KLASIFIKASI HABITAT DASAR PERAIRAN DANGKAL GUGUSAN PULAU PARI DENGAN MENGGUNAKAN CITRA WORLDVIEW-2
FADHILA ANISA AUNUR RACHMAN
DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Klasifikasi Habitat Dasar Perairan Dangkal Gugusan Pulau Pari dengan Menggunakan Citra WorldView-2 adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. 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. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Januari 2014 Fadhila Anisa Aunur Rachman NIM C54090031
ABSTRAK FADHILA ANISA AUNUR RACHMAN. Klasifikasi Habitat Dasar Perairan Dangkal Gugusan Pulau Pari dengan Menggunakan Citra WorldView-2. Dibimbing oleh VINCENTIUS P. SIREGAR dan SYAMSUL BAHRI AGUS. Habitat dasar perairan saat ini berada dalam ancaman yang serius yang disebabkan dari berbagai kegiatan manusia dan dampak alam. Untuk mengetahui informasi kondisi perairan dapat menggunakan penginderaan jauh, salah satu contohnya adalah memetakan klasifikasi habitat dasar perairan menggunakan citra satelit yang beresolusi tinggi. Tujuan penelitian ini adalah mengklasifikasikan habitat komunitas bentik menggunakan citra komposit kanal yang berbeda dan citra hasil koreksi kolom air. Metode klasifikasi menggunakan klasifikasi terbimbing dengan skema klasifikasi habitat 14 kelas. Hasil akurasi klasifikasi habitat dasar perairan dangkal yaitu pada komposit kanal 567 (40,28%), sedangkan pada transformasi Lyzenga pada kanal 1 (427,3 nm) dan 3 (546,2 nm) (50,34%). Nilai akurasi hasil reclassify menjadi 7 kelas yaitu sebesar 52,08% (warna komposit) dan 62,76% (algoritma Lyzenga). Hasil akurasi tersebut cukup mewakili dalam memetakan habitat dasar perairan dangkal. Kata kunci: akurasi, klasifikasi, komposit, Lyzenga, WorldView-2
ABSTRACT FADHILA ANISA AUNUR RACHMAN. Classification of Basic Habitat Shallow Water in Pari Island Cluster using Worldview-2 Image. Supervised by VINCENTIUS P. SIREGAR and SYAMSUL BAHRI AGUS. The habitat of shallow water is currently in serious threats resulted by human activities and natural impacts. The information of the shallow water conditions can be known by remote sensing, one example was the habitat of shallow water classification mapping using high resolution satellite imagery. The purpose of this study was to classify habitat of benthic communities using different composite imagery and the results of water column correction imagery. Classification methods used supervised classification with a classification scheme of habitat 14 class. Classification accuracy results benthic habitat of shallow water that were of 40,28% (567 on the composite of canal) and 50,34% on the Lyzenga transformation of the canal at 1 (427,3 nm) and 3 (546,2 nm). The value of the accuracy of the results into 7 classes were 52,08% (colour composite) and 62,76% (Lyzenga algorithm). Accuracy results fairly represented the basic habitat mapping in shallow waters. Keywords: accuracy, classification, composite, Lyzenga, WorldView-2
KLASIFIKASI HABITAT DASAR PERAIRAN DANGKAL GUGUSAN PULAU PARI DENGAN MENGGUNAKAN CITRA WORLDVIEW-2
FADHILA ANISA AUNUR RACHMAN Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Kelautan pada Departemen Ilmu dan Teknologi Kelautan
DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2014
Judul Skripsi : Klasifikasi Habitat Dasar Perairan Dangkal Gugusan Pulau Pari dengan Menggunakan Citra WorldView-2 Nama : Fadhila Anisa Aunur Rachman NIM : C54090031 Program Studi : Ilmu dan Teknologi Kelautan
Disetujui oleh
Dr. Ir. Vincentius P. Siregar, DEA Pembimbing I
Dr. Syamsul Bahri Agus, S.Pi, M.Si Pembimbing II
Diketahui oleh
Dr. Ir. I Wayan Nurjaya, M.Sc. Ketua Departemen
Tanggal Lulus: 20 Desember 2013
iv
Judu} Skripsi : Klasifikasi Habitat Dasar Perairan Dangkal Gugusan Pulau Pari dengan Menggunakan Citra WorldView-2 : Fadhila Anisa Aunur Rachmari Nama : C54090031 NIM Program Studi: Ilmu dan Teknologi Kelautan
Disetujui oleh
Dr. lr. Vincentius P. Siregar, DEA Pembimbing I
Dr.S
Diketahui oleh
TanggaJ Lulus: 20 Desember 2013
iv
s S.Pi M.Si
PRAKATA Puji syukur kehadirat Allah SWT atas segala limpahan rahmat, hidayah, serta inayah yang diberikan, sehingga penulis dapat menyelesaikan proposal penelitian yang berjudul “Klasifikasi Habitat Dasar Perairan Dangkal Gugusan Pulau Pari dengan Menggunakan Citra WorldView-2”. Skripsi ini diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Kelautan pada Fakultas Perikanan dan Ilmu Kelautan. Penulis menyadari banyak pihak yang telah membantu dalam penyusunan skripsi ini. Ucapan terima kasih dengan tulus dan penghargaan setinggi-tingginya penulis sampaikan kepada : 1. Dr. Ir.Vincentius P.Siregar, DEA dan Dr. Syamsul Bahri Agus, S.Pi, M.Si selaku pembimbing I dan II atas bimbingan, pengetahuan, dan nasehat yang telah diberikan; 2. Risti E. Arhatin, S.Pi, M.Si sebagai Dosen Penguji; 3. Dr. Jonson Lumban Gaol, sebagai Pembimbing Akademik; 4. Kepada orang tua saya, Ayah Risman Darmadi dan Mama Tanti Hartanti, serta Adik Ghitha Fauzziyyah dan Kakak M. Fadhlan yang memberikan dukungan dan doanya; 5. Rangga Garnama, S.Pi dan Tommy yang selalu menemani, memberikan semangat, dan doanya; 6. Mba Nani, Mba Ade Ayu, Riza, Iqoh Faiqoh S.Ik, M. Sudibjo, S.Ik, dan keluarga ITK 46 yang memberikan dorongan dan semangat untuk segera menyelesaikan skripsi ini; 7. Seluruh warga ITK atas dukungan dan kerjasama, serta semua pihak yang tidak dapat disebutkan satu persatu dalam memberikan sumbangan saran, bimbingan dalam penelitian, pengolahan data, dan penyusunan skripsi secara sukarela. Penulis menyadari bahwa penulisan skripsi ini masih jauh dari kesempurnaan karena keterbatasan penulis sendiri sehingga kritik dan saran yang membangun sangat penulis harapan. Namun penulis berharap skripsi ini dapat bermanfaat bagi yang membacanya.
Bogor, Januari 2014
Fadhila Anisa A. R.
v
DAFTAR ISI DAFTAR ISI .......................................................................................................... vi DAFTAR TABEL ................................................................................................. vii DAFTAR GAMBAR ............................................................................................ vii DAFTAR LAMPIRAN ......................................................................................... vii PENDAHULUAN ...................................................................................................1 Latar Belakang .................................................................................................... 1 Tujuan Penelitian ................................................................................................. 2 METODE .................................................................................................................2 Waktu dan Lokasi Penelitian ............................................................................... 2 Bahan ................................................................................................................... 3 Alat ...................................................................................................................... 3 Prosedur Penelitian .............................................................................................. 3 Pengumpulan Data Lapang .............................................................................. 3 Analisis Data .................................................................................................... 5 Pra-Pengolahan Citra ....................................................................................... 5 Pengolahan Citra .............................................................................................. 5 Penilaian Akurasi ............................................................................................. 7 HASIL DAN PEMBAHASAN ................................................................................8 Klasifikasi Habitat dengan Algoritma Lyzenga .................................................. 8 Klasifikasi Habitat dengan Warna Komposit Perairan ...................................... 10 Pengujian Akurasi Hasil Klasifikasi Habitat ..................................................... 13 SIMPULAN DAN SARAN ...................................................................................18 Simpulan ............................................................................................................ 18 Saran .................................................................................................................. 19 DAFTAR PUSTAKA ............................................................................................19 LAMPIRAN .........................................................................................................21 RIWAYAT HIDUP ................................................................................................32
vi
DAFTAR TABEL 1. Spesifikasi dari beberapa citra satelit................................................................... 1
2. Alat penelitian yang digunakan ........................................................................... 3 3. Nilai spektral kanal citra WorldView-2 ............................................................... 5 4. Skema klasifikasi 14 kelas habitat ....................................................................... 6 5. Nilai rasio koefisien atenuasi (ki/kj) .................................................................... 9 6. Nilai confusion matrix pada klasifikasi 14 kelas habitat RGB 567 ................... 14 7. Nilai confusion matrix pada klasifikasi 14 kelas habitat (kanal 1 dan 3) .......... 14 8. Akurasi dari producer dan user 14 kelas habitat RGB 567 ............................... 15 9. Akurasi dari producer dan user 14 kelas habitat (kanal 1 dan 3) ...................... 15 10. Nilai confusion matrix pada klasifikasi 7 kelas habitat RGB 567 ................... 16 11. Nilai confusion matrix pada klasifikasi 7 kelas habitat (kanal 1 dan 3) .......... 16 12. Akurasi dari producer dan user 7 kelas habitat RGB 567 ............................... 17 13. Akurasi dari producer dan user 7 kelas habitat (kanal 1 dan 3) ...................... 17
DAFTAR GAMBAR 1. Lokasi penelitian di gugusan Pulau Pari, Kepulauan Seribu ............................... 2 2. Alur pengolahan dan analisis data citra satelit .................................................... 4 3. Contoh perhitungan dari confusion matrix .......................................................... 7 4. Hasil transformasi dengan algoritma Lyzenga, a) kanal 1 dan 2; b) kanal 1 dan 3; c) kanal 2 dan 3; dan d) kanal 3 dan 4 .................................................... 9 5. Peta tematik klasifikasi menggunakan algoritma Lyenga, a) kanal 1 dan 2; b) kanal 1 dan 3; c) kanal 2 dan 3; dan d) kanal 3 dan 4 .................................. 10 6. Peta tematik berdasarkan warna komposit ........................................................ 11 7. Peta tematik hasil reclass 7 kelas dengan algoritma Lyzenga kanal 1 dan 3 .... 12 8. Peta tematik hasil reclass 7 kelas dengan warna komposit RGB 567 ............... 12
DAFTAR LAMPIRAN 1. 2. 3. 4. 5. 6.
Data GPS titik akurasi dan habitat dasar perairan dangkal ............................. 21 Data GPS titik training area dan habitat dasar perairan dangkal .................... 24 Peta survei lapang ............................................................................................ 26 Nilai uji akurasi warna komposit .................................................................... 27 Nilai uji akurasi algoritma Lyzenga ................................................................ 28 Dokumentasi hasil survei lapang .................................................................... 30
vii
PENDAHULUAN Latar Belakang Habitat dasar perairan dangkal merupakan tempat hidup untuk tumbuh makhluk hidup yang berada di perairan. Habitat dasar perairan dapat meliputi lamun, karang hidup, dan pasir. Salah satu habitat dasar perairan yang memiliki kedalaman dangkal yaitu gugusan Pulau Pari, Kepulauan Seribu. Gugusan Pulau Pari memilki habitat dasar perairan dangkal yang luas dan unik dibanding pulau lainnya di wilayah Kepulauan Seribu. Gugusan Pulau Pari tidak ditumbuhi karang yang membentuk atol ataupun karang penghalang, tetapi memiliki fringing reef yang cukup luas. Saat ini habitat dasar perairan dangkal berada dalam ancaman yang serius yang disebabkan dari berbagai kegiatan manusia dan dampak alam yang memerlukan pemantauan berkelanjutan (Pandolfi et al. 2003). Untuk mengetahui informasi tersebut, dapat ditentukan dari beberapa sumber, yaitu penginderaan jauh, survei lapang, dan pengetahuan lokal (Nakaoka 2004). Penginderaan jauh dapat dijadikan alat pemantauan yang ideal karena dapat mencakup luas spasial lengkap, parameter yang dikumpulkan pada skala spasial yang relatif kecil di bidang program pemantauan yang dapat digunakan untuk validasi dan kalibrasi citra penginderaan jauh. Pemanfaatan teknologi penginderaan jauh saat ini sudah mulai banyak digunakan, seperti pendeteksian atau pemetaan habitat dasar perairan. Menurut Andrews (2003), pemetaan dasar perairan dapat menggambarkan pemetaan dasar laut untuk mengidentifikasi geologi dan morfologi secara regional. Pemetaan habitat dasar perairan dapat menggunakan citra satelit yang memiliki kemampuan yang dapat mendeteksi objek dengan baik. Pengamatan penginderaan jauh dapat dilaksanakan dari banyak satelit yang berbeda yang menutupi luasan interval spasial dan resolusi spasial (Vahmäe 2009). Citra satelit WorldView-2 merupakan satelit komersial pertama beresolusi tinggi yang terbagi dalam 8 sensor spektral pada cakupan sinar tampak dengan inframerah-dekat. Citra satelit ini mempunyai tingkat detail yang tinggi untuk memroses klasifikasi, salah satunya klasifikasi habitat perairan dangkal (Digital Globe 2010). Adapun perbandingan kemampuan masing-masing citra satelit yang disajikan pada Tabel 1. Kemampuan sensor dari setiap satelit mampu mendeteksi perairan dangkal yang berbeda-beda sesuai dengan resolusi spasialnya (Siregar 2010). Tabel 1. Spesifikasi dari beberapa citra satelit Spesifikasi Ikonos Geoeye-1 Quickbird WorldView-2 Resolusi spasial 0,82 0,41 0,65 0,46 panchromatic (m) Resolusi spasial 3,2 1,65 2,62 1,85 multispektral (m) Luas liputan (km) 11,3 15,2 18 16,4 Sensor spektral (band) 4 4 4 8 Sumber: Digital Globe (2010)
2
Untuk menglasifikasikan habitat suatu objek dapat menggunakan lima kajian atau metode (Green et al. 2000), yaitu (a) kajian menggunakan pengertian khusus dari habitat-habitat, (b) kajian yang berfokus pada tipe habitat tertentu untuk penerapan yang spesifik, (c) kajian dengan prinsip yang terkait dengan pemetaan geomorfologi, (d) kajian ekologi yang menggambarkan habitat sampai kuantifikasi dari kumpulan biotik, dan (e) kajian yang mengkombinasikan lebih dari satu tipe informasi, seperti geomorpologi dan kumpulan biotik. Kajian-kajian tersebut dapat digunakan sebagai pendeketan metode memetakan habitat bentik berdasarkan warna komposit di perairan dengan skema klasifikasi habitat. Oleh karena itu, diharapkan dapat membantu dalam menejemen dan konservasi habitat dasar perairan, salah satunya habitat dasar perairan di gugusan Pulau Pari. Tujuan Penelitian Tujuan dari penelitian ini adalah mengklasifikasikan habitat komunitas bentik menggunakan citra komposit yang berbeda dan citra hasil koreksi kolom air.
METODE Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Mei-Agustus 2013, dengan pemrosesan citra pada bulan Mei-Juni 2013, ground truth pada tanggal 29 Juni-2 Juli 2013, dan analisa data pada bulan Juli-Agustus 2013. Lokasi survei lapangan atau ground truth bertempat di gugusan Pulau Pari, Kepulauan Seribu, DKI Jakarta dapat dilihat pada Gambar 1 berikut ini.
Gambar 1. Lokasi penelitian di gugusan Pulau Pari, Kepulauan Seribu
3
Bahan Bahan yang digunakan dalam penelitian adalah citra satelit WorldView-2 dengan resolusi spasial 0,46 m (pankromatik) dan 1,84 m (multispektral) yang telah terkoreksi radiometrik, tanggal perekaman citra yaitu pada tanggal 21 Agustus 2012. Letak geografis lokasi penelitian antara 5o51’37,71”LS–5o51’32,94”LS dan 106o34’6,469”BT–106o38’23,81”BT, dan data hasil survei lapangan yaitu titik koordinat dan basis data habitat dasar perairan yang diamati. Data titik koordinat dan basis data hasil survei lapang, dapat dilihat pada (Lampiran 1 dan 2). Alat Alat yang digunakan dalam pengolahan data dijabarkan pada Tabel 2. Tabel 2. Alat penelitian yang digunakan Alat Spesifikasi Perangkat keras Komputer jinjing Asus (hardware) dengan intel Core I3 Perangkat lunak IDRISI Selva, Arc GIS (software) 10, Er Mapper 6.4 dan Microsoft Excel 2013 GPS Garmin 60csx Kamera digital bawah air Alat dasar selam
Canon Amscud
Bootes
Amscud
Sabak Pensil Roll meter Transect quadrate
newtop 2B Ukuran 50 m Ukuran 1x1 m
Fungsi Media input, pengolahan data, dan pencetakan output Pengolahan data citra
Pengambilan geografis Dokumentasi
data
posisi
Alat bantu untuk pengamatan habitat dasar perairan Melindungi kaki saat pengamatan Media hasil pengamatan Menulis hasil pengamatan Pengambilan data setiap 10 m Pengambilan data habitat yang mewakili
Prosedur Penelitian Tahapan penelitian (Gambar 2) berkaitan dengan proses cara pengumpulan dan analisis data untuk mencapai tujuan penelitian. Tahapan yang dilakukan dalam penelitian ini meliputi pengumpulan data lapang, analisis data, dan analisis penilaian akurasi. Pengumpulan Data Lapang Pengumpulan data lapang dilakukan beberapa tahap yaitu pengambilan data primer dan pengumpulan data sekunder. Pengambilan data primer yang dilakukan di lapang meliputi: a) verifikasi citra, dilakukan cek lapang hasil interpretasi, b) pengamatan objek dasar perairan secara langsung (in-situ) dengan menggunakan
4
alat dasar selam, c) pengambilan data posisi pada titik pengamatan dengan menggunakan GPS (Global Positioning System) (Lampiran 3), dan d) pengambilan gambar setiap objek. Metode pengamatan dan pengambilan data pada penelitian ini menggunakan teknik sampling data spasial secara acak. Metode pengambilan data dilakukan menggunakan transek kuadrat (1x1 m) setiap 10 m tegak lurus dari tepi pantai menuju tubir. Setiap pengambilan data pada transek kuadrat, dilakukan pengambilan data posisi menggunakan GPS dan pengambilan gambar setiap objek, dapat dilihat pada Lampiran 6. Metode ini dilakukan di setiap stasiun pengamatan di wilayah gugusan Pulau Pari, yaitu bagian Utara, Barat, Timur, dan Selatan Pulau Pari yang mewakili klasifikasi habitat dasar perairan dangkal dari keseluruhan daerah penelitian. Pengumpulan data lapang dapat didukung dengan pengumpulan data sekunder. Untuk pengumpulan data sekunder menurut Asmadin (2011) dapat dilakukan dari hasil akuisisi pengetahuan dan penelitian yang relevan. Mulai
Citra Satelit WorldView-2 (21 Agustus 2012)
Koreksi geometrik
GCP (Ground Control Points)
Citra terkoreksi
Training area dan masking Kanal: 1 dan 2 1 dan 3 2 dan 2 3 dan 4
Algoritma Lyzenga
Citra komposit
Klasifikasi terbimbing Maximum Likelihood Standard (14 kelas)
Klasifikasi terbimbing Maximum Likelihood Standard (14 kelas)
Uji Akurasi Peta tematik habitat bentik
Selesai
Gambar 2. Alur pengolahan dan analisis data citra satelit
Kanal: 321 345 567 531
5
Analisis Data Proses analisis data meliputi dua tahapan, yaitu pra-pengolahan citra dan pengolahan citra. Penelitian ini mencoba menggunakan kanal-kanal baru yang dimiliki citra satelit WorldView-2, seperti kanal Coastal blue yang mampu menembus kolom air (Digital Globe 2010), yellow, dan red edge. Kanal-kanal tersebut kemudian dikombinasikan dengan kanal lama. Komposit band yang diujikan atau dicobakan adalah RGB 321, 345, 567, dan 531, sedangkan untuk transformasi Lyzenga, kanal yang digunakan yaitu 1 dan 2, 1 dan 3, 2 dan 3, serta 3 dan 4. Berikut adalah sensor kanal WorldView-2 yang disajikan pada Tabel 3. Tabel 3. Nilai spektral kanal citra WorldView-2 (Digital Globe 2010, 2011) Band Name Panjang Batas band Batas band gelombang pusat minimum maksimum (nm) (nm) (nm) Pankromatik 632,2 450 800 1 (Coastal Blue) 427,3 400 450 2 (Blue) 477,9 450 510 3 (Green) 546,2 510 580 4 (Yellow) 607,8 585 625 5 (Red) 658,8 630 690 6 (Red Edge) 723,7 705 745 7 (NIR 1) 831,3 770 895 8 (NIR 2) 908,0 860 1040 Pra-Pengolahan Citra Penggunaan citra WorldView-2 untuk menghasilkan peta klasifikasi habitat dasar perairan dangkal yang baik menurut Nurlidiasari (2004) dapat dilakukan sebagai berikut, koreksi radiometrik, koreksi geometrik, koreksi atmosfer, transformasi citra, klasifikasi citra, dan akurasi klasifikasi. Untuk tahap prapengolahan citra dapat berupa koreksi geometrik. Koreksi geometrik citra merupakan koreksi posisi koordinat agar sesuai dengan koordinat geografis. Koreksi geometrik yang dilakukan yaitu dengan dua langkah, antara lain transformasi koordinat dan resampling citra. Koreksi ini menggunakan ground control point (GCP) yang didapat dari survei lapang yang dikenali dalam citra untuk koreksi geometrik. Titik GCP tersebut diambil secara menyebar di beberapa lokasi yang mempunyai sifat geometrik yang tetap sehingga dapat diperoleh nilai RMS (root mean square) < 0,5. Selanjutnya, tahap rektifikasi (pembetulan) citra berdasarkan informasi posisi GCP. Hal ini bertujuan untuk menempatkan pixel citra pada posisi sebenarnya di permukaan bumi. Tahap ini dipengaruhi saat pengambilan data in-situ, metode penentuan akurasi posisi, dan GPS yang digunakan. Pengolahan Citra Citra yang telah diproses pada tahap awal, selanjutnya diintrepretasikan dengan menggunakan data lapangan. Penggabungan hasil analisis citra awal dengan data lapangan digunakan untuk memperbaharui dan mengoreksi peta klasifikasi habitat dasar perairan dangkal. Algoritma yang digunakan, yaitu algoritma Lyzenga dan metode klasifikasi Maximum Likehood Standard. Menurut (Siregar 2010),
6
analisis habitat dasar perairan dangkal dapat diekstrak dari citra satelit dengan menggunakan algoritma “depth-invariant bottom index”. Algoritma tersebut dapat digunakan sebagai indeks karakteristik dasar perairan. Persamaan yang digunakan dalam algoritma ini sebagai berikut (Green et al 2000): 𝑘𝑖 𝑌 = ln 𝐵1 − (𝑘𝑗) ln 𝐵2 ............................................................................. (1) 𝑘𝑖
𝑘𝑗
= 𝑎 + √(𝑎2 + 1 .................................................................................... (2)
𝑎=
𝜎𝑖 − 𝜎𝑗 2𝜎𝑖𝑗
................................................................................................. (3)
dimana Y merupakan indeks dasar perairan, B adalah kanal yang dipilih, ki/kj adalah koefisien atenuasi, 𝜎𝑖 adalah variance kanal ke-i, 𝜎𝑗 adalah variance kanal ke-j, dan 𝜎𝑖𝑗 adalah covar kanal ke-ij. Algoritma ini merupakan metode koreksi kolom air yang sering dikenal dengan Algoritma Lyzenga. Tujuan metode ini adalah untuk mengurangi pengaruh atenuasi kolom air dalam radiansi atau reflektansi dasar. Setelah itu, tahap berikutnya adalah melakukan klasifikasi citra untuk mengekstraksi nilai spektral suatu objek seperti, terumbu karang, lamun, pasir, dan lainnya, sehingga terbentuk pengelompokkan objek ke dalam kelas-kelas. Metode klasifikasi yang digunakan dalam penelitian ini adalah klasifikasi terbimbing (Supervised Classification). Hasil citra yang telah ditranformasikan dengan algoritma Lyzenga diklasifikan dengan pendekatan metode Maximum Likelihood Standard dan hasil citra yang menggunakan kombinasi warna komposit perairan (3 kanal) tanpa koreksi kolom perairan juga menggunakan pendekatan Maximum Likelihood Standard. Untuk mengidentifikasi pengelompokkan habitat dasar perairan dengan perbedaan dalam habitat karakteristiknya, maka harus menggunakan skema klasifikasi habitat menurut karakteristik habitat tersebut. Skema klasifikasi yang digunakan dalam penelitian ini mengacu pada penilitian yang dilakukan oleh Carlos et al (2012) yang ditunjukkan pada Tabel 4. Tabel 4. Skema klasifikasi 14 kelas habitat Struktur Subtrat Struktur Dominan Utama Sand 1 Pasir 2 Pasir+Lamun 3 Pasir+Rubble 4 Pasir+Karang Hidup 5 Pasir+Alga Batu Karang 6 Karang Hidup 7 Karang Hidup+Rubble 8 Karang Hidup+Pasir 9 Pinacle Pecahan Karang 10 Rubble 11 Rubble+Karang Hidup 12 Rubble+Pasir Struktur Penutupan Biologis 13 Lamun Tutupan Tinggi 14 Lamun Tutupan Sedang
7
Modifikasi skema klasifikasi ini disesuaikan dengan karakteristik habitat dasar perairan dangkal lokal. Hasil skema klasifikasi yang digunakan adalah tiga atribut dasar yang menggambarkan setiap poligon pemetaan. Atribut tersebut antara lain struktur utama dari substrat, penutupan biologis, dan struktur dominan. Dari skema klasifikasi yang digunakan, dihasilkan 14 kelas habitat yaitu pasir, pasir+lamun, pasir+rubble, pasir+karang hidup, pasir+alga, batu karang, karang hidup+rubble, karang hidup+pasir, pinakle, rubble, rubble+karang hidup, rubble+pasir, lamun tutupan tinggi, dan lamun tutupan sedang. Penilaian Akurasi Penilaian akurasi dari klasifikasi penginderaan jauh yang biasa digunakan adalah error matrix (matriks kesalahan) atau sering disebut sebagai confusion matrix. Metode ini dilakukan dengan membandingkan citra yang diklasifikasikan sebagai peta hasil untuk kelas yang sebenarnya dengan beberapa data referensi lapang (ground truth) yang diyakini secara akurat mewakili suatu tutupan lahan. Perhitungan dari matriks kesalahan dapat dilihat Gambar 3 (Congalton dan Green 2009). Matriks ini mengasumsikan n sebagai contoh atau sampel yang didistribusikan ke sel k2, dimana setiap contoh ditugaskan ke satu dari kategori k dalam peta (biasanya baris-baris pada matriks), dan satu dari kategori yang sama dalam referensi data set (biasanya kolom matriks). Nilai nij merupakan nomor dari sampel yang terklasifikasi ke kategori i (i=1,2, ..., k) dalam peta dan kategori j (j=1,2, ..., k) dalam referensi data.
Gambar 3. Contoh perhitungan dari confusion matrix Untuk akurasi secara keseluruhan (overall accuracy) antara klasifikasi penginderaan jauh dan referensi data dapat dihitung dalam persamaan berikut ini: 𝑜𝑣𝑒𝑟𝑎𝑙𝑙 𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 =
∑𝑘 𝑖=1 𝑛𝑖𝑗 𝑛
............................................................................... (4)
dimana 𝑛𝑖+ = ∑ 𝑛𝑖𝑗 𝑗=1
sebagai nomor dari sampel yang terklasifikasi ke dalam kategori i pada klasifikasi penginderaan jauh dan 𝑛+𝑗 = ∑ 𝑛𝑖𝑗 𝑖=1
8
sebagai nomor dari sampel yang terklasifikasi ke dalam kategori j pada data referensi. Producer’s accuracy dapat dihitung pada persamaan berikut: 𝑛
𝑝𝑟𝑜𝑑𝑢𝑐𝑒𝑟 ′ 𝑠 𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 𝑗 = 𝑛 𝑗𝑗 .......................................................................... (5) +𝑗
dan user’s accuracy dapat dihitung dengan persamaan di bawah ini: 𝑢𝑠𝑒𝑟’𝑠 𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 𝑖 =
𝑛𝑖𝑖 𝑛𝑖+
.................................................................................... (6)
HASIL DAN PEMBAHASAN Berdasarkan metode yang dilakukan dalam penelitian ini, didapatkan hasil klasifikasi habitat bentik dengan transformasi citra menggunakan algoritma Lyzenga dan hasil klasifikasi habitat bentik dalam berbagai warna komposit yang diujikan pada Citra WorldView-2.
Klasifikasi Habitat dengan Algoritma Lyzenga Penampakan yang dihasilkan suatu karakteristik dasar perairan dapat dilakukan penajaman multi image atau koreksi kolom perairan yaitu dengan mengombinasikan dua citra dari kanal yang memiliki penetrasi air yang baik. Koreksi kolom air dilakukan dalam penelitian ini bahwa klasifikasi multispektral menggunakan citra asli tidak bisa secara maksimal membedakan karakteristik objek bentik karena dipengaruhi oleh kedalaman air (water column) sehingga koreksi kolom air sangat diperlukan sebelum proses klasifikasi untuk meminimalisir pengaruh kedalaman. Aplikasi dari koreksi kolom perairan ini didapatkan empat citra baru dengan masing-masing dua kombinasi kanal yaitu kombinasi kanal 1 dan kanal 2, kanal 1 dan kanal 3, kanal 2 dan kanal 3, serta kanal 3 dan kanal 4. Algoritma yang digunakan dalam koreksi ini adalah “depth invariant index” (Lyzenga). Nilai reflektansi pada citra yang dihasilkan dari koreksi ini berasal dari objek yang berada di dasar perairan. Nilai rasio koefisien atenuasi digunakan untuk menghitung nilai pada metode transformasi Lyzenga setiap kombinasi band. Nilai rasio terendah (Tabel 5) yaitu pada kombinasi kanal 1 dan kanal 3, yaitu sebesar 0,3493. Nilai tersebut didapatkan dari rasio kanal coastal blue dengan panjang gelombang 427,3 nm dan kanal hijau (546,2 nm). Kanal dengan panjang gelombang yang rendah memiliki koefisien atenuasi yang rendah pula. Hal ini sesuai dengan kemampuan masing-masing kanal yang dapat menembus air hingga kedalaman maksimum, kemudian dipantulkan kembali dan ditangkap oleh sensor. Menurut Green et al. (2000), suatu perairan yang jernih memungkinkan sensor satelit dapat mendeteksi kedalaman ±30 m. Nilai rasio koefisien atenuasi pada kanal 1 dan kanal 2 yaitu sebesar 0,7921. Nilai ini kurang sesuai dengan panjang gelombang dan kemampuan penetrasi cahaya dari kanal 1 dan kanal 2. Kanal 1 dan kanal 2 merupakan kombinasi antara
9
kanal coastal blue dan kanal biru yang masing-masing memiliki panjang gelombang pusat yang mendekati, yaitu 427,3 nm dan 477,9 nm. Tabel 5. Nilai koefisien atenuasi (ki/kj) No. Kombinasi kanal Nilai 1. ki/kj kanal 1 dan kanal 2 0,7921 2. ki/kj kanal 1 dan kanal 3 0,3493 3. ki/kj kanal 2 dan kanal 3 0,4405 4. ki/kj kanal 3 dan kanal 4 0,8638 Ada faktor yang memengaruhi penetrasi energi cahaya pada kedalaman perairan, antara lain fitoplankton dan kekeruhan air yang umumnya terdiri dari partikel sedimen tersuspensi dan komponen organik terlarut. Untuk melihat hasil transformasi dari empat kombinasi kanal, dapat dilihat pada Gambar 4.
a
b
c
d
Gambar 4. Hasil transformasi dengan algoritma Lyzenga, a) kanal 1 dan 2; b) kanal 1 dan 3; c) kanal 2 dan 3; dan d) kanal 3 dan 4 Hasil transformasi tersebut kemudian diklasifikasi lebih lanjut dengan pendekatan pendekatan Maximum Likelihood Standard. Metode ini menggunakan pendekatan dengan analisis statistik) dari objek. Habitat bentik yang terklasifikasi ini disesuaikan dengan skema klasifikasi yang digunakan, yaitu pasir, pasir+lamun, pasir+rubble, pasir+karang hidup, pasir+alga, karang hidup, karang hidup+rubble, karang hidup+pasir, pinacle, rubble, rubble+karang hidup, rubble+pasir, lamun tutupan tinggi, dan lamun tutupan sedang. Masing-masing kombinasi kanal yang ditranformasikan dengan algoritma Lyzenga menghasilkan pola klasifikasi habitat bentik yang berbeda. Terlihat pada Gambar 5 bahwa ada beberapa daerah yang mendominasi seperti kelas habitat
10
karang hidup (merah), pinacle (cokelat), karang+pasir (merah muda), pasir (kuning), dan karang+rubble (jingga). Berikut ini adalah hasil citra transformasi Lyzenga yang diklasifikasikan menjadi 14 kelas habitat bentik (Gambar 5).
a
b
c
d
Gambar 5. Peta tematik klasifikasi menggunakan algoritma Lyenga, a) kanal 1 dan 2; b) kanal 1 dan 3; c) kanal 2 dan 3; dan d) kanal 3 dan 4
Klasifikasi Habitat dengan Warna Komposit Perairan Penelitian ini pun didapatkan komposit kanal yang diujikan yaitu RGB 321 (hijau, biru, coastal), RGB 345 (hijau, kuning, merah), RGB 531 (merah, hijau, coastal), dan 567 (merah, red edge, near-infrared 1). Hasil klasifikasi habitat bentik berdasarkan warna komposit dengan menggunakan skema klasifikasi yang dapat dilihat pada Gambar 6. Sesuai dengan skema klasifikasi yang digunakan, hasil dari komposit band RGB 321, 345, 531, dan 567 teridentifikasi 14 kelas habitat. Klasifikasi ini dianalisis secara visual disesuaikan dengan skema klasifikasi yang digunakan. Namun, komposit warna dengan 3 kanal masih kurang memadai dalam peta klasifikasi ini karena terdiri atas 3 kombinasi band yang hanya mewakili beberapa karakteristik suatu perairan. Perbedaan habitat bentik yang mencolok dapat diintrepretasi secara visual yang berdasarkan warna, yaitu karang hidup (merah), karang hidup+pasir (merah muda), karang hidup+rubble (jingga), lamun tutupan sedang (hijau muda), lamun tutupan tinggi (hijau tua), pasir (kuning), pasir+alga (cyan), pasir+karang hidup (ungu tua), pasir+lamun (abu), pasir+rubble (ungu muda), pinacle (cokelat), rubble (biru muda), rubble+karang hidup (biru tua), dan rubble+pasir (kuning muda). Ada beberapa kelas yang tidak sesuai dengan pengamatan hasil survei lapangan, terlihat
11
pada Gambar 6 b) dan 6 d) bahwa kelas karang hidup berada di antara lagoon dangkal dan bagian Barat Laut Pulau Pari. Selain itu kelas lamun tutupan sedang banyak menyebar di daerah lagoon (Gambar 6 d).
RGB 321
RGB 531
a
c
RGB 345
b
RGB 567
d
Gambar 6. Peta tematik berdasarkan warna komposit Pengaruh dari warna komposit ini tidak hanya mewakili beberapa karakteristik dari suatu bentik habitat, tetapi juga karena pemilihan komposit kanal yang dikombinasikan. Kanal yang memiliki panjang gelombang yang rendah, masih memiliki pengaruh terhadap aerosol atau partikel-partikel yang berada di kolom perairan. Seperti halnya pada band Coastal Blue yang memiliki panjang gelombang (400-450 nm). Band ini pun dipengaruhi oleh hamburan atmosfer. Dengan warna komposit perairan dan algoritma Lyzenga yang digunakan, dapat disederhanakan dari 14 kelas habitat menjadi 7 kelas habitat. Penyederhanaan ini dilakukan karena sedikitnya titik contoh kelas yang didapatkan dan adanya kemiripan nilai digital masing-masing kelas sehingga adanya penggabungan menjadi satu kelas dominan dari beberapa kelas. Hal tersebut juga diakibatkan adanya keterbatasan pada GPS yang digunakan saat pengambilan data sehingga kemungkinan adanya tumpang tindih antarkelas. Selain itu untuk meningkatkan nilai akurasi sehingga memungkinkan penetapan kelas habitat yang lebih detail dan mendekati pada kondisi sebenarnya di lapangan (Mumby dan Edwards 2002). Penyederhanaan kelas atau reclassify ini masih menggunakan skema klasifikasi habitat yang sama, hanya ada beberapa kelas yang disatukan dalam kelas dominan. Hasil penyederhanaan tersebut antara lain penggabungan kelas habitat pasir+alga, pasir, pasir+lamun, pasir+karang hidup, dan pasir+rubble menjadi kelas pasir, kelas lamun tutupan tinggi dan lamun tutupan sedang menjadi kelas lamun, dan kelas rubble, rubble+karang hidup, rubble+pasir menjadi kelas habitat rubble. Penyederhanaan ini mengakibatkan kelas bentik habitat kurang detail. Namun, tetap
12
berguna untuk manajemen habitat perairan dangkal. Hasil dari reclassify kelas habitat menggunakan transformasi Lyzenga dan warna komposit perairan, selengkapnya disajikan pada Gambar 7 dan 8 berikut ini.
Gambar 7. Peta tematik hasil reclass 7 kelas dengan algoritma Lyzenga kanal 1 dan kanal 3
Gambar 8. Peta tematik hasil reclass 7 kelas dengan warna komposit RGB 567
13
Pengujian Akurasi Hasil Klasifikasi Habitat Pengujian akurasi dari hasil klasifikasi habitat perlu dilakukan. Hal ini karena dapat memberi gambaran tentang akurasi pemetaan berdasarkan klasifikasi secara keseluruhan (Siregar 2010). Dalam penelitian ini, uji akurasi yang digunakan mengacu pada metode Congalton and Green (2009) yaitu menggunakan dua pengukuran antara lain hasil survei dan klasifikasi citra yang disusun dalam sebuah matrik dua dimensi (confusion matrix). Pengambilan titik sampel secara acak diambil sebanyak 145 titik dari hasil citra klasifikasi dengan data lapang. Pengambilan titik sampel ini untuk referensi dalam perhitungan nilai parameter user accuracy (UA), producer accuracy (PA), dan overall accuracy (OA). Nilai-nilai parameter tersebut merupakan bagian dari confusion matrix. Hasil perhitungan uji akurasi dengan confision matrix disajikan pada Tabel 6 dan Tabel 7, nilai akurasi untuk kombinasi lainnya dapat dilihat pada Lampiran 4 dan 5. Untuk nilai akurasi klasifikasi 14 kelas habitat dengan algoritma Lyzenga secara keseluruhan atau overall accuracy didapatkan sebesar 50,34%, sedangkan nilai akurasi dengan warna komposit didapatkan sebesar 40,28%. Nilai akurasi ini cukup mewakili untuk klasifikasi habitat dengan skema 14 kelas habitat, meskipun belum mencapai persentase 60-80% yang mendekati pada kondisi yang sebenarnya di lapangan. Nilai user accuracy merupakan peluang rata-rata suatu piksel secara aktual mewakili tiap kelas di lapangan. Nilai UA pada Tabel 8 terlihat bahwa nilai terbesar diwakili oleh kelas pasir+karang hidup dan karang hidup+rubble dengan nilai persentase sebesar 100% yang telah terklasifikasi dengan benar, dengan nilai ommission error yaitu 0%. Nilai ommission error adalah membuang daerah yang seharusnya termasuk dalam kelas. Untuk nilai terkecil diwakilkan pada kelas habitat rubble+karang hidup yaitu 0%. Beda halnya dengan nilai UA pada klasifikasi yang menggunakan algoritma Lyzenga (kombinasi kanal 1 dan kanal 3). Nilai UA (Tabel 9) terlihat bahwa nilai terbesar diwakili oleh kelas karang hidup+pasir dan lamun tutupan tinggi dengan nilai persentase sebesar 67% yang telah terklasifikasi dengan benar, dengan nilai ommission error yaitu 33%. Nilai UA terkecil diwakilkan pada kelas habitat pasir+rubble yaitu sebesar 30%. Adapun nilai producer accuracy (PA) yang merupakan nilai setiap piksel pada sebuah kelas telah tepat terklasifikasi. Nilai PA pada klasifikasi ini menunjukkan bahwa terdapat kelas habitat yang memiliki nilai sebesar 75% yaitu pada kelas lamun tutupan sedang dengan nilai commission error (CE) adalah 25%. Nilai terkecil diwakili oleh kelas habitat rubble+karang hidup dengan nilai PA sebesar 0%. Nilai PA klasifikasi yang menggunakan algoritma Lyzenga (kombinasi kanal 1 dan kanal 3) pada Tabel 9 terlihat bahwa nilai terbesar diwakili oleh kelas pasir dengan nilai persentase sebesar 80% dan nilai CE adalah 20%, sedangkan nilai PA terkecil diwakilkan pada kelas habitat karang hidup+rubble yaitu sebesar 9% dengan nilai commission error sebesar 91%. Commission error merupakan kesalahan dalam memetakan yang sesuai dengan kelasnya, dengan memasukkan daerah yang seharusnya dibuang dari kelas. Untuk kelas yang lain dapat dilihat selengkapnya pada Tabel 6, 7, 8, dan 9.
14
Tabel 6. Nilai confusion matrix pada klasifikasi 14 kelas habitat RGB 567 Referensi Lapang kelas
K l a s i f i k a s i
P
PL
P
4
PL
3
PR
PK
PA
KH
KHR
KHP
1
PR PK
3
2
2
2
Pi
R
RKH
RP
LTT
LTS
3
2
1
1
2 2
1
1
1
1
1
3 1
PA
4
11
OE (%) 64
12
75
10 3
80
6
33
11
27
2
0
3
33
14
93
5
60
3
100
9
67
∑
1 8
KH
3 2
KHR
2
KHP Pi
2
1
R
1
2
1 1
7
3
2 0
RKH
1
RP
5
LTT
1
LTS
2
2
1
3
3
1
1
2
3
1
1
1
1
0
3
1
7
15
1
39
62
1
1
9
16
44
12
144
∑
8
12
6
7
9
13
6
12
4
9
3
19
CE (%)
50
75
67
57
56
39
67
83
75
78
1
84
24 38
25
OA
40,28
Keterangan: P=Pasir, PL=Pasir+Lamun, PR=Pasir+Rubble, PK=Pasir+Karang Hidup, PA=Pasir+Alga, KH=Karang Hidup, KHR=Karang Hidup+Rubble, KHP=Karang Hidup+Pasir, Pi=Pinacle, R=Rubble, RKH=Rubble+Karang Hidup, RP=Rubble+Pasir, LTT=Lamun Tutupan Tinggi, LTS=Lamun Tutupan Sedang.
Total akurasi (OA) = 58/144*100% = 40,28%; Nilai overall error = 59,72% Tabel 7. Nilai confusion matrix pada klasifikasi 14 kelas habitat (kanal 1 dan 3) Referensi Lapang kelas
K l a s i f i k a s i
P
PL
PR
PK
PA
P
4
2
2
1
PL
1
6
1
2
PR PK
3
2
PA
1
KH
KHR
KHP
1
Pi
R
RKH
RP
LTT
1
1
1
1
1
1
2 1
1 2
KH
6
2
KHR
1
2 1
8
1
2
RKH
1 1
2
LTT
3
2
LTS
1
∑
5
9
CE (%)
20
30
2 14 79
1 1 0
8 80
2
2 8 25
12 91
12
50
1
10 3
70 67
1
6
67
11
45
3
67
75
12 33
33 43
1
5
60
2
3
67
1
3
2
2
1
23
1 8
3 14
2
1
RP
2
1
2
R
64
2
KHP
1
6
1 2 0
6
4 83
25
OE (%)
∑ 11
2
1
Pi
LTS
37 35
8 19 50
9
67
39
33
16
50
145 OA
50,34
15
Total akurasi (OA) = 73/145*100% = 50,34% Nilai overall error = 49,66% Tabel 8. Akurasi dari producer dan user 14 kelas habitat RGB 567 Producer Accuracy Kelas Habitat Akurasi (%) Pasir 4/8 = 50 Pasir+Lamun 3/12 = 25 Pasir+Rubble 2/6 = 33 Pasir+Karang Hidup 3/7 = 43 Pasir+Alga 4/9 = 44 Karang Hidup 8/13 = 61 Karang Hidup+Rubble 2/6 = 33 Karang Hidup+Pasir 2/12 = 17 Pinacle 1/4 = 25 Rubble 2/9 = 22 Rubble+Karang Hidup 0/3 =0 Rubble+Pasir 3/19 = 16 LTT 15/24 = 63 LTS 9/12 = 75
User Accuracy Kelas Habitat Akurasi (%) Pasir Pasir+Lamun Pasir+Rubble Pasir+Karang Hidup Pasir+Alga Karang Hidup Karang Hidup+Rubble Karang Hidup+Pasir Pinacle Rubble Rubble+Karang Hidup Rubble+Pasir LTT LTS
4/11 2/12 2/10 3/3 4/6 8/11 2/2 2/3 1/14 2/5 0/3 3/9 15/39 9/16
= 36 = 25 = 20 = 100 = 67 = 73 = 100 = 67 = 07 = 40 =0 = 33 = 38 = 56
Tabel 9. Akurasi dari producer dan user 14 kelas habitat (kanal 1 dan 3) Producer Accuracy Kelas Habitat Akurasi (%) Pasir 4/5 = 80 Pasir+Lamun 6/9 = 67 Pasir+Rubble 3/14 = 21 Pasir+Karang Hidup 1/2 = 50 Pasir+Alga 2/8 = 25 Karang Hidup 6/8 = 75 Karang Hidup+Rubble 1/11 = 9 Karang Hidup+Pasir 2/8 = 25 Pinacle 8/12 = 67 Rubble 2/3 = 67 Rubble+Karang Hidup 1/6 = 17 Rubble+Pasir 3/4 = 75 LTT 26/40 = 65 LTS 8/15 = 53
User Accuracy Kelas Habitat Akurasi (%) Pasir Pasir+Lamun Pasir+Rubble Pasir+Karang Hidup Pasir+Alga Karang Hidup Karang Hidup+Rubble Karang Hidup+Pasir Pinacle Rubble Rubble+Karang Hidup Rubble+Pasir LTT LTS
4/11 6/12 3/10 1/3 2/6 6/11 1/3 2/3 8/14 2/5 1/3 3/9 26/39 8/16
= 36 = 50 = 30 = 33 = 33 = 55 = 33 = 67 = 57 = 40 = 33 = 33 = 67 = 50
16
Dengan penyederhanaan kelas menjadi 7 kelas, nilai overall accuracy masing-masing klasifikasi menjadi 52,08% (warna komposit) dan 62,76% (algoritma Lyzenga). Nilai akurasi pada klasifikasi warna komposit masih belum mewakili, tetapi presentase yang dihasilkan mendekati 60%, sedangkan nilai akurasi pada algoritma Lyzenga cukup mewakili karena berkisar di atas 60%. Nilai PA dan UA terbesar yang diwakili kelas habitat 7 kelas dihasilkan tidak jauh berbeda dengan 14 kelas habitat. Nilai PA terbesar untuk kedua metode klasifikasi yaitu pada kelas lamun dengan nilai 72% (warna komposit) dan kelas pasir dengan nilai 83% (algoritma Lyzenga). Nilai UA terbesar yaitu pada kelas karang hidup+rubble dengan persentase sebesar 100% (warna komposit) dan pada kelas lamun dengan presentase sebesar 75% (algoritma Lyzenga), selengkapnya dapat dilihat pada Tabel 12 dan 13. Tabel 10. Nilai confusion matrix pada klasifikasi 7 kelas habitat RGB 567 Referensi Lapang kelas P KH KHR KHP P R Lamun ∑ OE(%) K P 28 1 3 1 3 6 42 5 l KH 8 3 11 27 a s KHR 2 2 0 i KHP 2 1 3 33 f P 2 1 1 7 3 14 93 i R 1 2 2 3 8 1 17 53 k 1 4 2 9 26 55 36 a Lamun 13 s 42 13 6 12 4 31 36 144 ∑ i CE(%) 34 38 67 83 75 74 28 OA 52,08 Total akurasi (OA) = 75/144*100% = 52,08% Nilai overall error = 47,92% Tabel 11. Nilai confusion matrix pada klasifikasi 7 kelas habitat (kanal 1 dan 3) Referensi Lapang kelas P KH KHR KHP P R Lamun OE(%) ∑ K P l 29 1 1 3 3 5 42 31 a KH 11 6 2 1 2 45 s KHR 3 1 2 67 i KHP 3 2 1 33 f P 14 1 2 7 4 50 i R 17 k 1 1 3 4 1 5 2 71 a Lamun 55 4 4 3 1 2 41 25 s 8 13 13 13 10 53 ∑ 35 145 i CE(%) 17 25 92 85 46 50 23 OA 62,76 Total akurasi (OA) = 91/145*100% = 62,76% Nilai overall error = 37,24%
17
Tabel 12. Akurasi dari producer dan user 7 kelas habitat RGB 567 Producer Accuracy Kelas Habitat Akurasi (%) Pasir 28/42 = 67 Karang Hidup 8/13 = 62 Karang Hidup+Rubble 2/6 = 33 Karang Hidup+Pasir 2/12 = 17 Pinacle 1/4 = 25 Rubble 8/31 = 26 Lamun 26/36 = 72
User Accuracy Kelas Habitat Akurasi (%) 28/42 = 67 Pasir 8/11 = 73 Karang Hidup = 100 Karang Hidup+Rubble 2/2 2/3 = 67 Karang Hidup+Pasir 1/14 = 7 Pinacle 8/17 = 47 Rubble 26/55 = 47 Lamun
Tabel 13. Akurasi dari producer dan user 7 kelas habitat (kanal 1 dan 3) Producer Accuracy Kelas Habitat Akurasi (%) Pasir 29/35 = 83 Karang Hidup 6/8 = 75 Karang Hidup+Rubble 1/13 = 8 Karang Hidup+Pasir 2/13 = 15 Pinacle 7/13 = 54 Rubble 5/10 = 50 Lamun 41/53 = 77
User Accuracy Kelas Habitat Akurasi (%) 29/42 = 69 Pasir 6/11 = 55 Karang Hidup = 33 Karang Hidup+Rubble 1/3 2/3 = 67 Karang Hidup+Pasir 7/14 = 50 Pinacle 5/17 = 29 Rubble 41/55 = 75 Lamun
Secara umum, nilai akurasi untuk pemetaan habitat dasar perairan menghasilkan nilai OA yang berbeda-beda. Contohnya seperti penelitian yang dilakukan oleh Siregar (2010) dan Agus (2012) yang masing-masing menggunakan citra satelit yang berbeda. Pada penelitian Siregar (2010), citra yang digunakan adalah QuickBird dengan kelas habitat substrat dasar 5 kelas yang menghasilkan nilai akurasi sebesar 79%. Lain halnya dengan penelitian yang dilakukan oleh Agus (2012). Citra yang digunakan adalah citra WorldView-2 yang menglasifikasikan habitat sejumlah 12 kelas. Nilai OA yang ditunjukkan adalah 68,98%. Selain itu, nilai akurasi dari penelitian yang dilakukan Freans et al (2011) dengan subjek sebanyak 8 kelas habitat dan menggunakan penginderaan jarak jauh hiperspektral yaitu sebesar 81% dan 78%. Nilai akurasi yang dilakukan oleh Walker et al (2008) yaitu 89,6% dengan menggunakan citra NOAA dari 3 kelas besar habitat, sedangkan menurut Wabnitz et al (2008), nilai akurasi yang dihasilkan dari 3 kelas dengan sensor Landsat yaitu sebesar 46-88%. Menurut Mumby et al. (1998) nilai akurasi 65-70% dapat dikategorikan cukup baik untuk pemetaan habitat pesisir menggunakan inderaja satelit. Nilai ini merupakan pembuktian terhadap nilai kevalidan data citra. Faktor yang memengaruhi tingkat akurasi dari hasil klasifikasi antara lain selisih posisi antara objek pada citra dengan pengukuran saat di lapangan yang menggunakan GPS. GPS yang digunakan memiliki presisi 3-5 meter dari posisi yang sebenarnya akan sangat berpengaruh terhadap hasil akurasi yang didapatkan, sedangkan citra yang digunakan merupakan Citra Worldview-2 yang termasuk golongan satelit dengan sensor yang beresolusi sangat tinggi yang mampu mencapai tampilan pankromatik dengan resolusi yang kurang dari 0,5 meter (lebih
18
dari 0,46 m untuk jarak sampel) dan untuk tampilan multispektral memiliki resolusi lebih dari 1,84 m. Sehubungan dengan hal ini, dalam proses transformasi sistem koordinat citra ke sistem koordinat GPS diperoleh root mean square (RMS) sebesar 0,0970452 pixel, yang didapatkan dari 5 titik GCP (Ground Check Point). Nilai tersebut menunjukkan bahwa terlalu sedikitnya titik GCP yang diambil walaupun menghasilkan nilai yang cukup baik untuk citra WorldView-2. Ketelitian dari penempatan titik kontrol dan akurasi koreksi geometrik dapat diketahui dari nilai RMS. Apabila nilai RMS mendekati nol maka titik tersebut dianggap benar (Purwadhi 2001), tetapi apabila nilainya ≥1 piksel maka titik tersebut harus dikoreksi kembali. Setelah masing-masing titik mempunyai nilai RMS ≤1 piksel maka citra tersebut telah menjadi citra yang terkoreksi secara geometrik. Hal ini berkaitan dengan pengambilan titik sampel di lapangan dimana kurang mewakili beberapa kelas sehingga nilai akurasi kurang dari 60%. Faktor yang memengaruhi pengambilan data adalah faktor cuaca yang kurang mendukung. Faktor cuaca ini dapat menjadi pengaruh besar saat pengambilan data karena menyebabkan salah persepsi saat menentukan contoh habitat di setiap transeknya. Hal ini berkaitan dengan resuspensi yang dikarenakan arus, angin, dan gelombang. Gelombang dengan mudah akan meresuspensi sedimen ke permukaan perairan (Liblik dan Lips 2011). Faktor ini pula yang akan meningkatkan nilai atenuasi perairan (ki/kj) dan menurunkan nilai akurasi klasifikasi. Faktor lainnya adalah faktor human error, yakni kesalahan dalam menganalisis secara visual antara mendeskripsikan dari citra maupun intrepretasi pengamatan data primer di lapangan. Pengambilan data yang dilakukan oleh beberapa orang akan menghasilkan persepsi yang berbeda juga. Hal ini karena pendeskripsian dari masing-masing orang yang tidak sama sehingga akan berpengaruh terhadap keakuratan data substrat yang diambil.
SIMPULAN DAN SARAN Simpulan Habitat dasar perairan dangkal dapat diidentifikasi dengan menggunakan skema klasifikasi habitat, namun masih kurang memadai jika diidentifikasi berdasarkan warna komposit. Klasifikasi dengan metode transformasi algoritma Lyzenga, cukup mewakili karena citra dikoreksi kolom perairan untuk menghilangkan faktor pada kedalaman perairan. Hasil uji akurasi yang paling besar adalah klasifikasi pada komposit 567 (40,28%), sedangkan pada transformasi Lyzenga pada kanal 1 (427,3 nm) dan 3 (546,2 nm) sebesar (50,34%). Hasil uji akurasi reclassify menjadi 7 kelas yaitu sebesar 52,08% (warna komposit) dan 62,76% (algoritma Lyzenga). Klasifikasi ini disesuaikan dengan skema klasifikasi habitat yaitu 14 kelas habitat antara lain pasir, pasir+lamun, pasir+rubble, pasir+karang hidup, pasir+alga, karang hidup, karang hidup+rubble, karang hidup+pasir, pinacle, rubble, rubble+karang hidup, rubble+pasir, lamun tutupan tinggi, dan lamun tutupan sedang.
19
Saran Area pengambilan data saat survei sebaiknya lebih diperluas dan diperbanyak untuk mengurangi kesalahan penentuan posisi oleh GPS. Penggunaan GPS sebaiknya kompatibel dengan citra yang digunakan. Jika menggunakan citra yang beresolusi tinggi, sebaiknya menggunakan GPS yang memiliki tingkat presisi yang baik agar mendapatkan nilai akurasi tinggi sehingga menghasilkan klasifikasi yang lebih detail pada peta tematik. Persamaan persepsi dalam menganalisis data secara visual di lapang, baik dalam melihat citra maupun mendekripsikan jenis habitat. Selain itu, sebaiknya memilih waktu yang tepat dalam pengambilan data, misalnya di saat cuaca cerah (mendukung).
DAFTAR PUSTAKA Agus SB. 2012. Kajian Konektivitas Habitat Ontogeni Ikan Terumbu Menggunakan Pemodelan Geospasial Di Perairan Kepulauan Seribu [disertasi]. Bogor (ID): Institut Pertanian Bogor. Asmadin. 2011. Klasifikasi Habitat Perairan Dangkal dari Citra Satelit Quickbird Menggunakan Metode Kecerdasan Buatan [tesis]. Bogor (ID): Institut Pertanian Bogor. Carlos JSS, Carolina RMA, Castro CB. 2012. Benthic habitat mapping at Recife de Fora, Brazil: Imagery and GIS. Di dalam: The 12th International Coral Reef Symposium; 2012 Jul 9-13; Cairns. Australia (AU): [Federal University of Rio de Janeiro]. hlm 1-5. Congalton RG and Green K.2009.Assessing The Accuracy of Remotely Sensed Data : Principles and Practices. Lewis Publishers. New York. xv + 179 hlm. Digital Globe. 2010. The benefits of the 8 spectral bands of WorldView-2. White paper. Longmont (US): DigitalGlobe,Inc. Digital Globe. 2011. Spectral Response for Digital Globe Earth Imaging Instruments. DigitalGlobe [Internet]. [diunduh 2012 Jun 11]. Tersedia pada: http//www.digitalglobe.com/DigitalGlobe_Spectral_Response.pdf. Freans PRC, Klonowski W, Babcock RC, England P, Phillips J. 2011. Shallow water substrate mapping using hyperspectral remote sensing. CSR. Australia (AU).31(2011): 1249-1259. Green EP, Mumby PJ, Edwards AJ, and Clark CD. 2000. Remote sensing handbook for tropical coastal management. Paris (FR): UNESCO Publishing. Liblik T dan Lips U. 2011. Spreading of suspended matter in a shallow sea area influenced by dredging activities and variable atmospheric forcing: results of in-situ measurements. JCR. Poland (PL). SI 64: 561-566. Mumby PJ, Green EP, Clark CD, Edwards AJ. 1998. Digital Analysis of Multispectral airbone imagery of coral reefs. Coral Reefs. 17:59-69 Mumby PJ dan Edwards AJ. 2002. Mapping marine environments with IKONOS imagery: enhanced spatial resolution can deliver greater thematic accuracy. Remote Sensing of Environment.82 (2002): 248-257. Nakaoka M. 2004. Distribution of seagrasses over time using anacdotal information
20
of Japanese Fisherman. Graduate School of Science and Technology [tesis]. Japan (JP): Chiba University. Nurlidiasari N. 2004. The Application of Quickbird and Multi-temporal Landsat TM data for coral reef habitat mapping. The degree of Master of Science in Geo-Information Science and Earth Observation spesialisation Coastal Zone Studies [tesis]. Netherlands (NL): International Institute for Geo-Information Science and Earth Observation. Pandolfi JM, Bradbury RH, Sala E, Hughes TP, Bjorndal KA, Cooke RG, McArdle D, McClenachan L, Newman MJH, Paredes G, Warner RR and Jackson JBC.2003. Global trajectories of the long-term decline of coral reef ecosystems. Science. 301(5635): 955-958. Purwadhi SH. 2001. Interpretasi Citra Digital. Grasindo. Jakarta. Siregar V. 2010. Pemetaan subtrat dasar perairan dangkal Karang Congkak dan Lebar Kepulauan Seribu menggunakan citra satelit Quickbird. J Ilmu dan Teknologi Kelautan Tropis. 2(1). hlm 19-30. Vahmäe E. 2009. Mapping benthic habitat with remote sensing in optically complex coastal environments [disertasi]. Estonia (EE): University of Tartu. Wabnitz CC, Andrefouet A, Damaris TP, Frank EMK, Philip AK. 2008. Regionalscale seagrass habitat mapping in the Wider Caribbean region using Landsat sensors: Applications to conservation and ecology. RSE. 112: 3455-3467. Walker BK, Riegl B, dan Dodge RE. 2008. Mapping coral reef habitats in Southeast Florida using combined technique approach. JCR. 24(2008): 1138-1150.
21
Lampiran 1 Data GPS titik akurasi dan habitat dasar perairan dangkal Stasiun 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 36 37 38
Bujur 106,611449 106,578636 106,621256 106,622077 106,624234 106,625218 106,625724 106,628945 106,584184 106,584265 106,631749 106,611449 106,611595 106,611631 106,612250 106,612251 106,612515 106,633245 106,633407 106,633560 106,583606 106,583731 106,583830 106,612260 106,613004 106,613086 106,574044 106,575991 106,633091 106,634310 106,634571 106,583574 106,583569 106,632604 106,595847 106,571313 106,612287 106,576217
Lintang -5,864251 -5,855672 -5,854746 -5,854490 -5,854204 -5,854165 -5,854127 -5,850193 -5,853378 -5,853350 -5,854960 -5,864251 -5,864513 -5,864612 -5,866320 -5,866573 -5,867350 -5,853716 -5,853671 -5,853625 -5,853578 -5,852927 -5,853062 -5,866663 -5,867954 -5,867990 -5,857159 -5,855861 -5,853762 -5,853532 -5,853351 -5,851643 -5,853361 -5,853899 -5,868058 -5,858939 -5,866744 -5,855751
Substrat Dasar Pasir Pasir Pasir Pasir Pasir Pasir Pasir Pasir Pasir Pasir Pasir Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Karang Pasir+Karang Pasir+Karang Pasir+Alga Pasir+Alga
22
Lanjutan 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79
106,576577 106,633876 106,634165 106,634282 106,629495 106,629423 106,629143 106,629053 106,628863 106,629116 106,595459 106,635909 106,635909 106,635891 106,636343 106,595378 106,595730 106,595901 106,635873 106,613320 106,572188 106,585805 106,587208 106,587569 106,587345 106,587811 106,588821 106,588795 106,590993 106,591002 106,590819 106,590882 106,591163 106,591194 106,592147 106,583501 106,628818 106,595540 106,595874 106,595928 106,635313
-5,855551 -5,853579 -5,853569 -5,853334 -5,849902 -5,849939 -5,849976 -5,850003 -5,849958 -5,849912 -5,868167 -5,853844 -5,853844 -5,853880 -5,854006 -5,868176 -5,868184 -5,867994 -5,853835 -5,868016 -5,858530 -5,858202 -5,856525 -5,856443 -5,856680 -5,855610 -5,855092 -5,855363 -5,856786 -5,856750 -5,856108 -5,855728 -5,856333 -5,857653 -5,856303 -5,851417 -5,849995 -5,868221 -5,868021 -5,867931 -5,853783
Pasir+Alga Pasir+Alga Pasir+Alga Pasir+Alga Karang Karang Karang Karang Karang Karang Karang Karang Karang Karang Karang Karang Hidup+Rubble Karang Hidup+Rubble Karang Hidup+Rubble Karang Hidup+Pasir Karang Hidup+Pasir Karang Hidup+Pasir Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Pinakle Rubble Rubble Rubble Rubble Rubble Rubble+Pasir
23
80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
Lanjutan 106,634688 106,634814 106,634913 106,633714 106,574224 106,574404 106,574981 106,575143 106,635238 106,635076 106,572947 106,604719 106,604945 106,605064 106,604839 106,604486 106,604188 106,603972 106,603314 106,611788 106,611843 106,612087 106,612367 106,612619 106,612926 106,613178 106,613349 106,613583 106,614007 106,613888 106,613463 106,613183 106,612542 106,612308 106,612137 106,611948 106,611814 106,611841 106,614409 106,614777 106,614874
-5,853260 -5,853169 -5,853051 -5,853588 -5,856996 -5,856806 -5,856388 -5,856243 -5,853041 -5,853286 -5,858477 -5,859921 -5,860309 -5,860770 -5,860852 -5,860771 -5,860863 -5,861053 -5,861254 -5,859503 -5,859774 -5,859909 -5,859826 -5,859654 -5,859554 -5,859309 -5,859064 -5,858919 -5,858610 -5,858095 -5,857933 -5,857844 -5,857945 -5,858145 -5,858434 -5,858752 -5,859041 -5,859204 -5,857017 -5,856293 -5,855524
Rubble+Pasir Rubble+Pasir Rubble+Pasir Rubble+Pasir Rubble+Pasir Rubble+Pasir Rubble+Pasir Rubble+Pasir Rubble+Karang Rubble+Karang Rubble+Karang LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT LTT
24
121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145
Lanjutan 106,616589 106,616732 106,616036 106,615702 106,615777 106,618105 106,584075 106,596207 106,631967 106,610092 106,609794 106,609082 106,608064 106,607793 106,599424 106,584400 106,584517 106,583921 106,584011 106,630630 106,611867 106,611903 106,612112 106,612131 106,612167
-5,855257 -5,854886 -5,854463 -5,854644 -5,855404 -5,854954 -5,853233 -5,867731 -5,855321 -5,863125 -5,863189 -5,863715 -5,864433 -5,864587 -5,862079 -5,862755 -5,862800 -5,853116 -5,853161 -5,854972 -5,864973 -5,865045 -5,865560 -5,865633 -5,865732
LTT LTT LTT LTT LTT LTT LTT LTT LTT LTS LTS LTS LTS LTS LTS LTS LTS LTS LTS LTS LTS LTS LTS LTS LTS
Lampiran 2 Data GPS titik training area dan habitat dasar perairan dangkal Stasiun 1 2 3 4 5 6 7 8 9 10 11
Bujur 106,611313 106,622926 106,623494 106,611676 106,632460 106,583776 106,634445 106,612258 106,573855 106,632604 106,595847
Lintang -5,863998 -5,854470 -5,854278 -5,864703 -5,853954 -5,852981 -5,853424 -5,866039 -5,857323 -5,853899 -5,868058
Substrat Dasar Pasir Pasir Pasir Pasir+Lamun Pasir+Lamun Pasir+Lamun Pasir+Rubble Pasir+Rubble Pasir+Rubble Pasir+Karang Pasir+Karang
25
Lanjutan 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42
106,571313 106,612424 106,634562 106,576379 106,629324 106,595432 106,636153 106,595378 106,595730 106,595901 106,635873 106,613320 106,572188 106,587751 106,588481 106,582869 106,583501 106,628818 106,595540 106,635058 106,572810 106,613185 106,635238 106,635076 106,634942 106,603675 106,612858 106,616228 106,609361 106,631092 106,611758
-5,858939 -5,867133 -5,853523 -5,855670 -5,849966 -5,868149 -5,853934 -5,868176 -5,868184 -5,867994 -5,853835 -5,868016 -5,858530 -5,856668 -5,856169 -5,858066 -5,851417 -5,849995 -5,868221 -5,853078 -5,858248 -5,867999 -5,853041 -5,853286 -5,853621 -5,861181 -5,857808 -5,855448 -5,863497 -5,855712 -5,864847
Pasir+Karang Pasir+Alga Pasir+Alga Pasir+Alga Karang Karang Karang Karang Hidup+Rubble Karang Hidup+Rubble Karang Hidup+Rubble Karang Hidup+Pasir Karang Hidup+Pasir Karang Hidup+Pasir Pinakle Pinakle Pinakle Rubble Rubble Rubble Rubble+Pasir Rubble+Pasir Rubble+Pasir Rubble+Karang Rubble+Karang Rubble+Karang LTT LTT LTT LTS LTS LTS
26
Lampiran 3 Peta survei lapangan
Titik GCP
27
Lampiran 4 Nilai uji akurasi warna komposit RGB 321
K l a s i f i k a s i
Referensi Lapang
kelas
P
PL
PR
P
6
2
1
PL
3
3
1
2
0
PR
PK
PA
KH
Pi
R
11
OE (%) 45
12
75
25
10
100
00
3
33
67
6
50
50
11
73
27
3
33
67
3
67
33
14
93
07
5
60
40
2
3
100
00
1
4
1
9
56
44
2
2
10
7
39
74
26
2
6
16
63
38
144
RKH
RP
2
2
1
2
2
1 3
KH
1
1 3
KHR
2
2
KHP
1 1
3
3
R
2 1
1
RKH
1
3 2
0
3
LTT
8
2
LTS
1
2
2
3
2
1
2
1
1
1
RP
1
3
2
3
∑
LTS
4
2
Pi
LTT
1
1 1
1
UA 55
∑
9
17
12
8
13
10
5
3
5
4
15
10
16
18
CE (%)
33
82
1
75
77
70
60
70
80
50
100
60
38
67
PA
67
18
0
25
23
30
40
30
20
50
0
40
63
33
LTT
LTS
∑
OE (%)
UA
1
11
45
55
4
12
83
17
10
70
30
3
00
100
6
83
17
11
36
64
3
33
67
1
3
33
67
2
14
100
00
5
40
60
3
100
00
OA
RGB 345
K l a s i f i k a s i
KHP
2
PK PA
KHR
29,66
Referensi Lapang
kelas
P
P
6
PL
3
PR
PL
PR
PK
PA
1
1
1
1
1
2 2
3
PK
1
KH
KHR
KHP
Pi
R
RKH
RP 1
1 1
1
1
1
3
PA
2
1
KH
2 7
KHR
2 2
KHP
1
1
1 2
Pi
1
1
R
0
2
7
3
3
RKH
0
RP
1
LTT
7
5
1
3
1
3 3
3
1
9
67
33
2
1
9
4
39
77
23
81
19
1 6
1
LTS
1
1
3
2
1
3
16
∑
10
15
13
11
9
8
9
5
3
11
4
17
16
14
145
CE (%)
40
87
77
73
89
12
78
60
100
73
100
82
44
79
PA
60
13
23
27
11
88
22
40
0
27
0
18
56
21
4
1
OA
30,34
28
RGB 531
K l a s i f i k a s i
kelas
P
P
5
PL
3
PR
Referensi Lapang PL
PR
PK
PA
1
1
2
1
1
2 1
2
PK
KH
KHR
KHP
Pi
R
RKH
RP
LTS
∑
1
11
OE (%) 55
5
12
83
17
2
10
80
20
3
00
100
6
50
50
11
55
45
3
33
67
1
3
67
33
2
14
79
21
5
40
60
3
100
00
9
56
44
39
59
41
81
19
LTT
1
2
1
1
1
3
PA
3
KH
2 5
KHR
2 2
KHP
3
3
1
R
1 3
2
1
2
LTT
6
1 4
3
2
1
2
2
2
0
3
1
4
3
RKH RP
1
1 1
Pi
1
2
1 16
3
LTS
1
3
3
1
1
1
3
16
∑
9
14
10
8
17
6
7
4
5
7
7
14
22
15
145
CE (%)
44
86
80
63
82
17
71
75
40
57
100
71
27
80
PA
56
14
20
38
18
83
29
25
60
43
0
29
73
20
RP
LTT
LTS
3
OA
UA 45
35,86
Lampiran 5 Nilai uji akurasi algoritma Lyzenga Kanal 1 dan 2
K l a s i f i k a s i
Referensi Lapang
kelas
P
PL
P
4
2
PL
2
6
2
PR
1
4
PK
1
PA
PR
PK
PA
1
KH
KHR
1
KHP
Pi
R
KH
64
36
1
1
12
50
50
2
10
60
40
3
33
67
6
33
67
11
45
55
3
33
67
2
50
50
14
79
21
5
60
40
3
67
33
2
6
KHR
1 2
KHP
1
Pi
1
R
2
2
1
RKH
1
3
2
1 2
2
LTS
1 2
3
1
2 1
2
1
1
2
1
RP
3
1 2
UA
11
4
1
OE (%)
2
1 1
∑
1
2 1
LTT
RKH
2
1
1
1
1
3
2
2
2
3
22
2
3
1
9
67
33
39
44
56
6
17
65
35
145
∑
6
12
9
11
7
12
6
8
5
8
8
14
30
9
CE (%)
33
50
56
82
43
50
67
88
40
75
88
79
27
33
PA
67
50
44
18
57
50
33
13
60
25
13
21
73
67
OA
45,52
29
Kanal 2 dan 3
K l a s i f i k a s i
Referensi Lapang
kelas
P
PL
P
4
2
PL
2
7
PR
PA
KH
1
1
KHR
KHP
2
PA
R
RKH
1
2
1
1
1
LTT
∑
OE (%)
UA
11
73
36
2
12
42
58
1
10 3
70 67
30 33
6
67
33
11
36
64
3
67
33
3
33
67
15
60
40
5
60
40
3
67
33
9
LTS
1
2
1
1
2 7
KH
1 1
KHR
2 1
1
1
2
KHP 1
Pi
RP 2
1
R
1
2
1
2
1 6
1
2
1
1
2
RKH
1
RP
1
1
1
1
3
2
67
33
2
2
2
2
2
25
2
39
36
64
1
1
1
7
15
53
47
145
1
LTT 2
LTS ∑
6
CE (%)
3 3 6 7
PA
1
1
1
1
7
5
8
10
6
9
8
46
57
80
75
30
83
78
25
54
43
20
25
7
17
22
75
1 1 2 8 3 1 7
P
PL
P
4
1
PL
2
6
PR
PR
1
PA
1
PK
PA
1
KH
KHR
1
KHP
Pi
1
1 4
PK
8
31
14
90
63
16
43
10
38
84
54
LTT
OA
48,97
R
LTS
∑
1
11
OE (%) 64
2
12
50
50
1
10
60
40
3
100
00
6
50
50
1
11
64
36
1
3
33
67
1
1
3
67
33
3
15
57
43
5
60
40
1
3
67
33
3
2
9
67
33
1
1
23
1
39
41
59
1
1
1
6
15
63
38
145
1
1
0 1
3
1
1
1 2
R
2
RK H
1
2
2
2
6
1 2
1 1
LTS
1
1
1
∑
7
12
9
CE (%)
4 3 5 7
1
2
1
50
56
100
50
44
0
8 6 3 38
1
1 1
1
2 4
1
1
Pi
RP
1
1
2
2
1
1 4
2
RP
1
KH R KHP
RKH
1
KH
LTT
10
Referensi Lapang
kelas
PA
1
13
Kanal 3 dan 4
K l a s i f i k a s i
Pi
1 3
PR PK
PK
2 2
2
1
1
6
9
12
10
10
7
7
33
11
33
78
92
40
80
86
57
31
45
67
22
8
0.6
0.2
0.14
04 3
69
55
OA
UA 36
44,83
30
Lampiran 6 Dokumentasi hasil survei lapang
Pasir
Pasir+Alga
Pasir+Karang Hidup
Pasir+Lamun
Pasir+Rubble
Karang Hidup
Karang Hidup+Pasir
Karang Hidup+Rubble
31
Pinakle
Lamun Tutupan Sedang
Lamun Tutupan Tinggi
Rubble
Rubble+Karang Hidup
Rubble+Pasir
32
RIWAYAT HIDUP Penulis dilahirkan di Sukabumi, 11 Desember 1991 dari Bapak Risman Darmadi dan Ibu Tanti Hartanti. Penulis merupakan anak kedua dari tiga bersaudara. Tahun 2006-2009 penulis menyelesaikan pendidikan sekolah menengah atas di SMA Negeri 2 Bogor. Tahun 2009 penulis diterima sebagai mahasiswa Institut Pertanian Bogor, Fakultas Perikanan dan Ilmu Kelautan, Departemen Ilmu dan Teknologi Kelautan melalui jalur USMI (Undangan Seleksi Masuk IPB). Selama mengikuti perkuliahan, penulis mendapatkan kesempatan sebagai asisten mata kuliah Dasar-dasar Instrumentasi Kelautan (2012 dan 2013), asisten mata kuliah Instrumentasi Kelautan (2012), asisten mata kuliah Pemetaan Sumberdaya Hayati Laut Laut Tropis (2013), asisten mata kuliah Dasar-dasar Inderaja Kelautan (2013), dan asisten mata kuliah Penginderaan Jarak Jauh Kelautan (2013). Penulis juga aktif dalam kegiatan organisasi, seperti anggota divisi Event Organization, Lisis Gentra Kaheman (2010-2012), anggota divisi Sosial Lingkungan, BEM FPIK IPB (20102011), sekretaris divisi Komunikasi dan Informasi, BEM FPIK IPB (2011-2012), dan staf Marine Instrumentation and Telemetry (MIT) tahun 2012-2013. Penulis aktif menjadi panitia dalam kegiatan-kegiatan yang dilaksanakan di dalam kampus antara lain sebagai ketua acara Seminar Hitam Putih Perikanan (2012), Ketua divisi Pendidikan Bina Desa BEM FPIK di Desa Kronjo, Banten (2012), Ekspedisi Arus Balik 1 MIT di Pulau Pramuka, Kep. Seribu (2012), dan Ekspedisi Arus Balik 2 MIT di Wakatobi. Sulawesi Tenggara (2013). Penulis menyelesaikan studi di Fakultas Perikanan dan Ilmu Kelautan dengan skripsi yang berjudul “Klasifikasi Habitat Dasar Perairan Dangkal Gugusan Pulau Pari dengan Menggunakan Citra WorldView-2”.
