Pemetaan Tutupan Lamun di Perairan Dangkal Optis Pulau Pari Tahun 2019-2023 Menggunakan Analysis Ready Data Sentinel-2

Shinta Khoiri Fadhillah, Prof. Dr. Pramaditya Wicaksono, S.Si., M.Sc.

2024 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Padang lamun memegang peran yang besar dari berbagai aspek, tetapi secara global menghadapi ancaman degradasi, termasuk di Pulau Pari, Kepulauan Seribu. Informasi spasial terkait tutupan lamun diperlukan dalam manajemen pengelolaan dan restorasi padang lamun. Persentase tutupan lamun berperan sebagai komponen penting yang berpengaruh terhadap karakteristik biofisik padang lamun dan sekaligus menjadi parameter kunci dalam mengidentifikasi perubahan lamun. Platform komputasi awan Google Earth Engine (GEE) dapat menunjang pengolahan data penginderaan jauh dengan jumlah data yang banyak dan besar, sehingga berpotensi digunakan dalam pemetaaan tutupan lamun secara multitemporal. Analysis Ready Data Sentinel-2 yang tersedia pada dataset GEE digunakan pada pemetaan dengan metode klasifikasi berbasis piksel ini. Penelitian ini bertujuan untuk (1) menguji akurasi dari hasil klasifikasi dengan algoritma machine learning pada Google Earth Engine untuk pemetaan padang lamun dan (2) memetakan tutupan serta distribusi padang lamun di Pulau Pari, Kepulauan Seribu pada tahun 2019-2023 menggunakan data Sentinel-2. Hasil pemetaan habitat bentik dan pemetaan tutupan lamun dengan algoritma Random Forest memiliki nilai overall accuracy masing-masing sebesar 84,65 persen dan 80,58 persen. Perairan Pulau Pari, Kepulauan Seribu pada rentang 2019-2023 didominasi oleh kelas lamun tutupan rendah (0-30%). Distribusi lamun tutupan sedang dan tinggi sempat mengalami peningkatan pada tahun 2020. Proporsi lamun dengan kondisi sehat sangatlah kecil. Untuk itu, perlu dilakukan transplantasi kembali agar kelimpahan lamun tetap stabil di tengah kondisi yang fluktuatif karena tekanan antropogenik.

Seagrass meadows play a major role in many aspects, but globally face the threat of degradation, including in Pari Island, Kepulauan Seribu. Spatial information related to seagrass cover is required for seagrass management and restoration. The percentage of seagrass cover is an important component that affects the biophysical characteristics of seagrass beds and is also a key parameter in identifying seagrass changes. The Google Earth Engine (GEE) cloud computing platform can support the processing of remote sensing data with large amounts of data, so it has the potential to be used in multitemporal seagrass cover mapping. Sentinel-2 analysis ready data available in the GEE dataset was used in this mapping with a pixel-based classification method. This research aims to (1) determine the accuracy of classification results with machine learning algorithms on Google Earth Engine for seagrass mapping also (2) mapping cover and distribution of seagrass on Pari Island, Kepulauan Seribu in 2019-2023 using Sentinel-2 data. The results of benthic habitat mapping and seagrass cover mapping with the Random Forest algorithm have an overall accuracy value of 84.65% and 80.58%, respectively. The optically shallow waters of Pari Island, Kepulauan Seribu in 2019-2023 were dominated by the low cover seagrass class (0-30%). The distribution of medium cover seagrasses had increased in 2020. The proportion of seagrasses with healthy conditions is very small. For this reason, it is necessary to transplant again so that seagrass abundance is stable amid fluctuating conditions due to anthropogenic pressures.

Kata Kunci : Tutupan lamun, Pulau Pari, Sentinel-2, Multitemporal, Google Earth Engine/Seagrass percent cover, Pari Island, Sentinel-2 Imagery, Multitemporal, Google Earth Engine