J.

ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179

ISSN-e : 2550 - 0562

ANALISIS VEGETASI MANROVE MENGGUNAKAN (NDVI) PADA

EKOSISTEM MANGGROVE DI KECAMATAN BALINGGI
KABUPATEN PARIGI MOUTONG

Andri Setiawan1), Akhbar2), Ida Arianingsih2)

Jurusan Kehutanan, Fakultas Kehutanan, Universitas Tadulako
Jl. Soekarno Hatta Km. 9 Palu, Sulawesi Tengah 94118
1)
Mahasiswa Fakultas Kehutanan Universitas Tadulako
Korekspondensi: Andrisetiawan.taher@gmail.com
2)
Staf Pengajar Fakultas Kehutanan Universitas Tadulako

This study aims to determine the area-level greenness of mangrove ecosystems in

Balinggi Sub-district, Parigi Moutong Regency, Central Sulawesi, by using Landsat 8 image
data. It is expected to provide information about the normalized difference Vegetation Index
(NDVI) of each site that has been analyzed using GIS. The observation was conducted in June –
August 2017. The research method used in this study was by assessing the mangrove density or
the level of greenness using the vegetation index method through the NDVI formula, which is
effective as an initial division of vegetation areas. The NDVI can be an indicator to measure
green leaf biomass and leaf area index for the classification of vegetation. Based on the results
of Landsat 8 image data of 2016, the total area of mangrove forest vegetation in Balinggi was
163.30 ha and can be classified into three classes of vegetation density, namely: low (26.46 ha),
moderate (55.54 ha) and high (80.08 ha). Furthermore, based on the table of Landsat image
classification, the low density class has “very good” land use accuracy with a value of 100%
while the high and moderate density classes have “good” land use accuracy of 75% and 67%,
respectively.
Key Words: Normalized Differenced Vegetation Index, Classification, Manggrove,

PENDAHULUAN (Faizal et al., 2005). Dengan teknologi ini,

Latar Belakang
Indonesia sebagai negara kepulauan
menunjukkan bahwa pulau-pulau tersebut
dikelilingi oleh pesisir dan laut. Gelombang
laut dipengaruhi oleh angin, suhu, salinitas dan
kedalaman laut. Perbedaan keadaan darat dan
laut, maka gelombang selalu terjadi siang dan
malam. Gelombang laut yang bergerak ke
darat akan menumbuk daratan. Tumbukan
gelombang ini akan berpengaruh terhadap
terjadinya erosi pantai atau abrasi. Abrasi akan
besar pada daerah-daerah tanjung, karena
tenaga kinetik laut akan terpusat pada tanjung
tersebut. Abrasi tidak dapat dihindari, karena
merupakan proses alam, hanya upaya manusia
hanya untuk memperkecil tingkat abrasi
tersebut. Hutan mangrove dapat diidentifikasi
dengan menggunakan teknologi penginderaan
jauh, dimana letak geografi hutan mangrove
yang berada pada daerah peralihan darat dan
laut memberikan efek perekaman yang khas
jika dibandingkan obyek vegetasi darat lainnya
nilai spektral pada citra satelit dapat dianalisis
menjadi informasi obyek jenis mangrove pada
kisaran spektrum tampak dan inframerah -
dekat (Suwargana, 2008).
Untuk melihat kondisi terkini mengenai
sebaran dan kerapatan hutan mangrove di
Kecamatan Balinggi Kabupaten Parigi
Moutong perlu dilakukan penelitian dengan
menggunakan data terbaru. Salah satu satelit
terbaru yang bisa dimanfaatkan untuk
mendeteksi hutan mangrove adalah Landsat 8.
Satelit ini melanjutkan misi satelit Landsat 7
(ETM+) sebelumnya. Hal ini terlihat dari
karakteristiknya yang mirip dengan Landsat 7,
baik resolusinya (spasial, temporal, spektral),
metode koreksi, ketinggian terbang maupun
karakteristik sensor yang dibawa. Akan tetapi
ada beberapa tambahan yang menjadi titik
penyempurnaan dari Landsat 7 seperti jumlah
band, rentang spektrum gelombang
elektromagnetik terendah yang dapat
ditangkap sensor serta nilai bit dari tiap piksel
data (Ayuindra, 2013).

82
J. ForestSains 15 (2) : Juni 2018 (82 - 90)
Laju degradasi/deforestasi dapat diketahui
dengan membandingkan tutupan lahan hutan
pada tahun tertentu dengan tahun-tahun
sebelumnya (mencakup pula karakteristik
indeks vegetasinya). Untuk keperluan tersebut,
citra landsat masih menjadi andalan bagi para
analis bidang kehutanan (Sugiarto, D. P.,
2013)
Hutan Mangrove di kecamatan Balinggi
merupakan salah satu sumber daya alam
wilayah pesisir yang mempunyai manfaat yang
sangat penting baik dari sisi ekologi maupun
sosial ekonomi masyarakat pesisir.Semakin
meningkatnya pembangunan ditambah dengan
meningkatnya kebutuhan hidup di wilayah
pesisir, akan terjadi tekanan terhadap
sumberdaya alam di wilayah pesisir. Masalah
ini dapat dilihat dari adanya alih fungsi lahan
menjadi tambak, pemukiman, semak belukar,
dan sawah. Luas hutan mangrove pada tahun
2010 sebesar 461 ha dikarenakan perubahan
penggunaan lahan yang relatif cepat dalam
suatu wilayah yang berkembang. Teknologi
penginderaan jauh menjadi alternatif yang
dapat mendukung dalam pemantauan
mangrove.
Dengan adanya Citra Lantsad 8, maka
menganalisis kerapatan manggrove bisa
dilakukan dengan metode Normalized
Difference Vegetation Index digunakan untuk
mengetahui tingkat kehijauan, yang sangat
baik sebagai awal dari pembagian daerah
vegetasi. NDVI dapat menunjukkan parameter
yang berhubungan dengan parameter vegetasi,
antara lain, biomass dedaunan hijau, daerah
dedaunan hijau yang merupakan nilai
yang dapat diperkirakan untuk pembagian
vegetasi.
Rumusan Masalah
Begitu pentingnya manfaat mangrove
sehingga memerlukan sejumlah upaya untuk
meminimalisasi kerusakannya. Berdasarkan
latar belakang, dapat dirumuskan
permasalahan dalam penelitian ini, yaitu
apakah dengan menganalisis Nilai NDVI
mampu mengetahui tingkat kerapatan vegetasi
pada ekosistem manggrove di Kecamatan
Balinggi Kabupaten Parigi Moutong.
Tujuan dan Kegunaan
Tujuan penelitian adalah untuk mengetahui
tingkat kehijauan (NDVI) ekosistem mangrove
di Kecamatan Balinggi Kabupaten Parigi
Moutong, menggunakan data Citra Landsat 8.
83
ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
Kegunaan penelitian ini diharapkan mampu
memberikan informasi mengenai Nilai-nilai
NDVI setiap objek manggrove yang telah
dianalisis menggunakan SIG.
METODE PENELITIAN
Tempat dan Waktu
Penelitian ini dilaksanakan selama 3 (Tiga)
bulan, dari bulan Juni sampai Agustus 2017.
Lokasi penelitian ini di Kecamatan Balinggi
kabupaten Parigi Moutong, Provinsi Sulawesi
Tengah.
Bahan dan Alat
Bahan yang digunakan dalam penelitian ini
adalah peta penunjukan kawasan Hutan
Indonesia SK Menteri Kehutanan Nomor 869
tahun 2014, Citra Landsat 8 path 114 row 61
tanggal 1 Juni 2016, dan Peta Daerah
Administrasi Kabupaten Parigi Moutong.
Alat yang digunakan adalah GPS (Global
Positioning System), ArcGis 10, komputer,
printer. alat tulis menulis dan alat dokumentasi
(kamera).
Metode Penelitian
Metode penelitian ini berupa teknik
klasifikasi citra landsat, yaitu
mengklasifikasikan perubahan tutupan lahan
mangrove yang terjadi di Kecamatan Balinggi
Kabupaten Parigi Moutong dengan tahapan
penelitian sebagai berikut :
A. Tahapan Persiapan
Tahap persiapan meliputi penentuan lokasi
penelitian, studi literature, dan mengumpulkan
data citra lokasi penelitian. Studi literature
dilakukan untuk mempelajari sumber
informasi yang mendukung pelaksanaan
penelitian. yaitu:
a) Data primer berupa hasil survei lapangan
yaitu pengambilan titik koordinat
dilapangan menggunakan GPS (Global
Positioning System).
b) Data sekunder merupakan data yang
diperlukan sebagai penunjang dari data
primer. Data sekunder berupa Citra
Landsat 8
B. Pengolahan Citra Secara Digital
Tujuan dari analisis data citra secara digital
adalah untuk mengekstrak informasi yang
terkandung dari hasil rekaman citra satelit.
1. Koreksi Citra/Pemulihan Citra (Image
Restoration)
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562

Pemulihan citra dilakukan untuk Tabel 1. Kelas Kerapatan Tajuk Mangrove

memulihkan citra yang mengalami distorsi Berdasarkan Nilai Indeks Vegetasi.
pada saat satelit melakukan perekaman. NO Nilai NDVI Tingkat Kerapatan Tajuk
Komposit Citra 1 0.43 ≤ NDVI ≤ Keraapatan Tajuk Lebat
1.00
Komposit citra adalah penggabungan 3
2 0.33 ≤ NDVI Kerapatan Tajuk Sedang
band pada citra yang mampu menampilkan ≤ 0.42
keunggulan dari band-band penyusunnya. 3 -1.0 ≤ NDVI ≤ Kerapatan Tajuk Jarang
3. Pemotongan Citra 0.32
Pemotongan citra berfungsi untuk Sumber: Departemen Kehutanan (2005).
membatasi daerah penelitian dan mengurangi Untuk mendapatkan nilai NDVI, digunakan
besar file citra. rumus Jensen (1986) dalam Akhbar (2011)
4. Identifikasi dan Klasifikasi Citra sebagai berikut:
Data citra landsat yang telah terkoreksi NDVI = [R(IR)-R(VIS)]/[R9IR)+R(VIS)]

selanjutnya diidentifikasi secara digital untuk =

Saluran Inframerah Dekat ( band 5 ) − ( band 4 ) ℎ
Saluran Inframerah Dekat (band 5) + ( band 4 ) ℎ
menentukan kerapatan vegetasi mangrove.
6. Overlay
Identifikasi dilakukan berdasarkan warna dan
Setelah melakukan koreksi citra, maka
pola dari pixel dan spectral objek pada citra
selanjutnya citra Landsat di overlay dengan
yang langsung di monitor computer
peta Administrasi Kecamatan Balinggi untuk
menggunakan software Arc Gis.
memotong berdasarkan batas kecamatan yang
5. Analisis NDVI (Normalized Difference
akan diteliti kerapatan manggovenya.
Vegetation Index)
C. Pengecekan atau Survey Lapangan
NDVI (Normalized Differenced Vegetation
Cek lapangan (ground check) dilakukan
Index) merupakan cara/rumus perhitungan
untuk mengambil titik koordinat menggunakan
pada data citra landsat untuk mengetahui
GPS (Global Positioning System).
tingkat kerapatan tajuk vegetasi. Kelas
tabel dan rumus teknik analisis ini yaitu :
kerapatan tajuk mangrove berdasarkan nilai
indeks vegetasi disajikan pada tabel berikut :
Tabel 2. Perhitungan Akurasi Dengan Metode Confusion Matrix
Data Acuan (Lapangan) Total Kolom
Kelas
1 2
Data Hasil Klasifikasi Kelas 1 Kelas Utama Kelas Utama
Total Baris 2 Jumlah Titik
Sumber : (Sutanto 1986)
jumlah kelas utama Koreksi citra merupakan langkah awal
ℎ = × 100%
jumlah titik
yang dilakukan sebelum melakukan
kelas utama
pengolahan lebih lanjut terhadap citra.
= × 100% Langkah ini dilakukan untuk mengoreksi
total baris objek
kesalahan-kesalahan yang terjadi pada saat
kelas utama perekaman permukaan bumi oleh satelit yang
= × 100%
Total kolom objek menyebabkan adanya degredasi kualitas citra.
Koreksi citra (Image Restoration) yang
dilakukan dalam penelitian ini hanya
menggunakan koreksi radiometric karena
Sebelum dilepas ke publik, Citra landsat 8
sudah melalui proses penyesuaian data sensor
dan ephemeris, serta menggunkan GCP untuk
mengatasi kesalahan geometriknya.
HASIL DAN PEMBAHASAN Koreksi Radiometrik
Koreksi radiometrik ditujukan untuk
Koreksi Citra (Image Restoration) memperbaiki nilai pixel supaya sesuai dengan

84
J. ForestSains 15 (2) : Juni 2018 (82 - 90)
yang seharusnya yang biasannya
mempertimbangkan faktor gangguan atmosfer
sebagai sumber kesalahan utama. Efek
atmosfer menyebabkan nilai pantulan objek
permukaan bumi yang terekam oleh sensor
menjadi bukan merupakan nilai aslinya, tetapi
menjadi lebih besar oleh karena adanya
hamburan atau lebih kecil karena proses
serapan. Koreksi radiometrik dijabarkan
sebagai pengukuran nilai radiasi
elektromagnetik pada panjang gelombang
tertentu dari sinar ultraviolet, sinar tampak,
inframerah hingga radiasi gelombang mikro
yang digunakan untuk mendeteksi objek dari
pantulan refleksi irradiant sinar matahari
disetiap kanal spectral (Schott, 2007).
Manfaat dari koreksi radiometrik adalah
memperbaiki kualitas citra akibat dari
kesalahan pantulan permukaan atau
kelengkungan bumi dan faktor lain, seperti
arah sinar matahari, kondisi cuaca, kondisi
atmosfer dan faktor lainnya, sehingga
informasi yang dihasilkan menjadi lebih
akurat, seperti dapat memperkirakan
perbedaan parameter biofisik tanaman
(biophysical vegetation), diantaranya tingkat
konsentrasi klorofil daun (Main et al., 2011).
Metode yang digunakan dalam pelatihan ini
adalah metode penyesuaian histogram.
Pemilihan metode ini dilandasi oleh alasan
bahwa metode ini cukup sederhana, waktu
yang digunakan untuk pemrosesan lebih
singkat dan tidak memerlukan perhitungan
matematis yang rumit.
Komposit Citra
Komposit citra adalah citra baru hasil dari
penggabungan 3 saluran yang mampu
menampilkan keunggulan dari saluran-saluran
penyusunnya (Sigit, 2011). Digunakan
komposit citra ini dikarenakan oleh
keterbatasan mata yang kurang mampu dalam
membedakan gradasi warna dan lebih mudah
memahami dengan pemberian warna. Pada
citra multispektral yang terdiri dari banyak
saluran, apabila hanya menampilkan satu
saluran saja maka citra yang dihasilkan
merupakan gradasi rona. Dan mata manusia
hanya bisa membedakan objek yang menonjol
pada suatu saluran, objek yang lain maka kita
sulit untuk mengidentifikasinya. Oleh sebab
itu pada citra komposit ini, hasilnya kita akan
lebih mudah mengidentifikasi suatu objek pada
citra.
85
ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562
Hutan mangrove dapat diidentifikasi
dengan menggunakan teknologi penginderaan
jauh, dimana letak geografi hutan mangrove
yang berada pada daerah peralihan darat dan
laut memberikan efek perekaman yang khas
jika dibandingkan obyek vegetasi darat lainnya
(Faizal et al., 2005).
Mangrove di kawasan sepanjang pantai dan
pertambakan dapat terlihat jelas dari citra FCC
(False Color Composit). Kombinasi tersebut
masing-masing adalah band 564 pada citra
Landsat 8 OLI, hal ini disebabkan pada
panjang gelombang SWIR, nilai reflektan akan
lebih rendah pada kawasan tanah yang lebih
basah karena genangan pasang surut yang
merupakan daerah tempat hidup vegetasi
mangrove. Perbedaan reflektan terlihat pada
band 5, daerah mangrove memiliki nilai yang
lebih rendah disbanding dengan daerah
bervegetasi yang bukan mangrove, sementara
reflektan pada band 4 yang berhubungan
dengan kandungan klorofil daun tidak banyak
berbeda ( Winarso dan Purwanto 2013).
Komposit ini sangat cocok untuk mendeteksi
keberadaan serta tingkat kerapatan vegetasi
hutan mangrove karena karakteristik band-
bandnya yakni band 4 ditempatkan pada band
biru yang berarti badan air, jika warnanya
semakin biru bahkan hitam berarti semakin
dalam badan air tersebut. Band 5 ditempatkan
pada band merah yaitu vegetasi sedangkan
perbedaan warnanya menunjukkan perbedaan
vegetasi dan kerapatan. Band 6 berada pada
band hijau yang menunjukkan objek kering.
Pada citra komposit RGB 564 daerah vegetasi
mangrove tampak berwarna merah gelap
sampai merah kecoklatan yang terletak di
sepanjang pesisir pantai, sedangkan vegetasi
lainnya dapat ditunjukkan dengan warna
orange sampai kuning kemerahan sehingga
dapat dibedakan dengan sangat jelas.
Pemotongan Citra (Image Cropping)
Citra yang telah di koreksi , penajaman,
dan komposit band 564 selanjutnya dipotong
(Cropping) sesuai dengan lokasi penelitian, hal
ini dimaksudkan agar letak lokasi penelitian
lebih fokus untuk mempermudah analisis citra.
Pemotongan ini dilakukan dengan cara meng-
overlay citra dengan peta batas administrasi
kecamatan Balinggi shp. Dengan bantuan tools
yang ada pada software ArcGIS 10.0
Fungsi yang digunakan untuk melakukan
croping citra salah satunya adalah fungsi mask
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.

Gambar 2. Peta Tutupan Lahan di Kecamatan

Balinggi Kabupaten Parigi Moutong
Ekosistem Manggrove
Manggrove tumbuh optimal di wilayah
pesisir yang memiliki muara sungai besar dan Gambar 3. Peta Ekosistem Mangrove di
delta yang aliran airnya banyak mengandung Kecamatan Balinggi Kabupaten Parigi
lumpur. Sedangkan di wilayah pesisir yang Moutong
tidak bermuara sungai pertumbuhan vegetasi Indeks Vegetasi dan Tingkat Kerapatan
mangrove tidak optimal. Mangrove tidak atau (NDVI) Hutan Manggrove
sulit tumbuh di wilayah pesisir yang terjal dan Indeks Vegetasi (NDVI) sangat berguna
berombak besar dengan arus pasang surut kuat, dalam merepresentasikan kerapatan
karena kondisi ini tidak memungkinkan (biomassa) serta tingkat kehijauan vegetasi
terjadinya pengendapan lumpur yang dalam suatu hamparan ekosistem, dihitung
diperlukan sebagai substrat bagi sebagai rasio antara pantulan terukur dari band
pertumbuhannya (Dahuri, 2003). Ekosistem merah (Read) dan band infra merah
Mangrove adalah sebuah lingkungan dengan dekat(Near Infrared) pada spektrum
ciri khusus dimana lantai hutannya digenangi gelombang elektromagnetik. Kedua band ini
oleh air dimana salinitas juga fluktuasi dipilih karena hasil ukurannya paling
permukaan air tersebut sangat dipengaruhi dipengaruhi oleh penyerapan klorofil daun.
oleh pasang surut air laut. Ekosistem Secara teoritis nilai NDVI berkisar antara -1
mangrove ini sebenarnya masuk ke dalam hingga +1 namun nilai indeks vegetasi bakau
lingkup ekosistem pantai sebab ia terletak di secara umum berada pada kisaran antara +0,1
kawasan perbatasan laut dan juga darat. Ia hingga +0,7. Nilai NDVI yang lebih besar dari
terletak di wilayah pantai dan juga muara kisaran ini diasosiasikan sebagai representasi
sungai. Hutan mangrove, sebagai sebuah hutan dari tingkat kesehatan vegetasi yang lebih baik
yang tumbuh di wilayah pasang dan surut akan (Prahasta,2008).
tergenang air di masa pasang dan akan bebas
Tabel 4. Luas Vegetasi Hutan Manggrove Berdasarkan Tingkat Kerapatan
NO Nilai NDVI Tingkat Kerapatan Luasan (Ha) %
1 0.43 ≤ NDVI ≤ 1.00 Lebat 80,08 49,40
2 0.33≤ NDVI ≤ 0.42 Sedang 55,52 34,26
3 1.0≤ NDVI ≤ 0.32 Jarang 26,46 16,32
Jumlah 163,30 100.00
Sumber : Data primer setelah diolah, 2017.

87
 J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562

Hasil Uji Akurasi Lapangan ketelitian tersebut digunakan untuk menguji

Berdasarkan pengujian ketelitian hasil ketelitian hasil interpretasi data citra digital
klasifikasi dalam penelitian ini adalah dengan Landsat 8.Perhitungan ketelitian pemetaan dan
menggunakan metode confusion matrix hasil interpretasi berdasarkan metode hasil
calculation (Sutanto, 1986). Metode uji modifikasi dapat dilihat pada tabel berikut ini.
Tabel 5. Perhitungan Akurasi Dengan Metode Confusion Matrix
Data Acuan ( Lapangan ) Total Akurasi Akurasi Akurasi
Kolom pengguna Produsen hasil
Jarang Sedang Lebat keseluruhan
Jarang 12 - - 12 100 86
Data Hasil
Klasifikasi Sedang 2 8 2 12 67 73 81%
Lebat - 3 9 12 75 82
Tot. Baris 14 11 11 36 - -
Sumber : Data primer setelah diolah, 2017.
Metode yang digunakan dalam validasi kelas lebat diperoleh akurasi penggunaan lahan
data penggunaan lahan ini yaitu Confusion memiliki nilai sebesar 75% karena ada tiga
Matriks di mana untuk mengetahui keakuratan pixel yang masuk ke kelas sedang
pengolahan data dalam penelitian ini penyebabnya dikarenakan perubahan vegetasi
menggunakan data hasil tracking atau survey mangrove dari kelas sedang ke lebat.
lapangan sehingga perhitungannya dilakukan Sementara nilai akurasi yang paling kecil
secara manual, dengan mencocokkan antara terdapat pada akurasi penggunaan lahan
keadaan nyata dengan keadaan yang terlihat kerapatan sedang dengan nilai 67%, ini
pada citra satelit. Tracking yang didapat dari dikarenakan ada beberapa pixel yang masuk ke
survey lapangan kemudian dilakukan kelas lain yaitu dua pixel masuk di kelas lebat
perhitungan matriks untuk mengetahui dan dua pixel masuk di kelas jarang sehingga
seberapa besar akurasi penggunaan lahan yang total ada empat pixel yang mengalami
ada dilapangan dengan hasil interpretasi. kesalahan dalam metode ini.
Landsat 8 memiliki resolusi spasial sebesar Untuk akurasi peta diperoleh nilai sebesar
30 meter, atau bisa dikatakan ukuran 1 pixel = 81%, ini termasuk dalam ketelitian sangat
30 m x 30 m atau setara dengan luas 0,09 ha. baik. Menurut Sutanto (1994), Standar hasil
User accuracy / akurasi penggunaan lahan interpretasi dapat digunakan untuk keperluan
adalah nilai yang menyatakan jumlah piksel analisis yaitu tingkat ketelitiannya
pada suatu kelas klasifikasi, merupakan nilai menggunakan kriteria dalam rangking: ≥80%
yang sesuai dengan kondisi di lapangan. (sangat baik), 60-79% (baik), 40-59%
Procedure accurracy / akurasi produsen (sedang), 20-39% (jelek), < 20% (sangat
merupakan nilai yang menyatakan jumlah data jelek).
lapangan yang telah terklasifikasi secara benar
pada suatu kelas klasifikasi. Jumlah pixel yang
mewakili satu sampel koordinat berjumlah
empat pixel menurut Jaya (2010) secara
teoritis jumlah piksel yang harus diambil
perkelas adalah sebanyak jumlah band yang
digunakan ditambah satu (N+1).
Berdasarkan data tabel dari hasil klasifikasi
citra dengan metode Confusion Matrix pada
akurasi penggunaan lahan berupa kerapatan
jarang memiliki nilai sebesar 100% ini
menunjukkan bahwa pada kelas kerapatan
jarang tidak terjadi kesalahan klasifikasi
karena tidak masuk ke pixel kelas lain. Pada Gambar 4. Peta Kerapatan Mangrove di
akuarasi produsen memiliki nilai sebesar 86%, Kecamatan Balinggi Kabupaten Parigi
Moutong

88
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562

KESIMPULAN Departemen Kehutanan, 2005. Pedoman

Inventarisasi dan Indentifikasi Lahan
Dari hasil Interpretasi dan Klasifikasi Citra Kritis Mangrove. Direktorat Jenderal
Landsat 8 di Kecamatan Balinggi Kabupaten Rehabilitasi Lahan dan Perhutanan
Parigi Moutong maka ditarik kesimpulan Sosial Departemen Kehutanan. Jakarta
sebagai berikut, Luas total Hutan Mangrove di
Kecamatan Balinggi Kabupaten Parigi Faizal, A., dan M.A. Amran. 2005. Model
Moutong pada tahun 2016 yaitu sebesar Transformasi Indeks Vegetasi yang
163,30 ha dan Indeks Kerapatan Vegetasi Efektif untuk Prediksi Kerapatan
(NDVI) hutan mangrove di Kecamatan Mangrove Rhizophora Mucronata.
Balinggi Kabupaten Parigi Moutomg Prosiding PIT MAPIN XIV ITS
berdasarkan tingkat kerapatan yang dibedakan Surabaya, 11 (2). 14-15
atas tiga kategori yaitu: Jarang, Sedang, dan
Lebat. Hasil NDVI hutan mangrove pada Sigit, Heru. 2011. Catatan kuliah Pemrosesan
tahun 2016 kategori jarang (26,46 ha), sedang Citra Digital. Yogyakarta.
(55,54 ha), lebat (80,08 ha). Dengan rumus Jaya INS. 2010. Analisis Citra Digital
akurasi keseluruhan diperoleh nilai sebesar Perspektif Penginderaan Jauh untuk
81% (sangat baik). Pengelolaan Sumber Daya Alam.
DAFTAR PUSTAKA Fakultas Kehutanan Institut Pertanian
Bogor.
Akhbar, 2006. Konsepsi dan Teknik Main, R., Cho, M.A., Mathieu, R.,
Pembuatan Peta Sumberdaya Hutan O’Kennedy, M.M., Ramoelo, A., Koch,
dan Lahan Untuk Mahasiswa dan S. 2011. An investigation into robust
Praktisi. Fakultas Kehutanan, Tadulako spectral indices for leaf chlorophyll
University Pess Palu estimation. ISPRS Journal of
Photogrammetry and Remote Sensing,
Ayuindra, M. 2013. Analisa Perubahan
66 (6). 751-761
Tutupan Lahan Menggunakan Citra
Landsat (Studi Kasus : Sulawesi Selatan Prahasta, E. 2008. Penginderaan Jauh.
tahun 1999 – 2013. Laporan Penelitian Penerbit Informatika. Bandung.
Institut Teknologi Surabaya (belum
dipublikasikan). Schott, J.R. 2007. Remote Sensing: The Image
Chain Approach. Oxford University
Chein-I Chang dan H.Ren. 2000. An Press, New York, USA
Experiment-Based Quantitative and
Comparative Analysis of Target Sugiarto, 2013. Spesifikasi, keunggulan dan
Detection and Image Classification Peluang Pemanfaatan Bidang
Algorithms for Hyperspectral Imagery. Kehutanan.
IEEE Trans. on Geoscience and Remote http://tnrawku.wordpress.com di akses
Sensing pada tanggal 22 februari 2017
Dahuri, R., J. Rais., S. P. Ginting., M. J. Sutanto. 1994. Penginderaan Jauh Jilid 1.
Sitepu. (1996). Pengelolaan sumber Gadjah Mada University Press:
daya wilayah pesisir dan lautan secara Yogyakarta
terpadu (cetakan pertama). PT. Pradnya
Paramita. Jakarta Sutanto. 1994. Penginderaan Jauh Jilid 2.
Gadjah Mada University Press:
Dahuri, R.,J. Rais, S.P Ginting dan M.J. Yogyakarta
Sitepu. 2003. Keanekaragaman Hayati
Laut : Aset Pemnbangunan Suwargana, N. 2008. Analisis Perubahan
Berkelanjutan Indonesia. Gramedia Hutan Mangrove Menggunakan Data
Pustaka Utama. Jakarta Penginderaan Jauh di Pantai Bahagia,
Muara Gembong, Bekasi. Jurnal

89
J. ForestSains 15 (2) : Juni 2018 (82 - 90) ISSN-p : 1693 - 5179
ISSN-e : 2550 - 0562

Penginderaan Jauh dan Pengolahan Manggrove Menggunakan Data

Citra Digital. 5. 64-74 Penginderaan Jauh. Pusat Pemanfaatan
Penginderaan Jauh. Pusat Pemanfaatan
Winarso, G., dan A. D. Purwanto. 2013. Penginderaan Jauh. LAPAN. Jakarta.
Pendekatan Baru Indeks Kerusakan

90