Pemetaan Habitat Bentik di Pesisir Barat Teluk Cempi, Nusa Tenggara Barat Menggunakan Citra Sentinel-2C dengan Algoritma Random Forest

Abstract

Pesisir Barat Teluk Cempi, Kabupaten Sumbawa, Nusa Tenggara Barat, memiliki potensi sumber daya pesisir yang penting namun informasi spasial mengenai sebaran habitat bentik di kawasan ini masih terbatas. Penelitian ini bertujuan memetakan sebaran habitat bentik di kawasan tersebut menggunakan Citra Sentinel-2C melalui pendekatan Object-Based Image Analysis (OBIA) dengan algoritma Random Forest (RF) dalam mengklasifikasikan tipe habitat bentik pada kawasan pesisir. Proses dan analisis citra satelit mencakup pre- processing citra, koreksi kolom air menggunakan Depth Invariant Index (DII), segmentasi citra dengan Multi Resolution Segmentation (MRS), klasifikasi dua level, dan uji akurasi. Hasil penelitian mengidentifikasi tujuh kelas habitat bentik: karang, Dead Coral with Algae and Rocks (DCAR), alga merah, rubble, lamun, pasir, dan pasir lumpur. Luasan kelas karang mendominasi sebesar 187,43 ha, sedangkan lamun memiliki luasan terkecil sebesar 0,27 ha. Uji akurasi menggunakan confusion matrix menghasilkan Overall Accuracy sebesar 72,06% dan Koefisien Kappa sebesar 0,673 yang tergolong baik dan memenuhi ambang batas minimum akurasi pemetaan habitat bentik. Hasil ini menunjukkan bahwa integrasi OBIA dan algoritma RF pada citra Sentinel-2C efektif digunakan dalam mengklasifikasikan habitat bentik di pesisir Barat Teluk Cempi. Hasil penelitian ini dapat menjadi dasar informasi spasial untuk mendukung pengelolaan wilayah pesisir, konservasi ekosistem laut dangkal, dan pemantauan perubahan habitat bentik secara berkelanjutan di pesisir Barat Teluk Cempi.

The Western Coast of Cempi Bay, Sumbawa Regency, West Nusa Tenggara, possesses significant coastal resource potential, however spatial information regarding benthic habitat distribution in this region is limited. This study mapped benthic habitat distribution using Sentinel-2C imagery, applying an Object-Based Image Analysis (OBIA) approach combined with the Random Forest (RF) algorithm to classify benthic habitat types. The satellite image processing and analysis included image pre-processing, water column correction using the Depth Invariant Index (DII), image segmentation using Multi Resolution Segmentation (MRS), two-level classification, and accuracy assessment. Seven benthic habitat classes were identified: coral, Dead Coral with Algae and Rocks (DCAR), red algae, rubble, seagrass, sand, and muddy sand. Coral was the most extensive class, covering 187.43 ha, while seagrass was the least extensive at 0.27 ha. Accuracy assessment using a confusion matrix produced an overall accuracy of 72.06% and a kappa coefficient of 0.673, which is considered good and meets the minimum accuracy threshold for benthic habitat mapping. These findings indicate that integrating OBIA and the RF algorithm with Sentinel-2C imagery is effective for classifying benthic habitats in the Western Coast of Cempi Bay. The study's results provide a foundation for spatial information to support coastal zone management, shallow marine ecosystem conservation, and ongoing monitoring of benthic habitat changes in the region.