Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No.

2 Desember 2018: 141-156

PERUBAHAN HUTAN MANGROVE DI KAWASAN PERLINDUNGAN LAUT

NUSA PENIDA, BALI - INDONESIA MENGGUNAKAN SATELIT LANDSAT
PERUMPAMAAN

Agustus Daulat1, Widodo Setiyo Pranowo, Syahrial Nur Amri

Pusat Penelitian Kelautan, Kementerian Kelautan dan Perikanan, Republik Indonesia
Komplek Bina Samudera, Jalan Pasir Putih Raya, Ancol-Jakarta, 14430
1email: daul.sinaga@gmail.com

Diterima: 28 Maret 2018; Revisi: 4 Desember 2018; Disetujui: 6 Desember 2018

Abstrak. Nusa Penida, Bali ditetapkan sebagai Kawasan Konservasi Laut (KKL) oleh Pemerintah Daerah
Klungkung pada tahun 2010 dengan dukungan dari Kementerian Kelautan dan Perikanan Republik Indonesia.
Hutan mangrove yang terletak di Pulau Nusa Lembongan di dalam yurisdiksi KKP Nusa Penida mengalami
penurunan kualitas biomassa dan tutupan vegetasi. Selama beberapa dekade terakhir karena pengaruh dari
fenomena alam dan aktivitas manusia, yang menghambat pertumbuhan mangrove. Kajian perubahan hutan
mangrove terkait penerapan kawasan konservasi laut menjadi penting untuk menjelaskan dampak regulasi
tersebut dan pengaruhnya terhadap pengelolaan konservasi kawasan di masa mendatang. Hutan mangrove di
KKL Nusa Penida dapat dipantau dengan menggunakan teknologi penginderaan jauh, khususnya Normalized
Difference Vegetation Index (NDVI) dari citra satelit Landsat yang dipadukan dengan analisis visual dan statistik.
NDVI membantu dalam mengidentifikasi kesehatan tutupan vegetasi di wilayah tersebut dalam tiga kerangka
waktu yang berbeda tahun 2003, 2010, dan 2017. Hasilnya menunjukkan bahwa NDVI sedikit menurun antara
tahun 2003 dan 2010 tetapi meningkat secara signifikan pada tahun 2017, di mana sebagian besar perubahan
positif terjadi ke arah daratan. dan perubahan yang merugikan terjadi di tengah hutan mangrove ke arah laut.

Kata kunci: perubahan mangrove, KKP Nusa Penida, penginderaan jauh, NDVI

1 PENGANTAR yang telah menurun dari 42.000 km2

Penggundulan hutan dan
degradasi telah menjadi isu global yang
utama, terutama mengingat perubahan iklim,
pemanasan global, dan faktor lingkungan
lainnya. Analisis Global Forest Change
menunjukkan deforestasi global di seluruh
dunia, sedangkan Indonesia menunjukkan
kehilangan hutan yang sangat besar sekitar
1.021 km2/tahun (Hansen dkk. 2013), dengan
total kehilangan hutan primer diperkirakan
lebih dari 60.200 km2
antara tahun 2002 dan 2012 dan meningkat
rata-rata sebesar 470 km2/tahun (Margono
dkk. 2014).
Indonesia terkenal dengan hutan
mangrove terluas di dunia,
hutan kurang dari 31.100 km2 (Giri dkk.
2011). Deforestasi dan hutan
degradasi di Indonesia sebagian besar
disebabkan oleh campur tangan manusia dan
tujuan komersial seperti pertanian,
akuakultur, pariwisata, pesisir
pengembangan, dan tujuan lainnya
(Berciuman dkk. 2012, Spalding 2010). Hutan
mangrove terdapat di daerah tropis dan
subtropis yang menyediakan
beberapa jasa ekosistem seperti; pemijahan,
pembiakan, penetasan dan
tempat pembibitan bagi banyak fauna hidup
(Cannicci dkk. 2008). Mereka juga menyediakan
bahan bangunan, makanan, dan bahan bakar
(Rönnbäckdkk. 2007), dan nilai sosial

141
http://dx.doi.org/10.30536/j.ijreses.2018.v15.a2955 @Lembaga Penerbangan dan Antariksa Nasional Indonesia (LAPAN)
Agustus Daulat dkk.

seperti situs budaya dan tujuan rekreasi (Giri
dkk. 2011). Selain itu, mereka telah dikutip
untuk mengurangi dampak tsunami
(Kathiresan dan
Rajendran 2005), melindungi
garis pantai masyarakat pesisir (Gedan
dkk. 2011), dan mengurangi dampak
perubahan iklim global melalui penyimpanan
karbon (Alongi 2008, Alongi dkk., Donat 2016
dkk. 2011, Murdiyarso dkk.
2015). Mangrove terkenal sebagai ekosistem
produktif yang menyediakan ekologi dan
sosial ekonomi socio
manfaat (Alongi 2002, Walters dkk.
2008). Hutan mangrove di Nusa
Lembongan terletak di dalam Nusa
Kawasan Konservasi Laut Penida (MPA)
yang tujuan dari melestarikan
keanekaragaman hayati, sumber daya
ekonomi dan banyak lagi dengan
menciptakan area regulasi khusus (Dudley
2008). Pengelolaan KKL di Indonesia
dikendalikan oleh Kementerian Kelautan dan
Perikanan, Kementerian Lingkungan Hidup
dan Kehutanan, dan Pemerintah Daerah
(Nurhidayah dan Alam
2017, Dirhamsyah, 2016) (Tabel 1-1).
Kusumaningtyasdkk. (2014)
melakukan studi stok karbon biru di ekosistem
mangrove KKP Nusa Penida dan menemukan
lima spesies mangrove dominan di kawasan
tersebut dengan kerapatan 100 hingga 2620
pohon/ha dan berpotensi menyimpan karbon
hingga 14,29 MgC, dan CO2
diserap sekitar 54.792. Mg CO2e. Mereka
memperkirakan tutupan hutan mangrove di
KKP Nusa Penida menggunakan Landsat 7
ETM+ dengan teknik NDVI dan luasnya sekitar
164,5 ha. Penelitian sebelumnya oleh Widagti
dkk.
(2011) memetakan wilayah Nusa Penida
menggunakan ALOS AVNIR-2 (Advanced Land
Observing Satellite) dengan jarak 10 meter
resolusi (ALOS 2017) mengakibatkan tutupan
mangrove berkurang 47,09 ha dalam waktu
dua tahun dengan variasi perubahan
kerapatan. Kedua penelitian tersebut
memaparkan kondisi terkini hutan mangrove
di Pulau Nusa Lembongan sebagai bagian dari
KKL Nusa Penida pasca implementasi. Oleh
karena itu, penting untuk menganalisis
kondisi sebelum dan sesudah KKL
pelaksanaannya, serta sebagai pengkinian
data dan informasi mengenai hutan
mangrove.
NS diajukan riset akan
mengintegrasikan teknologi penginderaan jauh
dengan pengamatan lokasi untuk memantau
perubahan spasial dan temporal pada tutupan
dan kepadatan hutan mangrove di Nusa
Lembongan dari tahun 2003 hingga 2017. Citra
satelit wilayah Nusa Penida pada tahun 2003
dipilih sebagai titik ketika pariwisata meningkat
secara signifikan di Bali, menghasilkan dalam
kegiatan ekonomi besar-besaran
di wilayah studi selama tahun tahun antara
2003 dan 2010.

Tabel 1-1: Kawasan Konservasi Perairan Indonesia

Tidak Kawasan Konservasi Kementerian Kementerian Kelautan Luas (km2)

Kehutanan Urusan dan Perikanan
1 Taman Nasional Laut 7 1 75.646.71
2 Taman Rekreasi Laut 14 6 20, 322,88
3 Suaka Margasatwa 5 0 56.78
4 Cagar Alam Laut 6 3 6.001.10
5 Kawasan Konservasi Laut 0 89 55.614,63

Total 32 99 157.642.10

(Sumber: Suraji 2014)

142 Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
 Perubahan Hutan Mangrove di Kawasan Konservasi Laut Nusa Penida…
Selain 2010 hingga sekarang (2017) dipilih
sebagai periode di mana KKL ditetapkan dan
diberlakukan di daerah oleh pemerintah.
Penelitian ini mengkaji kondisi hutan
mangrove terkait penerapan KKL Nusa Penida
di kawasan tersebut.
2 BAHAN DAN METODOLOGI
2.1 Lokasi Situs
Nusa Penida (Angka 2-1(a))
secara administratif berada di bawah kekuasaan
Kabupaten Klungkung, Provinsi Bali,
yang terkenal dengan potensi sumber daya
alamnya seperti pariwisata, budidaya, dan
perikanan. Nusa Penida terdiri dari tiga pulau
dimana Nusa Penida merupakan pulau
terbesar dibandingkan dua pulau lainnya
seperti Nusa Lembongan dan Nusa Ceningan
dengan luas total sekitar 202,84 km.2 dan
populasi
46.749 orang (Badan Pusat Statistik, 2017).
Nusa Penida terletak terpisah dari pulau Bali
dan dianggap sebagai daerah dengan
keanekaragaman hayati laut yang tinggi
berdasarkan lokasinya di selat Lombok
sebagai salah satu Jalur Lintas Indonesia (ITF)
dari Samudra Pasifik ke Samudra Hindia
melalui Selat Makassar
(Gordon dkk. 1999, Murray dan Arief,
1988). Beberapa Nasional dan
kerjasama internasional yang terjalin di Nusa
Penida termasuk Proyek Ekonomi Biru yang
diusulkan oleh Kementerian Kelautan dan
Perikanan Republik Indonesia (The Jakarta
Post 2014),
Gambar 2-1: Administrasi Nusa Penida (a) KKL Nusa Penida (b), Bali – Indonesia
Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
dan Proyek Solusi Biru dengan IUCN
(2014).
KKL Nusa Penida (Gambar 21(b))
dilaksanakan dengan menerapkan beberapa
sistem zonasi restriksi dengan batasan khusus
antara lain zona inti (no take zone), zona
wisata khusus, berkelanjutan.
Zona perikanan, zona budidaya rumput
laut, zona wisata bahari, zona keramat, dan zona
pemanfaatan. Tujuan utama KKL adalah untuk
membangun dan melindungi keanekaragaman
hayati laut di wilayah tersebut dan mengurangi
konflik di antara para pengguna sumber daya ini
untuk kepentingan masyarakat lokal.
komunitas (Minggu dkk. 2014).
2.2 Bahan
Penelitian ini bertumpu pada
pemanfaatan citra satelit Landsat dengan
pengamatan selama 15 tahun dimulai dari
tahun 2003 sampai dengan tahun 2017, yang
terbagi dalam tiga time frame yang berbeda
dengan selisih tujuh tahun. Reflektansi
permukaan Landsat 7 Enhanced Thematic
Mapper Plus (ETM+) dan Landsat 8
(Operational Land Imager (OLI) dan Thermal
Infrared Sensor (TIRS)) dari database USGS
digunakan untuk penelitian ini. Landsat 7
ETM+ dan Landsat 8 (OLI dan TIRS) memiliki
karakteristik yang sama pada sensor,
metode koreksi, dan resolusi: spasial,
temporal, dan spektral dengan pengulangan
16 hari, cakupan 170 km X 183 km, dan
resolusi 30 meter (USGS,
2017). Mereka juga memiliki metode koreksi
dan karakteristik sensor yang serupa (Tabel
2-1).
143
Agustus Daulat dkk.

Tabel 2-1: Landsat 7 ETM+ dan Landsat 8 (sensor OLI dan TIRS)

Tidak Landsat 7 ETM Landsat 7 ETM+ Landsat 8 OLI- Landsat OLI-TIRS

band Panjang gelombang (µm) Panjang gelombang TIRS band
(µm)
1 0,435-0,451 Pita 1 30 m
Pesisir/Aerosol
2 Jalur 1 30 m Jalur Biru 2 0,441-0,514 0,452-0,512 Pita 2 30 m Pita Biru 3
3 30 m Jalur Hijau 3 30 m 0,519-0,601 0,533-0,590 30 Hijau
4 Merah 0,631-0,692 0,636-0,673 Pita 4 30 m Merah
5 Pita 4 30 m NIR 0.772-0.898 0,851-0,879 Pita 5 30 m NIR
6 Pita 5 30 m SWIR Pita 6 1.547-1.749 1.566-1.651 Pita 6 30 m SWIR-1 Pita 7
7 30 m TIR 10.31-12.36 2.107-2.294 30 m SWIR-2 Pita 8 15 m
8 Pita 7 30 m SWIR-2 Pita 8 2.064-2.345 0.503-0.676 Pan
9 15 m Pan 0,515-0,896 1.363-1.384 Band 9 30 m Cirrus Band
10 10.60-11.19 10 100 m TIR-1 Band 11
11 11.50-12.51 100 m TIR-2

(Sumber: USGS 2017)

Bahkan meskipun ada sedikit panjang
perbedaan cahaya
spektrum (spektral range) antara dua satelit,
dimana sebagian besar pita pada Landsat 8
OLI lebih sempit dibandingkan Landsat 7
ETM+, namun pemanfaatan pita tampak
khususnya untuk NDVI tidak terlalu
terpengaruh (Jensen 2015). Ini hanya untuk
membuat visualisasi yang lebih baik untuk
area bervegetasi dan tidak bervegetasi (Besi
dkk. 2012).
2.3 Metode
penelitian kegiatan
pemantauan mangrove perubahan hutan
memanfaatkan gambar dari Landsat 7
ETM+ dan Landsat 8 (OLI dan TIRS) dari tiga
tahun yang berbeda, dimana Landsat 7 ETM+
digunakan untuk tahun 2003 dan
2010, sedangkan Landsat8 OLI dan TIRS untuk
2017 (USGS, 2017). Citra satelit tahun 2010
digunakan sebagai acuan awal penetapan
KKL, sedangkan citra satelit tahun 2003 (pra-
penunjukan) dan 2017 (setelah penetapan).
peruntukan) digunakan sebagai pembanding
untuk pemantauan hutan mangrove sebelum
dan sesudah penerapan KKL. Beberapa
tahapan yang dilakukan dalam penelitian ini
di dalam seperti Pengolahan Citra, Analisis Citra, dan
Visualisasi Citra (Gambar 2-2).

Gambar 2-2: Diagram alir proses metodologis

144 Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
 Perubahan Hutan Mangrove di Kawasan Konservasi Laut Nusa Penida…
2.3.1 Pemrosesan Gambar
Sifatnya yang multi temporal, jangka panjang
ketersediaan, dan studi panjang
pengamatan yang bebas digunakan di bawah
otorisasi USGS, menjadikan citra satelit
Landsat dipilih sebagai dataset utama
(Wulder dkk. 2012). Akuisisi citra satelit
dikumpulkan menggunakan Antarmuka Program
Aplikasi Google Earth Engine (GEE-API) (Gorelick
dkk. 2017), dengan menghasilkan gambar satelit
dalam waktu dua tahun untuk setiap kerangka
waktu yang dipilih dan membuat tumpukan
lapisan gambar yang dikenal sebagai kumpulan
gambar. CFMask sebagai algoritma Mask versi
bahasa C berfungsi untuk menghasilkan cloud
mask untuk menstandarisasi dataset dari
gambar dengan intensitas tutupan awan yang
tinggi, yang memiliki akurasi keseluruhan
terbaik dibandingkan dengan algoritma lainnya
(Fogadkk. 2017). Normalized Difference
Vegetation Index (NDVI) adalah untuk
menentukan klasifikasi mangrove berdasarkan
nilai indeksnya, yang menunjukkan keberadaan
tumbuhan hijau dan indeks kesehatan vegetasi
di sekitar wilayah penelitian dengan
memanfaatkan pita Merah tampak yang
dikombinasikan dengan pita Inframerah Dekat
dari citra satelit terpilih. Nilai NDVI berkisar
antara -1 dan +1 dimana nilai yang lebih tinggi
(positif) menunjukkan kualitas vegetasi yang
tinggi, sedangkan nilai NDVI yang kecil (negatif)
menunjukkan non-vegetasi (Mather dan Koch
2011). NDVI dinilai dengan menggabungkan
cahaya tampak Red dan Near-infrared (NIR) yang
dipantulkan oleh vegetasi dan menampilkan
vegetasi sehat yang menyerap sebagian besar
cahaya tampak yang masuk dan memantulkan
sebagian besar cahaya near-infrared, dan
sebaliknya untuk vegetasi yang tidak sehat
ditulis secara matematis sebagai:
= () (2-1)
(    + )
Di mana,
NDVI = Indeks Vegetasi Perbedaan Normalisasi
NIR = Dekat kanal Inframerah
Merah = Kanal Merah
Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
Google Earth Engine digunakan untuk
menghasilkan NDVI dari koleksi gambar dan
menggabungkan gambar NDVI
pengumpulan menggunakan bagian peredam
dengan nilai median untuk mengurangi kebisingan
dari "garam dan merica" dan menghindari outlier
dalam dataset (Toh dkk. 2008, Wang dan Zhang
1999, Bhosale dan Manza 2013).
2.3.2 Analisis Gambar
Beberapa metode yang digunakan
untuk menganalisis citra satelit dengan
mendeskripsikan karakteristik citra, sebaran
spasial, mengkaji citra menggunakan
pendekatan statistik, dan regresi citra.
Terakhir, penilaian akurasi dilakukan untuk
mendukung hasil penelitian.
Analisis hotspot dilakukan untuk
mengidentifikasi cluster spasial yang
signifikan secara statistik nilai tinggi (hotspot)
dan nilai rendah (cold spot) dari nilai piksel
antar time frame, juga menentukan korelasi
spasial antar citra berdasarkan nilai pikselnya
dan
membedakan distribusi spasial dari dataset
pada tingkat kepercayaan 99%, 95%, dan
90%. Analisis hotspot untuk setiap kerangka
waktu yang dijalankan menggunakan fitur
analisis spasial di ArcGIS 10.3 GetisOrd GI*
(Nallandkk. 2015). Analisis statistik dilakukan
untuk menguji karakteristik dataset secara
statistik, dan menentukan
hubungan antara dataset dari tiga kerangka
waktu yang berbeda dengan menghasilkan
model regresi. Uji-T berpasangan
dilakukan untuk menentukan statistik
bukti yang berkaitan dengan perbedaan rata-
rata antara pengamatan berpasangan atau
untuk membedakan signifikansi perlakuan
antara gambar dalam waktu pengamatan
yang berbeda.
Regresi citra diimplementasikan untuk
menghasilkan informasi statistik,
hubungan, dan NS korelasi
koefisien antara dua gambar yang berbeda.
Analisis regresi pertama membandingkan nilai
poin dari gambar yang diamati
145
Agustus Daulat dkk.
dari tahun 2003 dan 2010, sedangkan analisis
regresi kedua membandingkan nilai titik citra
yang diamati dari tahun 2010 dan 2017
(Eastman 2016).
Akurasi Penilaian dan kesalahan
dilakukan pada klasifikasi citra untuk
mengetahui tingkat akurasi berdasarkan
pencapaian tugas. Klasifikasi tersebut
diperintahkan untuk memverifikasi hutan
mangrove dan hutan non-mangrove dengan
memanfaatkan teknik georeferensi dan
rektifikasi dari Google Earth High-
Gambar resolusi untuk area studi. Penilaian
akurasi menggunakan koefisien kappa Cohen
sebagai koefisien
persetujuan antara penilai yang proporsinya
gabungan dan
frekuensi antara unit sampel dan
menentukan signifikansi, derajat, dan
stabilitas untuk ilustrasi (Cohen 1960).
= Diamati Diharapkan
1 Diharapkan
Di mana:
K = Koefisien Kappa
Diamati = Jumlah total pengamatan yang benar
poin
Mengharapkan = Jumlah total yang benar diharapkan
poin
2.3.3 Visualisasi Gambar
Visualisasi hasil dilakukan dengan
menyempurnakan gambar untuk
menyederhanakan kontras untuk analisis
yang lebih baik dan perbandingan yang tepat.
Proyeksi citra dilakukan dengan menerapkan
persamaan yang dihasilkan dari statistik
analisis dan regresi citra ke citra baru dan
membandingkan kondisinya dengan atau
tanpa KKL.
3 HASIL DAN DISKUSI
Peta menunjukkan indeks kesehatan
hutan mangrove (Gambar 3-1) untuk tiga
berbeda waktu bingkai
di dalam
Pulau Lembongan, di mana warna hijau
terang hingga merah mewakili nilai negatif
yang menunjukkan non-vegetasi
menutupi, ketika NS positif
146 Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
diwakili oleh hijau gelap ditampilkan tutupan
vegetasi mangrove.
Time Frame 1 (2003) menggunakan
koleksi gambar dari kombinasi tahun 2002 –
2003, menghasilkan 23 gambar dengan
tutupan awan paling sedikit 4%, Time Frame 2
(2010) dari tahun 2009 – 2010, menghasilkan 17
gambar dengan tutupan awan paling sedikit 0,15%,
sedangkan Time Frame 3 (2010) menggunakan
kumpulan gambar dari tahun 2016 – 2017,
menghasilkan 25 gambar dengan tutupan awan
paling sedikit 1,7%. Teknik ini digunakan untuk
menghindari outlier dalam pengamatan dan
masalah garis-garis yang terjadi di
Landsat 7 ETM+ setelah insiden 2003 (SLC
mati) yang dapat mengganggu analisis.
Nilai negatif tersebar di sepanjang
pantai (bagian timur dan utara atas)
sedangkan nilai positif menyebar ke arah
darat dengan NDVI tertinggi adalah
0,919, dan terendah 0,300 berdasarkan
(2-2)
klasifikasi Landsat USGS (Weier dan Herring,
2000). Secara visual tingkat kehijauan
membedakan kondisi kesehatan mangrove
antara tiga tahun yang berbeda, dimana pada
tahun 2003 kondisi hutan mangrove di
wilayah pesisir didominasi oleh tutupan
vegetasi yang sehat ditunjukkan dengan
warna hijau tua, sedangkan hutan mangrove
ke arah darat bercampur dari NDVI rendah
hingga tinggi.
Pada tahun 2010, NDVI hutan mangrove
di wilayah pesisir, khususnya di sisi timur
sedikit menurun seperti terlihat pada gambar
dengan beberapa area terlihat berubah dari
hijau tua menjadi hijau muda. Hal yang sama
dengan daerah yang dekat dengan daratan
juga sedikit mengalami degradasi, yang
menjelaskan terjadinya degradasi kesehatan
mangrove, sedangkan mangrove di pantai
utara sedikit meningkat. Pada tahun 2017
kondisi hutan mangrove
Nusa
dan
keduanya menuju ke laut ke arah darat
didominasi warna hijau tua yang tersebar
halus di sepanjang pantai dan ke daratan
dibandingkan dengan kondisi tahun 2003 dan
nilai
2010, yang digambarkan sebagai peningkatan
biomassa dan vegetasi yang lebih sehat.
 Perubahan Hutan Mangrove di Kawasan Konservasi Laut Nusa Penida…

Gambar 3-1: Mangrove NDVI selama periode

Histogram menunjukkan komposisi sebagai peningkatan kesehatan mangrove di

NDVI selama periode (Gambar 3-2), di mana
komposisi indeks pada tahun 2003 agak
berubah sedikit pada tahun 2010. Perubahan
NDVI berkisar antara 0,7 hingga 0,9 dengan
sebagian besar NDVI berkisar antara 0,8
hingga 0,9 sedikit menurun menjadi berkisar
antara 0,7 dan 0,8, sedangkan NDVI berkisar
antara 0,3 hingga 0,6 tetap stabil. Perubahan
besar-besaran terjadi pada tahun 2017
dimana NDVI berkisar 0,85 sampai 0,9
meningkat signifikan jumlahnya dari di bawah
1.000 titik pengamatan menjadi hampir 1.500
titik, yang
diperkuat oleh NDVI tertinggi baru di atas 0,9
dengan sekitar 200 poin. Kondisi tahun 2017
dinilai
wilayah ini berasal dari rendah menjadi sedang
dan dikonversi menjadi NDVI tinggi dari kondisi
tahun 2010.
Secara statistik, kesehatan hutan
mangrove pada tahun 2010 agak
menurun seperti yang ditunjukkan oleh nilai
median dan meannya dengan kira-kira
selisih 0,01 dibandingkan tahun 2003,
sedangkan pada tahun 2017 nilai median dan
mean meningkat secara signifikan masing-
masing sebesar 0,6 menjadi 0,7 dibandingkan
tahun 2010. Standar deviasi titik pengamatan
tahun 2017 adalah 0,11, yang bervariasi
dibandingkan tahun 2003 dan 2010 sekitar
0,10 (Tabel 3 -1).

Gambar 3-2: Kondisi hutan mangrove berdasarkan jumlah piksel dalam rentang waktu

Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018 147
Agustus Daulat dkk.

Tabel 3-1: Informasi statistik indeks NDVI selama rentang waktu

Tidak Kategori NDVI 2003 NDVI 2010 NDVI 2017

1 Minimum 0.302 0.311 0.305
2 Maksimum 0,903 0,901 0,919
3 median 0,809 0,796 0,867
4 Berarti 0,773 0,763 0,821
5 Standar Deviasi 0.106 0.106 0.110

Analisis Regresi Satu (Gambar 33(a))
yang berasal dari citra 2010 dengan 2003
menghasilkan korelasi positif yang kuat antara
kedua citra dengan R2=0,78 (koefisien
determinasi),
yang menjelaskan 78% variasi total
pengamatan titik pada citra 2003 dengan
pengamatan titik pada citra 2010. Metode
yang sama diterapkan untuk citra 2010 dan
2017 bernama Analisis Regresi Dua (Gambar
3-3(b)) dan menghasilkan korelasi positif
perusahaan yang sama dengan R2=0,78. Kedua
Analisis Regresi
mengilustrasikan bagaimana perawatan
berpengalaman oleh gambar NDVI 2003
mempengaruhi gambar NDVI pada tahun 2010,
sedangkan NDVI 2010 mempengaruhi gambar di
2017.
NS hasil dari Berpasangan Uji-T
antara dua citra NDVI 2003 dan NDVI 2010
menggunakan two-sided tailed dengan
tingkat kepercayaan 99% menunjukkan bahwa
kedua citra tersebut merupakan perbedaan
yang signifikan secara statistik antara rerata
NDVI 2003 dan NDVI 2010 berdasarkan pvalue
< 0,01. Kondisi yang sama terjadi antara NDVI
2010 dan NDVI
2017, yang menyimpulkan gambar NDVI
2003, 2010 dan 2017 berbeda secara statistik.

(Sebuah) (B)

Gambar 3-3: Regresi antara 2003 dan 2010 (a) dan antara 2010 dan 2017 (b)

148 Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
 Perubahan Hutan Mangrove di Kawasan Konservasi Laut Nusa Penida…

(Sebuah) (B)

Gambar 3-4: Perubahan Mangrove 1 (a) dan Perubahan Mangrove 2 (b)

Tabel 3-2: Informasi Statistik Perubahan Mangrove

Tidak Kategori Perubahan Mangrove 1 Perubahan Mangrove 2

1 Minimum - 0,382 - 0,384
2 Maksimum 0.219 0.275
3 median - 0. 010 0,058
4 Berarti - 0,009 0,057
5 Standar 0,051 0,051
Deviasi

Indeks perubahan hutan mangrove dari sampai 2010, lebih banyak area tampaknya memiliki
waktu ke waktu (Gambar 3-4) diperoleh pertumbuhan NDVI yang lebih rendah, sedangkan antara

dengan mengurangkan dua citra yang tahun 2010 dan 2017 sebagian besar mengalami pertumbuhan

menghasilkan indeks perubahan mangrove yang lebih tinggi dengan pertumbuhan yang rendah

bernama Mangrove Change 1 (gambar 2003 terkonsentrasi di wilayah pesisir.

dan 2010, Gambar 3-4(a)), dan Mangrove
Secara statistik Mangrove Change 1
Change 2 (gambar 2010 dan 2017, Gambar
didominasi oleh perubahan negatif di seluruh
3-4(b)). Indeks perubahan ini menggambarkan
wilayah yang ditunjukkan oleh median dan
besarnya perubahan yang terjadi pada
berarti nilai - 0,010 dan - 0,009
periode sebelum penetapan KKL dan setelah
masing-masing, ketika NS di depan
penetapan KKL. Biru
kondisi terjadi di dalam Bakau
warna mewakili NS positif tinggi
Perubahan 2 dimana perubahan dikendalikan
perubahan NDVI hutan mangrove, sedangkan
oleh nilai positif dengan median 0,058 dan
warna kuning menunjukkan perubahan NDVI
mean 0,057. Standar deviasi pada Mangrove
rendah-negatif. Mangrove Change 1 terdiri dari
Change 1 dan 2 relatif sama dengan 0,051,
indeks perubahan campuran antara positif
yang menunjukkan variasi yang seragam
dan negatif mengubah, di mana NS
seperti yang ditunjukkan pada tabel 3-2.
Perubahan Mangrove 2 didominasi oleh perubahan
positif kecil yang tersebar di sepanjang kawasan Indeks Perubahan Mangrove
hutan mangrove, dengan perubahan negatif di histogram (Gambar 3-5) menjelaskan
sepanjang pantai timur. Dari tahun 2003 perubahan NDVI sebelum dan sesudah KKL

Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018 149
Agustus Daulat dkk.
(Sebuah)
Gambar 3-5: Indeks Perubahan Mangrove 1 (a) dan Indeks Perubahan Mangrove 2 (b)
sebutan di Nusa Penida. Sebelum penetapan
KKL (Gambar 3-5(a)), perubahan hutan
mangrove didominasi oleh negatif hingga
sedikit tidak ada perubahan, yang dianggap
sebagai kondisi degradasi yang ditunjukkan
dengan berbagai nilai berkisar antara -0,1
hingga di bawah 0,05. Sedangkan setelah
penetapan KKL (Gambar
= 0,067585 0,0098933
Di mana,
kamu : Ubah NDVI
KKL: Pengaruh rata-rata penerapan KKL terhadap perubahan NDVI/7tahun
= 2017 0,067585 0,0098933 2017 = 2017 0,0098933
Dampak penetapan KKL di Nusa
Lembongan dipetakan menggunakan Analisis
Regresi Perubahan Mangrove (Gambar 3-6(a)),
dan memproyeksikan kondisi hutan mangrove
di Nusa Lembongan tanpa KKL (Gambar
3-6(b)). Dampak NDVI paling banyak terjadi
hampir di seluruh kawasan hutan mangrove,
terutama dampak positif ke arah darat yang
ditunjukkan dengan warna hijau tua,
sedangkan warna kuning menunjukkan sedikit
tidak ada pengaruh perubahan, dan warna
merah yang mewakili dampak negatif dari
150 Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
(B)
3-5(b)) jumlah pemilihnya bernilai positif
dengan kisaran mulai dari 0,05 hingga 0,15.
Regresi Perubahan Mangrove
Analisis yang diperoleh dari Mangrove Change 1
dan Mangrove Change 2 menghasilkan model
persamaan regresi untuk memperkirakan
pengaruh KKL terhadap perubahan NDVI
mangrove per 7 tahun sebagai berikut:
(3-1)
(3-2)
(3-3)
peruntukan KKL terjadi di sepanjang wilayah
pesisir.
Penilaian akurasi menggunakan
Cohen's Kappa menghasilkan koefisien Kappa
yang sama (Tabel 3-3) antara periode dengan
rata-rata 0,71, yang berarti bahwa penilaian
akurasi menunjukkan kesesuaian yang baik
antara sampel acak yang ditemukan yang
diterapkan pada Resolusi Tinggi Google Earth
dengan citra satelit.
 Perubahan Hutan Mangrove di Kawasan Konservasi Laut Nusa Penida…

(Sebuah)
(B)

Gambar 3-6: Dampak NDVI (a), dan NDVI 2017 tanpa KKL (b)

Analisis Hotspot (Gambar 3-7
menghasilkan tiga gambar yang berbeda seperti
yang ditunjukkan pada gambar di atas, di mana
warna biru (gelap) menggambarkan distribusi
spasial nilai rendah (titik dingin) berdasarkan
nilai NDVI-nya, sedangkan warna merah
(terang) , mewakili nilai tinggi (hotspot) pada
tiga tingkat kepercayaan 99%, 95%, dan 90%
(Nallan dkk. 2015). Pada tahun 2003 hotspot dan
cold-spot tersebar merata di sepanjang kawasan
hutan mangrove dalam tiga wilayah yang
berbeda
tingkat kepercayaan, sedangkan pada tahun
2010 hotspot mengelompok di tengah hutan
mangrove, yang terkait dengan turunnya
NDVI pada tahun 2010. Analisis hotspot pada
tahun 2017 menunjukkan dominasi nilai tinggi
di seluruh kawasan dan memperkuat
informasi statistik di mana konversi positif
NDVI secara masif
terjadi pada tahun tersebut dibandingkan dengan
periode sebelumnya pada tahun 2010 dan 2003.
Berdasarkan beberapa citra hasil
pendekatan penginderaan jauh, kondisi hutan
mangrove di KKL Nusa Penida mengalami
perubahan yang cukup besar, yang
dipengaruhi oleh KKL tersebut.
pelaksanaan tahun 2010. Kesehatan hutan
mangrove yang berasosiasi dengan biomassa
vegetasi pada tahun 2003 sedikit menurun
pada tahun 2010, dan meningkat
cukup signifikan pada tahun 2017. Kondisi hutan
mangrove pada tahun 2003, 2010, dan 2017
berbeda nyata berdasarkan hasil uji t
berpasangan (p-value < 0,01) dengan
menggunakan selang kepercayaan 99%, dimana
perbedaan rata-rata pada tahun 2003-2010 dan
2010- 2017 adalah 0,009 dan 0,057
masing-masing.

Tabel 3-3: Akurasi klasifikasi menggunakan metode Kappa Cohen

Tidak Bertahun-tahun Akurasi (%) Koefisien Kappa

1 2003 88.40 0,70
2 2010 88.00 0,71
3 2017 89,73 0.73
4 Rata-rata 88.71 0. 71

Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018 151
Agustus Daulat dkk.
Gambar 3-7: Analisis Hotspot di KKP Nusa Penida
Sebagian besar perubahan positif pada
tahun 2010 terjadi ke arah darat (arah barat),
sedangkan perubahan negatif yang dianggap
sebagai degradasi mangrove terjadi di tengah
hutan mangrove menuju laut. Hal ini mungkin
terjadi karena pasang surut, gelombang yang
dikombinasikan dengan kenaikan muka air laut
di wilayah tersebut, dan lokasinya yang
berbatasan langsung dengan Selat Lombok di
sebelah barat, yang terkenal dengan arusnya
yang kuat (Lubis dan Yuningsih 2016) dan
gelombang internal (Rachmayanidkk. 2010).
Kondisi hutan mangrove pada tahun
2017 mengalami peningkatan secara merata
di seluruh wilayah yang didukung oleh
analisis statistik, analisis hotspot, dan
visualisasi citra. Perubahan hutan mangrove
tahun 2017 didominasi oleh nilai positif yang
kecil di hampir seluruh kawasan mangrove
terutama di bagian tengah (baik ke arah darat
maupun ke arah laut), yang
menunjukkan pertumbuhan KKL
selama implementasi. meja dan
Informasi statistik melalui histogram
memperkuat bukti. Kondisi serupa pada tahun
2010, dimana hutan mangrove di wilayah
pesisir mengalami gangguan yang berasal
dari pasang surut, gelombang dan
152 Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
kombinasi kenaikan permukaan laut (Lovelock
dkk. 2017).
Regresi citra sebelum dan sesudah
penerapan KKL menunjukkan korelasi positif
yang kuat dijelaskan oleh R2 =
0,78 yang menyimpulkan kontribusi KKL
terhadap wilayah dimana kondisi sebelum
pelaksanaan didominasi negatif hingga sedikit
tidak ada perubahan, sedangkan setelah KKL
implementasinya perlahan berubah menjadi
perubahan positif.
4 KESIMPULAN
Keluaran dari penelitian ini adalah
relevan dengan lingkungan dan
pengelolaan konservasi di KKP Nusa Penida,
terutama pengelolaan hutan mangrove. bakau
kesehatan hutan menurun kualitasnya dari
tahun 2003 hingga 2010 sebelum KKL
peruntukan dan meningkat secara signifikan
dari tahun 2010 hingga 2017 setelah
penetapan KKL. Implementasi KKL memainkan
peran kunci dalam mengelola, melestarikan
dan melindungi ekosistem yang ada dengan
perencanaan tata ruang, sistem zonasi, dan
regulasi yang ketat, tetapi pendorong lain
 Perubahan Hutan Mangrove di Kawasan Konservasi Laut Nusa Penida…
alasan alami dan tidak alami juga
berkontribusi pada perubahan.
Observasi lapangan diperlukan untuk
ground truthing untuk mendukung akurasi
penilaian, klasifikasi penggunaan lahan dan
perubahan penggunaan lahan untuk analisis
yang lebih baik dan komprehensif dalam
implementasi KKL. Terakhir, pengelolaan dan
implementasi KKL di KKL Nusa Penida sangat
penting untuk diperhatikan sebagai model peran
dalam penataan ruang termasuk bagaimana
mengatasi beberapa masalah dalam pemangku
kepentingan untuk pengelolaan sumber daya
alam yang lebih baik di masa depan.
PENGAKUAN
Penulis ingin mengucapkan terima kasih
setiap orang WHO terlibat dalam
penyusunan makalah ini untuk mereka
dukungan termasuk masukan, koreksi, dan
saran. Apresiasi tinggi diberikan kepada USGS
atas akses data gratis citra satelit. Terakhir,
tetapi tidak kalah penting,
Andreas SEBUAH. Hutahaean dari
Koordinasi Kementeriandari
Kelautan
Mendagri, serta Laboratorium Data Kelautan
dan Pesisir beserta tim khususnya Joko
Subandriyo yang telah mendukung penelitian
ini.
REFERENSI
Data Satelit Pengamatan Darat Lanjutan,
(2017), Data Alos. http://www.alosrestec.jp/
en/staticpages/index.php/abo utalos.
Alongi D., Murdiyarso D., Fourqurean J.,
Kauffman J., Hutahaean A., Crooks S.,
Lovelock C., Howard J., Herr D., Fortes
M, (2016), Karbon Biru Indonesia: Penyerap
Karbon Lamun dan Mangrove yang
Signifikan dan Rentan Secara Global. Ekologi
dan Pengelolaan Lahan Basah, 24, 3-13.
Alongi DM, (2002), Keadaan Sekarang dan Masa Depan
NS dunia Bakau Hutan.
Konservasi Lingkungan, 29, 331-
349.
bersama DM, (2008), Bakau Hutan:
Ketahanan, Perlindungan Dari Tsunami, dan
Respons terhadap Iklim Global
Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
Mengubah. Muara, Pesisir dan Ilmu Shelf,
76, 1-13.
Bhosale NP, Manza RR, (2013), Analisis
Pengaruh Filter Penghilang Bising pada
Gambar Penginderaan Jauh Bising. Jurnal
Internasional Penelitian Ilmiah & Teknik
(IJSER), 4, 1151.
Cannicci S., Burrows D., Fratini S., Smith T.
J., Offenberg J., Dahdouh-Guebas F,
(2008), Dampak Fauna pada Struktur
Vegetasi dan Fungsi Ekosistem di Hutan
Mangrove: Tinjauan. Botani Akuatik, 89,
186-200.
Cohen J., (1960), Koefisien Kesepakatan
untuk Timbangan Nominal. Pengukuran
Pendidikan dan Psikologis, 20, 37-46.
Dirhamsyah, (2016), Kemunduran dalam
Pengembangan Kawasan Konservasi
Perairan di Indonesia. Jurnal Urusan Maritim &
Kelautan Australia, 8, 87-100. Donato DC,
Kauffman JB, Murdiyarso D.,
Kurnianto S., Stidham M., Kanninen M.,
(2011), Mangrove Diantara Hutan Paling
Kaya Karbon di Daerah Tropis. Geosains
Alam, 4, 293-297.
Dudley N., (2008), Pedoman Penerapan
Kategori Pengelolaan Kawasan Lindung,
IUCN.
Foga S., Scaramuzza PL, Guo S., Zhu Z., Dilley
RD, Beckmann T., Schmidt GL, Dwyer JL,
Hughes MJ, Laue B., (2017), Perbandingan
dan Validasi Algoritma Deteksi Cloud untuk
Produk Data Landsat Operasional.
Penginderaan Jauh
Lingkungan, 194, 379-390.
Gedan KB, Kirwan ML, Wolanski E., Barbier,
EB, Silliman BR, (2011), Peran Vegetasi Lahan
Basah Pesisir Saat Ini dan Masa Depan dalam
Melindungi Garis Pantai: Menjawab
Tantangan Paradigma Terbaru. Perubahan
Iklim, 106, 7-29. Giri C., Ochieng E., Tieszen LL,
Zhu Z., Singh
A., Loveland T., Masek J., Duke N.,
(2011), Status dan Distribusi Hutan
Mangrove Dunia Menggunakan Data Satelit
Pengamatan Bumi. Ekologi dan Biogeografi
Global, 20, 154-159. Gordon AL, Susanto RD,
Ffield A., (1999),
Arus Lintas Dalam Selat Makassar. Surat
Penelitian Geofisika, 26, 3325-
3328.
153
Agustus Daulat dkk.
gorelick N., Hancher M., Dixon M.,
Ilyushchenko S., Thau D., Moore R.,
(2017), Google Earth Engine: Analisis
Geospasial Skala Planet untuk Semua Orang.
Penginderaan Jauh Lingkungan.
Hansen MC, Potapov PV, Moore R., Hancher
M., Turubanova S., Tyukavina A., Thau
D., Stehman S., Goetz S., Loveland T.,
(2013), Peta Global Resolusi Tinggi
Perubahan Tutupan Hutan Abad ke-21.
Sains, 342, 850-853.
Irons JR, Dwyer JL, Barsi JA, (2012), The Next
Satelit Landsat: Misi Kontinuitas Data
Landsat. Penginderaan Jauh Lingkungan,
122, 11-21.
Jensen JR, (2015), Gambar Digital Pengantar
Pemrosesan: Penginderaan Jauh
Perspektif, Prentice Hall Press. Kathiresan K.,
Rajendran N., (2005), Pesisir
Hutan Mangrove Mitigasi Tsunami. Ilmu
Muara, Pesisir dan Landas,
65, 601-606.
Kissinger G., Herold M., De Sy V., (2012),
Pemicu Deforestasi dan Degradasi Hutan:
Laporan Sintesis untuk Pembuat Kebijakan
REDD+. Vancouver,
Kanada: Konsultasi Lexeme.
Kusumaningtyas MA, Daulat A., Suryono DD,
Ati RNA, Kepel TL, Rustam A., Rahayu YP,
Sudirman N., Hutahaean AA, (2014), Blue
Carbon Stock Mangrove
Ekosistem di Nusa Penida, Bali. Konferensi
Dua Tahunan Konferensi Penginderaan Jauh
Pan Ocean ke-12 (PORSEC
2014).
Lovelock CE, Feller IC, Reef R., Hickey S., Bola
MC, (2017), Mangrove Dieback Selama
Fluktuasi Permukaan Laut. Ilmiah
Laporan, 7, 1680.
Margono BA, Potapov PV, Turubanova S.,
Stolle F., Hansen MC, (2014), Kehilangan
Tutupan Hutan Primer di Indonesia Selama
2000-2012. Perubahan Iklim Alam, 4, 730-735.
Mather PM, Koch M., (2011), Komputer
Pengolahan Gambar Penginderaan Jauh:
Sebuah Pengantar, John Wiley & Sons.
Murdiyarso D., Purbopuspito J., Kauffman J
B, Warren MW, Sasmito SD, Donato DC,
Manuri S., Krisnawati H., Taberima S.,
Kurnianto S., (2015), Potensi Hutan
Mangrove Indonesia Untuk Global
154 Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018
Iklim Mengubah Mitigasi. Alam
Perubahan Iklim, 5, 1089-1092.
Murray SP, Arief D., (1988), Aliran ke dalam
Samudera Hindia Melalui Selat Lombok,
Januari 1985–Januari 1986. Alam, 333,
444-447.
Nallan SA, Armstrong LJ, Tripathy AK,
Teluguntla P., (2015), Analisis Hotspot
Menggunakan Data NDVI untuk Penilaian
Dampak Pembangunan Daerah Aliran Sungai.
Teknologi Berkelanjutan
untuk
Pembangunan 2015 (ICTSD),
Konferensi Internasional pada, 2015. IEEE,
1-5.
Nurhidayah L., Alam S., (2017), KKL dan
Perikanan dalam Konteks Ketahanan Pangan
dan Penghidupan Berkelanjutan di
Indonesia: Studi kasus KKL di Karimunjawa
dan Mayalibit Papua, Indonesia. Dalam:
Westlund, L., Charles, A., Garcia, SM,
Sanders, J. (eds.) Kawasan Konservasi Laut:
Interaksi dengan
Mata Pencaharian Perikanan dan Ketahanan
Pangan. Roma: Pangan dan Pertanian
Organisasi Perserikatan Bangsa-Bangsa dan
Persatuan Internasional untuk Konservasi
Alam.
Rachmayani R., Ningsih NS, Hardi S.,
Brodjonegoro IS, (2010), Dinamika
Penjalaran Gelombang Internal di Selat
Lombok. Jurnal Ilmu Kelautan Indonesia, 13,
1-12.
Ronnback P., Crona B., Ingwall L., (2007), The
Pengembalian Barang dan Jasa Ekosistem di
Hutan Mangrove yang Ditanam Kembali:
Perspektif dari Komunitas Lokal di Kenya.
Konservasi Lingkungan, 34, 313-324.
Spalding M., (2010), Atlas Mangrove Dunia,
Routledge.
Toh KKV, Ibrahim H., Mahyuddin MN, (2008),
Deteksi dan Pengurangan Kebisingan Garam
dan Lada Menggunakan Fuzzy Switching
Filter tengah. Transaksi IEEE pada Elektronik
Konsumen, 54.
Walters BB, Ronnback P, Kovacs JM, Crona
B., Hussain SA, Badola R., Primavera JH,
Barbier E., Dahdouh-Guebas F..
(2008), Etnobiologi, Sosial Ekonomi dan
Pengelolaan Hutan Mangrove: Sebuah
Tinjauan. Botani Akuatik, 89, 220-236.
 Perubahan Hutan Mangrove di Kawasan Konservasi Laut Nusa Penida…

Wang Z., Zhang D., (1999), Progresif Observatorium, Administrasi Penerbangan

Mengganti Filter Median untuk
Menghilangkan Impulse Noise Dari Gambar
yang Sangat Rusak. Transaksi IEEE pada
Sirkuit dan Sistem II: Pemrosesan Sinyal
Analog dan Digital, 46, 78-80.
Minggu R., Alino PM, Atkinson S., Bekdia P.,
Binson A., Campos WL, Djohani R., Green AL,
Hamilton R., Horigue V.,
(2014), Mengembangkan Jaringan Kawasan
Konservasi Laut di Segitiga Terumbu Karang:
Praktik Baik untuk Memperluas Sistem
Kawasan Konservasi Laut Segitiga Terumbu
Karang. Pengelolaan Pesisir, 42, 183-205.
Weier J., Herring D, (2000), Pengukuran
Vegetasi (NDVI & EVI). bumi
dan Antariksa Nasional
Widagti N., Triyulianti I., Manessa MDM,
(2011), Perubahan Kepadatan Hutan
Mangrove Di Nusa Lembongan, Bali.
Prosiding Cresos ke-2
Simposium Internasional Tentang Masalah
Lingkungan Asia Tenggara Dan
Penginderaan Jauh Satelit Denpasar, Bali–
Indonesia, 2011. 171-176.
Wulder MA, Masek JG, Cohen WB, Loveland
TR, Woodcock CE, (2012), Opening the
Archive: Bagaimana Data Gratis
Mengaktifkan Janji Sains dan Pemantauan
Landsat. Penginderaan Jauh
Lingkungan, 122, 2-10.

Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018 155
Agustus Daulat dkk.

156 Jurnal Internasional Penginderaan Jauh dan Ilmu Bumi Vol. 15 No. 2 Desember 2018