Kajian Citra Worldview-2 dalam Pemetaan Ekosistem Padang Lamun di Pulau Pari, Kabupaten Kepulauan Seribu
Rico Wijayakusuma Lullulangi, Prof. Dr. Pramaditya Wicaksono, S.Si., M.Sc.
2023 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH
Pemanfaatan
citra penginderaan jauh dalam proses pemetaan saat ini semakin berkembang
karena efektivitasnya. Meskipun begitu, perhatian terhadap pemetaan ekosistem
lamun, terutama di Indonesia, belum menjadi prioritas utama, meskipun Indonesia
memiliki sebaran lamun terluas kedua di dunia, dengan perkiraan wilayah
mencapai 30.000 km2 (Green & Short, 2003). Citra penginderaan
jauh dengan resolusi tinggi menjadi penting dalam pemetaan perairan laut
dangkal karena lamun memiliki keterbatasan dalam memantulkan energi, sehingga
citra komposit true colour menjadi yang paling optimal untuk digunakan.
Variasi dalam penggunaan citra ini menghasilkan tingkat akurasi yang
berbeda-beda dalam pemetaan, dan perbedaan citra juga memengaruhi cara
klasifikasi pemetaan dilakukan. Penelitian ini memiliki tujuan utama, yaitu:
(1) menganalisis skema klasifikasi optimal untuk pemetaan ekosistem padang
lamun dengan memanfaatkan klasifikasi ISODATA dan segmentasi
Object-Based Image Analysis (OBIA), (2) memetakan ekosistem lamun di Pulau Pari dengan
menggunakan metode klasifikasi random forest, (3) menguji akurasi hasil
pemetaan ekosistem padang lamun dengan menggunakan skema klasifikasi yang telah
ditentukan. Skema klasifikasi optimal untuk pemetaan ekosistem padang lamun
ditemukan melalui integrasi antara metode klasifikasi ISODATA, segmentasi OBIA, dan data lapangan yang telah terkumpul. Skema klasifikasi
menghasilkan tujuh kelas yang berbeda, yaitu: C dominated, BS dominated, BS
with Sg, Mix Sg BS C, Mix Sg BS, Mix BS C, dan Mix BS M C. Hasil
dari skema klasifikasi optimal ini kemudian diterapkan pada klasifikasi menggunakan
metode random forest dengan memanfaatkan segmentasi citra.
Hasilnya menunjukkan tingkat akurasi yang tinggi, dengan overall accuracy
(OA) mencapai 98,15%.
The utilization of remote sensing imagery in mapping
processes is currently evolving due to its effectiveness. However, the mapping
of seagrass ecosystems, particularly in Indonesia, has not been a top priority,
despite Indonesia boasting the world's second-largest seagrass distribution,
estimated at approximately 30,000 km2. The variation in image
classification schemes results in varying levels of accuracy in mapping, and
image disparities also influence the choice of classification scheme. This
research aims to achieve the following objectives: (1) Analyze the optimal classification
scheme for seagrass ecosystem mapping using ISODATA classification and Object-Based Image Analysis
(OBIA), (2) Map
seagrass ecosystems on Pulau Pari using random forest classification, and (3) Assess
the accuracy of the seagrass ecosystem mapping results using the optimal
classification scheme. The optimal classification scheme for seagrass ecosystem
mapping is determined through the integration of ISODATA classification method, OBIA segmentation and seagrass field data. This
integration yields seven different classes: C dominated, BS dominated, BS with
Sg, Mix Sg BS C, Mix Sg BS, Mix BS C, and Mix BS M C. The results of the
optimal classification scheme are then applied to classification using the
random forest method,
demonstrate a high level of accuracy, with an overall accuracy (OA) reaching
98.15%.
Kata Kunci : Ekosistem padang lamun, Random forest, WorldView-2, ISODATA, OBIA