Pemetaan Luasan Mangrove Menggunakan Algoritma Mangrove Vegetation Index (MVI) di Desa Kaliwlingi, Kabupaten Brebes, Jawa Tengah
DOI:
https://doi.org/10.25126/jtiik.20251218219Kata Kunci:
Dalam penelitian ini, algoritma Mangrove Vegetation Index (MVI) digunakan untuk menganalisis kondisi luasan lahan mangroveAbstrak
Berdasarkan penelitian sebelumnya, Pesisir Desa Kaliwlingi, Kabupaten Brebes mengalami abrasi sepanjang 7 km dengan luas 186 hektar atau 30% dari luas abrasi di Kabupaten Brebes. Hal tersebut diakibatkan oleh adanya konversi lahan mangrove menjadi tambak yang dapat merusak lahan pantai. Peningkatan abrasi setiap tahun mendorong masyarakat peduli lingkungan melakukan kegiatan konservasi lahan mangrove untuk mengurangi abrasi dan akresi, disepanjang pantai. Penelitian ini bertujuan untuk mengetahui nilai threshold yang memisahkan mangrove dengan non-mangrove dan luasan mangrove. Penelitian ini menggunakan data citra Sentinel-2A dan data lapang hasi survei. Data satelit diolah dan dianalisis menggunakan algoritma Mangrove Vegetation Index (MVI). Simple random sampling digunakan untuk menentukan pengambilan titik lapang yang digunakan sebagai acuan klasifikasi kelas mangrove dan non-mangrove dari citra satelit. Uji akurasi algoritma MVI menggunakan matriks konfusi, dan koefisien kappa. Hasil penelitian menunjukan jenis mangrove di sekitar 4 stasiun penelitian adalah Avicennia marina, Avicennia alba, dan Rhizophora mucronata. Hasil pemetaan menggunakan algoritma MVI menunjukkan nilai threshold MVI mangrove berkisar antara 2,3 hingga 19,54, sementara nilai non-mangrove adalah <2,3 dan >19,54. Luasan mangrove tahun 2022 sebesar 299,3 ha. Uji akurasi algoritma MVI menunjukkan hasil yang baik dengan akurasi keseluruhan sebesar 86,81% dan koefisien kappa sebesar 0,73.
Abstract
Based on previous research, Kaliwlingi Village Coastal, Brebes Regency experienced abrasion along 7 km with an area of 186 hectares or 30% of the abrasion area in Brebes Regency. It happened due to the conversion of mangrove land into ponds that can damage coastal land. The increase in abrasion every year encourages people to care about the environment to carry out mangrove land conservation activities to reduce abrasion and accretion, along the coastal. This study aims to determine threshold value that separates class between mangroves and non-mangrove area, then estimate the changing area of mangrove. This study used Sentinel-2A imagery datas and survey field data. Satellite data processed and analyzed, was using the Mangrove Vegetation Index (MVI) algorithm. Simple random sampling used to determine the selection of field points used as a reference for classifying mangrove and non-mangrove classes from satellite images. Test the accuracy of the MVI algorithm used a fusion matrix, and a kappa coefficient. The results showed that the types of mangroves around 4 research stations were Avicennia marina, Avicennia alba, and Rhizophora mucronata. The mapping results used the MVI algorithm showed that the threshold value of mangrove MVI ranged from 2,30 to 19,54, while non-mangrove values were <2,30 and >19,54. The area of mangroves in 2022 has 299,3 ha. The MVI algorithm accuracy test showed good results with an overall accuracy was 86,81% and a kappa coefficient was 0,73.
Downloads
Referensi
ANNISA, A.Y.N., PRIBADI, R., PRATIKO, I. 2019. Analisis Perubahan Luasan Hutan Mangrove di Kecamatan Brebes dan Wanasari Kabupaten Brebes Menggunakan Citra Satelit Landsat Tahun 2008, 2013 dan 2018. Journal of Marine Research, 8(1), p.27-35
BALOLOY, A.B., BLANCO, A.C., STA. ANA R.R.C., NADAOKA, K. 2020. Development and Application of a New Mangrove Vegetation Index (MVI) forRapid and Accurate Mangrove Mapping. ISPRS J. Photogrammand Remote Sensing, 166, p.95-117.
BUDIMAN, A.S. 2015. Segmentasi Citra dan Pewarnaan Semu pada Foto Hasil Rontgen. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1(2), p.2442 – 2436.
CHAVEZ, PS. 1988. an Improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data. Remote Sensing of Environment, 24(3): 459–479.
COHEN, J. 1960. a Coefficient of Agreement for Nominal Scales. Educational and Psychological Measurement, 20(1), p.37-46.
CONGALTON, R.G., GREEN, K. 2009. Assessing the Accuracy of Remotely Sensed Data Principles and Practices. Boca Raton (US):Lewis Publishers.
DARIS, L., JAYA, WAHYUTI, ARIANTO, I.F. 2023. Ekosistem Mangrove Berdasarkan Jenis dan Karakteristik Substrat di Desa Tompotana Kecamatan Kepulauan Tanakeke Kabupaten Takalar. LUTJANUS, 28(1), p.16-27.
DINAS KEHUTANAN. 2006. Inventarisasi dan Identifikasi Mangrove Wilayah Balai Pengelolaan DAS Pemali Jratun ProvinsiJawa Tengah. Semarang (ID): Direktorat Jenderal Rehabilitasi Lahan dan Perhutanan.
DINAS PERIKANAN DAN KELAUTAN KABUPATEN BREBES. 2008. Penyusunan Rencana Tata Ruang Pesisir Kabupaten Brebes. Brebes(ID): Dinas Kelautan dan Perikanan. 56
FAUZIAH, A.N., TRIARSO, I., FITRI, A.D.P. 2020. Pendugaan Daerah Penangkapan Ikan Tongkol dengan Teknologi Penginderaan Jauh Berdasarkan Parameter Klorofil-a dan Suhu Permukaan Laut di Perairan Natuna. Journal of Fisheries Resources Utilization Management and Technology, 9 (1), p. 35-44.
FLEISS, J.L. 1981. Statistical Methods for Rates and Proportions: 2nd ed. New York (US): John Wiley.
HENDRAWAN, GAOL, J.L., SUSILO, S.B. 2018. Studi Kerapatan dan Perubahan Tutupan Mangrove Menggunakan Citra Satelit di Pulau Sebatik Kalimantan Utara. Jurnal Ilmu dan Teknologi Kelautan Tropis, 10(1), p. 99-109.
HERAWATI, V.E. 2008. Thesis: Analisis Kesesuaian Perairan Segara Anakan Kabupaten Cilacap Sebagai Lahan Budidaya Kerang Totok (Polymesoda erosa) Ditinjau dari Aspek Produktivitas Primer Menggunakan Penginderaan Jauh. Semarang (ID): Universitas Diponegoro.
KUMAR, T., MANDAL, A., DUTTA, D., NAGARAJA, R., DADHWAL, V.K. 2019. Geocarto Int, 34, p. 415–442.
LUKIAWAN, R., PURWANTO, E.H., AYUNDYAHRINI, M. 2019. Standar Koreksi Geometrik Citra Satelit Resolusi Menengah dan Manfaat Bagi Pengguna. Jurnal Standarisasi, 21(1), p. 45- 54.
MARFAI, M.A. 2012. Preliminary Assessment of Coastal Erosion and Local Community Adaptation in Sayung Coastal Area, Central Java-Indonesia. Questiones Geographicae, 31(3), p. 47-55.
MASTU, L.O.K., NABABAN, B., PANJAITAN, J.P. 2018. Pemetaan Habitat Bentik Berbasis Objek Menggunakan Citra Sentinel-2 di Perairan Pulau Wangi-Wangi Kabupaten Wakatobi. Jurnal Ilmu dan Teknologi Kelautan Tropis, 10(2), p.381-396.
MAULIDIYAH, R., CAHYO, B.E., NUGROHO,A.T. 2019. Analisis Kesehatan Mangrove di Probolinggo Menggunakan Citra Sentinel- 2A. Jurnal Natural B, 5(2), p.41-47.
PRATAMA, I.G.M.Y., KARANG IWGA, SUTEJA, Y. 2019. Distribusi Spasial Kerapatan Mangrove Menggunakan Citra Sentinel-2A di Tahura Ngurah Rai Bali. J Mar Aquat Sci, 5(2), p.192.
PUTERA, R.D., NAPITUPULU, H.S., NUGRAHA, A.H., SUHANA, M.P., RITONGA, A.R., SARI, T.E.Y. 2022. Pemetaan Luasan Hutan Mangrove dengan Menggunakan Citra Satelit di Pulau Mapur, Provinsi Kepulauan Riau. Jurnal Kelautan Tropis, 25(1), p.20-30.
RAHAYU, R., CANDRA, D.S. 2014. Koreksi Radiometrik Citra Landsat-8 Kanal Multispektral Menggunakan Top of Atmosphere (TOA). Prosiding Seminar Nasional Penginderaan Jauh 2014. Depok.
RAHMAN, A. 2018. Modul Ajar Pengolahan Citra Digital (Studi Kasus Perubahan Lahan Mangrove dan Rawa). Banjarbaru (ID): Universitas Lambung Mangkurat.
ROUSE, J.W., HAS, R.H., SCHELL, J.A., DEERING D.W. 1973. Monitoring Vegetation Systems in the Great Plains with ERTS. In Proceedings of the Third ERTS Symposium (NASA). Washington (US). SP-351 I. 309-317
SANTI, R.C.N. 2011. Teknik Perbaikan Kualitas Citra Satelit Cuaca dengan Sataid. Jurnal Teknologi Informasi DINAMIK, 16(2), p. 101-109.
SILITONGA, O., PURNAMA, D., NOFRIADIANSYAH, E. 2018. Pemetaan Kerapatan Vegetasi Mangrove di Sisi Tenggara Pulau Enggano Menggunakan Data Citra Satelit. J Enggano, 3(1), p.98–111.
SIMAMORA, F.B., SASMITO, B., HANI’AH. 2015. Kajian Metode Segmentasi untuk Identifikasi Tutupan Lahan dan Luas Bidang Tanah Mengunakan Citra pada Google Earth. J Geod Undip, 4(4), p.43–51.
SOLICHIN, A. 2017. Mengukur Kinerja Algoritma Klasifikasi Dengan Confusion Matrix. Tersedia pada: <http://achmatim.net/2017/03/19/mengukur-kinerja- algoritma-klasifikasi-dengan- confusion-matrix/> [Diakses 12 Juli 2023].
YONA, D., HIDAYATI, N., SARI, S.H.J., AMAR, I.N, SESANTY, K.W. 2018. Teknik Pembibitan dan Penanaman Mangrove di Banyuurip Mangrove Center, Desa Banyuurip, Kecamatan Ujung Pangkah, Kabupaten Gresik. J.Dinamika, 3(1).
ZABLAN, C.D.C, BLANCO, A.C, NADAOKA, K, MARTINEZ, K.P, BAOLOY, A. B. 2022. Assessment of Mangrove Extent Extraction Accuracy of Threshold Segmentation-Based Indices Using Sentinel Imagery. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 48(4).
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
