Dosen Pembimbing
Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS
Dosen Pembimbing
Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS
ii
FINAL ASSIGNMENT – RM184831
Supervisor
Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS
iv
ANALISIS PERUBAHAN KERAPATAN MANGROVE
MENGGUNAKAN ALGORITMA NORMALIZED
DIFFERENCE VEGETATION INDEX PADA CITRA
SATELIT MULTITEMPORAL BERBASIS WEBGIS
(Studi Kasus: Kabupaten Gresik)
Nama Mahasiswa : Debyana Nur Savitri
NRP : 03311640000050
Departemen : Teknik Geomatika FTSPK-ITS
Dosen Pembimbing : Prof. Dr. Ir. Bangun Muljo Sukojo,
DEA, DESS
ABSTRAK
v
hektar atau 1,743% dan tetap menurun pada tahun 2019 seluas
209,962 hektar atau 8,288%.
Hasil validasi antara NDVI citra satelit Sentinel 2A level 1C
dengan NDVI foto udara inframerah menyimpulkan bahwa
penggunaaan NDVI pada citra satelit Sentinel 2A level 1C cukup
optimal untuk digunakan dalam analisis kerapatan mangrove,
karena NDVI citra satelit Sentinel 2A level 1C dan NDVI foto
udara inframerah memiliki hubungan yang sangat kuat dan
signifikan, yaitu dengan nilai koefisien korelasi sebesar 0,956.
Kemudian, parameter yang paling berpengaruh terhadap
kerapatan mangrove adalah pH air dengan nilai koefisien korelasi
sebesar -0,733 yang menunjukkan hubungan yang kuat dan
signifikan. Hasil akhir dari penelitian ini berupa WebGIS
Mangrove Kabupaten Gresik dengan nama domain
http://mangrovekabupatengresik.com/.
Kata kunci : Mangrove, NDVI, Penginderaan Jauh, Sentinel 2A
Level 1C, WebGIS
vi
ANALYSIS OF MANGROVE DENSITY CHANGES
USING NORMALIZED DIFFERENCE VEGETATION
INDEX ALGORITHM ON MULTITEMPORAL
SATELLITE IMAGERY BASED ON WEBGIS
(Case Study: Gresik Regency)
Name : Debyana Nur Savitri
ID : 03311640000050
Departement : Geomatics Engineering
Supervisor : Prof. Dr. Ir. Bangun Muljo Sukojo, DEA,
DESS
ABSTRACT
vii
The validation result between NDVI satellite imagery Sentinel
2A Level 1C with NDVI infrared aerial photography concluded
that the use of NDVI on satellite imagery Sentinel 2A Level 1C is
optimum to be used in mangrove density analysis, because the
NDVI satellite imagery Sentinel 2A Level 1C and NDVI infrared
aerial photography have the strong and significant correlation,
which with the correlation coefficient value of 0,956. Afterward,
the parameter which is most take effectto the mangrove density is
water pH with the correlation coefficient value is -0,733 which
shown the strong and significant correlation. The final result of this
research is a WebGIS with the domain name
http://mangrovekabupatengresik.com/.
Keywords : Mangrove, NDVI, Remote Sensing, Sentinel 2A Level
1C, WebGIS
viii
“Halaman Ini Sengaja Dikosongkan”
x
KATA PENGANTAR
xi
segala kritik dan saran demi perbaikan ke depannya. Semoga
penelitian ini dapat memberikan manfaat bagi pembaca.
Penulis
xii
DAFTAR ISI
ABSTRAK .................................................................................... v
ABSTRACT ..................................................................................vii
HALAMAN PENGESAHAN ...................................................... ix
KATA PENGANTAR .................................................................. xi
DAFTAR ISI ..............................................................................xiii
DAFTAR GAMBAR ................................................................xvii
DAFTAR TABEL ...................................................................... xix
DAFTAR LAMPIRAN .............................................................. xxi
BAB I ............................................................................................ 1
1.1 Latar Belakang .................................................................... 1
1.2 Rumusan Masalah ............................................................... 3
1.3 Batasan Masalah ................................................................. 3
1.4 Tujuan ................................................................................. 4
1.5 Manfaat ............................................................................... 4
BAB II ........................................................................................... 5
2.1 Wilayah Pesisir ................................................................... 5
2.2 Hutan Mangrove ................................................................. 6
2.3 Normalized Different Vegetation Index (NDVI) ............... 11
2.4 Penginderaan Jauh............................................................. 13
2.5 Resolusi Temporal ............................................................ 15
2.6 Citra Satelit Sentinel 2A ................................................... 15
2.7 Koreksi Atmosfer .............................................................. 19
2.8 Klasifikasi Citra ................................................................ 21
2.9 Uji Akurasi Hasil Klasifikasi ............................................ 22
xiii
2.10 Metode Analisis Data ...................................................... 24
2.10.1 Uji Normalitas.......................................................... 24
2.10.2 Analisis Korelasi Sederhana .................................... 24
2.10.3 Analisis Regresi Linier ............................................ 26
2.10.4 Uji t .......................................................................... 27
2.10.5 Uji Asumsi Klasik Regresi ...................................... 28
2.11 Sistem Informasi Geografis............................................. 30
2.12 WebGIS ........................................................................... 33
2.13 Framework Laravel ......................................................... 36
2.14 Uji Kelayakan Sistem ...................................................... 37
2.15 Fotogrametri .................................................................... 39
2.16 Unmanned Aerial Vehicle (UAV) ................................... 44
2.17 Penelitian Terdahulu ....................................................... 45
BAB III ........................................................................................ 49
3.1 Lokasi Penelitian ............................................................... 49
3.2 Data dan Peralatan............................................................. 51
3.2.1 Data ............................................................................ 51
3.2.2 Peralatan..................................................................... 51
3.3 Metodologi Penelitian ....................................................... 52
3.3.1 Tahapan Penelitian ..................................................... 52
3.3.2 Tahapan Pengolahan Data.......................................... 55
BAB IV........................................................................................ 67
4.1 Klasifikasi Mangrove Berdasarkan Kerapatannya ............ 67
4.1.1 Data Citra ................................................................... 67
4.1.2 Koreksi Atmosfer ....................................................... 69
xiv
4.1.3 Perhitungan Algoritma NDVI Citra........................... 70
4.1.4 Klasifikasi Citra ......................................................... 71
4.2 Hubungan NDVI Citra dengan NDVI Foto Udara ........... 84
4.2.1 Data Foto Udara di Lapangan .................................... 84
4.2.2 Korelasi NDVI Citra dengan NDVI Foto Udara di
Lapangan ............................................................................ 92
4.3 Hubungan Sampel Parameter di Lapangan dengan NDVI
Citra......................................................................................... 97
4.3.1 Data Sampel Parameter Air dan Tanah di Lapangan . 97
4.3.2 Korelasi NDVI Citra dengan Data Sampel Parameter
Air dan Tanah di Lapangan .............................................. 102
4.4 WebGIS ........................................................................... 117
4.4.1 Pembuatan WebGIS ................................................. 117
4.4.2 WebGIS Mangrove Kabupaten Gresik..................... 118
4.4.3 Uji Kelayakan Sistem .............................................. 125
BAB V ....................................................................................... 137
5.1 Kesimpulan ..................................................................... 137
5.2 Saran ............................................................................... 138
DAFTAR PUSTAKA................................................................ 141
LAMPIRAN .............................................................................. 151
BIODATA PENULIS................................................................ 189
xv
“Halaman Ini Sengaja Dikosongkan”
xvi
DAFTAR GAMBAR
xvii
Gambar 4.13 Orthomosaic Foto Udara Inframerah di Titik Lokasi
4 dan 7 Skala 1:500 ................................................. 89
Gambar 4.14 Orthomosaic Foto Udara Inframerah di Titik Lokasi
5 Skala 1:500........................................................... 90
Gambar 4.15 Orthomosaic Foto Udara Inframerah di Titik Lokasi
6 Skala 1:500........................................................... 91
Gambar 4.16 Korelasi Nilai NDVI Citra dan NDVI Foto Udara 94
Gambar 4.17 Peta Kerja ............................................................ 100
Gambar 4.18 Korelasi Nilai NDVI Citra dan pH Air ................ 104
Gambar 4.19 Korelasi Nilai NDVI Citra dan Salinitas Air ....... 105
Gambar 4.20 Korelasi Nilai NDVI Citra dan Kadar Air Tanah 106
Gambar 4.21 Korelasi Nilai NDVI Citra dan Nitrogen Tanah .. 107
Gambar 4.22 Korelasi antara Nilai NDVI Citra dan Jenis Tanah
Pasir....................................................................... 108
Gambar 4.23 Korelasi antara Nilai NDVI Citra dan Jenis Tanah
Lanau..................................................................... 109
Gambar 4.24 Korelasi antara Nilai NDVI Citra dan Jenis Tanah
Lempung ............................................................... 110
Gambar 4.25 Halaman Beranda pada WebGIS .......................... 120
Gambar 4.26 Halaman Peta pada WebGIS ................................ 121
Gambar 4.27 Pop Up Window dari Tabel Luas Kerapatan
Mangrove .............................................................. 122
Gambar 4.28 Pop Up Window dari Tabel Kriteria Kondisi
Mangrove .............................................................. 122
Gambar 4.29 Pop Up Window dari Grafik Luas Kerapatan
Mangrove Berdasarkan Tingkat Kerapatan .......... 123
Gambar 4.30 Tabel dan Grafik Korelasi antara Sampel Parameter
Air dan Tanah dengan NDVI Citra ....................... 124
Gambar 4.31 Persentase Skor dari Pertanyaan yang Diajukan
Kepada Responden................................................ 133
xviii
DAFTAR TABEL
xix
Tabel 4.21 Pertanyaan Terkait Uji Karakteristik Usability WebGIS
Mangrove Kabupaten Gresik ................................... 127
Tabel 4.22 Hasil Penilaian Oleh Responden ............................. 129
Tabel 4.23 Hasil Persentase Pengujian Usability ...................... 134
xx
DAFTAR LAMPIRAN
xxi
“Halaman Ini Sengaja Dikosongkan”
xxii
BAB I
PENDAHULUAN
1
2
5
6
Derajat
Keadaan Perairan
Keasamaan (pH)
5,5 – 6,5 Kurang produktif
6,5 – 7,5 Produktif
7,5 – 8,5 Sangat produktif
> 8,5 Tidak produktif
c. Nitrogen (N)
Menurut Sutanto (2005), kandungan nitrogen dalam
tanah berkisar antara 0,03-0,3% dari keseluruhan senyawa
pada tanah di daratan. Sedangkan, pada endapan lumpur
dapat mencapai 50-60%. Pada sedimen lumpur sebagian
besar merupakan hasil dari endapan bahan organik
terutama di bagian muara sungai (Yuwono 2004). Unsur
nitrogen di tanah berasal dari bahan organik dan N2 di
atmosfer. Nitrogen merupakan unsur hara makro utama
yang dibutuhkan tanaman dalam jumlah banyak (Feller
dkk. 2002). Unsur nitrogen dibutuhkan untuk proses
metabolisme dimana unsur nitrogen sebagai protein
11
d. Jenis Tanah
Tanah yang berada di hutan mangrove memiliki ciri-
ciri yang selalu basah, mengandung garam, oksigen
sedikit, berbentuk butir-butir dan kaya bahan organik
(Soeroyo 1993). Tanah tempat tumbuh mangrove
terbentuk dari akumulasi sedimen yang berasal dari
sungai, pantai atau erosi yang terbawa dari dataran tinggi
sepanjang sungai atau kanal (Aksornkoae 1993). Jenis
tanah yang ada di hutan mangrove antara lain tanah
berlumpur maupun berpasir.
Panjang Resolusi
No.
Gelombang Kategori Spasial Kegunaan
Band
(nm) (m)
1 443 Costal 60 Studi pesisir
Aerosol dan aerosol
2 490 Blue 10 Melihat fitur
permukaan air /
kolom air
dangkal,
batimetri
3 560 Green 10 Studi vegetasi
di laut & di
darat, serta
sedimen
4 665 Red 10 Membedakan
mineral dan
tanah (studi
geologi)/lereng
vegetasi
5 705 Vegetation 20 Vegetasi
Red Edge spektral untuk
menilai status
vegetasi
6 740 Vegetation 20 Vegetasi
Red Edge spektral untuk
menilai status
vegetasi
17
Panjang Resolusi
No.
Gelombang Kategori Spasial Kegunaan
Band
(nm) (m)
7 783 Vegetation 20 Vegetasi
Red Edge spektral untuk
menilai status
vegetasi
8 842 NIR 10 Studi konten
biomassa dan
garis pantai
8a 865 Vegetation 20 Vegetasi
Red Edge spektral untuk
menilai status
vegetasi
9 945 Water 60 Studi deteksi
Vapour uap air (water
vapour)
10 1380 SWIR- 60 Peningkatan
Cirrus deteksi
kontaminasi
awan cirrus
11 1610 SWIR 20 Studi deteksi
kandungan air
tanah dan
vegetasi
12 2190 SWIR 20 Studi deteksi
kandungan air
tanah dan
vegetasi
a. Level-0
Produk level-0 tidak dirilis ke pengguna. Produk level-
0 merupakan data citra mentah yang dikompresi dalam
format Instrument Source Packet (ISP). Produk level-0
merupakan produk yang akan membentuk dasar dari
produk level-1 berikutnya. Produk level-0 terdiri dari
struktur metadata yang menggambarkan produk level-0,
seperangkat ISP beranotasi yang konsisten sesuai dengan
data citra yang dikompresi dan paket sumber tambahan
beranotasi yang relevan. Paket sumber tambahan berisi
data tambahan yang diperlukan untuk pemrosesan
selanjutnya ke tingkat produk yang lebih tinggi,
khususnya, informasi yang diperlukan untuk menghitung
model geometri yang terkait. Data tambahan ini akan
mencakup data korelasi waktu (sampel pada 1 Hz), data
ephemeris dan attitude serta data termal (ESA 2015).
b. Level-1A
Produk level-1A tidak dirilis ke pengguna. Produk
level-A diperoleh dengan mendekompresi data citra
mentah level-0. Pada produk level-1A, model geometrik
dikembangkan, memungkinkan piksel apapun pada citra
ditempatkan. Koordinat piksel level-1A merujuk ke pusat
setiap piksel.
c. Level-1B
Produk level-1B adalah level produk terendah yang
tersedia bagi pengguna. Produk level-1B memberikan citra
yang dikoreksi secara radiometrik dalam nilai radian Top
Of Atmosphere (TOA) dan dalam geometri sensor. Selain
itu, produk ini mencakup geometri halus yang digunakan
untuk menghasilkan produk Level-1C. Koordinat piksel
Level-1B merujuk ke pusat setiap piksel (ESA 2015).
19
d. Level-1C
Produk level-1C merupakan produk yang sudah ter-
orthorektifikasi dalam proyeksi UTM/WGS84. Produk
level-1C dihasilkan dari penggunaan Digital Elevation
Model (DEM) untuk memproyeksikan citra dalam
koordinat kartografi. Pengukuran radiometrik per piksel
disediakan dalam reflektan Top Of Atmosphere (TOA)
dengan semua parameter untuk mengubahnya menjadi
radian.
Produk-produk level-1C dilakukan resampled dengan
Ground Sampling Distance (GSD) konstan 10, 20 dan 60
m tergantung pada resolusi asli dari spektral band yang
berbeda. Dalam produk level-1C, koordinat piksel
merujuk ke sudut kiri atas piksel. Produk-produk level-1C
juga akan mencakup data daratan/perairan, cloud masks
dan ECMWF (kolom total ozon, kolom total uap air dan
tekanan mean sea level) (ESA 2015).
Citra satelit Sentinel 2A Level 1C dapat digunakan
untuk kajian-kajian monitoring tutupan lahan, termasuk
vegetasi dan area pantai (Emma 2017)
e. Level-2A
Produk level-2A menyediakan citra reflektan Bottom
Of Atmosphere (BOA) yang berasal dari produk level-1C
yang terkait. Oleh karena itu, setiap produk level-2A juga
terdiri dari 100 km2 petak dalam geometri kartografi
(proyeksi UTM/WGS84).
Produk level-2A tidak dihasilkan secara sistematis di
ground segment. Generasi level-2A dapat dilakukan oleh
pengguna melalui Sentinel-2 Toolbox menggunakan input
produk Level-1C yang terkait (ESA 2015).
2.7 Koreksi Atmosfer
Menurut Ekadinata dkk. (2008) dalam Kristianingsih, Wijaya,
dan Sukmono (2016), koreksi atmosfer merupakan salah satu
algoritma koreksi radiometrik yang relatif baru. Koreksi atmosfer
20
Keeratan Kesepakatan
Nilai Koefisien Kappa
(strength of agreement)
0,00 – 0,20 Rendah (poor)
0,21 – 0,40 Lumayan (fair)
0,41 – 0,60 Cukup (moderate)
0,61 – 0,80 Kuat (good)
0,81 – 1,00 Sangat kuat (very good)
Keterangan:
𝑟 = nilai koefisien korelasi
𝑥 = variabel bebas (variabel independen)
𝑦 = variabel terikat (variabel dependen)
𝑛 = jumlah data
26
b. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota
observasi yang disusun menurut waktu atau tempat.
Model regresi yang baik apabila tidak terjadi
autokorelasi. Metode yang digunakan adalah
menggunakan uji Durbin Watson (DW test).
Pengambilan keputusan pada uji Durbin Watson adalah
sebagai berikut:
▪ DU < DW < 4-DU maka H0 diterima, artinya
tidak terjadi autokorelasi.
▪ DW < DL atau DW > 4-DL maka H0 ditolak,
artinya terjadi autokorelasi.
▪ DL < DW < DU atau 4-DU < DW < 4-DL,
artinya tidak ada kepastian atau kesimpulan
yang pasti.
Nilai DL dan DU dapat diperoleh dari tabel
statistik Durbin Watson.
c. Uji Heteroskedastisitas
Heteroskedastisitas merupakan varian residual
yang tidak sama pada semua pengamatan di dalam
model regresi. Regresi yang baik apabila tidak terjadi
heteroskedastisitas. Metode yang digunakan adalah
metode grafik, yaitu dengan melihat pola titik-titik pada
grafik regresi. Berikut merupakan kriteria dalam
pengambilan keputusan:
▪ Apabila terdapat pola tertentu, yaitu titik-titik
membentuk suatu pola tertentu yang teratur
(bergelombang, melebar kemudian
menyempit), maka terjadi heteroskedastisitas.
▪ Apabila tidak terdapat pola yang jelas, yaitu
titik-titik menyebar di atas dan di bawah angka
30
c. Data Managemen
Data managemen merupakan data hasil dari
pengorganisasian data spasial maupun atribut ke dalam
sebuah basis data sedemikian rupa sehingga mudah di-
update, di-edit dan dipanggil.
c. Data
Data merupakan bagian yang terpenting dari SIG
karena tanpa adanya data, maka SIG tidak dapat
dimanfaatkan secara optimal. Data yang diperlukan dalam
SIG meliputi peta dan data atribut.
2.12 WebGIS
WebGIS adalah sistem informasi spasial berdasarkan teknologi
Sistem Informasi Geografis (SIG) yang telah berkembang pesat
sejak tahun 1960. WebGIS menggunakan jaringan internet/intranet
sebagai medianya dan akuisisi informasi geografis, penyimpanan,
pengolahan dan analisis sebagai konten utamanya. WebGIS adalah
hasil sampingan dari integrasi teknologi aplikasi SIG dan teknologi
jaringan. WebGIS bersifat ekonomis, real time, visual dan mudah
dioperasikan (Cao 2013).
WebGIS adalah sebuah pola ataupun pendekatan arsitektural
untuk mengimplementasikan SIG modern. WebGIS menggunakan
teknologi web service-standard untuk mengirimkan data dan
menghubungkan komponen-komponen. WebGIS dapat
diimplementasikan pada cloud dan menggunakan server khusus
atau lebih khususnya memanfaatkan dan mengkombinasikan dua
tempat. WebGIS bukan merupakan hal baru, faktanya WebGIS
telah berkembang untuk waktu yang lama. Namun, generasi saat
ini telah meraih bahkan melewati titik dimana inovasi SIG dan
teknologi terkait tidak hanya dapat tercipta tetapi juga menjadi hal
yang penting.
Pada penelitian ini WebGIS dibuat agar dapat diakses secara
online. Sehingga, diharapkan masyarakat dapat mengetahui
informasi mengenai perubahan mangrove di Kabupaten Gresik
berdasarkan kerapatannya dengan lebih mudah dan praktis.
Dengan demikian, diharapkan kesehatan mangrove di Kabupaten
Gresik dapat di-monitoring. Sehingga, kerusakan terhadap
ekosistem mangrove di Kabupaten Gresik dapat dicegah. Tampilan
pada WebGIS didesain agar masyarakat yang awam dapat
mengkonsumsi informasi dengan lebih mudah. Berikut di bawah
ini merupakan desain WebGIS serta fitur-fitur yang akan
ditampilkan pada WebGIS:
34
2. Sederhana
Framework Laravel memiliki Eloquent ORM, sehingga
apabila ingin megambil semua data yang terdapat pada
tabel users, maka hanya perlu membuat sebuah class
model bernama user. Dengan begitu, semua data dari tabel
users dapat diakses dengan mudah. Selain itu, Framework
Laravel memiliki kesederhanaan dalam hal routing.
3. Ekspresif
Framework Laravel merupakan framework PHP yang
ekspresif, yang berarti Ketika melihat suatu sintaks
Laravel, programmer akan mengetahui fungsi dan
kegunaan dari sintaks tersebut, meskipun sebelumnya
belum pernah menggunakan ataupun mempelajari.
2.14 Uji Kelayakan Sistem
Penggunaan WebGIS yang telah dibuat harus dilakukan
pengujian terhadap kelayakan sistemnya agar dapat digunakan
secara layak oleh pengguna. Terdapat beberapa metode pengujian
software atau Software Quality Assurance dalam menetapkan
kelayakan suatu software seperti dengan ISO 9126, McCall,
FURPS, Boehm Models, Dromey atau Bayesian (Fahmy 2012).
Setelah sistem ini dinilai layak oleh salah satu metode di atas, maka
sistem ini diharapkan dapat digunakan dengan baik oleh pengguna
(Hidayati 2014).
Pada penelitian ini sistem diuji menggunakan metode pengujian
perangkat lunak dari ISO 9126 dengan menguji dua karakteristik,
yaitu karakteristik functionality dan usability. Setelah sistem diuji,
maka hasilnya akan dianalisis dengan parameter tertentu sehingga
didapatlah hasil apakah sistem ini dapat disebut layak atau tidak
layak untuk digunakan oleh pengguna.
Berikut merupakan penjelasan dari masing-masing karakteristik
pengujian kelayakan sistem ISO 9126:
38
a. Pengujian Functionality
Untuk pengujian karakter functionality dilakukan
dengan pengujian secara black box. Pengujian yang
dilakukan antara lain, apakah fungsi-fungsi yang ada
sesuai dengan yang diharapkan, apakah efek yang
dihasilkan sesuai dengan yang diharapkan dan apakah
sistem dapat diakses pada PC (Personal Computer)
maupun handphone.
b. Pengujian Usability
Untuk pengujian karakter usability, pengujian yang
dilakukan antara lain, apakah sistem dapat dipahami oleh
pengguna, apakah sistem dapat dipelajari dengan mudah
oleh pengguna dan apakah sistem dapat dijalankan oleh
pengguna. Pengujian untuk karakteristik usability
dilakukan dengan menggunakan kuesioner IBM Computer
Usability Satisfication Quessionaire dari James R. Lewis
(1991) yang terdiri dari 19 pertanyaan dengan 5 skala
untuk mengukur kepuasan pengguna. Untuk perhitungan
hasil kuesioner mengunakan analisis deskriptif.
2. Kuesioner
Teknik kuesioner digunakan untuk mengumpulkan data
yang terkait dengan aspek usability.
2.15 Fotogrametri
Fotogrametri merupakan seni, ilmu dan teknologi untuk
memperoleh informasi mengenai obyek fisik dan lingkungan
melalui proses perekaman, pengukuran dan penafsiran foto udara
(Gularso, Subiyanto, dan Sabri 2013). Istilah fotogrametri berasal
dari kata photos yang berarti sinar, gramma yang berarti sesuatu
yang tergambar dan metron yang berarti mengukur. Sehingga, dari
40
49
50
b. Studi Literatur
Studi literatur merupakan tahap pengumpulan
informasi melalui sumber bacaan atau referensi yang
menunjang penelitian, yakni mengumpulkan referensi
terkait citra satelit Sentinel 2A Level 1C, kerapatan
mangrove, algoritma indeks vegetasi NDVI, foto
udara, metode analisis data, WebGIS, dan sebagainya.
c. Pengumpulan Data
Data yang dikumpulkan pada penelitian ini antara
lain data citra satelit Sentinel 2A Level 1C tahun
2016, 2017, 2018 dan 2019 yang diperoleh secara
gratis pada web USGS. Kemudian, data sampel
parameter air dan tanah berupa pH air, salinitas air,
kadar air tanah, nitrogen (N) tanah, jenis tanah pasir,
jenis tanah lanau dan jenis tanah lempung yang
diambil secara langsung di lokasi penelitian.
54
d. Pengolahan Data
Pada tahap ini dilakukan pengolahan data untuk
selanjutnya dilakukan analisa. Pengolahan data yang
dilakukan dalam penelitian ini antara lain melakukan
koreksi atmosfer pada citra satelit Sentinel 2A Level
1C tahun 2016, 2017, 2018 dan 2019. Kemudian,
melakukan pemotongan citra berdasarkan batas
administrasi Kabupaten Gresik. Selanjutnya,
melakukan perhitungan algoritma indeks vegetasi
NDVI. Setelah itu, melakukan klasifikasi supervised
menggunakan metode maximum likelihood
classification dan dilanjutkan dengan melakukan
klasifikasi citra berdasarkan rentang nilai NDVI.
Kemudian, melakukan uji korelasi antara NDVI citra
dengan data sampel parameter air dan tanah serta
NDVI foto udara di lapangan.
e. Analisa Korelasi
Dari hasil pengolahan data, kemudian dilakukan
analisa korelasi. Analisa korelasi adalah tahapan
untuk mengetahui hubungan antara NDVI citra
dengan data data sampel parameter air dan tanah di
lapangan serta untuk mengetahui hubungan antara
NDVI citra dengan NDVI foto udara di lapangan.
f. Pembuatan WebGIS
Agar hasil dari penelitian ini dapat diakses oleh
masyarakat umum dengan lebih mudah dan praktis,
55
g. Pembuatan Laporan
Pembuatan laporan dilakukan untuk mengemas
hasil pelaksanaan Tugas Akhir dalam bentuk buku.
3.3.2 Tahapan Pengolahan Data
Berikut adalah tahapan pengolahan data pada penelitian tugas
akhir yang tertera pada Gambar 3.3 sebagai berikut:
56
(a)
57
(b)
58
(c)
Gambar 3.3 Diagram Alir Tahapan Pengolahan Data
59
b. Pemotongan Citra
Citra satelit Sentinel 2A Level 1C dipotong
berdasarkan data vektor batas administrasi Kabupaten
Gresik agar wilayah penelitian yang diolah lebih
terfokus dan ukuran citra menjadi lebih ringan,
sehingga proses pengolahan menjadi lebih cepat.
Selain itu, pemotongan citra juga dilakukan pada
citra sebaran NDVI yang dihasilkan dari proses
perhitungan algoritma NDVI citra satelit Sentinel 2A
Level 1C. Citra sebaran NDVI dipotong berdasarkan
citra sebaran mangrove yang dihasilkan dari proses
klasifikasi Supervised.
60
f. Klasifikasi Supervised
Citra yang sudah dilakukan komposit band,
kemudian dilakukan klasifikasi menggunakan metode
klasifikasi supervised. Klasifikasi supervised
membutuhkan suatu luasan areal yang merupakan
perwakilan kelas-kelas yang ditentukan. Secara
umum, penggambaran areal tersebut dikenal dengan
training area. Penentuan training area dilakukan
berdasarkan hasil pengecekan lapangan. Metode yang
digunakan pada klasifikasi supervised adalah
Maximum Likelihood Classification. Pada metode ini,
diasumsikan bahwa obyek yang sama akan selalu
menampilkan histogram nilai kecerahan yang
terdistribusi normal.
g. Uji Akurasi
Uji akurasi perlu dilakukan pada hasil klasifikasi
tutupan lahan yang dihasilkan dari proses klasifikasi
supervised. Hal ini bertujuan agar data yang
dihasilkan dapat diterima dengan tingkat akurasi
tertentu. Untuk mengetahui tingkat akurasi data yang
dihasilkan, dapat menggunakan confusion matrix
(matriks kesalahan). Data yang dihasilkan dianggap
akurat apabila nilai uji akurasi Overall Accuracy ≥
70%. Hal ini berdasarkan Perka BIG No. 3 Tahun
2014 tentang Pedoman Teknis Pengumpulan dan
Pengolahan Data Geospasial Mangrove. Apabila
tidak, maka harus dilakukan klasifikasi ulang.
p. Pembuatan WebGIS
Pembuatan WebGIS (back-end) dibuat dengan
bahasa pemrograman PHP dan ditulis menggunakan
editor teks. Framework PHP yang digunakan adalah
Laravel 5.8. Laravel memiliki konsep arsitektur MVC
(Model View Controller), namun karena WebGIS ini
tidak membutuhkan database, maka WebGIS ini
hanya membutuhkan View dan Controller. View
merupakan halaman PHP yang berisi skrip HTML
dari user interface web, sehingga tahap awal
pembuatan WebGIS adalah membuat View. Tahap
pembuatan View akan menghasilkan halaman dinamis
(file bertipe PHP) web. Setelah selesai membuat View,
tahap selanjutnya adalah membuat Controller.
Controller berperan untuk mengatur logika program,
sehingga View dapat dikendalikan dari Controller.
Tahap selanjutnya adalah mengintegrasikan peta
digital berformat GeoJSON dengan Google Maps.
Google Maps digunakan sebagai basemap dari peta.
Proses integrasi dengan Google Maps dapat
dilakukan dengan Javascript. Tahap terakhir adalah
pembuatan routing agar tiap halaman web dapat
berinteraksi dan memiliki identitas berupa URL.
WebGIS ini terdiri dari 3 halaman utama, yaitu
halaman beranda, halaman peta dan halaman grafik.
Halaman beranda dibuat sebagai halaman awal yang
memuat judul dan deskripsi WebGIS. Kemudian,
halaman peta dibuat untuk memvisualkan peta
dengan Google Maps sebagai basemap-nya. Halaman
grafik dibuat untuk menampilkan tabel dan grafik
korelasi sampel parameter air dan tanah dengan
NDVI citra.
66
q. Uji Functionality
Pengujian functionality dilakukan dengan
pengujian secara black box untuk menguji fungsi
utama yang telah ditetapkan dalam analisis kebutuhan
serta kesesuaian efek yang ditimbulkan. Kemudian,
dilakukan perhitungan persentase kelayakan. Apabila
nilai persentase kelayakan lebih besar atau sama
dengan 80%, maka WebGIS memiliki fitur-fitur yang
berfungsi sangat baik. Apabila tidak, maka harus
dilakukan pembutaan WebGIS ulang.
r. Uji Usability
Pengujian untuk karakteristik usability dilakukan
dengan menggunakan kuesioner IBM Computer
Usability Satisfication Quessionaire dari James R
Lewis (1991) yang terdiri dari 19 pertanyaan dengan
skala 5 untuk mengukur kepuasan pengguna. Untuk
analisis kelayakan sistem, digunakan perhitungan
persentase kelayakan. Apabila nilai persentase
kelayakan lebih besar atau sama dengan 80%, maka
WebGIS memiliki kriteria yang sangat baik untuk
dapat diakses oleh masyarakat umum. Apabila tidak,
maka harus dilakukan pembutaan WebGIS ulang.
67
68
1400
1200
1000
800
600
400
200
0
2016 2017 2018 2019
Tahun
2500
2000
1500
1000 Luas Mangrove (ha)
500
0
2016 2017 2018 2019
Tahun
Pada Tabel 4.3, Gambar 4.8 dan Gambar 4.9 di atas, dapat
dilihat bahwa luasan mangrove pada tahun 2016 hingga 2019
mengalami kenaikan pada tahun 2017 sebesar 22,090%,
kemudian mengalami penurunan pada tahun 2018 sebesar
1,743% dan tetap menurun pada tahun 2019 sebesar 8,288%.
Kemudian, total luasan mangrove dalam kondisi baik dan
sangat baik lebih dominan daripada total luasan mangrove
dalam kondisi normal, buruk dan sangat buruk. Kemudian
untuk mengetahui luas mangrove pada masing-masing
kecamatan, dapat dilihat pada Tabel 4.4 hingga 4.7 di bawah
ini:
Tabel 4.4 Luas Mangrove per Kecamatan Tahun 2016
(Sumber: Hasil Olahan 2020)
Luas Luas
Kriteria
Mangrove Mangrove
Tahun Kecamatan Kondisi
Kondisi Kondisi
Mangrove
Baik (ha) Baik (%)
Ujung
1357,033 99,209 Baik (padat)
Pangkah
Sidayu 65,438 91,548 Baik (padat)
2016 Bungah 327,851 71,359 Baik (sedang)
Manyar 161,652 77,661 Baik (padat)
Kebomas 1,630 34,235 Rusak (jarang)
Gresik 0,017 8,000 Rusak (jarang)
82
Luas Luas
Kriteria
Mangrove Mangrove
Tahun Kecamatan Kondisi
Kondisi Kondisi
Mangrove
Baik (ha) Baik (%)
Ujung
1548,249 91,324 Baik (padat)
Pangkah
Sidayu 54,063 83,391 Baik (padat)
2017 Bungah 475,631 90,282 Baik (padat)
Manyar 252,566 92,507 Baik (padat)
Kebomas 15,673 92,316 Baik (padat)
Gresik 0,925 65,497 Baik (sedang)
Ujung
1482,604 90,892 Baik (padat)
Pangkah
Sidayu 58,030 78,697 Baik (padat)
2018 Bungah 464,012 83,576 Baik (padat)
Manyar 211,577 79,367 Baik (padat)
Kebomas 3,780 68,794 Baik (sedang)
Gresik 0,806 62,258 Baik (sedang)
Ujung
1469,106 91,953 Baik (padat)
Pangkah
Sidayu 45,321 85,214 Baik (padat)
2019 Bungah 427,100 91,780 Baik (padat)
Manyar 164,543 84,390 Baik (padat)
Kebomas 7,912 71,827 Baik (sedang)
Gresik 0,830 63,578 Baik (sedang)
Pada Tabel 4.9, dapat dilihat bahwa pada tahun 2016 kondisi
mangrove di Kecamatan Bungah dalam kondisi baik namun
memiliki kerapatan mangrove yang sedang. Kemudian, kondisi
mangrove di Kecamatan Kebomas dan Gresik dalam kondisi
rusak. Sedangkan, kondisi mangrove di Kecamatan Ujung
Pangkah, Sidayu dan Manyar dalam kondisi baik. Selanjutnya,
pada tahun 2017 kondisi mangrove di Kecamatan Bungah dan
Kebomas adalah dalam kondisi baik. Begitu pula dengan
83
Karang Kering,
Sidorukun, Kabupaten
1 683643,081 9205135,290
Gresik, Jawa Timur
61124
Jalan PT Petrokimia
Gresik, Pojok,
Tlogopojok,
2 682727,217 9209796,597
Kecamatan Gresik,
Kabupaten Gresik,
Jawa Timur
Jalan Tuban-Gresik,
Area sawah/kebun,
3 675133,355 9215813,632 Banyuwangi, Kec.
Manyar, Kab. gresik,
Jawa Timur 61151
Jalan Suaka Burung,
Kalinpuri, Tambak,
4 671783,442 9236765,381 Ujung Pangkah,
Kabupaten Gresik,
Jawa Timur 61154
Banyulegi, Banyuurip,
Ujung Pangkah,
5 668724,317 9236355,930
Kabupaten Gresik,
Jawa Timur 61154
a. Uji Normalitas
Berikut merupakan hasil uji normalitas menggunakan
metode uji Lilliefors:
Tabel 4.12 Uji Normalitas Antara NDVI Citra dan NDVI
Foto Udara (Sumber: Hasil Olahan 2020)
Uji Normalitas
Kolmogorov-Smirnov
Variabel
statistik df Sig.
NDVI Citra 0,198 7 0,200
NDVI Foto
0,127 7 0,200
Udara
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Nilai NDVI Foto Udara
𝑌 ′ = −0,116 + 1,5468𝑋
Keterangan:
i. Apabila NDVI foto udara nilainya nol, maka
NDVI citra nilainya -0,116.
ii. Nilai koefisien regresi variabel NDVI foto udara
bernilai positif, yaitu 1,5468. Artinya bahwa setiap
peningkatan NDVI foto udara sebesar 1, maka
NDVI citra juga akan meningkat sebesar 1,5468.
d. Uji t
Uji t digunakan untuk mengetahui apakah NDVI foto
udara berpengaruh secara signifikan atau tidak terhadap
NDVI citra. Pengujian menggunakan taraf signifikansi
0,05 dan dua sisi. Berikut merupakan langkah-langkah
pengujiannya:
96
1. Merumuskan hipotesis
H0 = NDVI foto udara tidak berpengaruh terhadap
NDVI citra
Ha = NDVI foto udara berpengaruh terhadap
NDVI citra
3. Menentukan t tabel
t tabel dapat dilihat pada tabel statistik pada
signifikansi 0,05/2 = 0,025 dengan derajat
kebebasan df = n – 2 atau df = 7 – 2 = 5. Hasil nilai
t tabel yang diperoleh adalah 2,57058.
4. Kriteria pengujian
i. Jika -t tabel > t hitung < t tabel, maka H0
diterima.
ii. Jika -t hitung < -t tabel atau t hitung > t
tabel, maka H0 ditolak.
5. Berdasarkan signifikansi
i. Jika signifikansi > 0,05, maka H0
diterima.
ii. Jika signifikansi < 0,05, maka H0 ditolak.
6. Membuat kesimpulan
Nilai t hitung > t tabel (7,318 > 2,57058) dan
signifikansi < 0,05 (0,001 < 0,05), maka H0
ditolak. Sehingga, dapat disimpulkan bahwa
NDVI foto udara berpengaruh secara signifikan
terhadap NDVI citra.
97
Tabel 4.14 Data Hasil Analisis Kadar Air Tanah dan Nitrogen
(N) Tanah (Sumber: Hasil Uji Laboratorium 2020)
Tabel 4.15 Data Hasil Analisis Jenis Tanah (Sumber: Hasil Uji
Laboratorium 2020)
Titik
Deskripsi Kondisi di Lapangan
Lokasi
Mangrove terletak di dekat wilayah pemukiman.
Mangrove tumbuh di tanah yang bau (pembuangan air
kotor dari penduduk setempat/got) dan banyak
1 terdapat cacing.
Mangrove terletak tidak jauh dari Pantai Karang
Kering.
Mangrove yang tumbuh di lokasi ini tergolong jarang.
Mangrove terletak di dekat wilayah industri (PT.
Petrokimia Gresik).
Mangrove tumbuh di tanah yang dipenuhi sampah
2
plastik.
Mangrove yang tumbuh di lokasi ini tergolong jarang.
Mangrove terletak di pinggir jalan raya dan dekat
dengan wilayah industri (PT. Citra Abadi Bosco, PT.
Sukses Pratama Lestari, JIIPE, dll).
3
Mangrove terletak di dekat wilayah pertambakan.
Titik
Deskripsi Kondisi di Lapangan
Lokasi
Mangrove terletak di dekat wilayah pertambakan,
dimana pada tambak tersebut terdapat cukup banyak
5 bangkai ular dan ikan.
Mangrove yang tumbuh di lokasi ini tergolong jarang.
Mangrove terletak di lokasi yang dekat dengan
mangrove di titik 5, namun memiliki kondisi
mangrove yang berbeda.
6
Mangrove yang tumbuh di lokasi ini tergolong lebat,
sehingga pada lokasi ini terdapat banyak sekali
nyamuk.
Mangrove terletak di lokasi yang dekat dengan
mangrove di titik 4, namun memiliki kondisi yang
7 berbeda.
Mangrove yang tumbuh di lokasi ini tergolong lebat
serta memiliki batang yang besar dan sangat tinggi.
i. Uji Normalitas
Berikut merupakan hasil uji normalitas menggunakan
metode Lilliefors dengan Kolmogorov Smirnov:
Tabel 4.17 Uji Normalitas antara Sampel Parameter Air
dan Tanah dengan NDVI citra (Sumber: Hasil Olahan
2020)
0,5
0,4 y = -0,1742x + 1,8855
0,3 R² = 0,5376
0,2
0,1
0,0
0 1 2 3 4 5 6 7 8 9 10
pH Air
0,5
0,4
0,3 y = -0,0088x + 0,6786
0,2 R² = 0,3781
0,1
0,0
0 5 10 15 20 25 30 35 40 45 50
Salinitas Air (‰)
0,5
0,4
0,3
0,2
0,1
0,0
0 10 20 30 40 50 60 70 80 90
Kadar Air Tanah (%)
y = -0,0049x + 0,5089
0,5
R² = 9E-05
0,4
0,3
0,2
0,1
0,0
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0
Nitrogen Tanah (%NH3-N)
0,5
y = -0,0021x + 0,5763
0,4
R² = 0,0405
0,3
0,2
0,1
0,0
0 10 20 30 40 50 60 70 80 90
Jenis Tanah Pasir (%)
0,5
0,4 y = -0,006x + 0,7415
0,3
R² = 0,1272
0,2
0,1
0,0
0 5 10 15 20 25 30 35 40 45 50 55 60 65
Jenis Tanah Lanau (%)
0,5
0,4
0,3
0,2
0,1
0,0
0 5 10 15 20 25 30 35 40 45 50 55 60
Jenis Tanah Lempung (%)
iv. Uji t
Uji t digunakan untuk mengetahui apakah sampel
parameter air dan tanah berpengaruh secara signifikan atau
tidak terhadap NDVI citra. Kemudian, signifikansi
merupakan besarnya peluang untuk memperoleh
kesalahan dalam pengambilan keputusan. Pengujian
menggunakan taraf signifikansi 0,1 dan dua sisi.
114
3. Menentukan t tabel
t tabel dapat dilihat pada tabel statistik pada
signifikansi 0,1/2 = 0,05 dengan derajat kebebasan
df = n – 2 atau df = 7 – 2 = 5. Hasil nilai t tabel
yang diperoleh adalah 2.01505.
4. Kriteria pengujian
iii. Jika -t tabel > t hitung < t tabel, maka H0
diterima.
iv. Jika -t hitung < -t tabel atau t hitung > t
tabel, maka H0 ditolak.
5. Berdasarkan signifikansi
iii. Jika signifikansi > 0,1, maka H0 diterima.
iv. Jika signifikansi < 0,1, maka H0 ditolak.
115
6. Membuat kesimpulan
Apabila nilai t hitung > t tabel dan signifikansi <
0,1, maka H0 ditolak. Sehingga, dapat disimpulkan
bahwa sampel parameter air dan tanah
berpengaruh secara signifikan terhadap NDVI
citra, dan sebaliknya.
Uji t
t Taraf
Variabel t tabel Sig. Kesimpulan
hitung Sig.
pH Air &
2,411 2,01505 0,061 0,1 H0 ditolak
NDVI citra
Salinitas Air
& NDVI 1,743 2,01505 0,142 0,1 H0 diterima
citra
Kadar Air
Tanah & 0,936 2,01505 0,392 0,1 H0 diterima
NDVI citra
Nitrogen
Tanah & 0,021 2,01505 0,984 0,1 H0 diterima
NDVI citra
Jenis Tanah
Pasir & 0,459 2,01505 0,665 0,1 H0 diterima
NDVI citra
Jenis Tanah
Lanau & 0,854 2,01505 0,432 0,1 H0 diterima
NDVI citra
Jenis Tanah
Lempung & 1,399 2,01505 0,221 0,1 H0 diterima
NDVI citra
116
c. Editor Teks
Editor teks digunakan untuk penulisan kode program
berbasis web yang kemudian memvisualisasikan peta dan
menampilkan informasi informasi terkait peta.
4.4.2 WebGIS Mangrove Kabupaten Gresik
Hasil yang didapatkan berupa sistem informasi tentang
perubahan kerapatan mangrove dan luasannya serta hubungan
kerapatan mangrove dengan sampel parameter air dan tanah.
WebGIS ini dapat diakses secara online. Dengan begitu,
diharapkan informasi mengenai kondisi mangrove di
Kabupaten Gresik dapat diakses oleh masyarakat umum dengan
lebih mudah dan praktis. Sehingga, dapat dijadikan sebagai
bahan pertimbangan dalam upaya pencegahan dan
penanggulangan kerusakan ekosistem hutan mangrove.
WebGIS ini memiliki beberapa fitur seperti di bawah ini:
a. Visualisasi Peta
WebGIS ini dapat menampilkan peta menggunakan
Google Maps sebagai base map. Layer vektor yang telah
diformat dalam bentuk GeoJSON diimplementasikan ke
dalam Google Maps menggunakan kode Javascript.
Javascript juga berperan untuk membuat legenda peta,
information window pada titik sampel, filter tampilan peta
berdasarkan tahun, pewarnaan layer vektor serta pelabelan
tiap area layer vektor dan titik sampel.
Kebutuhan
No. Pertanyaan Nilai
Fungsional
Apakah fungsi untuk
Mode menampilan mode
1 1
roadmap roadmap berjalan dengan
baik?
Apakah fungsi untuk
2 Mode satelit menampilan mode satelit 1
berjalan dengan baik?
Apakah fungsi untuk
Filter
menampilan peta
3 Berdasarkan 1
berdasarkan tahun berjalan
Tahun
dengan baik?
126
Kebutuhan
No. Pertanyaan Nilai
Fungsional
Apakah fungsi untuk
Information menampilan informasi
4 1
Button berupa tabel berjalan
dengan baik?
Apakah fungsi untuk
5 Zoom In memperbesar tampilan peta 1
berjalan dengan baik?
Apakah fungsi untuk
6 Zoom Out memperkecil tampilan peta 1
berjalan dengan baik?
Apakah fungsi untuk
menampilan peta secara
7 Full Screen 1
satu satu layar penuh
berjalan dengan baik?
Apakah WebGIS dapat
Personal
8 ditampilkan pada layar PC 1
Compurter
dengan baik?
Apakah WebGIS dapat
9 Handphone ditampilkan pada layar HP 1
dengan baik?
Nilai Total 9
Nilai yang Diharapkan 9
Persentase Kelayakan Uji Functionality 100%
Keterangan:
1 = Ya
0 = Tidak
Pengujian functionality menghasilkan persentase kelayakan
sebesar 100%. Mengacu pada tabel konversi dari Arikunto
(2009), menunjukkan bahwa WebGIS memiliki kriteria
kelayakan yang sangat baik. Sehingga, dapat disimpulkan
127
Kategori Skor
Sangat Setuju 5
Setuju 4
Cukup Setuju 3
Tidak Setuju 2
Sangat Tidak Setuju 1
No. Pertanyaan
1 Tampilan web tidak mencolok mata
2 Tampilan web mudah dipahami
3 Informasi pada legenda mudah dipahami
128
No. Pertanyaan
4 Saya dapat memilih tampilan peta/satelit
Saya dapat menampilkan peta berdasarkan tahun
5
yang Saya pilih
Saya dapat memunculkan informasi berupa tabel
6
pada tombol informasi (i)
7 Saya dapat mengoperasikan fitur Full Screen
Saya dapat mengoperasikan fitur Zoom In/Zoom
8
Out
Saya dapat memunculkan informasi (pop up) pada
9 titik lokasi berwarna merah di peta dengan cara
meng-klik titik tersebut
10 Fitur-fitur pada web mudah dipahami
11 Saya tidak menemukan error pada fitur-fitur web
Informasi (seperti tabel dan grafik) disediakan
12
dengan jelas
Web dapat dibuka pada perangkat PC (Personal
13
Computer)
14 Web dapat dibuka pada perangkat HP (Handphone)
15 Informasi pada web mudah dimengerti
16 Informasi pada web terorganisir dengan jelas
17 Tampilan web tidak rumit
18 Saya dapat mengoperasikan web dengan mudah
19 Saya puas dengan web ini
5.1 Kesimpulan
Berdasarkan hasil yang diperoleh dari penelitian ini, dapat
disimpulkan sebagai berikut:
1. Berdasarkan hasil klasifikasi NDVI pada citra satelit
Sentinel 2A Level 1C, didapatkan tingkat kerapatan
mangrove yang dominan di Kabupaten Gresik pada tahun
2016-2019 adalah mangrove dengan kerapatan baik, yaitu
seluas 1238,857 hektar atau 58,661% pada tahun 2016,
seluas 1371,974 hektar atau 53,210% pada tahun 2017,
seluas 1145,729 hektar atau 45,224% pada tahun 2018 dan
seluas 1087,667 hektar atau 46,811% pada tahun 2019.
Mangrove paling luas terletak di Kecamatan Ujung
Pangkah, yaitu seluas 1367,859 hektar pada tahun 2016,
seluas 1695,342 hektar pada tahun 2017, seluas 1631,168
hektar pada tahun 2018 dan seluas 1597,678 hektar pada
tahun 2019. Sedangkan, mangrove paling sempit terletak
di Kecamatan Gresik, yaitu seluas 0,209 hektar pada tahun
2016, seluas 1,413 hektar pada tahun 2017, seluas 1,295
hektar pada tahun 2018 dan seluas 1,306 hektar pada tahun
2019. Luasan mangrove di Kabupaten Gresik pada tahun
2016-2019 mengalami kenaikan pada tahun 2017 seluas
466,521 hektar atau 22,090%, kemudian mengalami
penurunan pada tahun 2018 seluas 44,939 hektar atau
1,743% dan tetap menurun pada tahun 2019 seluas
209,962 hektar atau 8,288%.
137
138
DAFTAR PUSTAKA
LAMPIRAN
Lampiran 2. Data Hasil Analisis Kadar Air Tanah dan Nitrogen (N)
Tanah (Sumber: Hasil Uji Laboratorium)
158
159
BIODATA PENULIS