Anda di halaman 1dari 8

PEMETAAN DISTRIBUSI TERUMBU KARANG DENGAN MENGGUNAKAN DATA

SATELIT ALOS AVNIR-2 DI SEKITAR PERAIRAN SEKOTONG KABUPATEN LOMBOK


BARAT
ABSTRAK
Sukuryadi*, T. Osawa**, W. Arthana**
* SMKN I Lembar, jln. Datu Kedaru No_ Lembar Lombok Barat
** Cressos-UNUD Denpasar
Terumbu karang mempunyai nilai yang penting dari segi sosial ekonomi dan budaya, karena
hampir sepertiga dari penduduk Indonesia yang tinggal di daerah pesisir menggantungkan
hidupnya dari perikanan laut dangkal. Mereka umumnya masih menggunakan cara tradisional
dalam penangkapan dan terbatas di daerah yang relatif dangkal yang umumnya berupa terumbu
karang. Salah satu alternatif dalam memantau luasan dan kondisi terumbu karang yaitu dengan
memanfaatkan teknologi penginderaan jauh seperti satelit ALOS dengan sensor AVNIR-2
karena mempunyai 3 spektrum tampak (biru, hijau, merah) yang mampu berpenetrasi ke dalam
kolom air, juga mempunyai resolusi spasial yang cukup tinggi yaitu 10 meter.
Tujuan penelitian ini adalah: (1) untuk mengetahui tingkat akurasi citra satelit ALOS untuk
pemetaan sebaran terumbu karang dan (2) untuk mengetahui sebaran terumbu karang secara
umum di sekitar perairan Sekotong Lombok Barat.
Tahap awal pengolahan citra meliputi pemotongan citra, koreksi geometrik, dan pemisahan darat
(masking image). Pengaruh kolom air direduksi dengan algoritma Lyzenga. Proses klasifikasi
multispektral dilakukan untuk mendapatkan kategori objek dasar perairan yang terdiri dari 5
(lima) kelas yaitu: karang hidup, pecahan karang, pasir, tumbuhan air, dan substrat. Data hasil
cek lapangan digunakan untuk mengetahui tingkat ketelitian interpretasi citra. Metode Lillesand
dan Kiefer digunakan untuk uji ketelitian hasil interpretasi. Hasil uji menunjukkan tingkat
ketelitian keseluruhan klasifikasi penelitian ini adalah 84,83% (ALOS AVNIR-2 akuisisi 12
Maret 2007), 87,59% (ALOS AVNIR-2 akuisisi 29 April 2008) and 85,52% (ALOS AVNIR-2
akuisisi 14 September 2008). Hasil interpretasi citra menunjukkan luas terumbu karang di sekitar
perairan Sekotong diperkirakan sekitar 111,360 hektar (AVNIR-2 akuisisi 12 maret 2007),
243,350 hektar (AVNIR-2 akuisisi 29 april 2008), 189,560 hektar (AVNIR-2 akuisisi 14
September 2008). Umumnya terumbu karang di sekitar perairan Sekotong bertipe fringing reef
walaupun sebagian kecil terdapat patch reef (takat).
Kata kunci: Pemetaan, Sebaran terumbu karang, citra satelit ALOS
INTRODUCTION
Dewasa ini, kebutuhan akan data dan informasi yang cepat dan akurat cakupan wilayah yang
cukup luas semakin mendesak. Teknologi penginderaan jauh (Inderaja) merupakan suatu
alternatif yang tepat yang untuk mendukung penyediaan informasi spasial sumber daya alam,
termasuk terumbu karang pada areal yang cukup luas (Kuchler et al. 1986 dalam
Nurjannah,1998)
Informasi mengenai objek dasar perairan dangkal merupakan informasi yang penting untuk
mengetahui tipe ekosistem pada perairan dangkal tersebut, yang pada akhirnya bermanfaat
sebagai bahan untuk pengelolaan daerah pesisir dan wilayah laut. Empat ekosistem yang menjadi
pedoman didalam pengelolaan ekosistem wilayah pesisir dan lautan antara lain; 1) ekosistem
terumbu karang, 2) ekosistem padang lamun, 3) ekosistem mangrove, dan 4) ekosistem estuaria
(Dahuri, 1996). Ekosistem terumbu karang bermanfaat sebagai peredam ombak alami,
mempertahankan garis pantai dari abrasi, sebagai sumber bahan makanan dan obat-obatan, serta
dapat dijadikan objek wisata alam. Untuk biota, ekosistem terumbu karang berperan sebagai
tempat mencari makan, perlindungan, dan sebagai daerah asuhan bagi biota pada stadia muda.
(BAKOSURTANAL, 2008)
Terumbu karang mempunyai nilai dan arti yang sangat penting baik bagi dari segi sosial
ekonomi dan budaya, karena hampir dari sepertiga penduduk Indonesia yang tinggal di daerah
pesisir menggantungkan hidupnya dari perikanan laut dangkal. Mereka umumnya masih
menggunakan cara tradisional dalam penangkapan dan terbatas di daerah yang relatif dangkal
yang umumnya berupa terumbu karang (Suharsono,1996).
Sejalan dengan perkembangan teknologi penginderaan jauh, saat ini tersedia satelit ALOS yang
memiliki 3 sensor utama yaitu: 1) PRISM yang dapat merekam pada julat gelombang tampak
dengan resolusi spasial 2.5 meter, 2) AVNIR yang dapat merekam pada julat gelombang tampak
hingga inframerah dekat dan memiliki resolusi spasial 10 meter, dan 3) PALSAR yang
merupakan sensor perekam radar (ALOS/JAXA, 2006). Dengan sensor yang dibawa pada
PRISM dan AVNIR, memungkinkan untuk melakukan identifikasi objek dasar perairan dangkal.
Data Penginderaan jauh satelit mempunyai kemampuan dan manfaat guna mendukung
tersedianya data dan informasi tentang kawasan teumbu karang. Dengan mengembangkan model
metode pengolahan dan mengkaji pemanfaatan data Penginderan jauh diharapkan dapat
mendukung penyediaan data dan informasi terbaru yang sangat bermanfaat dalam upaya
pengelolaan kawasan terumbu karang
Berdasarkan data dari Dinas Perikanan dan Kelautan (Diskanlut NTB, 2006), Perairan Sekotong
merupakan bagian dari kabupaten Lombok Barat, Nusa Tenggara Barat (NTB) yang merupakan
salah satu jalur Wallacea. Perairan Sekotong juga merupakan bagian dari Selat Lombok yang
merupakan jalur arus lintas Indonesia (Arlindo) yang tentunya juga memberikan pengaruh bagi
keanekaragaman jenis terumbu karang.
Berdasarkan hal tersebut diatas, perlu diadakan suatu penelitian tentang pemetaan terumbu
karang, dengan cara uji lapangan sehingga dapat dijadikan bahan informasi untuk mengetahui
sebaran terumbu karang melalui citra satelit, dan juga sebagai informasi menyangkut metode
kerja untuk penelitian-penelitian selanjutnya yang serupa di lokasi lainnya.
Adapun tujuan dari penelitian ini adalah : (1) Untuk memetakan distribusi terumbu karang
dengan menggunakan citra satelit ALOS AVNIR-2 di sekitar perairan Sekotong Lombok Barat,
(2) Untuk mengetahui tingkat akurasi citra satelit ALOS dalam memetakan sebaran terumbu
karang secara umum di sekitar perairan Sekotong Lombok Barat.
RESEARCH METHOD
Penelitian ini dilaksanakan selama 7 bulan dimulai dari pengumpulan data, Pengolahan citra dan
penulisan laporan akhir.
1. Pengolahan Citra
Koreksi Geometrik
Koreksi Geometrik dilakukan karena adanya kesalahan geometrik yang bisa menyebabkan
perpindahan piksel dari posisi sebenarnya. Koreksi ini dilakukan untuk meletakkan posisi objek
di citra sesuai dengan prinsip-prinsip pemetaan utamanya dalam hal skala dan proyeksi. Proses
selanjutnya adalah interpolasi nilai spektral bagi masing-masing piksel melalui proses
resampling tetangga terdekat (nearest neighbor resampling), karena tidak merubah nilai piksel
yang bersangkutan, melainkan hanya mengambil kembali nilai dari piksel terdekat yang telah
tergeser ke posisi yang baru.
Pemisahan Obyek Perairan dan Daratan (Image Masking)
Objek darat dalam penelitian ini tidak diperlukan sehingga objek darat dan laut harus dipisahkan
melalui proses masking (Image masking). Dasar citra masking ditentukan dengan melihat batas
nilai piksel antara daratan dan lautan pada citra band 4. Masking bertujuan untuk menghilangkan
nilai spektral dari daratan dan hanya menampilkan lautan saja, sehingga untuk interpretasi
selanjutnya nilai daratan tak dihitung lagi (diabaikan).
Lyzenga method application
MetodeLyzenga digunakan untuk mendapatkan tampilan citra objek dasar perairan (benthic
object) yang lebih bagus dalam hal ini terumbu karang. Penelitian ini menggunakan metode
Lyzenga (Lyzenga 1981). Pada model algoritma lyzenga menggunakan band 1, 2 dan 3.
Aplikasi formula Lyzenga sebagai berikut adalah :
dimana:
ki/kj : ratio of attenuation coefficient
Var bi : variant value band i
Var bj : variant value band j
Covar bibj : covariant value band i and j
Y : depth invariant index
ln bi : normalized image in band i
ln bj : normalized image in band j
Dari tahap ini didapatkan 3 citra baru transformasi lyzenga
Klasifikasi Multispectral
Klasifikasi citra yang dilakukan adalah klasifikasi supervised (terbimbing/teracu/terawasi) pada
citra baru hasil dari penerapan model lyzenga yang kemudian diklasifikasi ke dalam beberapa
kelas sesuai dengan data awal sebagai data acuan. Langkah ini diterapkan pada masing-masing
citra baru dari transformasi lyzenga.
2. Cek Lapangan
Tujuan cek lapangan adalah untuk menguji kebenaran dari masing-masing kelas hasil klasifikasi
pada citra.
3. Uji Ketelitian (Accuracy test) hasil interpretasi
Tujuan langkah ini adalah untuk mengetahui tingkat akurasi dan kebenaran hasil interpretasi citra
dengan mengacu pada data lapangan (land surveying). Jadi, tahap ini merupakan kegiatan
membandingkan dua data yaitu data hasil klasifikasi citra dan data in situ.
RESULTS AND DISCUSSION
Langkah pertama pengolahan citra merupakan proses awal yang bertujuan untuk memperbaiki
kualitas citra sebelum proses aplikasi metode Lyzenga dan klasifikasi. Ada 3 langkah dalam
proses awal pengolahan citra yaitu pemotongan citra (image cropping), koreksi geometrik dan
pemisahan darat dan laut (image masking).
Geometric Correction
Nilai Root Mean Square (RMS) menunjukkan tingkat akurasi ground control points (GCP).
Rata-rata RMSE dalam penelitian ini adalah 0.026. Menurut ketelitian baku peta nasional
Amerika Serikat (US national map standards), nilai RMS untuk citra harus lebih kecil daripada
setengah resolusi spasial citra yang bersangkutan (Eastman, 1997). Perubahan posisi citra
menunjukkan bahwa ada perbaikan posisi citra melalui koreksi geometrik. Karena citra hasil
koreksi geometrik akan digunakan untuk proses klasifikasi multispektral, metode resampling
yang paling tepat adalah metode nearest neighbour, dimana metode interpolasi ini hanya
mengambil kembali nilai dari piksel terdekat yang telah tergeser ke posisi baru, menurut
Danoedoro (1996) algoritma nearest neighbour lebih sesuai diterapkan pada citra saluran-
saluran asli dan juga hasil klasifikasi.
Koreksi geometrik juga memberikan informasi tentang luas masing-masing kelas objek dasar
pada areal penelitian, tidak hanya dalam piksel tetapi juga dalam satuan hektar atau are. Jadi,
proses ini akan membuat perhitungan luas masing-masing kelas dalam penelitian ini menjadi
lebih mudah.
Water Column Correction (Lyzenga Method Application)
Koreksi kolom air merupakan metode yang digunakan untuk menghilangkan pengaruh kolom
air. Pentingnya koreksi kolom air dilakukan dalam penelitian ini berdasarkan pada kenyataan
bahwa klasifikasi multispektral menggunakan citra asli (original data) tidak bisa secara maksimal
membedakan karakteristik objek bentik (benthic object) akibat pengaruh kedalaman air (water
column). Oleh karena itu, koreksi kolom air sangat diperlukan sebelum proses klasifikasi digital
untuk meminimalisir pengaruh kedalaman. Dalam hal ini ada dua teknik koreksi kolom air yaitu
: (1) Persamaan transfer radiasi, (2) Berdasarkan pendekatan citra.
Pendekatan untuk koreksi kolom air dengan teknik yang sederhana dan tingkat akurasi yang bisa
diterima. Pendekatan ini berdasarkan teknik pendekatan citra. Salah satu koreksi kolom air
berdasarkan pendekatan citra yang sering digunakan untuk pemetaan objek dasar perairan
dangkal di beberapa wilayah teritorial dunia yaitu metode Lyzenga yang dikembangkan oleh
Lyzenga (Lyzenga, 1978).
Dalam penelitian ini dilakukan koreksi kolom air dengan pendekatan citra yaitu aplikasi model
atenuasi Lyzenga.
Metode Lyzenga diterapkan setelah proses pengolahan awal citra, metode ini digunakan untuk
mendapatkan tampilan citra yang lebih bagus tentang objek dasar perairan (benthic object)
termasuk terumbu karang. Pembuatan training area dalam penelitian ini merupakan tahap
pertama aplikasi metode transformasi Lyzenga, dalam hal ini jumlah training area yang dibuat
adalah 30. Petunjuk statistik untuk pembuatan training area adalah biplot dari ln band 1 and ln
band 2 (Gambar 5.5a), ln band 1 and band 3 (Gambar 5.5b) and ln band 2 and band 3 (Gambar
5.5c). Bentuk dari masing-masing biplot menunjukkan homogenitas training area. Tabel 5.4
menunjukkan kombinasi nilai koefisien atenuasi (ki/kj) antar band.
(a) (b) (c)
Figure 5.5 Biplot training area (a) Ln Band 1 and Ln Band 2, (b) Ln Band 1 and Ln Band 3, (c)
Ln Band 2 and Ln Band 3
Table 5.4 Nilai rasio koefisien atenuasi (ki/kj)
No
Combinasi Band Nilai
1. ki/kj Band 1 Band 2 0.59684555
2. ki/kj Band 1 Band 3 0.8675677
3. ki/kj Band 2 Band 3 1.52143159
Nilai rasio koefisien atenuasi digunakan untuk menghitung nilai pada metode transformasi
Lyzenga untuk masing-masing kombinasi band. Dari aplikasi algoritma Lyzenga didapatkan 3
citra baru dengan masing-masing 2 kombinasi band yaitu kombinasi band 1 band 2 (tipe 1),
kombinasi band 1 band 3 (tipe 2) dan kombinasi band 2 band 3 (tipe 3). Gambar 5.6a, 5.6b dan
5.6c adalah tampilan citra setelah aplikasi algoritma Lyzenga dalam layer pseudocolor. Tabel 5.5
menunjukkan nilai statistik citra setelah aplikasi algoritma Lyzenga.
Gambar 5.6a. Tampilan citra setelah aplikasi algoritma Lyzenga untuk kombinasi Band 1 and
Band 2 Figure 5.6b. Tampilan citra setelah aplikasi algoritma Lyzenga untuk kombinasi Band
1 and Band 3 Figure 5.6c. Tampilan citra setelah aplikasi algoritma Lyzenga untuk kombinasi
Band 2 and Band 3
Tabel 5.5 menunjukkan nilai statistik citra setelah aplikasi algoritma Lyzenga
Kind of Image
Original Image Lyzenga Application Image
B1 B2 B3 B1 B2 B3
(B1B2 Combination) (B1B3 Combination) (B2B3 Combination)
Minimum 0 0 0 0 0 0
Maximum 217 252 255 255 255 255
Mean 94.726 57.014 34.749 184.955 186.765 187.814
Std.Dev 7.176 14.547 14.717 111.094 111.094 110.875
Klasifikasi Multispektral
Tahapan proses klasifikasi dilakukan berdasarkan kelompok objek bentik yang menyusun dasar
perairan. Kelas-kelas objek bentik ditentukan berdasarkan data in situ (land Surveying) dalam
hal ini terdiri dari 5 (lima) kelas yaitu karang hidup (life Coral), tumbuhan air (Marint plants),
pasir (sand), pecahan karang (rubble of Coral) dan substrat (Substrate).
Berdasarkan hasil klasifikasi multispektral pada masing-masing citra diperoleh 5 (lima) kelas
objek dasar perairan. Tampilan citra setelah proses klasifikasi multispektral dapat dilihat pada
gambar 5.7 (tipe 1, tipe 2, tipe 3).
gambar 5.7a. tampilan citra setelah proses klasifikasi multispektral untuk kombinasi band 1 dan
band 2 (type 1) Gambar 5.7b. tampilan citra setelah proses klasifikasi multispektral untuk
kombinasi band 1 dan band 3 (type 2). Gambar 5.7c. tampilan citra setelah proses klasifikasi
multispektral untuk kombinasi band 2 dan band 3 (type 3).
Uji Ketelitian (Accuracy Test) Hasil Klasifikasi
The aim of this step is to know the accuracy level and truth level of image interpretation result.
Two kind data that must be existed are image interpretation data and ground check data. Table
5.6 shows amount of ground check data of each class. The data of ground check have to be made
table of confusion matrix as the base of accuracy level calculation.
Table 5.6 Amount of Ground Check Data of Each Class
Classes Coral Marine Plants Sand Rubble of Coral Substrate
Amount of Ground Check
60
38
29
64
29
(Source: Ground Check Result, 2008
The image after multispectral classification process at type 1, type 2 and type 3 combinations
were figure 5.7, that shown the images with type 1 which was band 1 and band 2 combinations
was more better to separate the benthic object after Lyzenga algorithm method, Lyzenga (1981)
statement, that Lyzenga method used to get a better visual image for under water object (benthic
object). In this case benthic object including coral reef. Because of band 1 band 2 in
ALOS/AVNIR-2 Sensor are visible bands which was band 1 was blue and band 2 was green.
Thus, for image type 1 given more better visual object benthic than another combinations of
bands (Type 2 and Type 3) which shown in overall accuracy for type 1 was 87.59%, type 2 was
61.38% and type 3 was 54.48%, according to Mumby et al. (2003), that the standard detail level
of coral reef ecosystem mapping by interpretation of satellite image which could be accepted not
less in the overall accuracy is 75%.
Based on result of data analysis from 3 satellite data hence obtained level of overall accuracy
from each satellite data (ALOS AVNIR-2) that were 84.83% (ALOS AVNIR-2 data March 12th
2007), 87.59% (ALOS AVNIR-2 data April 29th 2008) and 85.52% (ALOS AVNIR-2 data
September 14th 2008). In this case indicates that ALOS AVNIR-2 data April 29th 2008 having
higher level of overall accuracy compared to 2 other satellite data (ALOS AVNIR-2 data March
12th 2007 and September 14th 2008). The difference of overall accuracy is caused by differences
of recording time of satellite and weather condition at the same region. The results show that live
coral in around Sekotong sea is estimated about 111.360 hectares (AVNIR-2 acquisitioned in
March 12th 2007), 243.350 hectare (AVNIR-2 acquisitioned in April 29th 2008), and 189.560
hectare (AVNIR-2 acquisitioned in September 14th 2008). Therefore, ALOS AVNIR-2 data
April 29th 2008 selected for mapping of coral reef using satellite around Sekotong Sea West
Lombok Regency.
CONCLUSION AND SUGGESTION
Conclusion
1. Untuk Sensor AVNIR-2, Kombinasi band 1 dan band 2 merupakan merupakan kombinasi
yang terbaik untuk mendeteksi distribusi terumbu karang dengan menggunakan metode
Tranformasi Lyzenga.
2. Tingkat akurasi keseluruhan (overall accuracy) dari hasil klasifikasi multispektral yang
diperoleh adalah 87.59% (ALOS AVNIR-2 data April 29th 2008)
3. Hasil interpretasi citra menunjukkan bahwa distribusi terumbu karang di sekitar perairan
Sekotong diperkirakan sekitar 243,35 hektar (AVNIR-2 acquisition April 29th 2008).
7.1 Suggestions
1. Kepada peneliti yang lain, To other Researchers, It is necessary to look for another method
to pick up the data of area that has the small area of coral reef by remote sensing, for example is
using the high spatial resolution of satellite.
2. For the local government, the main cause of coral reef damage is by using of explosive and
an aesthesia. Ex-location of the explosion sites are still difficult for growing coral reef naturally.
As a result, it is required the rehabilitation effort through transplantation.
3. To the local government, it is required an integrated program from various sector i.e. Non
Government Organization, the coastal society, Marines and fisheries Department in handling the
coral reef damages in West Lombok Regency like counseling and environment trainings.
Figure 4.2 Research Scheme
ACKNOWLEDGEMENT : Alhamdulillah, first of all, the writer would like to express his
grateful to Allah Subhanahu Wataala, Rab, God Almighty for His blessing and mercy which
has been given to the writer so that this research of thesis could be accomplished well. The writer
also would like to say thank you to his first Supervisor Dr. Takahiro Osawa and second
Supervisor Dr. Ir. I Wayan Arthana, MS for their guidance, suggestion, correction and
motivation during the writing of this research of thesis. He would also like to express his sincere
gratitude to the board of examiners for their contribution towards the improvement of this thesis.
The writer is very indebted with the Head of Master Program of Environmental Science,
Magister Program of Udayana University for his assistance and permission to conduct the
research. Especially to the writhers friends at Oceanography and Remote Sensing course, he
thanks them so much for their motivation, kindness and happiness which they share together
during the process of study. Finally, the writer also wants to express his thankfulness to his
family, especially to his wife and son for their love, support, and understanding. The author
realizes that this research thesis is not perfect. So the author expects the constructive suggestion
and criticism from the readers.
REFERENCES
Bakosurtanal. 2008. Island Marore and Kawio: North gate Nusantara. Cibinong: Center Sea
Natural Resources Survey Bakosurtanal.
Diskanlut NTB. 2006. Rencana Zonasi Wilayah Pesisir dan Laut Provinsi Nusa Tenggara Barat
Tahun 2006-2020. PT Komperji Nusaraya, Bogor
JAXA. 2006. Advanced Land Observing Satellite (ALOS). [online]. Available from:
http://www.eorc.jaxa.jp/ALOS/cd alos/eng/alos2.htm.
Lillesand, T.M. dan R.W. Kiefer, 1990. Remote Sensing and image Interpretation. Gajah Mada
University Press, Yogyakarta.
Lyzenga, D. R. 1978. Passive Remote Sensing Techniques for Mapping Water Depth and
Bottom Features. Applied Optics, (17) : 379-383.
Lyzenga, D. R. 1981. Remote Sensing of Bottom Reflectance and Water Attenuation Parameters
in Shallow Water Using Aircraft and Landsat Data. International Journal of Remote Sensing, (2)
: 71-82.
Mumby, PJ., W. Skirving, A.E. Strong, J.T. Hardy, E. LeDrew, E.J. Hochberg, R.P. Stumpf and
L.T. David. 2003. Remote Sensing of Coral Reefs and Their Physical Environment. Marine
Pollution Bulletin, 2003 edition.
Suharsono, 1996, Jenis-Jenis karang yang Umum Dijumpai di Perairan Indonesia. Proyek
Penelitian dan Pengembangan Daerah Pantai P30-LPI, Jakarta