Klasifikasi Habitat Dasar Perairan Dangkal Berbasis Objek dan Piksel Menggunakan Citra Multispektral Sentinel-2 dan dengan Aplikasi Berbagai Algoritma di Perairan Pulau Lancang dan Karang Lebar

Abstract

Pemanfaatan pengindraan jauh untuk mendeteksi atau memetakan wilayah pesisir dengan klasifikasi berbasis objek dan piksel dapat menghasilkan informasi yang berguna. Penelitian ini bertujuan untuk memetakan habitat dasar perairan dangkal menggunakan metode object based image analyses (OBIA) dan piksel dengan algoritma support vector machine (SVM), decision tree (DT), random forest (RF), k-nearest neighbour (KNN), dan maximum likelihood (MLH) di Pulau Lancang dan Karang Lebar. Pengamatan lapang dilakukan di perairan perairan Pulau Lancang dan Karang Lebar, Kabupaten Administrasi Kepulauan Seribu, DKI Jakarta, pada bulan Maret 2020. Bahan yang digunakan adalah citra multispektral Sentinel-2 dengan resolusi spasial 10x10 meter yang diakuisisi pada tanggal 10 Maret 2020. Metode penelitian yang digunakan terdiri pra-pemrosesan citra (masking dan koreksi atmosferik), pengamatan habitat bentik, klasifikasi citra metode OBIA dan berbasis piksel, serta uji akurasi. Penerapan metode OBIA dilakukan dengan teknik klasifikasi multiskala yang dibagi menjadi 2 level yaitu reef level (level 1) dan habitat bentik (level 2). Skala segmentasi yang digunakan adalah skala 50 pada level 1 lalu pada level 2 menggunakan skala 10 untuk perairan Pulau Lancang dan skala 15 untuk perairan Karang Lebar. Algoritma machine learning diterapkan pada klasifikasi level 2. Skema klasifikasi yang digunakan menghasilkan enam kelas habitat bentik yaitu karang, lamun, pasir, pasir lamun, pasir rubble dan rubble. Akurasi keseluruhan tertinggi klasifikasi metode OBIA di perairan Karang Lebar adalah 84,26% menggunakan algoritma SVM, lalu akurasi keseluruhan tertinggi pada klasifikasi metode piksel sebesar 74,54% menggunakan algoritma SVM. Di perairan Pulau Lancang didapatkan hasil akurasi keseluruhan tertinggi untuk klasifikasi metode OBIA adalah 80% dengan algoritma SVM dan 72,38% pada klasifikasi berbasis piksel menggunakan algoritma SVM. Kelas habitat karang mendominasi perairan pulau Lancang dan tersebar pada tubir perairan, sedangkan kelas habitat rubble yang memiliki luas area terkecil dan tersebar di bagian utara pulau Lancang. Kelas habitat pasir mendominasi dan tersebar hampir merata pada seluruh bagian perairan dangkal Karang Lebar. Kelas habitat rubble pada perairan Karang Lebar memiliki luas terkecil dan tersebar pada utara perairan Karang Lebar. Penerapan algoritma machine learning pada klasifikasi metode OBIA secara umum mampu memberikan nilai akurasi yang lebih tinggi dibandingkan dengan klasifikasi berbasis piksel. Algoritma SVM menghasilkan tingkat akurasi yang lebih tinggi dibandingkan algoritma lainnya. Nilai akurasi yang lebih tinggi di perairan Karang Lebar dibandingkan nilai akurasi di perairan pulau Lancang disebabkan tingkat kekeruhan di perairan Pulau Lancang lebih tinggi dibandingkan perairan Karang Lebar.