Professional Documents
Culture Documents
82
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
83
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
84
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
85
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
yang terdapat dalam toolbox pada menu pengklasifikasian yang telah dilakukan masih
Spatial Analysis Tool >> Extraction >> terdapat beberapa kesalahan (error) dalam
Extract by mask. Fungsi ini digunakan untuk menempatkan suatu objek kedalam kelas-kelas
memotong citra dengan sebuah feature atau tertentu, sehingga harus diklasifikasikan
layer polygon, sehingga dapat menghasilkan kembali (recklassification) yaitu meleburkan
atau mengcrop citra sesuai polygon yang ada.. kembali kelas-kelas yang salah dalam
pengkelasan sehingga menjadi kelas yang
sebenarnya.
Citra Landsat yang telah di analisis
menghasilkan Sembilan kelas tutupan lahan
yaitu : (1) Pemukiman, (2) Pertanian Lahan
Kering, (3) Pertanian Lahan Kering campur,
(4) Semak Belukar, (5) Hutan Manggrove
Sekunder, (6) Hutan Primer, (7) Hutan
Sekunder, (8) Sawah, (9) Tambak. Hasil
klasifikasi citra Landsat ditunjukkan pada tabel
7 berikut.
Tabel 3. Luas Penutupan Lahan
Gambar 1. Citra Landsat 8 setelah di setelah Kecamatan Balinggi Tahun 2016
dioverlay dengan Batas Administrasi No Jenis Tutupan Lahan Tahun 2016
Luasan ( Ha ) %
Kecamatan Balinggi
1 Hutan Primer 5.331,02 22,10
Klasifikasi Citra (Image Classification)
2 Hutan Sekunder 5.080,83 21,07
Klasifikasi citra merupakan suatu proses
3 Pertanian Lahan Kering 1.540,96 6,39
pengelompokan seluruh pixel pada suatu citra 4 Pertanian Lahan Kering Campuran 3.669,61 15,21
kedalam dalam kelompok sehingga dapat 5 Pemukiman 333,49 1,38
diinterpretasikan sebagai suatu property yang 6 Sawah 5.500,41 22,81
spesifik (Chein-I Chang dan H.Ren, 2000). 7 Semak 1.194,42 4,95
Klasifikasi supervised dan unsupervised 8 Tambak 1.299,20 5,38
biasanya digunakan untuk mengklasifikasi 9 Mangrove Sekunder 163,30 0,67
keseluruhan suatu dataset menjadi kelas-kelas. Total 100.00
Kelas-kelas dapat mengidentifikasi area hutan, Sumber: Hasil Klasifikasi Citra Landsat 8 Tahun
perkebunan, mineral, urban. Suatu dataset 2016
klasifikasi biasanya diperlihatkan dengan kelas penutupan lahan dengan luasan
menggunakan suatu tampilan baris klasifikasi terbesar terdapat pada jenis tutupan lahan
dalam algoritma. Tampilan baris klasifikasi Sawah dengan luasan 5.500,41 ha atau 22,81%
dapat menampilkan banyak kelas, dengan dari total luas kecamatan Balinggi. Sementara
warna yang berbeda-beda untuk masing- luasan penutupan lahan tambak berada pada
masing kelas. angka 1.299,20 ha atau 5,38%. Mangrove
Metode klasifikasi yang digunakan adalah sekunder merupakan jenis tutupan lahan yang
klasifikasi tak terbimbing (unsupervised paling sedikit dengan luasan 163,30 ha atau
classification) yakni Klasifikasi tidak
terbimbing karena merupakan metode yang
memberikan mandat sepenuhnya kepada
sistem/komputer untuk mengelompokkan data
raster berdasarkan nilai digitalnya masing-
masing, intervensi pengguna dalam hal ini
diminimalisasi. Jenis metode ini digunakan
bila kualitas citra sangat tinggi dengan distorsi
atmosferik dan tutupan awan yang rendah.
Citra Landsat 8 tahun 2016 yang dianalisis
menghasilkan kelas sebaran mangrove yaitu
Jarang, Sedang dan Lebat. Dalam proses
86
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
0,67% dari total luasan di kecamatan Balinggi. dari genangan air pada saat air surut.
Komunitas yang ada di dalam hutan mangrove
ini sangat adaptif terhadap kadar garam air
laut. Sebagai sebuah ekosistem, hutan
mangrove terdiri dari beragam organisme yang
juga saling berinteraksi satu sama lainnya.
87
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
88
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
89
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
90