3. Ubah foto menjadi 8-bit Image >> Type >> 8-bit
4. Pisahkan langit dan tutupan mangrove Image >> Adjust >> Threshold
5. Pisahkan nilai digital pixel langit dan tutupan kanopi mangrove secara signifikan dan sesuaikan komposisi cahaya untuk memperoleh akurasi ratio dua tipe digital pixel tersebut yang lebih tepat. Pada kotak Threshold, sesuaikan scrool kedua (ke kiri atau kanan) sampai memperoleh komposisi yang tepat, kemudian tekan Apply (Default:B/W).
Gambar 27. Identitas foto sedikit mengalami perubahan. Warna RGB telah berubah menjadi 8-bit dan ukuran menyusut menjadi 11 MB. Warna gambar berubah menjadi abu-abu/grayscale.
Gambar 28. Perubahan hanya terjadi pada tampilan gambar, menjadi putih (langit) dan hitam (tutupan mangrove) namun nilai digital pixel masih beragam.
6. Dihitung banyaknya pixel yang bernilai 255 sebagai intepretasi tutupan mangrove Analyze >> Histogram
7. Ketika menekan Histogram, bisa juga memunculkan mode: 0 yang merupakan representasi dari jumlah pixel langit. Dibutuhkan ketelitian dalam melihat apakah histogram akan memunculkan mode 255 atau 0. Kesalahan mengintepretasikan Histogram, akan mengakibatkan kesalahan hasil pemantauan. Untuk keperluan analisis selanjutnya, nilai pixel kanopi harus dihitung terlebih dahulu dengan persamaan:
Pixel Kanopi (255) = Jumlah Seluruh Pixel (Count) – Jumlah Pixel Langit (Mode: 0) Gambar 29. Perubahan terjadi pada identitas foto dari hanya 8-bit menjadi 8-bit
(inverting LUT). Saat ini nilai digital pixel langit = 0 (nol) dan jauh berbeda dengan nilai digital pixel tegakan = 255.
Gambar 30. Jumlah pixel yang bernilai 255 pada foto contoh tersebut adalah 10.845.715 pixel
Contoh:
8. Persentase tutupan mangrove merupakan perbandingan dari jumlah pixel yang bernilai 255 (P255) dengan jumlah seluruh pixel (∑P) dikali 100%.
% tutupan mangrove = P255/∑P * 100%
Pada contoh sebelumnya:
P255 = 10.845.715 pixel.
∑P = 12.000.000 pixel
Sehingga, % tutupan kanopi = 10.845.715/12.000.000 x 100% = 90,381 %
Catatan: Tidak semua kamera memiliki jumlah pixel yang sama tergantung dari tipe, merek dan pengaturan awal kamera. Kamera yang memiliki spesifikasi kualitas foto 12 MP, maka pada kondisi pengaturan normal ∑P = 12 juta pixel. Namun apabila diatur ulang kualitas fotonya menjadi 3 MP, maka ∑P = 3 juta pixel.
9. Untuk mempermudah analisis, telah dibuatkan ”template_analisis Vegetasi” dan sheet
”%cover” pada program Microsoft Excel (Gambar 32). Seluruh nilai pixel pada setiap foto dimasukan ke dalam masing – masing kolom yang disediakan. Pada template ini, tim pemantau/pengolah data hanya perlu memasukkan jumlah pixel 255 (P255) ke dalam kolom P255, maka persentase tutupan mangrove pada foto tersebut akan terhitung secara otomatis.
Template ini dapat di download secara gratis dari website COREMAP LIPI, http://www.
coremap.lipi.go.id atau pengajuan template bisa melalui email ke iwayanekadharmawan@
gmail.com.
10. Nilai rata-rata persentase tutupan dihitung dengan formula “=average()”, sedangkan nilai standar deviasi ditentukan dengan formula ”=stdev()”. Data yang digunakan dalam seluruh penghitungan adalah seluruh foto dalam stasiun tersebut.
Gambar 31. Mode: 0 adalah tutupan pixel langit.
Untuk mendapatkan pixel kanopi (P255) maka nilai seluruh pixel (5.038.838) dikurangi pixel langit (2.743.947), yaitu: 2.294.891.
11. Nilai rata-rata dan standar deviasi dirangkai dengan menambahkan tanda ”±” diantara keduanya, misalnya: 92.47±2.45% untuk dimasukkan ke dalam sheet “Tabel Besar” dalam template yang sama.
Gambar 32. Data yang telah dimasukkan ”Template_analisis Vegetasi” dan sheet ”%cover”.
Gambar 33. Rata-rata dan standar deviasi yang telah dimasukkan ke dalam “Tabel Besar” pada
”Template_analisis Vegetasi”.
ANALISIS DATA STRUKTUR KOMUNITAS MANGROVE
Untuk memudahkan penghitungan, telah disediakan form/template analisis dalam perangkat lunak Microsoft Excel. Pemilihan Microsoft Excel sebagai aplikasi analisis data pemantauan mangrove disebabkan karena kemudahan pemakaian dan perangkat lunak Microsoft Excel sudah diketahui dengan cukup baik oleh masyarakat. Berikut merupakan simulasi analisis data hasil pengukuran lingkar batang mangrove:
1. Buka file “template50_10x10” pada direktori “analisis data”
2. Masukkan identitas data seperti Lokasi, Stasiun, Tanggal, Total Plot (total plot yang dibuat dalam stasiun tersebut) kemudian isi nama plot sesuai dengan penamaan yang telah disepakati di atas kolom yang mengandung nomor seperti gambar dibawah ini.
Gambar 34. Tampilan awal “template50_10x10”
Gambar 35. Input data identitas stasiun pemantauan NTNM01 di Pulau Sedanau, pengambilan data tanggal 23 Agustus 2017 dengan jumlah plot permanen sebanyak 6 plot (NTNM01.01 sampai NTNM01.06)
3. Sebelum memasukkan data keliling batang hasil pengukuran, dipilih jenis yang hendak dimasukkan datanya. Lihat daftar keseluruhan jenis mangrove dengan menekan , dicentang jenis yang diinginkan dan “OK”. Ilustrasinya sebagai berikut, yaitu ketika ingin memasukkan data keliling batang Rhizophora apiculata:
4. Masukkan seluruh angka keliling batang mangrove pada kolom plot sesuai dengan jenis mangrove yang dicatat dan lokasi plot terdapatnya jenis tersebut.
5. Identifikasi jumlah jenis, nilai kerapatan pohon (k) dan indeks nilai penting setiap jenis (INP) dapat dilihat pada sheet (lembar kerja) “vegetasi”.
Gambar 36. Langkah-langkah pemilihan jenis mangrove yang ingin dimasukkan data kelilingnya. a) tampilan awal; b) daftar seluruh jenis; c) pilih satu jenis yang diinginkan (contoh: Rhizophora apiculata; dan d) tampilan setelah pemilihan jenis.
Gambar 37. Tampilan pemasukan seluruh data keliling batang Rhizophora apiculata.
6. Nilai kerapatan (k)merupakan angka dalam keseluruhan plot berukuran 10m x 10m. Untuk mendapatkan satuan “pohon/ha” maka harus dikonversi dengan persamaan:
K spesies ke-i (pohon/ha) = nilai k-spesies ke-i*10.000/[plot (n)*luas plot]
Ktotal (pohon/ha) = nilai k_total*10000/n
Contoh, pada point 5 diatas,
Nilai kerapatan Rhizophora apiculata dalam “vegetasi”= 43 pohon pada keseluruhan enam plot pemantauan yang masing-masing berukuran 100 m2 atau dipersingkat 43 pohon/600m2. Untuk mendapatkan satuan dalam hektar, maka :
K R.apiculata = 43x10000 : (6*100)
= 430000/600
= 716.67 pohon/ha
= 717 pohon/ha (ditulis tanpa angka dibelakang koma)
Penghitungan kerapatan jenis lainnya dilakukan dengan cara yang sama dengan contoh di atas.
Sedangkan, nilai Ktotal dalam Gambar 38 adalah 66 pada 6 plot pemantauan yang berukuran masing-masing 100 m2 sehingga kerapatannya adalah 66 pohon/600 m2. Untuk mendapatkan satuan hektar, maka dilakukan langkah-langkah berikut:
K total = 66x10000 : (6*100)
= 660000/600
= 1100 pohon/ha ( ditulis tanpa angka dibelakang koma) 7. Dihitung nilai standar deviasi dari kerapatan pada setiap stasiun pemantauan.
- Buka sheet ”TEMPLATE”
- Filter “jenis” dan ”Select All”
Gambar 38. Tampilan sheet “vegetasi” pada template50_10x10
- Filter ”Level” dan pilih ”pohon/ha”
- Template akan menampilkan nilai kerapatan total di setiap plot dalam satuan pohon/ha dimana dalam contoh dibawah nilainya berurutan: 900,1000, 1100, 1800, 1000 dan 800.
Gambar 39. Tampilan dalam template untuk memilih semua jenis
Gambar 40. Tampilan dalam template untuk menentukan unit kerapatan yang diinginkan.
- Gunakan persamaan “=stdev(blok seluruh nilai kerapatan)” dan ENTER
- Standar deviasinya telah terhitung sebesar 358 pohon/ha Gambar 41. Nilai kerapatan telah ditampilkan pada setiap plot pemantauan
Gambar 42. Penentuan nilai standar deviasi dari kerapatan pohon dalan satu stasiun.
8. Tuliskan nilai kerapatan pada Tabel Besar (Tabel Hasil) yang dapat diperoleh dari file
”template_Analisis_Vegetasi” dengan mengikuti pola:
”rata-rata kerapatan total ± standar deviasi”.
Pada contoh di atas cara penulisan nilai kerapatan stasiun NTNM01 ke tabel hasil adalah:
1100 ± 717 pohon/ha.
9. Nilai INP juga diperlukan untuk menunjukkan jenis – jenis yang berperan penting dan dominan dalam setiap stasiun pemantauan. Oleh karena itu, jenis dengan nilai INP terendah dan tertinggi digunakan dalam Tabel Besar atau Tabel Hasil. Nilai INP dapat diperoleh secara langsung dalam sheet ”vegetasi” pada template50_10x10.
Gambar 43. Nilai standar deviasi dari kerapatan pohon dalan satu stasiun telah terhitung
Gambar 44. Nilai INP (kotak merah) dalam template50_10x10 dengan data telah dianalisis, dimana menunjukkan nilai INP terbesar adalah jenis R. apiculata (169,25%) dan yang terendah adalah jenis C. tagal (59,46%).
10. Format penulisan dalam Tabel Besar adalah pada kolom ”Max” diisi dengan jenis dan INP terbesar dengan cara: ”RA: 169,25%”. Pada kolom ”Min” diisikan dengan jenis dan INP terendah dengan format: ”CT: 59,46%”.
11. Setelah dianalisis kerapatan dan INPnya serta dimasukkan ke Tabel Besar dalam ”template_
analisis Vegetasi”, akan terlihat seperti gambar dibawah ini.
PENYAJIAN ANALISIS TAHUNAN
Penulisan hasil analisis akhir kondisi komunitas mangrove dalam Tabel Besar untuk kemudian digunakan dalam Laporan Kegiatan disajikan dalam Tabel 4.
Gambar 45. Kolom yang dilengkapi dalam Tabel Besar dengan memasukkan hasil analisis yang terlah diperoleh berkaitan dengan kondisi komunitas mangrove.
Tabel 4. Contoh penulisan data hasil akhir hasil pemantauan kondisi komunitas mangrove, studi kasusnya di Kabupaten Lingga.
Analisis Data Multi Tahun
Data multi tahun yang ditampilkan dalam laporan adalah komponen utama yang menjadi target kegiatan. Misalnya, pada kegiatan COREMAP-CTI, persentase tutupan kanopi komunitas menjadi indikator utama yang digunakan dalam menentukan kesehatan komunitas mangrove.
Contoh penyajiannya dapat dilakukan seperti Gambar 46. Namun, jika dibutuhkan data lainnya, seperti kerapatan dan jumlah spesies dapat dianalisis dengan metode yang sama. Multidimensional scaling (MDS: Gambar 47), Analysis of variances (ANOVA: Gambar 48), t-test (antar 2 tahun), dan analisis lainnya juga dapat dilakukan, tergantung dari kebutuhan dari program atau tujuan awal kegiatan.
Gambar 46. Contoh penyajian analisis multi tahun (2015. 2016 dan 2017) pada data persentase tutupan kanopi mangrove, studi kasus yang digunakan adalah data Kabupaten Biak.
Gambar 47. Contoh analisis ordinasi dengan MDS dengan software Primer 7, jika dibutuhkan dalam tujuan yang dijalankan.
INTERPRETASI HASIL DAN PENENTUAN KONDISI KOMUNITAS MANGROVE
Hasil analisis menghasilkan nilai kerapatan dalam satuan pohon/ha dan persentase tutupan dalam satuan persen (%). Hasil tersebut dapat digunakan untuk menggambarkan status kondisi hutan mangrove yang dikategorikan menjadi tiga, yaitu jarang, sedang dan padat berdasarkan standar Pemerintah Indonesia melalui Keputusan Menteri Lingkungan Hidup No. 201 tahun 2004 dalam Tabel 5.
Jika dalam program atau tujuan kegiatan dari dua komponen tersebut ada yang lebih diutamakan, maka komponen utama tersebut yang dijadikan acuan kondisi kesehatan komunitas. Misalnya, dalam program COREMAP-CTI, nilai persentase tutupan kanopi digunakan sebagai komponen utama dalam penentuan kondisi kesehatan komunitas mangrove dimana merupakan indikator masuknya pengaruh kegiatan antropogenik dalam kawasan. Maka, nilai kondisi kesehatan mangrove ditentukan dari besaran nilai tutupannya.
Gambar 48. Contoh analisis ANOVA dengan SPSS 17 pada studi kasus data Kabupaten Lingga
Tabel 5. Standar baku kerusakan hutan mangrove berdasarkan Keputusan Menteri Lingkungan Hidup No. 201 tahun 2004
Kriteria Penutupan (%) Kerapatan (pohon/ha)
Baik Padat ≥75% ≥1500
Sedang 50% – 75% 1000 – 1500
Rusak Jarang < 50% <1000
Dalam buku ini, pemangku kepentingan/surveyor diberikan dua pilihan dalam teknik penyusunan laporan, yaitu laporan singkat (1 lembar) atau laporan lengkap (formatnya bersifat konvensional).