Pemetaan Habitat Bentik Berbasis Objek Menggunakan Citra Unmanned Aerial Vehicle (UAV) dan Satelit Sentinel-2 di Perairan Pulau Wangi-wangi Kabupaten Wakatobi.

Abstract

Wakatobi tersusun dari gugusan pulau-pulau dengan empat pulau utama (Wangi-wangi, Kaledupa, Tomia, dan Binongko) dan memiliki kompleksitas habitat bentik yang sangat tinggi dalam hal keanekaragaman terumbu karang dan lamun. Beberapa pemetaan habitat bentik di perairan Wakatobi telah dilakukan, namun pemetaan habitat bentik di perairan pulau Wangi-wangi masih sangat terbatas, sehingga ketersediaan data spasial habitat bentik sangat terbatas. Saat ini, pemanfaatan teknologi unmanned aerial vehicle (UAV) untuk pemetaan semakin berkembang. Teknologi UAV di bidang kelautan telah digunakan untuk memetakan dan memonitor lingkungan pesisir. Pemanfaatan data citra satelit maupun foto udara (UAV) dapat dijadikan sebagai alternatif untuk menyediakan data spasial secara efektif dan efisien. Penelitian ini bertujuan untuk memetakan habitat bentik perairan dangkal menggunakan citra UAV dan satelit Sentinel-2 dengan metode klasifikasi berbasis objek/OBIA, menghitung tingkat akurasi dari penggunaan citra UAV dan Sentinel-2, serta membandingkan hasil analisis citra UAV dan Sentinel-2 untuk memetakan habitat bentik perairan dangkal di perairan pulau Wangi-wangi Kabupaten Wakatobi. Penelitian ini dilaksanakan di perairan pulau Wangi-wangi khususnya di perairan Sombu Dive dan sekitarnya. Pengambilan data habitat bentik dan akuisisi citra UAV dilaksanakan pada bulan Februari - April 2017. Selain citra UAV, penelitian ini juga menggunakan citra Sentinel-2. Metode penelitian terdiri dari pengamatan habitat bentik, klasifikasi citra berbasis objek (object based image analyses/OBIA), dan uji akurasi. Metode OBIA diterapkan dengan teknik klasifikasi multiskala dengan algoritma multiresolution segmentation (MRS) yang dibagi menjadi 2 level yaitu reef level (level 1) dan habitat bentik (level 2). Skala segmentasi yang digunakan untuk citra UAV pada level 1 yaitu 200 dan citra Sentinel-2 pada level 1 yaitu 5. Pada level 2 dilakukan optimasi skala segmentasi secara berturut-turut 25, 50, 60, 70, 100 untu citra UAV dan 1.0, 1.5, 2.0, 2.5 untuk citra Sentinel-2. Klasifikasi habitat bentik dilakukan pada 12 dan 9 kelas menggunakan algoritma klasifikasi yaitu support vector machine (SVM), decision tree (DT), Bayes, dan k-nearest neighbour (KNN) dengan input data lapangan. Berdasarkan uji akurasi hasil klasifikasi habitat bentik pada citra UAV diperoleh total akurasi terbaik sebesar 77.4% (12 kelas) dan 81.1% (9 kelas) pada skala segmentasi 50 dengan algoritma SVM. Hasil klasifikasi citra Sentinel-2 diperoleh total akurasi terbaik sebesar 60.4% (12 kelas) dan 64.1% (9 kelas) pada skala segmentasi 2.0 dengan algoritma SVM. Metode klasifikasi berbasis objek (OBIA) dengan algoritma SVM mampu memetakan dengan baik habitat bentik di perairan pulau Wangi-wangi, Wakatobi pada 12 dan 9 kelas menggunakan citra UAV dan Sentinel-2.