ANALISIS SPASIO-TEMPORAL PADANG RUMPUT SABANA TROPIS UNTUK ESTIMASI POTENSI KETERSEDIAN PAKAN SAPI DI PULAU SABU, NUSA TENGGARA TIMUR

MUHAMMAD REZA P, Drs. Projo Danoedoro, M.Sc., Ph.D; Muhammad Kamal, M.GIS., Ph.D

2021 | Tesis | MAGISTER PENGINDERAAN JAUH

Pulau Sabu memiliki corak iklim sabana kering yang pada umumnya terdiri dari lahan kering berupa hamparan padang rumput yang luas. Rendahnya curah hujan yang kurang dari 2000 mm/tahun di wilayah bercorak iklim sabana kering tentunya mempengaruhi ketersediaan pakan sapi di Pulau Sabu, sehingga berdampak pada tidak optimalnya pengembangan kulitas dan kuantitas dari peternakan Sapi di Pulau Sabu. Dengan demikian untuk mengoptimalkannya, diperlukan kajian secara spasio-temporal untuk dapat mengidentifikasi dan menganalisis potensi ketersediaan pakan alami berupa rumput untuk pemenuhan pakan sapi. Kegiatan analisis spasial temporal dalam identifikasi potensi padang rumput sabana tropis di lapangan, memerlukan waktu lama, memakan biaya besar, dan dinamika yang tinggi sehingga dibutuhkan cara identifikasi yang cepat, tepat dan efisien. Penelitian ini bertujuan untuk memetakan padang rumput sabana tropis Pulau Sabu dengan menggunakan citra Sentinel-2 level 1C multitemporal, mengetahui akurasi hasil pemetaan padang rumput sabana tropis pada citra Sentinel-2 Level 1C dan mengetahui potensi ketersediaan stok rumput untuk Pakan Sapi di Pulau Sabu. Padang rumput sabana tropis dapat dipetakan dengan cepat tepat, dan efisien melalui analisis spasio-temporal dan dibantu oleh Google Earth Engine. Hasil klasifikasi Parallelepiped didapati sebanyak 1.322.701 piksel dengan luasan 132,2701 km2 lahan terklasifikasi sebagai padang rumput dengan overall accuracy 82.86 %. Pulau Sabu memliki tingkat ketersediaan pakan yang tinggi, yakni 96.26% dengan jumlah produktivitas rumput total 4856.94 ton dalam satu waktu panen setahun dengan kapasitas tampung total sapi di Pulau Sabu sebanyak 161.898 ekor. Identifikasi padang rumput sabana tropis dengan seluruh potensinya dapat dilakukan dengan cepat tepat, dan efisien dengan melakukan pemetaan.

Sabu Island has a dry savanna climate which generally consists of dry land in the form of a wide expanse of grassland. The low of rainfall which less than 2000 mm/ year in areas characterized by a dry savanna climate, certainly affects the availability of cow feed on the island of Sabu, so that the development of cow breeding on Sabu Island is not optimal. Thus, to optimize it, a spatio-temporal study is needed to be able to identify and analyze the potential availability of natural food in the form of grass for the fulfillment of cow feed. Spatio-temporal analysis activities to identifying the potential of tropical savanna grasslands in the field, require a long time, costly, and high dynamics change, precise and efficient way to identification is needed. This study aims to map the tropical savanna grasslands of Sabu Island using multitemporal data of Level 1C Sentinel-2 imagery, determine the accuracy of the mapping results of tropical savanna grasslands on Level 1C Sentinel-2 imagery and determine the potential availability of grass stock for cow feed on Sabu Island. Tropical savanna grassland can be mapped quickly, precisely, and efficiently through spatial tomporal analysis assisted by the Google Earth Engine. Parallelepiped classification results found that 1.322.701 pixels with an area of 132,2701 km2 of land are classified as grassland with an overall accuracy is 82.86%. Sabu Island has a high level of feed availability of 96,26% with a total grass productivity are 4856,94 tons in one harvest time a year with a total capacity of cow in Sabu Island are 161.898 per head of cows. Identification of tropical savanna grasslands with all potention can be done quickly, precisely, and efficiently by mapping.

Kata Kunci : Tropical Sabana Grassland,Google Earth Engine,Parallelepiped,Overall Acuraccy