1993. Pada penelitian ini akan digunakan data citra dari satelit Landsat TM 5 dan ETM+ 7 pada tahun akuisisi 1989, 1994, dan 2010.
2.5.2 Klasifikasi Citra SatelitDigital
Klasifikasi Citra satelit digital merupakan suatu proses penyusunan, pengurutan, dan pengelompokan semua piksel ke dalam beberapa kelas
berdasarkan kriteria suatu obyek. Dalam pengklasifikasian citra digital secara
umum dikenal 2 dua metode yaitu:
1 Klasifikasi Tidak Terbimbing Unsupervised. Pada klasifikasi ini, program aplikasi mencari kelompok ± kelompok spektral piksel yang
bersifat alamiah, kemudian program juga akan menandai piksel sesuai dengan hasil definisi penggunanya.
2 Klasifikasi Terbimbing Supervised. Proses klasifikasi ini dilakukan dengan asumsi bahwa data citra digital yang bersangkutan terdiri dari
beberapa band citra yang mencakup area yang sama. Pada klasifikasi ini, sebagian identitas atau tipe dari penutupan lahan sudah diketahui
sebelumnya Prahasta, 2008.
2.5.3 Indeks Vegetasi
Perolehan informasi mengenai kerapatan biomassa atau vegetasi seringkali menjadi tujuan studi dan investigasi terhadap penutupan lahan land cover. Dari
beberapa wacana mengenai konsep indeks vegetasi, yang paling popular digunakan adalah Normalized Difference Vegetation Index NDVI Prahasta,
2008 Berdasarkan penelitian Faizal dan Amran 2005, NDVI merupakan algoritma indeks vegetasi yang cocok untuk mengamati vegetasi mangrove jenis
Rhizophora dengan nilai R=0,94. Nilai indeks vegetasi ini merupakan perbandingan digital kanal 4 dan 3. Nilai rasio digital untuk mangrove haruslah
tinggi mengingat kanal 4 merupakan kanal inframerah pantulan tinggi sedangkan kanal 3 adalah kanal merah penyerapan tinggi.
2.5.4 Analisis Perubahan dan Beda Waktu
Untuk analisis perubahan seringkali dilakukan perbandingan secara langsung antara citra- citra digital yang direkam pada waktu yang berbeda yang
disebut time ±series analysis. Berbeda dengan analisis perubahan, analisis beda waktu terfokus pada pengamatan perubahan-perubahan terhadap citra-citra digital
beda-waktu lebih dari 2 itu sendiri Prahasta, 2008. Banyak tipe metode untuk mendeteksi perubahan pada data citra multispektral. Menurut Kandare 2010,
metode ini dapat diklasifikasikan ke dalam 3 kategori yaitu: 1 Image substraction method metode substraksi citra. Metode ini
umumnya dihubungkan pada basis nilai keabuan. Nilai keabuan dari gambar hasil substraksi menunjukkan perbedaan pada hubungan pikel
antara dua buah citra 2 Image ratio method metode rasio citra. Pada metode ini dilakukan
perhitungan rasio hubungan piksel setiap band dari dua citra pada periode yang berbeda setelah registrasi citra.
3 Change detection after classification method metode deteksi perubahan setelah klasifikasi citra. Setiap gambar pada citra multitemporal
diklasifikasi secara teripsah dan setelah itu dibandingkan gambar hasilnya.
Sedangkan menurut Prahasta 2008 teknik-teknik yang dimaksud adalah: 1 Image differencing. Menggunakan hasil pengurangan nilai digital menjadi
nilai piksel milik citra terbaru 2 Image rationing. Sama dengan metode Image Ratio Method
Metode yang akan digunakan dalam penelitian ini adalah kombinasi dari metode Image substraction method, Image ratio method, dan Change detection
after classification method yang terdapat pada modul Software Idrisi Andes 15 Clark LabsClark University.
2.5.5 Aplikasi Remote Sensing untuk Mangrove
