Analisis Hasil Identifikasi Persebaran Mangrove Berdasarkan Algoritma Normalized Difference Vegetation Index dan Mangrove Vegetation Index Menggunakan Citra Satelit Sentinel-2 (Studi Kasus: Taman Nasional Alas Purwo)

Abstract

Abstrak: Penginderaan jauh merupakan teknologi yang umum digunakan dalam pengamatan dan pemetaan area mangrove dengan cepat. Dalam pemrosesannya, Normalized Difference Vegetation Index (NDVI) adalah algoritma yang sering digunakan di Indonesia dan bekerja dengan mengidentifikasi indeks densitas kanopi vegetasi. Mangrove memiliki kenampakan kanopi yang unik sehingga dapat diidentifikasi menggunakan NDVI, namun vegetasi lain dengan kanopi rapat dapat memiliki nilai indeks NDVI yang sama dengan mangrove. Sehingga akan menimbulkan kesalahan identifikasi dan terjadinya penurunan kualitas hasil penelitian. Hingga pada tahun 2020, terdapat algoritma baru khusus mangrove dengan nama Mangrove Vegetation Index (MVI). MVI merupakan algoritma yang memiliki karakteristik yang berbeda untuk jenis hutan mangrove riverine dan fringe. Indonesia memiliki area mangrove mencakup kedua jenis hutan mangrove tersebut, yaitu pada area mangrove di Kawasan Taman Nasional Alas Purwo. Oleh karena itu, dilakukanlah penelitian ini dengan lokasi studi berada di Taman Nasional Alas Purwo. Dengan menggunakan data citra satelit Sentinel-2 Level 2A, penelitian dilakukan untuk membandingkan hasil dari algoritma NDVI dan MVI terhadap data tersebut. Cakupan area mangrove diketahui dengan melakukan klasifikasi terbimbing metode CART yang menghasilkan data raster hasil klasifikasi area mangrove dengan nilai akurasi mencapai 96,10%, dengan luas area mangrove teridentifikasi mencapai 1583,914 Ha. Transformasi algoritma NDVI dan MVI dilakukan pada hasil klasifikasi, sehingga diperoleh nilai luasan mangrove teridentifikasi dari algoritma NDVI sebesar 1684,370 Ha dan sebesar 1501,808 Ha dari algoritma MVI. Kemudian dilakukan uji validasi dengan metode overlay dari hasil transformasi tersebut yang menunjukkan kesesuaian dalam penggunaan algoritma NDVI sebesar 32,1% pada bagian utara AOI, dan 21,3% untuk bagian selatan. Sedangkan, pada penggunaan algoritma MVI menunjukkan kesesuaian dalam kategori sesuai mencapai 40,9% untuk bagian utara, dan 15,5% untuk bagian selatan AOI. Abstract: Remote sensing is a technology that is commonly used in observing and mapping mangrove area rapidly. In the processing, Normalized Difference Vegetation Index (NDVI) is an algorithm that commonly used in Indonesia and works by identifying density of vegetation canopy. Mangrove has unique canopy that could be identified by NDVI, but other vegetation with dense and denser canopy could have same NDVI index value with mangrove. It could lead to errors and degradation in the quality of research results. In 2020, there is new mangrove-focused algorithm, called Mangrove Vegetation Index (MVI). MVI has characteristic to identify and discriminate mangrove forest types, like riverine and fringe type. Indonesia also has mangrove area that include both type of mangrove forest, and it is on Alas Purwo National Park. These are reasons and objectives to do this research on Alas Purwo National Park. Using Sentinel-2 Level 2A imagery, this research is about comparing NDVI and MVI mangrove identification's results that is processed on the imagery. Mangrove boundaries are discovered by conducting supervised classification using CART method, which produced raster data of mangrove classification with accuracy of 96.10% and the area of identified mangrove reached 1583.914 Ha. NDVI and MVI algorithm transformations are performed on the classified image, resulting total identified mangrove area value from NDVI algorithm is 1684.370 Ha, and from MVI algorithm reached 1501.808 Ha in total. Also, validation test was performed using overlay method on the transformation results, showing the suitability of using NDVI algorithm is 32.1% for the north region of AOI, and 21.3% for the south region. Meanwhile, the suitability of MVI algorithm reached 40.9% for the north region, and 15.5% for the south region of AOI.