• Tidak ada hasil yang ditemukan

Teknologi Penginderaan Jauh dan Sistem I

N/A
N/A
Protected

Academic year: 2018

Membagikan "Teknologi Penginderaan Jauh dan Sistem I"

Copied!
4
0
0

Teks penuh

(1)

Teknologi Penginderaan Jauh dan Sistem Informasi Geografis dalam

Pengelolaan Terumbu Karang

Lusi Afriana

Program Pascasarjana Pengelolaan Sumberdaya Alam dan Lingkungan, Fakultas Pertanian, Universitas Bengkulu. Jalan WR Supratman, Kandang Limun, Bengkulu 38371 A, Indonesia. Tel./Fax. +62-736-21170 / +62-736-22105, email: Lusi300473@gmail.com

ABSTRAK

Penelitian LIPI yang dilakukan pada tahun 1996 menunjukkan bahwa 39,5 % terumbu karang Indonesia dalam keadaan rusak, 33,5 % dalam keadaan sedang, 21,7 % dalam keadaan baik dan hanya 5,3 % dalam keadaan sangat baik dengan demikian terumbu karang sudah selayaknya dijaga. Salah satu program pemerintah dalam upaya mengelola dan memelihara ekosistem terumbu karang adalah program Coral Reef Rehabilitation and Management Program

(COREMAP). Penulisan artikel ini dimaksudkan untuk mengetahu sejauh mana penerapan teknologi penginderaan dan sistem geografis dalam pengelolaan terumbu karang digunakan di Indonesia dengan mengambil sebagian contoh dari jurnal “Manajemen Pengelolaan Terpadu Untuk Penyusunan Tata Ruang Ekosistem terumbu Karang di Kabuaten Tanah Bambu, Provinsi Kalimantan Selatan” maupun dari makalah, jurnal, buku dan lain-lain sebagai referensi artikel ini. Dalam penelitian ini digunakan metode dari citra satelit Landsat 7 ETM+ dan citra ASTER dengan prosedur analisis PCA (Principle Component Analysis) dan NDVI (Normalize Difference Vegetation Index) sehinggga dapat diketahui luasan lahan dan kondisi terumbu karang di perariran Bunati apakah dalam keadaan baik ataukah keadaan kritis. Hasil penelitian menunjukkan bahwa metode Landsat 7 ETM + Data Citra Satelit ASTER yang mampu menyadap informasi keberadaan terumbu karang di perairan dengan tingkat akurasi sebesar 92,10%

Kata Kunci: Teknologi, Penginderaan Jauh dan Sistim Informasi Geografis, Terumbu Karang,COREMAP.

PENDAHULUAN

coelenterata (hewan berongga) atau cnidaria yang mampu mensekresi CaCO3. Penyebaran dan pertumbuhan terumbu karang dipengaruhi oleh banyak faktor yaitu salinitas, cahaya, suhu, pH, kecerahan, arus dan substrat (Nontji, 1983 dalam Damayanti, 2012 dalam Mario 2015).

Terumbu karang juga berfungsi sebagai tempat berkembang biak, dan tempat berlindung bagi organisme yang hidup di dalamnya. Berbagai organisme yang hidup di terumbu karang merupakan sumber biologis yang bisa dimanfaatkan untuk kepentingan manusia, seperti bahan baku obat-obatan dan makanan(Sulistyo, 2017)

Indonesia merupakan negara kepulauan (archipelagic state) dengan 2/3 luas wilayah adalah lautan dan terdiri lebih dari17.499 pulau dimana 13.466 pulau yang telah diberi nama. Panjang garis pantai Indonesia adalah ±

km, yang menjadikanya sebagai negara dengan

(2)

Hal ini menjadi penting karena ekosistem terumbu karang adalah ekosistem yang mengandung sumber daya alam yang dapat memberi manfaat besar bagi manusia.

METODE PENELITIAN

Study area

Salah satu contoh penelitian dalam penggunaan penginderaan jauh adalah Kabupaten tanah bumbu (Abdur Rahman dkk, 2012) dengan luas 13,50 % dari total luas Propinsi Kalimantan Selatan (37.377,53 km²) memiliki potensi terumbu karang terutama Kecamatan Angsana yang tersebar dari daerah pesisir Bunati sampai daerah pesisir Sungai Loban yang terletak pada 115o33’0”E – 115o50’0” E dan 3o40’0”S – 3o52’0” (BPS Kalsel, 2011).

Prosedur

Data yang diperoleh kemudian dianalisis dengan menggunakan metode PCA (Principle Component Analysis) dan NDVI (Normalize Difference Vegetation Index)

a. Mean

Dimana: —

X = Mean nilai piksel saluran a Xa = Piksel pada saluran a n = Jumlah piksel pada saluran

b. Standar Deviasi

Dimana :

sDev(a) = Standar Deviasi saluran a —

Xa = Mean nilai piksel saluran a Xa = Piksel pada saluran a n = Jumlah piksel pada saluran a

c. Variansi

Dimana :

Var(a) = Variansi saluran a Xa = Mean nilai piksel saluran a Xa = Piksel pada saluran a n = Jumlah piksel pada saluran a

d. Kovarian

Cov(a,b) = Kovariansi antara saluran a dan saluran b —

Xa = Mean nilai piksel saluran a Xa = Piksel pada saluran a —

Xb = Mean nilai piksel saluran b Xb = Piksel pada saluran b

n = Jumlah piksel pada saluran a atau b

e. Korelasi

f. Faktor Loadings

Faktor Loadings digunakan untuk mengetahui konstribusi tiap saluran pada tiap komponen hasil transformasi PCA, formulanya adalah sebagai berikut

Dimana :

R(a,p) = Kontribusi saluran a pada saluran p A(a,p) = Eigenvektor saluran a untuk komponen ke λ(p) = Eigenvalue komponen p

Var(a) = Variansi pada saluran a

f. NDVI

Dimana :

IMD = Saluran inframerah dekat (NIR) M = Saluran merah (RED)

Hasil keberadaan terumbu karang yang telah dianalisis dengan menggunakan analis PCA kemudian diolah dengan menggunakan SIG, untuk memperoleh luasan dan data terumbu karang. Data estimasi dari Citra Satelit ASTER kemudian diuji akurasi dengan mengambil sampel terumbu karang di lapangan dengan menggunakan metode Transek (LIT). Prosedur analisis mengacu pada kategori kesehatan terumbu karang menurut (Gomez and Yap, 1988).

Prosedur uji akurasi mengikuti formula sebagai berikut

Dimana :

(3)

Analisis Data

Alat dalam penelitian terumbu karang ini dengan pemanfaatan citra satelit Landsat-TM. Metode analisis yang diterapkan adalah dari citra satelit Landsat 7 ETM+ dan citra ASTER..

PEMBAHASAN

Hasil penggunaan metode PCA dan Citra Aster untuk mengetahui keberadaan dan kondisi terumbu karang di perairan Bunati dan sekitarnya adalah Karang Batu Anjir secara keseluruhan mempunyai luasan sekitar 7,53 Ha dengan rincian kondisi tutupan karang seluas 1,48 Ha atau sebesar 19,69 % dalam kondisi baik, 3,46 Ha (45,97 %) Sedang, 0,87 Ha (11,56 %) rusak dan 1,71 Ha (22,79 %) terdiri dari substrat pasir/lumpur. Kondisi terumbu karang Mangkok yang dapat disadap dari Citra ASTER metode PCA mempunyai luasan 17,07 Ha dengan rincian kondisi terumbu karang Mangkok dalam kondisi sangat baik seluas 1,0049 Ha atau sebesar 5,88 %, kondisi baik seluas4,305 Ha atau sebesar 25,21 %, kondisi sedang seluas 8,73 Ha atau sebesar 51,14 %, kondisi rusak seluas 2,05 Ha atau sebesar 12,01 % dan substrat pasir/lumpur seluas 0,98 Ha atau sebesar 5,75 %. Dalam penelitian menggunakan NDVI pada band merah (R), PC2 pada band hijau (G) dan PC3 pada band biru (B) dengan komposit warna RGB- NDVI+PC23. Data Citra Satelit ASTER mampu menyadap informasi keberadaan terumbu karang di perairan, hal ini ditunjukkan dengan tingkat akurasi sebesar 92,10% seperti terdapat pada gambar.1 dibawah ini

Gambar 1. Peta Sebaran Terumbu Karang Batu Ajir dan Sekitarnya

Gambar 2. Peta Sebaran Terumbu Karang Mangkok di Perairan Bunati dan sekitarnya

KESIMPULAN

Salah satu penginderaan jauh yang digunakan dalam metode penelitian adalah citra satelit Landsat 7 ETM + Data Citra Satelit ASTER yang mampu menyadap informasi keberadaan terumbu karang di perairan, hal ini ditunjukkan dengan tingkat akurasi sebesar 92,10%. Indeks vegetasi NDVI didasarkan pada pengamatan bahwa permukaan yang berbeda-beda merefleksikan berbagai jenis gelombang cahaya yang berbeda-beda. Vegetasi yang akfif melakukan fotosintesis akan menyerap sebagian besar gelombang merah sinar matahari dan mencerminkan gelombang inframerah dekat lebih tinggi. Vegetasi yang sudah mati atau stres (kurang sehat) lebih tinggi. Vegetasi yang sudah mati atau stres (kurang sehat) lebih banyak mencerminkan gelombang merah dan lebih sedikit pada gelombang inframerah dekat.

Model Principal Component Analysis (PCA) yang dikombinasikan dengan algoritma NDVI dapat secara cepat mendeteksi keberadaan ekosistem terumbu karang. Pengolahan data yang diintegrasikan dengan Sistim Informasi Geografis (SIG) dapat digunakan untuk deteksi kesehatan terumbu karang dalam rangka penyusunan tata ruang pesisir dan dapat digunakan pada wilayah pesisir secara keseluruhan.

DAFTAR PUSTAKA

Mario Putra Suhana, 2015. Jurnal Pemetaan Sebaran dan Kondisi Terumbu Karang dengan Memanfaatkan Citra Satelit Quickbird, Landsat-TM, EO-1 Hyperion dan ALOS-AVNIR. Pascasarjana Ilmu Kelautan, Institut Pertanian Bogor

(4)

Prasetyo, dkk, 2016. Jurnal Pemetaan Terumbu Karang dan Magrove Untuk Pertahanan Pantai Dengan Menggunakan Teknologi Penginderaan Jauh dan Sistem Informasi Geografis (Kasus Daerah Biak, Papua). Sekolah Tinggi Teknologi Angkatan Laut (STTAL), Jakarta

Sulistyo, B. 2017. The Accuracy Of The Outer Boundary Delineation Of Coral Reef Area Derived From The Analyses Of Various Vegetation Indices Of Satellite Landsat Thematic Mapper. B i o d i v e r s i t a s , Vol. 18 Hal 351-358

Sulistyo B, 2007, Uji Ketelitian Identifikasi Penyebaran Terumbu Karang Berdasarkan Landsat TM Studi Kasus di Pulau Enggano, Kab. Bengkulu Utara. Majalah Geografi Indonesia 212: 191-203

Gambar

Gambar 2. Peta Sebaran Terumbu Karang Mangkok di Perairan Bunati dan sekitarnya

Referensi

Dokumen terkait

Berdasarkan hasil penelitian tentang analisis perubahan kerapatan vegetasi dengan menggunakan citra penginderaan jauh berupa citra Landsat tahun perekaman 1989,

Citra Formosat dipilih penulis dalam penentuan model konservasi, karena satelit ini merupakan satelit observasi bumi yang memiliki resolusi spasial cukup tinggi yaitu

Berdasarkan data citra satelit Landsat 5 TM dan Landsat 7 ETM+ dinamika kawasan mangrove di Kabupaten Pamekasan selama 13 tahun terakhir berkurang sebesar 55,1 Ha yaitu

Inventarisasi kondisi biofisik lahan menggunakan citra penginderaan jauh (ASTER dan Landsat 7 ETM+) dan data sekunder (peta RBI, peta Tanah dan data hujan) untuk

Pada penelitian ini diuraikan hasil dan analisis dari penelitian berupa temuan hasil dari pengolahan data citra landsat 7 ETM+ dengan metode supervised classification,

Aplikasi yang dibuat adalah aplikasi yang dapat menerima input berupa data penginderaan jauh yaitu citra satelit Landsat 8 OLI and TIRS dan file metadata.. Rumus-rumus dan

Aplikasi yang dibuat adalah aplikasi yang dapat menerima input berupa data penginderaan jauh yaitu citra satelit Landsat 8 OLI and TIRS dan file metadata.. Rumus-rumus dan

Citra satelit Landsat merupakan produk penginderaan jauh dari NASA yang bisa diakses dan diperoleh dengan mudah dapat digunakan untuk penelitian tingkat sedimentasi