Analisis Hasil Identifikasi Persebaran Mangrove Berdasarkan Algoritma Normalized Difference Vegetation Index dan Mangrove Vegetation Index Menggunakan Citra Satelit Sentinel-2 (Studi Kasus: Taman Nasional Alas Purwo)
| Main Authors: | Hariyanto, Teguh; Institut Teknologi Sepuluh Nopember, Pribadi, Cherie Bhekti; Institut Teknologi Sepuluh Nopember, Atsilah, Inas Safitri; Institut Teknologi Sepuluh Nopember |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Department of Geomatics Engineering
, 2023
|
| Subjects: | |
| Online Access: |
https://iptek.its.ac.id/index.php/geoid/article/view/13854 https://iptek.its.ac.id/index.php/geoid/article/view/13854/7342 https://iptek.its.ac.id/index.php/geoid/article/downloadSuppFile/13854/2114 |
Daftar Isi:
- Penginderaan jauh merupakan teknologi yang umum digunakan dalam pengamatan dan pemetaan area mangrove dengan cepat. Dalam pemrosesannya, Normalized Difference Vegetation Index (NDVI) adalah algoritma yang sering digunakan di Indonesia dan bekerja dengan mengidentifikasi indeks densitas kanopi vegetasi. Mangrove memiliki kenampakan kanopi yang unik sehingga dapat diidentifikasi menggunakan NDVI, namun vegetasi lain dengan kanopi rapat dapat memiliki nilai indeks NDVI yang sama dengan mangrove. Sehingga akan menimbulkan kesalahan identifikasi dan terjadinya penurunan kualitas hasil penelitian. Hingga pada tahun 2020, terdapat algoritma baru khusus mangrove dengan nama Mangrove Vegetation Index (MVI). MVI merupakan algoritma yang memiliki karakteristik yang berbeda untuk jenis hutan mangrove riverine dan fringe. Indonesia memiliki area mangrove mencakup kedua jenis hutan mangrove tersebut, yaitu pada area mangrove di Kawasan Taman Nasional Alas Purwo. Oleh karena itu, dilakukanlah penelitian ini dengan lokasi studi berada di Taman Nasional Alas Purwo. Dengan menggunakan data citra satelit Sentinel-2 Level 2A, penelitian dilakukan untuk membandingkan hasil dari algoritma NDVI dan MVI terhadap data tersebut. Cakupan area mangrove diketahui dengan melakukan klasifikasi terbimbing metode CART yang menghasilkan data raster hasil klasifikasi area mangrove dengan nilai akurasi mencapai 96,10%, dengan luas area mangrove teridentifikasi mencapai 1583,914 Ha. Transformasi algoritma NDVI dan MVI dilakukan pada hasil klasifikasi, sehingga diperoleh nilai luasan mangrove teridentifikasi dari algoritma NDVI sebesar 1684,370 Ha dan sebesar 1501,808 Ha dari algoritma MVI. Kemudian dilakukan uji validasi dengan metode overlay dari hasil transformasi tersebut yang menunjukkan kesesuaian dalam penggunaan algoritma NDVI sebesar 32,1% pada bagian utara AOI, dan 21,3% untuk bagian selatan. Sedangkan, pada penggunaan algoritma MVI menunjukkan kesesuaian dalam kategori sesuai mencapai 40,9% untuk bagian utara, dan 15,5% untuk bagian selatan AOI.