SISTEM INFORMASI GEOGRAFIS

MODUL PENGOLAHAN DAN PEMETAAN HABITAT MANGROVE

TIM PENYUSUN
I Wayan Gede Astawa Karang
Tim Praktikum

PROGRAM STUDI ILMU KELAUTAN

FAKULTAS KELAUTAN DAN PERIKANAN
UNIVERSITAS UDAYANA
 I. PENDAHULUAN

1.1 Latar Belakang

Mangrove merupakan tumbuhan yang memiliki keunikan karena hanya terdapat di daerah
pesisir pantai, muara sungai dan daerah dengan rentang salinitas yang tinggi. Secara global
penyebaran mangrove terbatas di daerah tropis dan sub tropis. Mangrove mempunyai
fungsi yang sangat besar, baik sebagai penyedia jasa lingkungan maupun untuk menunjang
perekonomian masyarakat yang ada disekitarnya. Sebagai penyedia jasa lingkungan,
mangrove dapat mencegah terjadinya erosi/abrasi pantai, intrusi air laut, pereduksi polutan
dari sungai sebelum ke laut, tempat hidup, dan berkembang biak berbagai jenis satwa air
maupun darat maupun sebagai penghasil oksigen. Sebagai negara kepulauan tropis
terbesar, Indonesia memiliki ekosistem mangrove terluas di dunia. Luas mangrove di
Indonesia adalah 3,244 juta hektar berdasarkan pemetaan Bakosurtanal pada tahun 2009
dengan skala pemetaan 1:250.000. Luas eksisting mangrove ini belum termasuk area
potensial yang bisa ditumbuhi mangrove yaitu mencapai sekitar 5 juta hektar.

Pengumpulan dan Pengolahan Data Geospasial Mangrove diperlukan untuk mengetahui

sumberdaya mangrove yang ada di wilayah pesisir, sehingga dapat dilakukan pengelolaan
sumberdaya dan wilayah yang tepat. Selain itu, dalam pembangunan saat ini belum banyak
difokuskan pada wilayah pesisir, dimana terjadi perubahan paradigma pembangunan, yang
turut mempengaruhi kondisi ekosistem mangrove. Pemetaan tematik mangrove perlu
dilakukan dengan identifikasi klasifikasi atau derajat kedetilan informasi mangrove yang
bersinergi dengan tiap tingkat atau level pengelolaan dan kebutuhan stakeholder, dan hal
tersebut sangat terkait dengan Data Geospasial

1.2 Tujuan
Adapun tujuan pada praktikum kali ini adalah praktikan mampu mengolah dan
menganalisis sebaran habitat dan kesehatan mangrove
 II. METODOLOGI
2.1 Data
Tahap pengumpulan data merupakan tahap awal dalam pelaksanaan pengumpulan dan
pengolahan data mangrove. Data yang dikumpulkan terdiri dari dua jenis yaitu data
statistik dan data raster.
2.1.1 Data statistik
Data statistik digunakan sebagai informasi tambahan dalam menggambarkan pemanfaatan
lahan mangrove. Data statistik dapat berupa data koordinat sebaran spesies mangrove, data
kerapatan mangrove dan data luasan hutan mangrove.
2.1.2 Data Raster
Data raster diperoleh dari data citra satelit seperti citra Landsat, SPOT, ALOS, IKONOS,
Quickbird, Worldvie, Aster dan Sentinel.
2.2 Pengolahan data raster
Pengolahan data raster merupakan tahapan untuk memperoleh informasi dari data citra dan
disajikan dalam peta digital. Pengolahan data citra terdiri dari dua tahap yaitu pra
pengolahan citra dan interpretasi citra.
2.2.1 Pra pengolahan data raster
Pra pengolahan data raster merupakan tahapan pengolahan data penginderaan jauh sebelum
dilakukan pengolahan dan interpretasi citra. Tahapan pra pengolahan data raster umumnya
melibatkan proses koreksi data citra untuk mengurangi kesalahan saat melakukan
interpretasi, tahap ini umumnya terdiri dari duajenir koreksi yaitu koreksi geometrik dan
koreksi radiometrik.
2.2.2 Koreksi Geometrik
Koreksi geometrik diperlukan untuk mentransformasi citra penginderaan jauh sehingga
citra memiliki sifat-sifat peta dalam bentuk, skala dan proyeksi. Transformasi geometrik
yang paling mendasar adalah penempatan kembali posisi piksel sedimikan rupa sehingga
pada citra digital yang mentransformasi dapat menggambarkan objek permukaan bumi
yang terekam sensor.
Koreksi geometrik umumnya dilakukan menggunakan Ground Check Point (GCP) sebagai
titik kontrol, tetapi dalam beberapa kasus faktor koreksi geometric telah dibawa oleh data
citra satelit sesuai platformnya masing-masing
2.2.3 Koreksi Radiometrik
Koreksi radiometrik ditujukan untuk memperbaiki nilai piksel dengan mempertimbangkan
faktor gangguan atmosferik yang merupakan sumber kesalahan utama. Metode umum yang
digunakan untuk menghilangkan efek gangguan atmosferik antara lain metode pergeseran
histogram (histogram adjustment) dan metode regresi. Pada citra digital satelit umumnya
faktor koreksi menggunakan kedua metode tersebut dengan penambahan beberapa
persamaan sebagai faktor koreksinya.
2.3 Interpretasi Citra Digital
Interpretasi citra dapat diartikan sebagai proses pengolahan data citra untuk memperoleh
suatu informasi baru, dalam pengolahan data penginderaan jauh terdapat tiga cara
interpretasi citra yaitu secara visual, digital dan hibrida.
2.3.1 Interpretasi Visual
Interpretasi secara visual merupakan metode interpretasi berdasarkan pada pengenalan
ciri/karakteristik objek secara keruangan. Karakteristik objek dapat dikenali berdasarkan
Sembilan unsur interpretasi yaitu bentuk, ukuran, pola, bayangan, rona/warna, tekstur,
situs, asosiasi dan konvergensi bukti.
2.3.2 Interpretasi Digital
Interpretasi citra digital pada prinsipnya melakukan operasi matematik terhadap nilai
digital citra pada beberapa komponen sensor yang berbeda sehingga menghasilkan nilai
tertentu untuk yang menggambarkan karakteristik objek. Dilihat dari ekosistem mangrove
terdapat dua garis besar pemetaan yang dapat dilakukan yaitu pemetaan habitat mangrove
dan pemetaan kesehatan hutan mangrove.
- Pemetaan Habitat Mangrove
Pemetaan habitat mangrove umunya dilakukan menggunakan metode klasifikasi, baik
metode klasifikai tidak terbimbing (unsupervised), klasifikasi terbimbing (supervised)
dan berdasarkan objek yang dikenal dengan istilah Object-Based Image Analysis
(OBIA). Klasifikasi tidak terbimbing dilakukan dengan mengkelaskan citra dengan
jumlah tertentu kemudian diidentifikasi ulang sehingga menghasilkan klasifikasi dengan
jumlah yang lebih sedikit dari iterasi pertama.
Klasifikasi terbimbing dilakukan dengan membuat sejumlah daerah contoh (training
area) yang kemudian akan digunakan untuk identifikasi pada daerah lain. Beberapa
 metode klasifikasi yang paling banyak digunakan adalah maximum likelihood dan
minimum distance. Metode maximum likelihood didasarkan pada probabilitas atau
peluang terbesar suatu piksel masuk kedalam suatu kelompok piksel, aturan klasifikasi
ini dikenal dengan istilah aturan klasifikasi Bayes. Minimum distance merupakan
metode klasifikasi terbimbing yang didasarkan pada jarak terdekat suatu piksel terhadap
suatu kelompok piksel tanpa mempertimbangkan posisi atau atribut geospasialnya
Interpretasi berbasis objek dilakukan untuk mengenali objek berdasarkan kelompok
piksel. Bukan berdasarkan individu piksel. Interpretasi ini mempertimbangkan aspek
spektral dan geospasial dari objek yang dikaji. Objek dibentuk melalui proses
segmentasi yang merupakan proses pengelompokan piksel yang memiliki karakteristik
spektral dan geospasial yang homogen. Berdasarkan hasil segmentasi kemudian
dilakukan penentuan kelas atau atribut dari polygon hasil segmentasi.
- Pemetaan Kesehatan Mangrove
Dasar pemetaan kesehatan mangrove dilakukan dengan menggunakan metode
transformasi citra, perbedaan metode transformasi citra dan klasifikasi citra adalah
metode transformasi citra dilakukan dengan memberikan persamaan tertentu dan
menghasilkan nilai baru sebagai infromasi mengenai kesehatan mangrove, beberapa
metode transformasi citra yang sering digunakan antara lain adalah Normalized
Difference Vegetation Index (NDVI), Enchanted Vegetation Index (EVI) dan Modified
Red Egde-Simple Ratio)
2.3.3 Interpretasi Hibrida
Interpretasi hibrida merupakan kombinasi antara interpretasi visual untuk deliniasi objek
dan analisis digital untuk identifikasi objek. Metode ini mengoptimalkan kelebihan dan
meminimalkan kekurangan yang ada pada metode interpretasi visual maupun digital.
Interpretasi hibrida sering digunakan pada interpretasi mangrove dengan cara melakukan
delineasi objek mangrove secara visual dan mengklasifikasikan kerapatan mangrove secara
digital.
2.4 Analisis Data
2.4.1 Root Mean Square Error (RMSE)

Root Mean Square Error (RMSE) digunakan untuk mengetahui seberapa besar error yang
terjadi pada hasil perhitungan transformasi citra jika dibandingkan dengan nilai aktual.
 Semakin kecil nilai RMSE, maka semakin kecil pula kesalahan yang terjadi pada
perhitungan transformasi citra. Perhitungan RMSE menurut Sudjana (1995) dapat dilihat
pada persamaan (15) sebagai berikut:

RMSE=
√ ∑ ( E−O )
2
n

Keterangan:
E = nilai dugaan kerapatan tajuk
O = nilai aktual kerapatan tajuk
n = jumlah pengamatan validasi
2.4.2 Confusion Matrix
Confusion Matrix atau Matriks kesalahan adalah matriks yang berfungsi untuk melihat
penyimpangan klasifikasi berupa kelebihan piksel dari kelas yang lain atau kekurangan
piksel pada masing-masing kelas hasil klasifikasi. Persentase ketepatan hasil klasifikasi
tersebut dapat dilihat dari nilai akurasi pembuat (producer’s accuracy), akurasi pengguna
(user accuracy), dan akurasi keseluruhan (overall accuracy). Secara matematis rumus dari
ketiga akurasi di atas dapat dinyatakan pada persamaan berikut.
Xii
User’s Accuracy= X x 100%
+i

Xii
Producer’s Accuracy= X x 100%
+i

∑ri=1 Xii
Overall Accuracy = x 100%
N
Dimana:
N = Jumlah semua piksel yang digunakan untuk pengamatan
r = Jumlah baris atau lajur pada matriks kesalahan (jumlah kelas)
Xii = Nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i
X+i = Jumlah piksel dalam kolom ke-i
Xi+ = Jumlah piksel dalam baris ke-i
 III. TUTORIAL
3.1 Tutorial Analisis Habitat Mangrove
Catatan:
- Aplikasi yang digunakan adalah QGIS versi 2.18.13 menggunakan plug-in Semi-Automatic
Classification Plugin.
- Data yang digunakan adalah data sentinel-2 A yang telah terkoreksi secara geometrik dan
radiometrik, datum geometrik yang digunakan oleh sentinel-2 A adalah UTM sehingga zona-
zona yang digunakan harus disesuaikan dengan citra
- Praktikan harap menyesuaikan aplikasi yang digunakan
1. Preprocessing Data
- Tahapan pra-pengolahan citra terdiri dari proses koreksi atmosferik dan cropping data.
Proses koreksi atmosferik berfungsi untuk mengurangi gangguan yang diakibatkan oleh
awan, proses ini dilakukan menggunakan metode Dark Object Subtraction. Proses cropping
bertujuan untuk mengurangi size data dan mempercepat proses pengolahan data Untuk
memulai proses koreksi radiometrik pilih Semi-Automatic Classification Plugin –
preprocessing – Sentinel-2 – centang pilihan Apply DOS1 atmospheric correction – run

Setelah beberapa saat, proses koreksi atmoserik akan selesai dan secara otomatis akan
ditampilkan oleh QGIS
- Setelah proses koreksi atmosferik selesai dilakukan, kemudian dilanjutkan dengan proses
pemotongan data, untuk memulai proses pemotongan data pilih menu Semi-Automatic
Classification Plugin – preprocessing – Clip multiple rasters pilih koordinat yang akan
digunakan sebagai batasan daerah pemotongan (ditunjukkan dengan UL X, UL Y, LR X, LR
Y) – run

Kembali secara otomatis data akan ditampilkan kembali oleh QGIS

2. Pengolahan Data
- Tahapan awal pengolahan data adalah menyiapkan band-band yang akan digunakan untuk
analisis habitat mangrove pilih menu Band set – pilih kanal pada Band list – add.
NB: pastikan kanal-kanal yang dipilih ada sebelum lanjut keanalisis selanjutnya.

- Pembuatan Band Set Pilih menu (band set) pada SCP menu. Klik menu untuk
reload data raster kemudian tentukan kanal-kanal mana sajakah yang akan digunakan
untuk analisis selanjutnya; kemudian pilih menu untuk menambahkan kanal-kanal
tersebut pada band set. Setelah band set ditambahkan kemudian definikan panjang
gelombang sesuai dengan spesifikasi kanal citra yang digunakan (diperlukan untuk
klasifikasi terbimbing).

Apabila band set telah diinput maka akan muncul tampilan seperti gambar berikut.

- Pembuatan training area

Langkah pertama dalam pembuatan training area adalah menentukan region of interest
(ROI) sebagai dasar penentuan klasifikasi. ROI umumnya dipilih berdasarkan kemiripan nilai
pada kanal untuk menentukan nilai rata-rata suatu kelas. Untuk memulai pembuatan training
area, klik menu dan tentukan nama file training area.
Setelah menentukan ROI selanjutnya tentukan kelas-kelas yang akan digunakan sebagai
daerah klasifikasi (empat kelas akan digunakan sebagai contoh kelas-kelas yang akan
diklasifikasikan)
Macroclass Name Macroclass ID
Water 1
Build-up 2
Vegetation 3
Bare soil 4
Umumnya klasifikasi dapat dilakukan hanya dengan menentukan macroclass saja tetapi lebih
baik apabila klasifikasi dilakukan hingga ke tingkal microclass. Hal ini dikarenakan karena
beberapa microclass memiliki nilai spektral yang perbedaannya sangat jelas walaupun berada
pada macroclass yang sama.
Apabila band set telah ditentukan, umumnya raster virtual akan muncul secara otomatis
dengan nama band band_set.vrt. gambar ini merupakan tampilan komposit warna dari
band yang telah diinput pada menu Band Set. Raster virtual dapat dirubah sesuai keperluan
analisis. Gambar berikut merupakan komposit true color

Untuk memulai membuat ROI, klik menu kemudian mulai pilih daerah mana saja yang
akan digunakan sebagai ROI, perlu diingat bahwa penentuan ROI dapat dibuat secara
otomatis atau manual. Berikut beberapa contoh ROI masing-masing kelas pada komposisi
yang berbeda
Water ROI

Build-up ROI

Vegetation ROI

Bare Soil ROI

- Klasifikasi

Setelah menentukan kelas dan training area, langkah selanjutnya adalah memulai proses
klasifikasi, untuk memulai proses klasifikasi pilih menu Classification output kemudian klik
dan tentukan nama output dari klasifikasi tersebut.
3.2 Tutorial analisis kesehatan mangrove
Catatan:
- Aplikasi yang digunakan adalah QGIS versi 2.18.13 menggunakan plug-in Semi-Automatic
Classification Plugin.
- Data yang digunakan adalah data sentinel-2 A yang telah terkoreksi secara geometrik dan
radiometrik, datum geometrik yang digunakan oleh sentinel-2 A adalah UTM sehingga zona-
zona yang digunakan harus disesuaikan dengan citra
- Praktikan harap menyesuaikan aplikasi yang digunakan
1. Preprocessing data
- Seperti pengolahan data habitat mangrove, tahapan pra-pengolahan citra pada analisis
kesehatan mangrove terdiri dari proses koreksi atmosferik dan cropping data. Untuk memulai
proses koreksi radiometrik pilih Semi-Automatic Classification Plugin – preprocessing –
Sentinel-2 – centang pilihan Apply DOS1 atmospheric correction – run

Setelah beberapa saat, proses koreksi atmoserik akan selesai dan secara otomatis akan
ditampilkan oleh QGIS.
- Setelah proses koreksi atmosferik selesai dilakukan, kemudian dilanjutkan dengan proses
pemotongan data, untuk memulai proses pemotongan data pilih menu Semi-Automatic
Classification Plugin – preprocessing – Clip multiple rasters pilih koordinat yang akan
 digunakan sebagai batasan daerah pemotongan (ditunjukkan dengan UL X, UL Y, LR X, LR
Y) – run

2. Pengolahan Data
- Siapkan Band Set untuk analisis kesehatan hutan mangrove, perlu diperhatikan bahwa kanal
yang perlukan hanya kanal merah dan inframerah dekat, sehingga band set dapat diatur hanya
menggunakan dua kanal (pada modul ini keseluruhan kanal dimasukkan kedalam Band Set)
- Kemudian masukkan persamaan (("#NIR#" - "#RED#") / ("#NIR#" +
"#RED#") @NDVI)untuk memulai proses perhitungan.
#NIR# Merupakan kanal inframerah dekat dan "#RED# merupaka kanal merah, kanal akan
secara otomatis dikenali oleh SCP apabila saat memasukkan Band Set panjang kanal telah

disesuaikan. Selanjutnya klik menu untuk menyimpan data hasil analisis.

Hasil perhitungan NDVI