PEMETAAN DISTRIBUSI DAN KERAPATAN MANGROVE DI PULAU TUNDA MENGGUNAKAN CITRA WORLDVIEW-2
ANANDA SYAEFUL PADILLAH
DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2016
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Pemetaan Distribusi dan Kerapatan Mangrove di Pulau Tunda 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, Februari 2016
Ananda Syaeful Padillah NIM C54110071
ABSTRAK ANANDA SYAEFUL PADILLAH. Pemetaan Distribusi dan Kerapatan Mangrove Menggunakan Citra Worldview-2 di Pulau Tunda. Dibimbing oleh JONSON LUMBAN GAOL dan ADRIANI SUNUDDIN. Teknologi satelit penginderaan jauh telah banyak dimanfaatkan karena mempunyai kemampuan untuk mengidentifikasi dan memantau vegetasi mangrove secara efisien. Tujuan penelitian ini adalah memetakan distribusi dan kerapatan mangrove di Pulau Tunda menggunakan citra satelit Worldview-2. Survey lapang dilakukan pada 13-15 Mei 2015 dengan mengambil titik sampel sebanyak 96 titik. Metode klasifikasi maximum likelihood digunakan untuk mengklasifikasikan mangrove dan non-mangrove. Transformasi Normalized Difference Vegetation Index (NDVI) digunakan untuk mengetahui kerapatan mangrove. Jenis mangrove yang ditemukan di Pulau Tunda adalah Rhizophora mucronata, Rhizophora stylosa, Rhizophora apiculata, Avicennia rumphiana, Sonneratia alba, Brugueira gymnorrizha, Brugueira sexangula, Brugueira cylindrica, Lumnitzera racemosa, Lumnitzera littorea, Xylocarpus granatum, dan Xylocarpus moluccensis. Kerapatan mangrove berdasarkan nilai NDVI dibagi menjadi 3 kelas, luas lahan mangrove jarang sebesar 0,149 Ha, mangrove sedang 0,098 Ha dan mangrove rapat 10,511 Ha. Hasil uji akurasi menggunakan confussion matrix dari klasifikasi citra dengan survey lapang sebesar 74,46%. Kata kunci: Kerapatan, distribusi, mangrove, NDVI, penginderaan jauh ABSTRACT ANANDA SYAEFUL PADILLAH. Mapping Density and Distribution Mangrove Using Wolrdview-2 Imagery in Tunda Island. Supervised by JONSON LUMBAN GAOL and ADRIANI SUNUDDIN. Remote sensing technology have been widely used because it has the ability to identify and monitor mangrove efficiently. This research is aimed to map the distribution and density of mangroves in Pulau Tunda using Worldview-2 satellite imagery. The data was collected in 13 until 15 May 2015, and took 96 sampling point. Maximum likelihood classification is used to classify mangroves and nonmangroves. NDVI transformation is also used to determine the density of mangrove. Species of mangrove that is found on the Tunda Island are Rhizophora mucronata, Rhizophora stylosa, Rhizophora apiculata, Avicennia rumphiana, Sonneratia alba, Brugueira gymnorizha, Brugueira sexangula, Brugueira cylindrical, Lumnitzera racemosa, Lumnitzera littorea, Xylocarpus granatum, and Xylocarpus moluccensis. Based on NDVI values mangrove density are divided into three classes, spaise class land has 0,149 Ha, medium dense class 0,098 Ha, and dense class has a largest land area 10,511 Ha. Results of accuracy test using confussion matrix from classification image and field survey is 74,46%. Keywords : Density, distribution, mangrove, NDVI, remote sensing
PEMETAAN DISTRIBUSI DAN KERAPATAN MANGROVE DI PULAU TUNDA MENGGUNAKAN CITRA WORLDVIEW-2
ANANDA SYAEFUL PADILLAH
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 2016
Judul Skripsi : Pemetaan Distribusi dan Kerapatan Mangrove di Pulau Tunda Menggunakan Citra Worldview-2 Nama : Ananda Syaeful Padillah NIM : C54110071
Disetujui oleh
Dr Ir Jonson L. Gaol, M.Si Pembimbing I
Adriani Sunuddin, S.Pi, M.Si Pembimbing II
Diketahui oleh
Dr Ir I Wayan Nurjaya. M.Sc Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Pemetaan Distribusi dan Kerapatan Mangrove di Pulau Tunda Menggunakan Citra Worldview-2” yang diajukan sebagai salah syarat untuk menyelesaikan studi Departemen Ilmu dan Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor. Pada kesempatan ini penulis mengucapkan terima kasih sebesar-besarnya atas bimbingan, dorongan, bantuan dan doa dari berbagai pihak terutama kepada : 1. Bapak Dr. Ir. Jonson Lumban Gaol, M.Si dan Ibu Adriani Sunuddin, S.Pi, M.Si selaku Dosen Pembimbing skripsi atas segala bimbingannya. 2. Ibu Risti Endriani A, S.Pi, M.Si selaku dosen penguji, atas kritik dan saran yang membangun untuk penyempurnaan skripsi ini. 3. Kedua orang tua, Ayah Adi Widarma dan Ibu Mariah. Serta kakak Ardhita Eka Pratama untuk kasih sayang, motifasi dan doanya kepada penulis. 4. Keluarga besar Ilmu dan Teknologi Kelautan FPIK-IPB khususnya teman seperjuangan ITK 48 yang telah memberikan dukungan dan semangat kepada penulis 5. Tim Pulau Tunda : Nico, Irpan, Mba Nunung, Bang Fahri, Bang Tray, Bang Fahrul, dan Pak Ari 6. Semua pihak yang telah membantu penulis yang tidak dapat disebutkan namanya satu persatu. Penulis berharap skripsi ini dapat bermanfaat bagi penulis sendiri maupun pihak lain dan mengharapkan saran dan kritik untuk perbaikan dan pengembangan lebih lanjut untuk penelitian ini.
Bogor, Februari 2016
Ananda Syaeful Padillah
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
2
METODE
2
Alat dan Bahan
2
Survey Lapang
3
Prosedur Analisis Data
3
Uji akurasi
4
HASIL DAN PEMBAHASAN Distribusi Mangrove di Pulau Tunda
7 8
Sebaran Kerapatan Mangrove Berdasarkan Nilai NDVI
10
Kanopi Mangrove Berdasarkan Survey Lapang
10
Uji Akurasi Hasil Klasifikasi Citra dengan Survei lapang
10
SIMPULAN DAN SARAN
12
Simpulan
12
Saran
12
DAFTAR PUSTAKA
12
RIWAYAT HIDUP
19
DAFTAR TABEL
1 Kriteria tingkat tutupan kanopi mangrove (DepHut 2005) 2 Luasan area hasil klasifikasi 3 Nilai confussion matrix pada klasifikasi citra dengan survey lapang
4 9 11
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9
Lokasi Penelitian di Pulau Tunda, Serang, Banten. Contoh perhitungan confussion matrix Diagram Alir Penelitian Citra sebelum koreksi geometrik (a) setelah koreksi geometrik (b) Komposit RGB 742 untuk vegetasi Klasifikasi terbimbing (Supervised classification) Daerah Masking (penyamaran) darat dan laut di Pulau Tunda Peta sebaran mangrove di Pulau Tunda Histogram nilai NDVI
2 5 6 7 7 8 8 9 10
DAFTAR LAMPIRAN 1 Karakteristik Citra Worldview-2 (Eckert 2012) 2 Dokumentasi berdasarkan di lapangan 3 Pengolahan data mangrove
14 15 16
PENDAHULUAN Latar Belakang Ekosistem mangrove merupakan salah satu ekosistem yang mempunyai peranan penting terhadap kehidupan di wilayah pesisir. Arief (2003) menyatakan bahwa hutan mangrove merupakan hutan yang khas terdapat di sepanjang pantai atau muara sungai yang berlumpur, sedikit berpasir, dipengaruhi oleh pasang surut air laut dan mempunyai peranan mata rantai penting dalam pemeliharaan keseimbangan siklus biologi di suatu perairan. Secara biologi fungsi dari hutan mangrove antara lain sebagai daerah asuhan (nursery ground), daerah mencari makan (feeding ground) dan sebagai daerah pemijahan (spawning ground). Fungsi secara fisik di antaranya sebagai kawasan penyangga, memacu perluasan lahan dan melindungi garis pantai agar terhindar dari erosi atau abrasi (Dwi et al. 2014). Pulau Tunda merupakan salah satu pulau dari 17 pulau yang berada di Kabupaten Serang Provinsi Banten. Dilihat secara geografis Pulau Tunda terletak di koordinat 5° 48’ 29”-5° 49’ 05” LS dan 106° 15’ 04”-106° 18’ 00” BT. Pulau ini memiliki berbagai jenis mangrove, di antaranya Bruguiera gymnorrhiza, Ceriops decandra, Rhizopora mucronata, Rhizopora apiculata, Rhizopora stylosa, Sonneratia caseolaris serta Xylocarpus grantum (KKP 2012). Melihat keberadaan letak Pulau Tunda yang berada di bagian utara provinsi Banten, mangrove berperan sebagai kawasan penyangga dan melindungi garis pantai sehingga keberadaan pulau ini tetap ada. Seiring dengan perkembangan teknologi penginderaan jauh satelit, mangrove yang sangat penting terhadap kehidupan masyarakat pesisir dapat di petakan, karena letak geografi ekosistem mangrove yang berada di daerah peralihan darat dan laut memberikan efek perekaman yang khas jika dibandingkan obyek vegetasi darat lainnya (Faizal dan Amran 2005). Teknologi ini telah banyak dimanfaatkan karena mempunyai kemampuan untuk mengidentifikasi dan memantau mangrove yang efisien terhadap waktu dan biaya (Kuenzer et al. 2011). Satelit yang bisa digunakan untuk identifikasi mangrove antara lain Land Satelites (LANDSAT), Advance Land Observing Satellite (ALOS), Satellite Pour l’Observation de la Terre (SPOT), Quickbird, dan Worldview-2 dll. Satelit Worldview-2 diluncurkan pada bulan Oktober 2009 oleh Digital Globe. Satelit ini termasuk kedalam satelit yang mempunyai sensor resolusi tinggi, dengan mempunyai saluran (band) pankromatik dengan resolusi spasial 46 cm dan 8 kanal multispekral dengan resolusi spasial 1,84 m. Worldview-2 mempunyai keragaman spektral dengan jangkauan 450 – 800 nm, sehingga memiliki kemampuan untuk melakukan deteksi perubahan dan pemetaan yang mendetail (Digital Globe 2009). Aplikasi penginderaan jauh untuk deteksi vegetasi mangrove dan kerapatannya telah banyak dilakukan sebelumnya. antara lain Saefurahman (2008) mengkaji distribusi, kerapatan dan perubahan luas vegetasi mangrove di gugus Pulau Pari Kepulauan Seribu menggunakan citra Formosat 2 dan Landsat 7/ETM+. Hasri (2013) memetakan vegetasi mangrove di Cilacap Jawa Tengah dengan menggunakan citra Landsat ETM+ dan Oli Tirs. Ghazali (2014) memetakan distribusi lamun dan mangrove menggunakan citra satelit Worldview-2 di Gugus
2 Pulau Pari, Kepulauan Seribu. Penelitian ini diharapkan dapat menambah informasi mengenai sebaran dan kerapatan mangrove di Pulau Tunda, sehingga dapat digunakan untuk konservasi, pariwisata, ataupun pemanfaatan lainnya. Tujuan Penelitian Tujuan dari penelitian ini adalah memetakan distribusi dan kerapatan mangrove di Pulau Tunda menggunakan citra satelit Worldview-2.
METODE Penelitian ini dilakukan pada bulan Mei–Oktober 2015. Survey lapangan dilakukan pada tanggal 13–15 Mei 2015. Pengolahan data citra satelit dilakukan pada bulan Juni–Agustus 2015 di Laboratorium Penginderaan Jauh Kelautan, Departemen Ilmu dan Teknologi Kelautan, Institut Pertanian Bogor. Lokasi survey lapangan bertempat di Pulau Tunda, Kabupaten Serang, Banten yang ditunjukkan pada Gambar 1.
Gambar 1 Lokasi penelitian di Pulau Tunda, Serang, Banten. Alat dan Bahan Alat yang digunakan dalam pengolahan data citra adalah perangkat komputer yang dilengkapi dengan perangkat lunak ArcGis 10, ERMapper 7.1, MS Office 2013. Alat yang digunakan untuk pengamatan lapang yaitu Global Positioning System (GPS) Juno Trimble 3b, transek (10m x 10m), meteran, alat tulis, buku identifikasi mangrove, dan data sheet. Bahan yang digunakan adalah citra satelit Worldview-2 akuisisi 25 Agustus 2013. Menurut Eckert (2012) karakteristik citra Worldview-2 terlampir pada Lampiran 1.
3 Survey Lapang Pengamatan di lapang dilakukan sebagai satu kegiatan yang penting untuk interpretasi citra satelit. Kegiatan ini memberikan penjelasan mengenai kondisi ekosistem sebenarnya di lapangan. Kegiatan pengamatan lapang ini meliputi pengamatan data vegetasi mangrove mengacu kepada Bengen (2002), menggunakan metode transek kuadrat berukuran 10 meter x 10 meter dimana tegakan mangrove tingkat pohon memliki tinggi > 1,3 meter dan keliling lingkar batang > 12,5 cm. Penentuan stasiun dilakukan secara acak (random sampling) serta di setiap transek di ikuti dengan melihat tutupan kanopi dan penandaan daerah pengamatan menggunakan GPS. Prosedur Analisis Data Penelitian ini terdiri dari pengolahan data dan analisis citra penginderaan jauh dengan didukung oleh data hasil survey lapang. Pengolahan citra satelit Worldview-2 dilakukan dengan perangkat lunak ERMapper 7.0 dan ArcGis 10. Pengolahan citra dilakukan dengan beberapa tahap sebagai berikut Koreksi Atmosferik Koreksi atmosferik dilakukan untuk memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya dan menghilangkan faktor-faktor yang menurunkan kualitas citra. Koreksi atmosferik dilakukan dengan metode penyesuaian histogram (histogram adjustment), yaitu dengan mengurangi nilai kanal ke arah kiri sehingga nilai minimumnya menjadi nol. Koreksi Geometrik Koreksi geometrik dilakukan untuk mengoreksi distorsi posisi atau letak obyek yang terekam pada citra. Salah satu cara untuk mengoreksi distorsi geometrik ini dengan metode nearest neighbour, dilakukan dengan menggunakan titik-titik kontrol lapangan Ground Control Point (GCP), sehingga koordinat objek pada citra sama dengan koordinat sebenarnya di lapangan. Penajaman Citra Penajaman citra bertujuan untuk memperjelas kenampakan objek pada citra sehingga semakin informatif dan lebih mudah untuk diinterpretasi. Salah satu teknik penajaman citra adalah False Color Composite (FCC). FCC dibuat dengan mengkombinasikan tiga kanal, FCC yang digunakan pada penelitian ini yaitu (red/R) untuk Band 7, (green/G) untuk Band 4 dan (blue/B) untuk Band 2. Klasifikasi citra Klasifikasi dilakukan untuk mengelompokkan objek atau kenampakan homogen yaitu dengan menempatkan piksel-piksel ke dalam suatu kelas menurut kesamaan nilai digital. Proses klasifikasi dapat dilakukan dengan dua cara, yaitu klasifikasi terbimbing (supervised classification) dan klasifikasi tak terbimbing (unsupervised classification). Penelitian ini menggunakan supervised classification dengan algoritma maximum likelihood standard. Pada klasifikasi ini,
4 nilai-nilai piksel ditentukan sendiri sesuai dengan acuan. Acuan yang digunakan yaitu titik pengambilan data dan didukung dengan hasil visualisasi dari FCC. Masking Masking dilakukan menggunakan metode digital on screen yaitu membuat training area untuk menghilangkan daerah yang tidak diperlukan atau tidak masuk dalam penelitian, sehingga hanya fokus pada daerah penelitian yaitu daerah mangrove. Analisis indeks vegetasi Normalized Difference Vegetation Index (NDVI) adalah pengukuran keseimbangan antara energi yang diterima dan energi yang dipancarkan oleh vegetasi di bumi. Metode ini menggunakan kanal merah dan infra-merah dalam penginderaan jauh untuk mengetahui indikator kehijauan dari satelit. Persamaan yang digunakan dalam metode ini yaitu : NDVI = (NIR – R) / (NIR + R) .................................................. (2) Keterangan : NIR R
: Nilai reflektansi spektral pada kanal inframerah dekat : Nilai reflektansi spektral pada kanal merah
Menurut (DepHut 2005) tingkat kerapatan mangrove dibagi menjadi 3 ditunjukkan pada (Tabel 1). Nilai NDVI dan presentase kanopi tersebut digunakan untuk menentukan selang dalam pengkelasan mangrove. Agar sesuai dalam penentuan kelas berdasarkan survey lapang, nilai yang dihasilkan dari analisis NDVI pada citra di rata-ratakan sesuai dengan ukuran transek yang dilakukan di lapang. Tabel 1 Kriteria tingkat kerapatan mangrove (DepHut 2005) Kelas Mangrove
Presentase
Nilai NDVI
Kerapatan Jarang Kerapatan Sedang Kerapatan Rapat
0 % – 50 % 50 % – 69 % 70 % – 100 %
0 to ≤ 0,33 0,34 to ≤ 0,42 0,43 to ≤ 1,00
Uji akurasi Uji akurasi digunakan untuk mengetahui ketepatan dari citra hasil klasifikasi dengan kondisi yang sebenarnya. Uji akurasi yang dilakukan pada penelitian ini berdasarkan hasil klasifikasi NDVI pada citra Worldview-2 dengan tutupan kanopi mangrove yang diperoleh dari data survey. Penilaian uji akurasi menggunakan matriks kesalahan atau confussion matrix (Congalton dan Green 2009). Contoh perhitungan confussion matrix dapat dilihat pada Gambar 2.
5
Gambar 2 Contoh perhitungan confussion matrix (Sumber: Congalton dan Green, 2009) Matrix ini digunakan untuk menentukan overall accuracy (OA), producer accuracy (PA), dan user accuracy (UA). Perhitungan persamaan untuk OA, PA, dan UA sebagai berikut : Overall accuracy (OA) Producer accuracyi (PA) User accuracy (UA)
∑
.................................................. (3) .............................................................. (4)
........................................................................(5)
Dimana : OA = akurasi hasil klasifikasi secara keseluruhan PA = akurasi hasil analisis citra satelit UA = akurasi hasil pengamatan insitu ii = jumlah pengamatan pada kolom ke-i baris ke-i = jumlah unit pengamatan yang dikategorikan sebagai kelas tematik i dari hasil analisis citra satelit inderaja; = jumlah unit pengamatan yang dikategorikan sebagai kelas habitat j dari hasil pengamatan in situ; = jumlah total pengamatan Gambar 3 merupakan diagram alir pengolahan citra satelit Worldview-2 untuk menghasilkan peta sebaran kerapatan mangrove.
6
Gambar 3 Diagram alir penelitian
7
HASIL DAN PEMBAHASAN Koreksi atmosferik dilakukan pada citra Worldview-2 dengan metode penyesuaian histogram (histogram adjustment), yaitu dengan mengurangi nilai kanal yang terdistorsi ke arah kiri sehingga nilai minimumnya menjadi nol. Nilai histogram seluruh band untuk citra yang digunakan pada penelitian ini sudah bernilai nol, maka dari itu langsung dilakukan ke tahap selanjutnya. Hasil koreksi geometri ditunjukkan oleh nilai Root Mean Square Error (RMSE). Titik GCP yang digunakan sebanyak 6 titik. Nilai RMSE berkisar 0,05– 0,39 dengan rata-rata 0,22 meter. Nilai toleransi RMSE hasil hitungan koreksi geometrik pada citra ditentukan dengan menggunakan asumsi sebesar: 0,5 x resolusi spasial (Rudianto 2011). Untuk citra Worldview-2 dengan memiliki resolusi spasial 2 meter, memiliki nilai toleransi ≤ 1 meter. Hal ini menyatakan bahwa koreksi geometrik yang dilakukan memenuhi toleransi. Hasil koreksi geometrik ditampilkan pada Gambar 4.
a
b
Gambar 4 Citra sebelum koreksi geometrik (a) setelah koreksi geometrik (b) Kenampakan untuk kerapatan vegetasi menggunakan kombinasi 3 kanal/band. Citra Worldview-2 menggunakan kombinasi 742 (RGB) yaitu dengan kanal Red (band 7), kanal Green (band 4) dan kanal Blue (band 2). Secara visual kombinasi RGB tersebut memudahkan dalam mengetahui keberadaan mangrove. Berikut hasil komposit RGB ditampilkan pada Gambar 5.
Gambar 5 Komposit RGB 742 untuk vegetasi Klasifikasi kemiripan maksimum (maximum likelihood) mengasumsikan bahwa dari algoritma objek yang homogen selalu menampilkan histogram yang terdistribusi normal. Pada klasifikasi ini, piksel yang memiliki nilai sama akan dikelompokkan secara otomatis ke dalam beberapa kelas yang diinginkan. Berikut
8 Gambar 6 merupakan hasil klasifikasi yang dibagi menjadi 3 kelas yaitu mangrove, darat dan laut.
Gambar 6 Klasifikasi terbimbing (supervised classification) Keterangan : Mangrove
Darat
Laut
Masking (Penyamaran) Daerah yang tidak diperlukan atau tidak masuk dalam penelitian akan di samarkan, sehingga hanya fokus pada daerah penelitian yaitu daerah mangrove. Dalam tampilan masking (Gambar 7) terlihat hanya daerah mangrove saja yang ditampilkan.
Gambar 7 Daerah masking (penyamaran) darat dan laut di Pulau Tunda Distribusi Mangrove di Pulau Tunda Pengolahan citra Worldview-2 dari proses klasifikasi menghasilkan luas enam kelas klasifikasi lahan yang terdiri dari (1) kelas laut, (2) kelas darat, (3) kelas pasir, (4) kelas mangrove jarang, (5) kelas mangrove sedang, dan (6) kelas mangrove rapat. Berikut Gambar 8 merupakan peta sebaran mangrove di Pulau Tunda.
9
Gambar 8 Peta sebaran mangrove di Pulau Tunda Tabel 2 menunjukkan luas area hasil klasifikasi. Luas lahan terbesar di Pulau Tunda adalah kelas darat, memiliki luasan sebesar 262,1168 ha, sedangkan luas lahan terkecil adalah kelas mangrove, memiliki luasan sebesar 10,7972 ha. No 1 2 3 4 5 6
Tabel 2 Luasan area hasil klasifikasi Kelas Luas Lahan (ha) Laut 222,55 Darat 262,11 Pasir 64,94 Mangrove Jarang 0,14 Mangrove Sedang 0,09 Mangrove Rapat 10,51
Jenis mangrove yang berada Pulau Tunda yaitu Rhizophora apiculata, Rhizophora mucronata, Rhizophora stylosa, Avicennia rumphiana, Sonneratia alba, Brugueira gymnorizha, Brugueira sexangula, Brugueira cylindrica, Lumnitzera racemosa, Lumnitzera littorea, Xylocarpus granatum, dan Xylocarpus moluccensis. Selatan Pulau Tunda terdapat mangrove yang luas, rapat dan jenis beragam dibandingkan di utara, di timur dan di barat. Pengamatan langsung di lapangan menunjukkan bahwa selatan Pulau Tunda memiliki lahan yang luas dan bersubstrat dominan lumpur. Substrat lumpur merupakan substrat yang baik bagi pertumbuhan mangrove karena lumpur mampu mengikat unsur hara (Davis et al. 1995) dalam Haryani (2013).
10 Sebaran Kerapatan Mangrove Berdasarkan Nilai NDVI Secara teoritis nilai NDVI berkisar antara -1 hingga 1. Nilai-nilai yang dibawah 0 itu berarti air atau tanah kosong, sementara nilai-nilai yang lebih tinggi dari 0 adalah indikator aktivitas fotosintesis yang tinggi ataupun aktivitas pertanian (Meneses, 2011). Berikut adalah nilai histogram setelah memasukkan algoritma NDVI yang ditunjukkan pada (Gambar 7).
Gambar 9 Histogram nilai NDVI Dari hasil luasan klasifikasi mangrove (Tabel 2), dapat diketahui bahwa kelas mangrove rapat memiliki luas lahan terbesar dibandingkan mangrove jarang dan mangrove sedang. Luas lahan kelas mangrove rapat yaitu 10,5104 ha. Luas lahan kelas mangrove jarang yaitu 0,1488 ha dan luas lahan kelas mangrove sedang yaitu 0,098 ha. Kanopi Mangrove Berdasarkan Survey Lapang Survey lapang yang dilakukan menghasilkan 94 plot. Secara visual di lapang, setiap jenis mangrove memiliki area tutupan kanopi yang berbeda, nilai tersebut akan mempengaruhi nilai reflektansi dari kanopi yang terdeteksi oleh citra satelit. Seperti pada (Lampiran 2), Semakin besar pohon menutupi area pada transek pengamatan, maka persentasenya semakin besar, begitu juga sebaliknya semakin kecil pohon menutupi area pada transek pengamatan, maka persentasenya semakin kecil. Uji Akurasi Hasil Klasifikasi Citra dengan Survei lapang Uji akurasi menggunakan confussion matrix melihat tingkat kebenaran dari klasifikasi citra dengan survey lapang menggunakan tutupan kanopi yang terlampir pada (Lampiran 3). Kelas yang digunakan yaitu kelas mangrove rapat, kelas mangrove sedang, kelas mangrove jarang (Tabel 3). Pengambilan titik yang diambil untuk uji akurasi sebanyak 94 plot. Perhitungan PA tertinggi terdapat
11 pada kelas mangrove rapat sebesar 88,23%, sedangkan yang terendah terdapat pada kelas mangrove jarang sebesar 35,71%. Kemudian nilai perhitungan UA tertinggi berada di kelas mangrove rapat sebesar 88,41%, sedangkan yang terendah adalah kelas mangrove sedang sebesar 33,33%. Nilai OA pada klasifikasi citra dengan survey lapangan sebesar 74,46%. Menunjukkan bahwa secara keseluruhan kelas mampu dipetakan dengan baik sebesar 74,46%. Tabel 3 Nilai confussion matrix pada klasifikasi citra dengan survey lapang Survey Lapang Klasifikasi Total UA % MR MS MJ baris MR 4 4 68 88,41 60 MS 5 5 15 33,33 5 MJ 3 3 12 45,45 5 Total 68 12 14 94 Kolom PA % 88,23 41,67 35,71 OA % 74,46 Ket : MJ = Mangrove Jarang, MS = Mangrove Sedang, MR = Mangrove Rapat Vo et al (2013) dalam Kuenzer et al (2011) melakukan pemetaan mangrove dengan menggunakan citra SPOT-5, dimana citra ini memiliki resolusi spasial 10 m, menghasilkan OA sebesar 75,68% dengan memisahkan mangrove berdasarkan kerapatan secara visualisasi di lapang. Mensah (2013) memetakan mangrove di Ghana dengan menggunakan citra RapidEye yang mempunyai resolusi spasial 7 m, menghasilkan OA sebesar 84,82%. Neukermans et al (2008) melakukan pemetaan mangrove dengan menggunakan citra Quickbird yang memiliki resolusi spasial 2,62 m. menghasilkan OA sebesar 73%. Citra Worldview-2 yang digunakan dalam penelitian ini termasuk ke dalam citra yang memiliki resolusi tinggi. Overall accuracy yang didapatkan sebesar 74,46%, menurut (Wang et al 2004) akurasi yang didapatkan termasuk rendah untuk citra dengan resolusi tinggi. Karena untuk citra dengan resolusi tinggi, akurasi yang dihasilkan seharusnya > 80%. Beberapa faktor yang mempengaruhi tingkat akurasi mungkin disebabkan oleh tidak sesuai area penggunaan transek dilapang 10m x 10m dengan resolusi citra 2m x 2m. Sehingga adanya bias dari beberapa nilai piksel di citra untuk menyesuaikan transek di lapang. Kurang tepatnya dalam menduga tingkat kanopi mangrove berdasarkan visualisasi di lapang. Menurut Weng (2010), untuk menduga kanopi mangrove dalam penginderaan jauh lebih baik menggunakan tajuk dan ketinggian pohon, karena mengukur dengan lingkar batang pohon akan mengabaikan pohon yang tingginya kurang dari 1,3 meter.
12
SIMPULAN DAN SARAN Simpulan Berdasarkan hasil pengolahan citra satelit dan survey lapang, wilayah Selatan Pulau Tunda memiliki area mangrove yang luas, rapat dan jenisnya beragam. Kerapatan mangrove berdasarkan nilai NDVI dibagi menjadi 3 kelas, luas lahan kelas jarang sebesar 0,149 ha, kelas sedang sebesar 0,098 ha dan kelas rapat sebesar yaitu 10,511 ha. Hasil uji akurasi confussion matrix pada klasifikasi citra dengan survey lapang sebesar 74,46%. Jenis mangrove yang ditemukan di Pulau Tunda adalah Rhizophora mucronata, Rhizophora stylosa, Rhizophora apiculata, Avicennia rumphiana, Sonneratia alba, Brugueira gymnorizha, Brugueira sexangula, Brugueira cylindrical, Lumnitzera racemosa, Lumnitzera littorea, Xylocarpus granatum, dan Xylocarpus moluccensis. Saran Transek pengukuran di lapang sebaiknya di sesuaikan dengan resolusi spasial citra yang digunakan agar mendapat hasil yang maksimal. Pengukuran dilapang sebaiknya mengukur tajuk dan tinggi pohon agar menduga tingkat kanopi mangrove lebih akurat.
DAFTAR PUSTAKA Arief A. 2003. Hutan Mangrove, Fungsi dan Manfaatnya. Kanisius : Yogyakarta Bengen DG. 2002. Pedoman Teknis Pengenalan dan Pengelolaan Ekosistem Mangrove. Pusat Kajian Sumberdaya Pesisir dan Laut – Institut Pertanian Bogor. Bogor, Indonesia Congalton RG, Green K. 2009. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices, p. 137, Lewis Publishers, Boca Raton, FL Departemen Kehutanan. 2005. Pedoman Inventarisasi dan Identifikasi Lahan Kritis Mangrove. Jakarta : Direktorat Jenderal Rehabilitasi Lahan dan Perhutanan Sosial Departemen Kehutanan Digital Globe. 2009. The benefits of the 8 spectral bands of WorldView-2. White paper. Longmont (US): DigitalGlobe,Inc Dwi AP, Asriningrum W, Winarso G, Parwati E. 2014. Analisi Sebaran dan Kerapatan Mangrove Menggunakan Citra Landsat8 di Segara Anakan, Cilacap. Peneliti Pusat Pemanfaatan Penginderaan Jauh – LAPAN Eckert S. 2012. Improved Forest Biomass and Carbon Using Texture Measures from Worldview-2 Satellite Data. Remote Sensing, ISSN 2074-4292 : 810829
13 Faizal A, Amran A. 2005. Model Transformasi Indeks Vegetasi yang Efektif Untuk Prediksi Kerapatan Mangrove Rhizophora mucronata. Jurusan Ilmu Kelautan Institut Teknologi Sepuluh November, Surabaya. Ghazali IK. 2014. Distribusi Lamun dan Mangrove Menggunakan Citra Satelit Worldview-2 di Gugus Pulau Pari, Kepulauan Seribu [Skripsi]. Bogor (ID) : Repositori Institut Pertanian Bogor. Haryani NS. 2013. Analisis Perubahan Hutan Mangrove Menggunakan Citra Satelit. Jurnal Ilmiah WIDYA, 1 (1):72 – 77 Hasri M. 2013. Deteksi Vegetasi Mangrove di Cilacap Jawa Tengah dengan Menggunakan Citra Landsat 8 OLI dan TIRS [Skripsi]. Bogor (ID) : Repositori Institut Pertanian Bogor. Kementrian Kelautan Perikanan. 2012. Direktori Pulau-Pulau Kecil Indonesia. [Internet]. [Diakses Tanggal 31 Mei 2015]. Tersedia pada: http://www.ppkkp3k.kkp.go.id/direktori-ulau/index.php/public_c/pulau_info/374 Kuenzer C, Bluemel A, Gebhardt S, Vo T, Dech S. 2011. Remote Sensing of Mangrove Ecosystems: A Review. 3 : 878-928 Meneses-Tovar CL. 2011. NDVI as Indicator of Degradation. Unasy lva 238, 62, 2011/2 Mensah JC. 2013. Remote Sensing Application for Mangrove Mapping In The Ellembelle District in Ghana. University of Rhode Island Neukermans G, Guebas FD, Kairo JG, Koedam N. 2008. Mangrove Species and Stand Mapping in Gazi Bay (Kenya) Using Quickbird Satellite Imagery. Spatial Science. 53(1) Rudianto B. 2011. Analisis Pengaruh Sebaran Ground Control point terhadap Ketelitian Objek pada Peta Citra Hasil Ortorektifikasi. Jurnal Rekayasa, 15(1) Saefurahman G. 2008. Distribusi, Kerapatan dan Perubahan Luas Vegetasi Mangrove Gugus Pulau Pari Kepulauan Seribu Menggunakan Citra FORMOSAT 2 dan Landsat 7/ETM+ [Skripsi]. Bogor (ID) : Repositori Institut Pertanian Bogor. Wang L, Sousa WP, Gong P. 2004. Integration of Object-Based and Pixel-Based Classification for Mapping Mangrove with IKONOS Imagery. International Journal Remote Sensing, 25(24) : 5655-5668 Weng Q. 2010. Remote Sensing of Coastal Environtments. Yeqiao W, editor. Taylor & Francis Group : CRC Press
14 Lampiran 1 Karakteristik Citra Worldview-2 (Eckert 2012) Tanggal peluncuran
Oktober 2009
Ketinggian orbit
770 km
Tipe orbit
Sun-synchronous
Sudut Inklinasi orbit
97,2o
Periode orbit Lebar sapuan (nadir)
100 min 16,4 km
Mode akuisisi
Synchronous
Putaran ke lokasi yang sama Sensor band
1,1 hari (GSD 1 m) 14 hari (nadir) Pankromatik resolusi 0,5 m Multispektral resolusi 2 m o Coastal (400-450 nm) o Blue (450-510 nm) o Green (510-580 nm) o Yellow (585-625 nm) o Red (630-690 nm) o Red edge (705-745 nm) o Near infrared-1 (770-895 nm) o Near infrared-2 (860-1040 nm)
15 Lampiran 2 Dokumentasi berdasarkan di lapangan
(a) tutupan kanopi jarang (0% - 50 %)
(b) tutupan kanopi jarang (0% - 50%)
(b) tutupan kanopi sedang (50% - 69%)
(c) tutupan kanopi sedang (50% - 69%)
(d) tutupan kanopi rapat (70% - 100%)
(e) tutupan kanopi rapat (70% - 100%)
16 Lampiran 3 Pengolahan data mangrove PLOT 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
IND
SPESIES
4 3 4 3 5 8 15 5 2 15 5 12 8 13 7 12 10 6 14 18 8 1 1 5 10 4 5 2 6 7 10 6 5 6 5 4 2 4 8 1
Rhizophora mucronata Avicennia marinna Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Rhizophora mucronata Avicennia marina Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Rhizophora mucronata Rhizophora mucronata Rhizophora stylosa Rhizophora stylosa Rhizophora mucronata Avicennia marina Avicennia marina Rhizophora mucronata Rhizophora stylosa Rhizophora stylosa Rhizophora stylosa Avicennia marina Rhizophora mucronata Rhizophora mucronata Rhizophora stylosa Rhizophora stylosa Avicennia marina Rhizophora stylosa Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora mucronata Rhizophora mucronata Lumnitzera racemosa
NDVI 2m x 2m
NDVI 10m x 10m
Tutupan Kanopi (%)
0,5384
0,169828
0-50
0,67442 0,1667 0,1156 0,3073 0,464481
0,0785864 0,0342748 0,043156 0,093852 0,3120072
0-50 0-50 0-50 0-50 70-100
0,526515
0,238572
70-100
0,5127 0 0,3603 0,67198 0,22985 0 0,4281 0,46186 0,11554 0,5677 0,159213 0 0,004 0,514925 0,5018 0,53743 0,5389
0,231376 0 0,2450422 0,199188 0,18482 0 0,19092092 0,2318996 0,09554 0,5142 0,1129 0 0,008576 0,2590152 0,31529 0,32481 0,3459
70-100 70-100 50-70 0-50 0-50 0-50 50-70 50-70 0-50 70-100 0-50 0-50 0-50 70-100 50-70 70-100 70-100
0,09906
0,07537
0-50
0,26229 0,3002 0 0 0,63017 0 0,5781 0,4925 0,6021 0,4853 0,48072 0,6936
0,1973 0,2972 0 0 0,6414 0 0,5142 0,421 0,5852 0,4532 0,4498 0,6132
0-50 0-50 0-50 0-50 70-100 0-50 70-100 0-50 70-100 0-50 50-70 70-100
17 PLOT 38 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
IND
SPESIES
4 3 1 5 1 7 4 1 1 4 11 1 6 7 6 5 6 3 9 7 4 8 1 6 10 9 6 7 9 6 1 7 5 7 10 2 8 2 10 3 6 1
Rhizophora mucronata Rhizophora stylosa Sonneratia alba Rhizophora mucronata Lumnitzera littorea Rhizophora apiculata Rhizophora apiculata Brugueira gymnorrhiza Litorea racemosa Brugueira gymnorrhiza Rhizophora mucronata Avicennia rumphiana Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Brugueira gymnorrhiza Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Brugueira gymnorrhiza Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora apiculata Rhizophora mucronata Rhizophora apiculata Rhizophora mucronata Rhizophora apiculata Brugueira gymnorrhiza Rhizophora apiculata Brugueira gymnorrhiza
NDVI 2m x 2m
NDVI 10m x 10m
Tutupan Kanopi (%)
0,5572
0,5028
70-100
0,5932
0,5271
70-100
0,370019
0,3497
0-50
0,41243
0,2846
0-50
0 0,4046 0,59244 0,52705 0,55443 0,5808 0,4327 0,0222 0,6109 0,7112 0,52692 0,629969
0 0,3951 0,5466 0,4918 0,591 0,5545 0,4693 0,0841 0,5834 0,7294 0,4961 0,5781
0-50 50-70 70-50 70-50 70-50 70-50 70-50 70-50 70-50 70-50 70-50 70-50
0,541667
0,5026
70-50
0,548061 0,5268 0,4989 0,5957 0,51148 0,52589
0,5397 0,5492 0,4574 0,549 0,4576 0,5333442
70-50 50-70 70-100 70-100 70-100 70-100
0,63939
0,56109
70-100
0,57966 0 0,53394
0,50491 0 0,4719
70-100 0-50 50-70
0,6026
0,58906
70-100
0,5236
0,4817
70-100
0,5539
0,4938
70-100
0,32317
0,3371
50-70
18 PLOT
IND
69 70
7 6 4 3 2 10 10 2 6 9 1 7 2 1 5 2 3 3 2 2 6 5 8 2 7 7 9 9 8 9 2 3 3 4 4 5 5 6 2
71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94
SPESIES
NDVI 2m x 2m 0,5585 0,6043
Rhizophora apiculata Rhizophora apiculata Rhizophora stylosa 0,5993 Brugueira gymnorrhiza Rhizophora apiculata 0,5676 Brugueira gymnorrhiza Rhizophora apiculata 0,5245 Rhizophora stylosa 0 Rhizophora apiculata Brugueira gymnorrhiza 0,3839 Rhizophora apiculata 0,4745 Brugueira gymnorrhiza Brugueira gymnorrhiza 0,54305 Xylocarpus granatum Brugueira gymnorrhiza 0,445 Brugueira sexangula Rhizophora mucronata Brugueira gymnorrhiza 0,53068 Xylocarpus moluccensis Rhizophora mucronata 0,40588 Rhizophora apiculata Rhizophora apiculata 0,5714 Rhizophora apiculata 0,5644 Brugueira gymnorrhiza Rhizophora apiculata 0,4732 Rhizophora apiculata 0,50617 Rhizophora apiculata 0,4848 Rhizophora apiculata 0,5506 Rhizophora apiculata 0,542039 Rhizophora apiculata 0,624796 Rhizophora mucronata 0,608764 Rhizophora apiculata Rhizophora mucronata 0,5838 Rhizophora apiculata Rhizophora apiculata 0,566069 Rhizophora apiculata 0,4714 Rhizophora apiculata 0,55229 Rhizophora apiculata 0,65153048 Brugueira gymnorrhiza
NDVI 10m x 10m 0,58103 0,5618
Tutupan Kanopi (%) 70-100 70-100
0,52159
70-100
0,4917
70-100
0,4388
70-100
0
0-50
0,3391
0-50
0,43859
0-50
0,50138
0-50
0,2846
0-50
0,4391
70-100
0,31537
0-50
0,5917
70-100
0,4471
70-100
0,4617 0,4619 0,4917 0,4918 0,4817 0,60183
70-100 70-100 70-100 70-100 70-100 70-100
0,5137
70-100
0,49173
50-70
0,5291 0,4317 0,471
70-100 50-70 50-70
0,43183
70-100
19
RIWAYAT HIDUP Penulis merupakan anak kedua dari dua bersaudara pasangan Adi Widarma dan Mariah. Penulis dilahirkan di Bogor pada tanggal 31 Januari 1994. Pada tahun 2011, penulis diterima di Institut Pertanian Bogor melalui jalur SNMPTN tertulis di Departemen Ilmu dan Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan. Selama menjalani masa perkuliahan, penulis aktif dalam kegiatan kemahasiswaan, yaitu Himpunan Mahasiswa Ilmu dan Teknologi Kelautan (HIMITEKA) sebagai anggota Keilmuan dan Profesi (2012/2013), dan anggota Biro Usaha (2013/2014). Dalam bidang akademis, penulis aktif sebagai asisten pada mata kuliah Selam Ilmiah (2012/2013), mata kuliah Pemetaan dan Sumberdaya Hayati Laut (2014/2015), mata kuliah DasarDasar Penginderaan Jauh (2014/2015), mata kuliah Ekologi Laut Tropis (2014/2015) dan (2015/2016). Serta mengikuti pelatihan selam One Star SCUBA (2013). Untuk memperoleh gelar sarjana, penulis menyelesaikan tugas akhir dengan judul Pemetaan Distribusi dan Kerapatan Mangrove di Pulau Tunda Menggunakan Citra Worldview-2.
