Pengkajian Algoritma Indeks Vegetasi Dan Metode Klasifikasi Mangrove Dari Data Satelit Landsat-5 TM Dan Landsat-7 ETM+ (Studi Kasus Di Kabupaten Berau, Kalimantan Timur)

Abstract

Pemantauan mangrove dengan cara konvensional sangat sulit dilakukan karena kondisi lapangan menjadi hambatan yang besar bagi pelaksanaan survei. Penginderaan jauh merupakan alternatif dalam menjawab masalah-masalah yang berhubungan dalam manajemen mangrove. Tujuan studi ini adalah melakukan validasi data penginderaan jauh pada data Landsat-5 TM dan Landsat-7 ETM+, untuk menduga kerapatan kanopi mangrove, selain itu studi ini juga membandingkan dua metode klasifikasi, yaitu metode maximum likelihood dan neural network back propagation dalam memetakan mangrove. Hasil yang diperoleh menunjukkan bahwa transformasi indeks vegetasi yang paling baik untuk mangrove di Kabupaten Berau, Kalimantan Timur adalah green normalized difference vegetation index (GNDVI). Model matematis hasil principal component analysis (PCA) dalam menduga kerapatan kanopi mangrove adalah {2,5180 (-0,522x2 – 0,497x3 – 0,470x4 – 0,510x5)} + {1,3057 (-0,462x2 – 0,515x3 – 0,548x4 – 0,469x5)}. Klasifikasi neural network back propagation memiliki akurasi yang lebih baik dibandingkan klasifikasi maximum likelihood, dengan overall accuracy sebesar 85.61%.