Klasifikasi Habitat Bentik Perairan Laut Dangkal Berbasis Piksel dan Objek Menggunakan Citra Multispektral Resolusi Spasial Tinggi dan Menengah

Abstract

Informasi tentang habitat bentik perairan laut dangkal memiliki peran utama dalam peningkatan perencanaan spasial dan strategis khususnya di wilayah pesisir. Salah satu metode yang efektif digunakan untuk mendapatkan informasi habitat bentik suatu wilayah adalah melalui pendekatan penginderaan jauh. Pemetaan habitat bentik melalui pendekatan penginderaan jauh dewasa ini cukup menantang dan terus berkembang dalam hal peningkatan tingkat akurasi hasil klasifikasi. Tingkat keakuratan peta yang dihasilkan tergantung dari pemilihan citra, algoritma, dan metode klasifikasi yang digunakan. Penelitian ini bertujuan untuk menguji performa algoritma klasifikasi berbasis piksel dan objek dalam memetakan habitat bentik perairan laut dangkal menggunakan citra multi skala yaitu Sentinel-2 dan SPOT-7 baik dengan koreksi kolom air menggunakan algoritma Depth Invariant Index (DII) dan tanpa koreksi kolom air di Pulau Barrang Caddi dan Barrang Lompo. Penelitian ini dilakukan di perairan laut Sulawesi Selatan khususnya di sekitar perairan laut dangkal Pulau Barrang Caddi dan Barrang Lompo. Metode penelitian terdiri dari pengambilan data di lapangan, klasifikasi citra berbasis piksel dan objek, dan uji akurasi. Pengambilan data lapangan dilakukan pada bulan Januari 2022. Citra satelit yang digunakan adalah citra Sentinel-2 dengan waktu perekaman citra 1 Oktober 2021, dan SPOT-7 dengan waktu perekaman citra 10 Agustus 2021. Klasifikasi habitat bentik dilakukan pada tujuh kelas di Pulau Barrang Caddi dan enam kelas di Pulau Barrang Lompo menggunakan beberapa algoritma klasifikasi. Algoritma klasifikasi yang digunakan adalah Bayesian, K-Nearest Neighbor (K-NN), dan Support Vector Machine (SVM) berbasis objek, serta Maximum Likelihood (MLH), Fuzzy Logic, dan Support Vector Machine (SVM) berbasis piksel. Sebaran spasial habitat bentik di perairan laut dangkal Pulau Barrang Caddi dan Pulau Barrang Lompo memiliki komponen dengan persentase tutupan yang beragam. Di Pulau Barrang Caddi, Karang Hidup merupakan objek dominan dengan persentase tutupan 27%, diikuti oleh Pasir (20%), Karang Hidup + Rubble (17%), Pasir + Lamun (15%), Makro Alga (9%), Pasir + Rubble (6%), dan Rubble (5%). Sementara itu, di Pulau Barrang Lompo, Pasir + Lamun merupakan objek dominan dengan persentase tutupan 26%, diikuti Lamun (20%), Karang Hidup (19%), Pasir (16%), Rubble (11%), dan Karang Hidup + Rubble (8%). Selain itu, dengan pendekatan berbasis objek menggunakan algoritma klasifikasi SVM pada citra SPOT-7 menghasilkan tingkat akurasi yang tertinggi di kedua lokasi penelitian. Hasil perbandingan uji akurasi algoritma klasifikasi berbasis objek dan piksel menunjukkan bahwa tingkat akurasi tertinggi adalah sebesar 78,95% dan 60,17% yang masing-masing diperoleh dari hasil klasifikasi menggunakan algoritma Support Vector Machine berbasis objek dan berbasis piksel tanpa penerapan koreksi kolom air di Pulau Barrang Lompo. Sementara itu, tingkat akurasi tertinggi di Pulau Barrang Caddi adalah sebesar 71,54% dan 63,41% yang masing-masing diperoleh dari hasil klasifikasi menggunakan algoritma Support Vector Machine berbasis objek dan berbasis piksel tanpa penerapan koreksi kolom air.