada kelas ini seperti area perairan yang berlumpur. Warna yang ditampilkan pada citra adalah ungu.
8.
Tambak Tambak adalah wilayah daratan yang sengaja diberi genangan air untuk dijadikan tempat pemeliharaan ikan. Sebagian besar wilayahnya ditutupi oleh air. Hasil analisis visual citra RGB-453 menunjukkan dua pola warna pada wilayah tambak yang berarti teradapat dua kelas tambak. Pola warna yang pertama ditunjukkan adalah biru tua sampai kehitaman seperti warna kelas Laut 2, namun secara posisi lanskap terletak di wilayah daratan. Pola warna yang kedua dan dijadikan indikator penciri untuk kelas tambak adalah warna kecoklatan.
9.
Sungai Kelas ini didominasi oleh air tawar. Kualitas air yang terdapat di dalamnya terkadang mengandung lumpur dan terlihat coklat. Kondisi ini berpengaruh pada reflektansi warna citra. Warna yang ditampilkan pada citra adalah warna abu-abu. Pengklasifikasian jenis penutupan lahan tersebut tidak jauh berbeda
dengan Jaya et al. (2001) yang membagi kelas penutupan lahan di Tanjung
49
Karawang, Kecamatan Muara Gembong berdasarkan citra satelit Landsat TM menjadi delapan kategori, yaitu: (1) Laut 1; (2) Laut 2; (3) Kolam ikan; (4) Persawahan; (5) Permukiman; (6) Pertanian lahan kering; (7) Sungai; dan (8) Mangrove. Hasil pengkelasan tersebut memeiliki perbandingan pola warna citra dan tampilan nyata (real view) menggunakan resolusi citra yang lebih tinggi seperti diperlihatkan pada Tabel 5-13. Resolusi citra yang lebih tinggi diperoleh dari Google Maps (http://maps.google.co.id/). Analisis pola spektral telah dilakukan pada semua kelas jenis penutupan lahan berdasarkan tampilan visual citra komposit RGB-453. Pada Gambar 5-7, pola spektral menunjukkan pemisahan yang baik antar jenis kelas jenis penutupan lahan tersebut, terutama pada Band 3, 4, dan 5. Seperti yang terlihat pada pola spektral di atas, hasil analisis menunjukkan bahwa reflektansi kelas mangrove mengalami peningkatan pada Band 4 dan kembali menurun pada Band 5 sampai Band 7. Hal ini menunjukkan bahwa pola spektral mangrove menyerupai pola spektral vegetasi pada umumnya seperti yang diungkapkan Richards (1993) dalam Jaya et al (2001) bahwa reflektansi mangrove akan selalu meningkat ketika panjang gelombang meningkat dari Band 3 (merah:0,63-0,69 πm) ke Band 4 (inframerah dekat:0,76-0,90 µm), kemudian menurun pada Band 5 (infra merah tengah:1,55-1,75 πm) dan Band 7 (2,09-2,35 µm). Pola yang sama juga ditunjukkan pada jenis kelas kebun campuran dan padi 1. Kedua jenis penutupan lahan tersebut memiliki pola reflektansi yang meningkat dari Band 3 ke Band 4 dan kembali menurun pada Band 5 sampai Band 7. Perbedaan utama pola sektral ketiga jenis penutupan lahan tersebut terletak pada Band 5. Seperti hasil analisis visual pada band tunggal, vegetasi mangrove terlihat lebih jelas pada Band 5. Band 5 terletak pada selang panjang gelombang 1,55-1,75 µm yang mampu menunjukkan kandungan air pada tanaman, kondisi kelembaban tanah dan berguna untuk membedakan awan dengan salju. Berdasarkan informasi tersebut dapat diketahui bahwa tingkat kelembaban permukaan tanah paling tinggi adalah pada mangrove kemudian diikuti kebun campuran dan padi 1. Hal ini kemungkinan dikarenakan kebun campuran relatif dapat menjaga kelembaban tanahnya dari pada padi yang sudah memasuki masa panen.
50
Tabel 5-13 Perbandingan kelas penutupan lahan berdasarkan tampilan visual Kelas Pola warna RGB-453 Tampilan Google Maps Laut 1
Laut 2
Mangrove
Tanah terbuka/terbangun
Padi 1
Kebun campuran
Padi 2
Tambak
Sungai Sumber: Hasil pengolahan data dan http://maps.google.co.id/
Rata-rata Nilai Digital
51
Band
Gambar 5-7. Pola spektral kelas jenis penutupan lahan berdasarkan citra 2001. Selain analisis visual, analisis kuantitatif dilakukan untuk mengetahui tingkat keterpisahan masing-masing jenis penutupan lahan tersebut. Analisis kuantitatif untuk mengukur tingkat keterpisahan masing-masing kelas penutupan lahan digunakan indeks separabilitas Transformed Divergence (TD). Indeks ini mempertimbangkan rataan dan varians nilai statistik dalam membandingkan jenis penutupan lahannya. Selang nilai TD adalah antara 0 sampai 2.000. Apabila TD lebih dari 1.900 maka keterpisahan antar jenis penutupan lahan realtaif baik, namun apabila kuranag dari 1.700 maka keterpisahan antar objek buruk (Jensen, 1986). Menurut Jaya (2001), nilai indeks TD dikatakan sempurna apabila memiliki nilai 2.000, dikatakan baik apabila nilai TD berada di atas 1.900, dikatakan cukup apabila berada di atas 1.700, dikatakan buruk apabila berada di atas 1.600, dan dikatakan tidak terpisahkan apabila berada di bawah 1.600. Arifin et al. (1996) juga mengemukakan apabila nilai TD sama dengan atau lebih kecil dari 1.500 maka area contoh tersebut dapat digabungkan atau atau dihapuskan dengan mengganti area contoh yang baru. Berdasarkan hasil uji tingkat keterpisahan (Tabel 5-14) dapat dilihat bahwa keterpisahan antar kelas relatif baik. Keterpisahan mangrove sebagai objek kajian utama terhadap kelas penutupan lahan yang lainnya mencapai derajat sempurnya untuk citra tahun 2010 dan mencapai derajat baik untuk citra tahun 2001. Pada citra tahun 2001 terdapat area mangrove yang beririsan dengan area kebun campuran dan tambak. Jika ditinjau kembali pola spektral masing-masing
52
kelas penutupan lahan terlihat bahwa pola spektral mangrove hampir sama dengan pola spektral kebun campuran. Namun pola spektral mangrove berbeda dengan pola spektral tambak. Irisan antara area mangrove dan tambak kemungkinan disebabkan oleh pola sebaran mangrove dan tambak yang berasosiasi terutama pada area tambak yang ditanami mangrove oleh petani.
5.2.2
Kondisi penutupan lahan Citra tahun 2001 dan 2010 diklasifikasikan menggunakan teknik
klasifikasi terbimbing (supervised classification) metode kemiripan maksimum (maximum likelihood). Dalam klasifikasi terbimbing, harus dibuat suatu training area (area contoh) guna mendapatkan penciri kelas (ragam-peragam, mean, minimum, dan maksimum). Masing-masing atau kelompok area mewakili satu kelas penutupan lahan. Secara teoritis jumlah piksel yang harus diambil per kelas sebanyak jumlah band yang digunakan plus 1 (N+1) (Jaya, 2009). Setiap kelas penutupan lahan dibuatkan sepuluh area contoh. Setiap area contoh dievaluasi pola spektralnya
untuk mendapatkan area contoh yang sesuai dengan kelas
penutupan lahan yang diinginkan. Pola spektral masing-masing kelas penutupan lahan ditampilkan pada Lampirn 6. Area contoh untuk kelas tambak pada citra tahun 2001 memiliki pola spektral yang menyerupai pola spektral vegetasi yaitu meningkat pada Band 4. Hal ini disebabkan oleh terdapatnya vegetasi pada area yang dipilih sebagai tambak tersebut. Vegetasi dapat berupa mangrove yang berasosiasi dengan tambak di bagian galangan tambak atau tumbuhan air yang tumbuh hidup di permukaan tambak. Keseluruhan area contoh yang terpilih dievaluasi tingkat akurasinya menggunakan matriks kontingensi yang sering disebut sebagai error matrix atau confusion matrix. Dalam matriks kontingensi ini dapat dihitung besarnya nilai producer’s accuracy (PA/akurasi pembuat) dan user’s accuracy (UA/akurasi pengguna) dari tiap kelas. Akurasi pembuat adalah nilai akurasi yang diperoleh dengan membagi jumlah piksel yang terklasifikasikan dengan benar terhadap jumlah total piksel area contoh tiap kelas. Sedangkan akurasi pengguna adalah nilai akurasi yang diperoleh dengan membagi jumlah piksel yang terklasifikasikan
53
dengan benar terhadap jumlah piksel yang terklasifikasikan kedalam kelas tersebut (Jaya, 2009). Metode yang digunakan dalam menghitung matriks kontingensi tersebut adalah metode maximum likelihood.
4. Tanah terbuka
5. Padi 1
6. Kebun campuran
7. Padi 2
0 2.000 2.000 2.000 2.000 2.000 2.000 2.000
0 2.000 2.000 1.989 2.000 1.985 2.000
0 2.000 2.000 2.000 2.000 2.000
0 2.000 2.000 2.000 2.000
0 2.000 2.000 2.000
0 1.972 1.995
0 2.000
0
0 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000
0 2.000 2.000 2.000 2.000 2.000 1.997 2.000
0 2.000 2.000 2.000 2.000 2.000 2.000
0 2.000 2.000 2.000 2.000 2.000
0 2.000 2.000 2.000 2.000
0 2.000 2.000 2.000
0 2.000 2.000
0 2.000
0
9. Sungai
3. Mangrove
0 2.000 2.000 2.000 2.000 2.000 2.000 2.000 2.000
8. Tambak
2. Laut 2
Kelas Penutupan Lahan Citra 2001 Kelas 1 Kelas 2 Kelas 3 Kelas 4 Kelas 5 Kelas 6 Kelas 7 Kelas 8 Kelas 9 Citra 2010 Kelas 1 Kelas 2 Kelas 3 Kelas 4 Kelas 5 Kelas 6 Kelas 7 Kelas 8 Kelas 9
1. Laut 1
Tabel 5-14 Nilai indeks TD pada tiap jenis penutupan lahan
Sumber: Hasil pengolahan data.
Selain akurasi pembuat dan pengguna, matriks kontingensi dapat digunakan untuk menghitung nilai Overall accuracy (OA) dan Kappa accuracy (KA). Akurasi overal menekankan hasil klasifikasi yang difokuskan hanya pada diagonal utama pada matriks konkingensi, sedangkan akurasi kappa menghitung pola distribusi akurasi pada kelas-kelas yang dibuat. Akurasi kappa adalah suatu ukuran dalam menilai hasil klasifikasi dengan menggunakan data referensi yang
54
berupa data dari area contoh yang dibuat. Selang nilai akurasi kappa adalah antara 0,0 sampai dengan 1,0. Nilai 1,0 menunjukkan bahwa hasil klasifikasi sangata tepat dan sesuai dengan data referensi (Arhatin, 2007). Lebih lanjut Mather (2004) dalam Arhatin (2007) mengatakan bahwa jika nilai akurasi kappa lebih dari 0,75 menunjukkan derajat hasil klsifikasi yang baik, sedangkan jika nilainya kurang dari 0,4 menunjukkan derajat hasil klasifikasi yang buruk. Tabel 5-15 memperlihatkan dengan lebih detil distribusi piksel-piksel referensi yang terklasifikasi. Berdasarkan tabel tersebut, piksel data referensi kelas mangrove citra tahun 2001 terkelaskan sebanyak 98,06% sebagai mangrove, 0,65% sebagai kebun campuran, dan 1,29% sebagai tambak. Sedangkan pada citra tahun 2010 menunjukkan bahwa seluruh piksel data referensi terkelaskan sebagai mangrove. Selain itu, pada kelas mangrove citra tahun 2001 hasil klasifikasi menunjukkan bahwa tidak ada piksel dari kelas penutupan lahan yang lainnya yang terkelaskan kedalam kelas mangrove. Sedangkan untuk kelas mangrove citra tahun 2010 menunjukkan bahwa terdapat 0,13% piksel kebun campuran yang terkelaskan sebagai mangrove. Secara umum dapat diketahui bahwa masingmasing area contoh yang dibuat telah terkelaskan dengan baik. Demikian pula untuk kelas mangrove. Salah satu faktor penting dalam keberhasilan pemetaan mangrove adalah pemilihan metode klasifikasi citra. Klasifikasi citra secara umum bertujuan untuk mengkelaskan piksel-piksel menjadi kelas penutupan lahan yang sesuai. Menurut Jaya (2009), metode kemiripan maksimum (maximum likelihood) merupakan metode yang paling umum digunakan dan merupakan metode standar dalam mengklasifikan citra. Metode ini mempertimbangkan berbagi faktor seperti peluang suatu piksel untuk dikelaskan kedalam kelas tertentu. Citra tahun 2001 dan tahun 2010 diklasifikasikan menggunakan metode kemiripan maksimum sehingga didapatkan peta penutupan lahan. Citra yang telah diklasifikan dapat dilihat pada Gambar 5-8. Berdasarkan uji akurasi klasifikasi, citra tahun 2010 yang diklasifikasikan memiliki tingkat akurasi klasifikasi overall (overall classification accuracy) sebesar 83,33%, sedangkan statistik kappa overal bernilai 77,29%. Nilai ini berada di bawah standar akurasi yang ditetapkan oleh USGS sebesar 85% untuk citra LANDSAT ETM+. Hal ini kemungkinan
55
disebabkan oleh jumlah ground truth yang digunakan sebagai data referensi uji akurasi tidak proporsional sesuai dengan kelas penutupan lahan yang ditentukan. Koordinat ground truth yang digunakn sebanyak 35 titik. Tiga puluh lima titik tersebut diperoleh pada kegiatan peninjauan lapang bersama Tim Terpadu Muara Gembong, Ditjenplan Kemenhut RI. Koordinat tersebut diambil pada Bulan Desember 2009 sehingga kemungkinan beberapa titik yang berada pada tipe penggunaan lahan sebagai pertanian mengalami perunahan tipe penutupan lahan pada tahun 2010 saat citra direkam oleh satelit. Koordinat titik-titik tersebut ditnjukkan pada Lampiran 4.
0,00 0,00 0,00 0,00 0,00 99,87 0,00 0,00 0,00
9. Sungai
0,02 0,00 0,00 0,00 99,67 0,00 0,00 0,00 0,00 100,00 0,00 0,00 0,00 0,00 100,00 0,00 0,00 0,00 0,00 100,00 0,00 0,13 0,00 0,00 0,00 0,00 0,00 0,00 4,10 0,00 0,00 0,00 0,00 0,00 0,00 0,00
8. Tambak
99,98 0,07 0,00 0,00 0,00 0,00 0,00 0,00 0,00
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 98,06 0,00 0,00 0,65 0,00 100,00 0,00 0,00 0,00 0,00 100,00 0,00 0,00 0,00 0,00 100,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
7. Padi 2
0,02 99,97 0,00 0,00 0,00 0,00 0,18 0,13 2,74
5. Padi 1
99,98 0,03 0,00 0,00 0,00 0,00 0,00 0,13 0,00
6. Kebun campuran
4. Tanah terbuka
2. Laut 2
Kelas Penutupan Lahan Citra 2001 Kelas 1 Kelas 2 Kelas 3 Kelas 4 Kelas 5 Kelas 6 Kelas 7 Kelas 8 Kelas 9 Citra 2010 Kelas 1 Kelas 2 Kelas 3 Kelas 4 Kelas 5 Kelas 6 Kelas 7 Kelas 8 Kelas 9
1. Laut 1
Data klasifikasi (%)
3. Mangrove
Tabel 5-15 Nilai akurasi berdasarkan matriks kontingensi Data referensi (%)
0,00 0,00 0,00 0,00 0,00 0,00 94,40 0,91 2,40
0,00 0,00 1,29 0,00 0,00 0,00 5,42 98,70 0,00
0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,13 94,86
0,00 0,00 0,00 0,00 0,00 0,00 99,74 0,00 2,92
0,00 0,26 0,00 0,00 0,00 0,00 0,00 95,90 2,19
0,00 0,00 0,00 0,00 0,00 0,00 0,26 0,00 94,89
56
Sumber: Hasil pengolahan data.
Hasil klasifikasi menunjukkan bahwa citra tahun 2010 memiliki areal mangrove yang lebih luas dari pada citra tahun 2001.Luas area mangrove pada citra tahun 2010 seluas 822,24 ha sedangkan pada citra tahun 2001 seluas 540,72 ha. Pertumbuhan luas mangrove dalam kurun waktu + 9 tahun sebesar 281,52ha atau sekitar 52,06 % luas awal. Luas kelas penutupan lahan yang lainnya dapat dilihat pada Tabel 5-16. Luas penutupan lahan (land-cover) di Muara Gembong berkaitan dengan pola penggunaan lahan (land-use). Beberapa kelas penutupan lahan dapat berubah dengan relatif cepat dibandingkan dengan kelas lainnya. Kelas-kelas yang relatif cepat berubah biasanya terletak pada tipe penggunaan lahan sebagai areal budidaya seperti pertanian dan perikanan. Tipe penutupan sawah dan kebun campuran akan berubah seiring dengan berubahnya rotasi kegiatan seperti panen dan pengolahan lahan. Selain itu, area tambak akan dikeringkan setelah panen untuk kemudian dipupuk guna meningkatkan pakan organik bagi ikan dan udang. Tabel 5-16 Luas penutupan lahan hasil klasifikasi citra tahun 2001 dan 2010 Tahun 2010 Tahun 2001 Kelas Piksel Ha % Piksel Ha % Laut 1 0 0 0,00 473 42,57 0,31 Laut 2 5.696 512,64 3,75 4.571 411,39 3,01 Mangrove 9.136 822,24 6,01 6.008 540,72 3,95 T. Terbuka 9.680 871,2 6,37 8.750 787,5 5,75 Padi 1 5.456 491,04 3,59 9.966 896,94 6,55 Kebun 11.259 1.013,31 7,40 10.997 989,73 7,23 Padi 2 2.344 210,96 1,54 20.712 1.864,08 13,62 Tambak 100.902 9.081,18 66,35 70.152 6.313,68 46,13 Sungai 7.596 683,64 5,00 20.440 1839,6 13,44 Jumlah 152.069 13.686,21 100,00 152.069 13.686,21 100,00 Sumber: Hasil pengolahan data.
Peta klasifikasi penutupan lahan di kawasan Muara Gembong ditampilkan pada Lampiran 8. Sebaran mangrove dapat dilihat pada objek yang berwarna merah. Setelah peta klasifikasi penutupan lahan tersebut diekstraksi, diperoleh peta sebaran mangrove tahun 2001, tahun 2010, dan irisan antara tahun
57
2001 dan 2010 (Lampiran 9). Peta hasil ekstraksi tersebut dapat diketahui informasi mengenai sebaran dan lokasi-lokasi pertumbuhan mangrove. Pertumbuhan mangrove paling banyak terdapat pada daerah pantai. Namun juga ditemukan titik-titik pertumbuhan mangrove yang ditemukan disepanjang sungai maupun berasosisai pada areal pertanian budidaya. Mangrove yang berkembang pada areal pertanian budidaya biasanya merupakan mangrove yang berasosiasi dengan tambak. Jika diperhatikan pola sebaran mangrove pada areal yang jauh dari sungai atau pantai, dapat diketahui bahwa kemungkinan mangrove tersebut adalah jenis kebun campuran yang terkelaskan sebagai mangrove kareana jumlah ground truth yang diambil kurang memadai.
5.2.3
Biomassa dan kerapatan mangrove Indeks vegetasi berguna sebagai indikator penciri terhadap kualitas
vegetasi pada citra satelit. Salah satu fungsinya dapat digunakan untuk menduga tingkat kerapatan tajuk dan juga berat biomassa vegetasi dalam suatu hamparan ekosistem. Pembuatan indeks vegetasi melibatkan beberapa band citra dengan operasional matematis tertentu. Cara kerja indeks vegetasi dalam menduga kualitas hamparan vegetasi adalah dengan menghubungkannya pada sifat reflektansi objek yang direkam oleh satelit. Proses pendugaan potensi biomassa dan kerapatan mangrove di kawasan Muara Gembong dilakukan dengan pendekatan tidak langsung yaitu dengan metode alometrik. Alometrik yang digunakan adalah alomtrik yang berasal dari penelitian terdahulu. Dalam pendugaan potensi biomassa digunakan persamaan alometrik yang dikembangkan oleh Budi (2000) yang meneliti potensi biomass mangrove di Kabupaten Cilacap, Jawa Barat. Sedangkan untuk pendugaan kerapatan mangrove digunakan persamaan alometrik yang dikembangkan oleh Arhatin (2007) yang meneliti tingkat kerapatan mangrove di Kabupaten Berau, Kalimantan timur. Perbedaan kedua lokasi penelitian tersebut dengan loksi penelitian di Muara Gembong dapat menjadi penyebab bias data hasil pendugaan. Karakteristik ekosistem kedua tempat di atas dengan lokasi penelitian di Muara Gembong dapat menyebabkan pola liputan citra yang berbeda. Namun dengan pendekatan
58
metodologis yang sama diharapkan dapat meminimalkan bias yang mungkin terjadi. Aspek metodologis yang sama tersebut diantaranya adalah metode koreksi radiomtrik dan teknik serta metode klasifikasi citra. Metode koreksi radiometrik yang digunakan adalah metode histogram adjustment, sedangkan teknik dan metode klasifiksi citra yang digunakan adalah teknik terbimbing (supervised classification) dengan metode kemiripan maksimum (maximum likelihood). Citra LANDSAT tahun 2001 dan 2010 yang telah dikoreksi secara rediometrik dikonversi menjadi peta sebaran kelas NDVI. Peta sebaran kelas NDVI ini selanjutnya diinterseksikan dengan peta sebaran mangrove sehingga diperoleh peta sebaran NDVI untuk kelas mangrove. Setiap piksel pada peta sebaran tersebut diinterpolasikan dengan persamaan alometrik di atas untuk mendapatkan nilai potensi biomassa dan kerapatan vegetasi mangrove. Berdasarkan nilai interpolasi nilai NDVI kelas mangrove, potensi biomassa vegetasi mangrove tahun 2001 sebesar 46,7 ton/ha kemudian pada tahun 2010 menjadi sebesar 53,5 ton/ha. Total potensi biomassa mangrove di Muara Gembong pada tahun 2001 sebesar 25.251,62 ton kemudian meningkat menjadi 43.989,84 ton pada tahun 2010. Total pertambahan potensi selama sembilan tahun sebesar 18.738,22 ton atau sekitar 2.082,22 ton/tahun. Sedangkan untuk kerapatan mangrove pada tahun 2001 mencapai 55,78% kemudian menjadi 8,43% pada tahun 2010. Nilai yang diperoleh berbanding terbalik dengan potensi biomassa dan luas vegetasi mangrove. Hal ini kemungkinan disebabkan oleh persamaan alometrik yang digunakan untuk mengekspresikan data NDVI dalm mendapatkan nilai kerapatan mangrove tidak sesuai. Dengan kata lain, sebaran nilai NDVI kelas mangrove citra tahun 2010 berada di luar R-square persamaan tersebut.
59
VI. KESIMPULAN DAN SARAN
6.1
Kesimpulan Luas mangrove di Muara Gembong pada tahun 2001 seluas 540,72 ha,
sedangkan pada tahun 2010 menjadi seluas 822,24 ha. Potensi biomassanya sebesar 46,7 ton/ha pada tahun 2001 dan bertambah menjadi 53,49 ton/ha pada tahun 2010. Kerapatan mangroven pada tahun 2001 sebesar 55,78% dan pada tahun 2010 terdeteksi sebesar 8,43%. Peta sebaran mangrove yang diperoleh menggambarkan bahwa sebagian besar mangrove pada tahun 2010 tumbuh di daerah pesisir pantai (Peta pada Lampiran 9).
6.2
Saran Berdasarkan temuan pada penelitian ini, penulis menyarankan kepada
Kementrian Kehutanan RI untuk tetap mempertahankan status kawasan tersebut. Luasan dan biomassa mangrove yang trus mengalami peningkatan menunjukkan bahwa program rehabilitasi yang selama ini dilaksanakan sudah membuahkan hasil. Pemerintah Kabupaten Bekasi selaku pemangku wilayah harus dapat menyelesaikan masalah sosial di kawasan Mauara Gembong dengan tidak merusak lingkungan yang ada.
60
DAFTAR PUSTAKA
[Anonim]. 2007. Setelah Saling Klaim, Giliran Calo Berkeliaran, Lahan Muara Gembong Siapa yang Jadi Tuannya?. Harian Pikiran Rakyat. http://www.pikiran-rakyat.com/prprint.php?mib=beritadetail&id=23802. [05 Oktober 2009]. Ardiansyah, Muhammad, Upik Rosalina, Rizaldi Boer. 2005. Estimasi Biomassa dan Stok Karbon Atas Permukaan dengan Menggunakan Integrasi Teknologi Penginderaan Jauh dan Sistem Informasi Geografi. LPPM-IPB. Bogor. Arhatin, R.E. 2007. Pengkajian Algoritma Indeks Vegetasi Dan Metode Klasifikasi Mangrove Dari Data Satelit Landsat-5 Dan Landsat-7 ETM+ (Studi Kasus di Kabupaten Berau, Kaltim). [Thesis]. Program Pascasarjana IPB. Bogor. Budi, Chandra. 2000. Model Penduga Biomassa dan Indeks Luas Daun Menggunakan Data Landsat iThematic Mapper (TM) dan Spot Multispektral (XS) Di Hutan Mangrove (Studi Kasus Segara Anakan, Cilacap). [Thesis]. Program Pascasarjana IPB. Bogor. Butler, M.J.A, M.C. Mouchot, V. Barole, and C. Le Blanc. 1988. The Application of Remote Sensing Technology to Marine Fisheries: An Introduction manual. FAO Fisheries Technical Paper No. 295. FAO. Rome. [DEPHUT] Departemen Kehutanan-Dirjen PHPA. 1995. Rencana Pengelolaan Taman Nasional Ujung Kulon (Master Plan). Dephut-Dirjen PHPA. Pandeglang. [FAO] Food Agriculture Organization. 2003. The Situation and Developments in The Forest Sector. http://www.fao.org/docrep/005/Y7581E/y7581e00.HTM. [29 Juni 2009]. HAM, 2010. ??? (sejarah kawasan muara gembong). Hilmi, E dan C. Kusmana. 1999. Ekosistem Mangrove: Antara Karakteristik, Teknik Sampling, dan Analisis Sistem. Program Pascasarjana IPB. Bogor.
61
Jaya, I Nengah Surati, M. Buce Saleh, Rudi Ichsan Ismail, Hendri Nurwanto, Cecep Kusmana, Nobuyuki Abe. 2001. Teknik Praktis Mendeteksi Vegetasi Mangrove Menggunakan Citra Digital MOS MESSR dan Landsat-5 TM: Studi Kasus di Tanjung Karawang, Jawa Barat. Jurnal Manajemen Hutan Tropika Vol. VII No. I: p23-26. Jaya, I Nengah Surati. 2009. Analisis Citra Dijital: Perspektif Penginderaan Jauh Untuk Pengelolaan Dumberdaya Alam. Fakultas Kehutanan IPB. Bogor. Murdiyanto, Bambang. 2003. Mengenal, Memelihara dan Melestarikan Ekosistem Bakau. COFISH Project. Jakarta. Pramudji. 2001. Mangrove di Pesisir Delta Mahakan Kalimantan Timiur. LIPI. Jakarta. Purwadhi, F. Sri Hardiyanti. 2001. Interpretasi Citra Digital. Grasindo. Jakarta. Quarto, A. 2006. Sustainable Use of The mangrove. Tiempo Climate Cyberlibrary: Tiempo – Issue 32. http://www.cru.uea.ac.uk/tiempo/floor0/archive/issue32/t32a2.html 2007].
[5
April
[SIC] Satellite Imaging Corporation. 2001-2010. LANDSAT 7 +ETM Satellite Imagery. http://www.satimagingcorp.com/satellite-sensors/landsat.html [11 April 2011]. Susilo, S.B. 1997. Penginderaan Jauh Untuk Mangrove. Fakultas Perikanan-IPB. Bogor. [TIM PIDD] Tim Penyusun Inventarisasi Data Dasar Survey Sumber Daya Alam Pesisir dan Laut. 2003. Sumber Daya Mengrove Pulau Madura dan Kepulauan Kangean Jawa Timur. Bakosurtanal. Bogor [TNC] The Nature Conservacy dan [P4L] Pusat Pembelajaran dan Pengembangan Pesisir dan laut. 2003. Studi Valuasi Ekonomi dan Konservasi Mangrove di Kepulauan Berau, Kalimantan Timur. Kaltim. 93 hlm. [USGS] United States Geological Survey. 2010. SLC-off Products: Background. http://landsat.usgs.gov/products_slcoffbackground.php [11 April 2011]
63 Lampiran 1
Tampilan citra Landsat ukuran asli dan ukuran setelah pemotongan (subset).
Tampilan Citra Tahun 2001 RGB-432
Citra Landsat-7 ETM+ Path/row 122/064 SLC-ON Direkam tanggal: 22-12-2001 Atas: Citra ukuran asli. Bawah: Citra hasil pemotongan.
Lab. Analisis Lingkungan & Permodelan Spasial DKSHE Fahutan Institut Pertanian Bogor 2011
64 Lampiran 2 Histogram tiap band citra tahun 2001 dan 2010 sebelum dan sesudah dikoreksi radiometrik.
Citra 2001 Band 1 sebelum dikoreksi
Citra 2001 Band 1 sesudah dikoreksi
Citra 2001 Band 2 sebelum dikoreksi
Citra 2001 Band 2 sesudah dikoreksi
Citra 2001 Band 3 sebelum dikoreksi
Citra 2001 Band 3 sesudah dikoreksi
65 Lampiran 2 Histogram tiap band citra tahun 2001 dan 2010 sebelum dan sesudah dikoreksi radiometrik (lanjutan).
Citra 2001 Band 4 sebelum dikoreksi
Citra 2001 Band 4 sesudah dikoreksi
Citra 2001 Band 5 sebelum dikoreksi
Citra 2001 Band 5 sesudah dikoreksi
Citra 2001 Band 7 sebelum dikoreksi
Citra 2001 Band 7 sesudah dikoreksi
66 Lampiran 2 Histogram tiap band citra tahun 2001 dan 2010 sebelum dan sesudah dikoreksi radiometrik (lanjutan).
Citra 2010 Band 1 sebelum dikoreksi
Citra 2010 Band 1 sesudah dikoreksi
Citra 2010 Band 2 sebelum dikoreksi
Citra 2010 Band 2 sesudah dikoreksi
Citra 2010 Band 3 sebelum dikoreksi
Citra 2010 Band 3 sesudah dikoreksi
67 Lampiran 2 Histogram tiap band citra tahun 2001 dan 2010 sebelum dan sesudah dikoreksi radiometrik (lanjutan).
Citra 2010 Band 4 sebelum dikoreksi
Citra 2010 Band 4 sesudah dikoreksi
Citra 2010 Band 5 sebelum dikoreksi
Citra 2010 Band 5 sesudah dikoreksi
Citra 2010 Band 7 sebelum dikoreksi
Citra 2010 Band 7 sesudah dikoreksi
68 Lampiran 3 Citra komposit RGB kombinasi Band 3-4-5 (tahun 2010).
(RGB-345)
(RGB-354)
(RGB-435)
(RGB-453)
(RGB-534)
(RGB-543)
69 Lampiran 4 Koordinat hasil analisis lapang. No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
LANDUSE Kebun campuran Tambak Tambak dengan galangan mangrove Tegakan pedada Pemancar seluler/menara BTS Bangunan SDN Hurip Jaya 03 Mangrove tepi sungai Bangunan SDN Hurip Jaya 02 Mangrove Sawah Kebun campuran Sawah Kebun campuran Tambak Tambak Asosiasi mangrove-tambak Asosiasi mangrove-tambak Tepi mangrove 1 Tepi mangrove 2 Tepi mangrove 3 Tepi mangrove 4 Tepi mangrove 5 Kebun campuran Pal batas hutan produksi Tegakan Avicennia spp. Tegakan Avicennia spp. Tegakan Rhizophora spp. Tegakan Rhizophora spp. Sawah Kebun campuran Areal terbuka/Bangunan Badan Air Badan Air Tambak Tambak
X 726036 724563 724778 724370 723070 723029 722801 724719 725639 728488 726353 726281 726035 724526 724538 724777 724739 725161 725053 725033 725172 725147 725263 724841 724510 722165 725639 725109 726128 726036 724753 726698 723919 724563 724526
Y 9337991 9336865 9336744 9328533 9329663 9329638 9329794 9328084 9343751 9338144 9337762 9337742 9338004 9337192 9336866 9336742 9336596 9339968 9339942 9339844 9339856 9339776 9338480 9328206 9344235 9344947 9343751 9339884 9337874 9337991 9328175 9343749 9342368 9336865 9337192
70 Lampiran 5 Pola spektral area contoh citra tahun 2001. Laut 1
Tanah terbuka/terbangun
Padi 2
Laut 2
Padi 1
Tambak
Mangrove
Kebun campuran
Sungai
71 Lampiran 6 Pola spektral area contoh citra tahun 2010. Laut 1
Tanah terbuka/terbangun
Padi 2
Laut 2
Padi 1
Tambak
Mangrove
Kebun campuran
Sungai
72 Lampiran 7 Matriks kontingensi akurasi pembuatan area contoh citra tahun 2001 dan tahun 2010. Data klasifikasi Class 1 Class 2 Class 3 Class 4 Class 5 Class 6 Class 7 Class 8 Class 9 ∑ PA (%) OA (%) KA(%) Data klasifikasi Class 1 Class 2 Class 3 Class 4 Class 5 Class 6 Class 7 Class 8 Class 9 ∑ PA (%) OA (%) KA(%)
Laut 1
Laut 2
Mangrove
Class 1 19.121 3 0 0 0 0 0 1 0 19.125 99,98 99,80 99,63
Class 2 3 10.788 0 0 0 0 1 1 8 10.801 99,88
Class 3 0 0 152 0 0 0 0 0 0 152 100,00
Laut 1
Laut 2
Mangrove
Class 1 13.284 8 0 0 0 0 0 0 0 13.292 99,94 99,61 99,39
Class 2 2 11.751 0 0 0 0 0 59 0 11.812 99,48
Class 3 0 0 501 0 0 1 0 0 0 502 99,80
Data referansi Citra tahun 2001 Tanah Kebun Padi 1 Padi 2 terbuka campuran Class 4 Class 5 Class 6 Class 7 0 0 0 0 0 0 0 0 0 0 1 0 309 0 0 0 0 214 0 0 0 0 241 0 0 0 0 523 0 0 0 7 0 0 0 7 309 214 242 537 100,00 100,00 99,59 97,39
Data referansi Citra tahun 2010 Tanah Kebun Padi 1 Padi 2 terbuka campuran Class 4 Class 5 Class 6 Class 7 0 0 0 0 0 0 0 0 0 0 0 0 669 0 0 0 0 365 0 0 0 0 758 0 0 0 0 776 0 0 0 0 0 0 0 8 669 365 758 784 100,00 100,00 100,00 98,98
Tambak
sungai
∑
UA (%)
Class 8
Class 9 0 0 0 0 0 0 0 1 277 278 99,64
19.124 10.791 155 309 214 241 554 767 292 32.447
99,98 99,97 98,06 100,00 100,00 100,00 94,40 98,70 94,86
Tambak
sungai
∑
UA (%)
Class 8
Class 9 0 0 0 0 0 0 2 0 260 262 99,24
13.286 11.790 501 669 365 759 778 1.440 274 29.862 99,94
99,98 99,67 100,00 100,00 100,00 99,87 99,74 95,90 94,89
0 0 2 0 0 0 30 757 0 789 95,94
0 31 0 0 0 0 0 1.381 6 1.418 97,39
73 Lampiran 8 Peta kelas penutupan lahan tahun 2001 dan 2010.
Peta Sebaran Mangrove Muara Gembong Tahun 2010 dan 2001
74 Lampiran 9 Peta sebaran mangrove tahun 2001 dan 2010.
Peta Sebaran Mangrove Muara Gembong Tahun 2010 dan 2001
Legenda Laut Mangrove Wilayah Kajian (HL/HPT)
Laboratorium Analisis Lingkungan dan Permodelan Spasial DKSHE Fakultas Kehutanan IPB 2011
