Aplikasi Berbagai Algoritma untuk Pemetaan Ekosistem Padang Lamun Menggunakan Data Citra Satelit Resolusi Tinggi di Perairan Sulawesi Selatan

Abstract

Ekosistem lamun memiliki peranan yang sangat penting di perairan pesisir dan bersifat dinamis terhadap perubahan lingkungan. Perubahan lingkungan dapat mempengaruhi pertumbuhan, kesehatan, dan luasan tutupan lamun. Untuk mengetahui dinamika ekosistem lamun, diperlukan suatu pemantauan atau monitoring terhadap kondisi ekosistem lamun dan hal ini dapat dilakukan melalui pemetaan sebaran ekosistem lamun menggunakan teknologi penginderaan jauh. Pemetaan dengan menggunakan data satelit menjadi pilihan yang efektif untuk mengetahui dinamika luasan dan sebaran ekosistem lamun di perairan Indonesia. Tujuan penelitian ini adalah (1) mengetahui sebaran jenis dan luasan ekosistem lamun di perairan Sulawesi Selatan, (2) mempelajari dinamika sebaran dan luasan ekosistem lamun di perairan Sulawesi Selatan, (3) membandingkan beberapa metode klasifikasi berbasis piksel dan objek untuk meningkatkan akurasi pemetaan dinamika ekosistem lamun, dan (4) menghasilkan peta kondisi tutupan dan luasan ekosistem lamun di perairan Sulawesi Selatan. Penelitian ini dilaksanakan di perairan Sulawesi Selatan khususnya di sekitar perairan pulau Pajenekang dan pulau Gusung. Pengambilan data lapangan dilakukan padan bulan Agustus-September 2018. Citra satelit yang digunakan adalah SPOT 6 dengan waktu akuisisi 2 September 2013, 14 Oktober 2016, dan SPOT 7 dengan waktu akuisisi 26 Desember 2015, 27 Maret 2017, dan 21 Agustus 2018. Data hasil klasifikasi citra satelit dan data lapangan dianalisis untuk melihat perubahan luasan dan kondisi dari ekosistem lamun dengan menggunakan metode klasifikasi berbasis piksel dan objek. Metode klasifikasi berbasis piksel dan objek kemudian diabandingkan dan diuji dengan beberapa algoritma klasifikasi seperti Support Vector Machine (SVM), Bayesian, K-Nearest Neighbour (KNN), dan Decision Tree (DT). Perbandingan kedua metode klasifikasi dan penerapan beberapa algoritma klasifikasi digunakan untuk mendapatkan hasil pemetaan lamun yang lebih akurat. Berdasarkan hasil peneltiian, ditemukan 5 jenis lamun yaitu Enhalus acoroides, Thalassia hemprichii, Cymodocea rotundata, Syringodium isoetifolium, dan Halodule uninervis di perairan sekitar pulau Pajenekang dan 7 jenis lamun yaitu Enhalus acoroides, Thalassia hemprichii, Cymodocea rotundata, Syringodium isoetifolium, Halodule uninervis, Halophila ovalis dan Thalassodendron ciliatum di sekitar perairan pulau Gusung, perairan Sulawesi Selatan. Klasifikasi pemetaan ekosistem habitat bentik (level 2) dan habitat (tutupan) lamun (level 3) menggunakan metode OBIA dengan perlakuan koreksi kolom air dan tanpa koreksi kolom air serta menggunakan beberapa algoritma klasfikasi (SVM, Bayes, KNN, dan DT) menunjukkan hasil nilai tingkat akurasi yang tidak berbeda nyata. Namun demikian, dari empat algoritma yang digunakan, algoritma Bayes tanpa koreksi kolom air memberikan nilai akurasi tertinggi untuk pemetaan habitat bentik (level 2) sebesar 70,36% dan habitat (tutupan) lamun (level 3) sebesar 66,47%. Perbandingan klasifikasi OBIA dan piksel pada kedua lokasi penelitian menghasilkan akurasi optimum pada OBIA menggunakan algoritma Bayes. Hal ini dikarenakan OBIA dapat mengklasifikasikan objek tidak hanya dari aspek spektral, tetapi juga dapat mengkelaskan secara spasial. Selain itu klasifikasi OBIA dapat meningkatkan segmentasi objek dalam mengakomodasi data yang memiliki tingkat heterogenitas tinggi. Hasil penelitian ini juga menunjukkan terjadinya perubahan luasan lamun yang ditandai dengan berkurangnya luasan lamun di sekitar perairan pulau Pajenekang sebesar 6,4 % dengan koreksi kolom air, 7,6% tanpa koreksi kolom air dan di sekitar perairan pulau Gusung sebesar 10,8% dengan koreksi kolom air, 11,8% tanpa koreksi kolom air selama 5 tahun terakhir (2013-2018).