Klasifikasi Mangrove Berbasis Objek dan Piksel Menggunakan Citra Satelit Multisensor di Sungai Liong, Bengkalis, Provinsi Riau

Abstract

Mangrove merupakan salah satu sumberdaya pesisir yang memiliki fungsi sebagai sistem ekologis dan sumber ekonomi. Upaya perlindungan dan pengelolaan ekosistem mangrove perlu menjadi perhatian serius dari berbagai pihak. Data pengindraan jauh telah terbukti secara luas dalam memantau dan memetakan ekosistem mangrove yang terancam. Penelitian ini dilaksanakan di kawasan mangrove Sungai Liong, Pulau Bengkalis, Provinsi Riau. Pengamatan lapang dilaksakan pada bulan Januari- Februari 2018 menggunakan pesawat tanpa awak (unmanned aerial vehicle/UAV). Bahan yang digunakan pada penelitian ini yaitu: citra Sentinel-2B, seri Landsat dan data transek tahun 2013. Adapun langkah-langkah dalam penelitian ini, yaitu: (i) persiapan data, (ii) pra pengolahan data pengindraan jauh, (iii) rancangan pengambilan data lapangan, (iv) survei lapangan, (v) skema klasifikasi untuk pemetaan mangrove, (vi) pemetaan mangrove (vii) uji akurasi (viii) deteksi perubahan tutupan mangrove. Skema klasifikasi penutup lahan pada penelitian dibangun oleh 9 kelas, yaitu : badan air (BA), daerah pertanian (DN), kebun karet (KT), kebun kelapa (KA), lahan terbangun (LN), mangrove (ME), semak belukar (SB), kebun kelapa sawit (KS) dan vegetasi transisi (VI). Penggunaan UAV sebagai alat untuk pengamatan tutupan lahan sangat efektif digunakan karena mampu menempuh wilayah yang sulit untuk di jangkau dan memepercepat kerja di lapangan. Sruktur komunitas mangrove sungai Liong dibangun oleh 27 spesies tumbuhan mangrove yang terdiri dari 13 spesies mangrove sejati dan 14 spesies ikutan. Rhizophora apiculata, Lumnitzera racemosa, dan Xylocarpus granatum merupakan komunitas dominan dan selalu dijumpai di lokasi studi dibandingkan dengan jenis-jenis lainnya. Berdasarkan analisis AHC, komunitas mangrove hanya mampu membentuk 2 kelas, yaitu kelas komunitas 1 dan kelas komunitas 2. Hasil akurasi keseluruhan (OA) yang diperoleh untuk klasifikasi penutup lahan berbasis objek dan piksel berturut-turut, yaitu 78,7% dan 66,9% Sedangkan akurasi keseluruhan (OA) untuk komunitas mangrove dengan teknik klasifikasi berbasis objek dan piksel berturut-turut yaitu 76,6% dan 75,0%. Sekitar 12% peningkatan akurasi keseluruhan (OA) untuk penutup lahan dengan tingkat signifikan 2,84 dan sekitar 1,6% untuk komunitas mangrove dengan metode klasifikasi berbasis objek. Hasil penelitian ini menunjukkan bahwa metode OBIA dapat menjadi pilihan yang menjanjikan untuk pemetaan mangrove. Berdasarkan deteksi perubahan penutup lahan mangrove, kawasan mangrove Sungai Liong mengalami penurunan dari tahun ke tahun. Penurunan tersebut disebabkan oleh faktor antropogenik dan faktor alam. Sekitar 4,2% penurunan mangrove dari tahun 1990 ke tahun 2017. Ekploitasi mangrove terbesar tejadi pada tahun 2007 dengan laju penurunan sebesar 31,5%.