Pengaruh Resolusi Spasial Citra Drone Multispektral Terhadap Efektivitas Pemetaan Habitat Bentik Di Pulau Panggang, Kepulauan Seribu

Abstract

Habitat bentik merupakan suatu ekosistem perairan dangkal yang mencakup padang lamun, makroalga, rumput laut, terumbu karang hidup, serta karang mati dengan substrat pasir, lumpur, dan pecahan karang. Pemantauan habitat bentik sangat penting dilakukan karena ekosistem ini memiliki berbagai manfaat ekologis dan ekonomis. Salah satu bentuk pemantauan awal yang dapat dilakukan yaitu dengan pemetaan habitat bentik. Saat ini, drone merupakan salah satu teknologi yang efektif dan efisien untuk pemantauan habitat bentik. Namun, keberhasilan dalam pemetaan habitat bentik menggunakan drone dipengaruhi oleh beberapa faktor seperti resolusi spasial, faktor lingkungan, pemilihan metode pengolahan citra yang tepat, dan waktu komputasi yang efisien. Studi ini bertujuan untuk mengevaluasi pengaruh perbedaan resolusi spasial, penggunaan band dan penggunaan algoritma terhadap hasil klasifikasi habitat bentik. Pengambilan data lapang dilakukan pada tanggal 19 Mei 2024 sampai 23 Mei 2024 di Pulau Panggang, Kepulauan Seribu, Provinsi DKI Jakarta. Pengambilan data habitat bentik dilakukan menggunakan teknik purposive random sampling dan pengambilan data citra dilakukan menggunakan teknologi drone DJI Phantom 4 Multispectral. Kelas habitat yang diidentifikasi yaitu kelas habitat bentik seperti macroalgae (MA), coral with alga (CA), dead coral with alga (DCA), live coral (LC), seagrass (SG), sand (S), dan rubble (R). Metode analisis data yang digunakan dalam penelitian ini adalah pixel based analysis (PBIA) dengan menerapkan agregasi spasial kelipatan lima dari citra aslinya. Algoritma klasifikasi yang digunakan dalam penelitian ini yaitu support vector machine (SVM), random forest (RF) dan extreme gradient boosting (XGBoost). Hasil pemetaan habitat bentik menggunakan citra drone multispektral dan RGB menunjukkan bahwa penurunan resolusi spasial dapat meningkatkan efektivitas pemetaan. Penurunan resolusi menyebabkan ukuran data citra berkurang signifikan, sehingga waktu komputasi menjadi jauh lebih efisien pada semua algoritma. Secara bersamaan, nilai overall accuracy (OA) justru meningkat, dengan nilai tertinggi yaitu hasil klasifikasi menggunakan algoritma XGBoost yaitu 91,80% pada citra multispektral dan 90,98% pada citra RGB. Hal ini disebabkan oleh resolusi yang sangat tinggi (6 cm) yang cenderung menangkap variabilitas spektral skala mikro seperti noise dan heterogenitas substrat yang menurunkan konsistensi klasifikasi. Sebaliknya, resolusi yang lebih kasar menghasilkan agregasi piksel yang meningkatkan homogenitas spektral, sehingga klasifikasi menjadi lebih stabil dan akurat.