Metode Pemetaan yang Digunakan untuk Memperoleh Informasi Mangrove
2.2.6 Metode Pemetaan yang Digunakan untuk Memperoleh Informasi Mangrove
Untuk menentukan klasifikasi mangrove menggunakan penginderaan jauh, hal mendasar yang perlu diperhatikan adalah mengenai metode klasifikasi yang digunakan. Berikut adalah metode klasifikasi yang digunakan oleh beberapa peneliti.
2.2.6.1 Klasifikasi Manual/Interpretasi Visual
Klasifikasi mangrove berdasarkan metode ini menggunakan pengalaman interpreter untuk menghasilkan klasifikasi yang baik. Unsur-unsur interpretasi digunakan secara utuh jika menggunakan metode ini. unsur-unsur interpretasi citra di antaranya: lokasi, ukuran, bentuk, bayangan, rona/warna, tekstur, pola, dan situs/asosiasi. Semakin berpengalaman interpreter dalam mengklasifikasi, maka semakin baik dan akurasi yang tinggi atas peta yang dihasilkan. Walaupun demikian, metode interpretasi visual digunakan bersama dengan klasifikasi multispektral untuk meningkatkan akurasi. Permasalahan yang muncul dengan metode ini adalah waktu pemetaan yang dapat lebih lama jika dibandingkan dengan klasifikasi otomatis/multispektral yang dilakukan oleh komputer. Akan tetapi, hasil pemetaan lebih komplek dan dapat berisi banyak informasi sesuai dengan keahlian interpreter itu sendiri.
Gambar 2.9. Citra komposit hutan mangrove Matang, Malaysia, yang direkam dengan Landsat 7 tanggal 27 Desember 1999. Hutan mangrove berasosiasi dengan lokasi berbatasan dengan laut, dan memiliki rona warna yang berbeda dengan hutan tropis atau vegetasi tanaman pertanian. Sumber: (NASA Earth Observatory, 2006).
Dalam praktek klasifikasi menggunakan interpretasi visual ini, hal yang dapat membantu dalam pembedaan objek adalah penggunaan komposit citra yang tepat. Fawzi (2016) dalam interpretasi mangrove menggunakan komposit 542, yang dinilai lebih meningkatkan pembedaan antar komunitas mangrove. Hal ini berbeda pada klasifikasi habitat mangrove lainnya, terutama terkait musim dan citra penginderaan jauh yang digunakan. Pada sisi lain, penggunaan interpretasi visual dalam pemetaan mangrove memungkinkan klasifikasi yang tepat pada objek-objek yang berbeda namun memiliki rona/warna yang sama.
2.2.6.2 Klasifikasi Supervised dan Unsupervised
Secara umum, jenis klasifikasi ini, supervised maupun unsupervised adalah menggunakan fungsi statistik untuk mengelompokkan piksel yang homogen. Asumsi
yang homogen tersebut merepresentasikan objek yang sama. Fungsi dari klasifikasi ini adalah pola pengenalan pengelompokan piksel dan mengklasifikasikannya berdasar piksel- piksel yang homogen.
yang digunakan
piksel-piksel
Li, et al, (2013) menggunakan klasifikasi supervised untuk menghasilkan informasi mangrove dan bukan mangrove. Klasifikasi supervised yang paling umum digunakan adalah klasifikasi maximum likelihood (Lee & Yeh, 2009; Giri, et al., 2014). Sedangkan klasifikasi unsupervised juga telah memberikan hasil yang cukup baik untuk identifikasi mangrove, terutama dengan menggunakan analisis kluster.
Jika ditanya, metode klasifikasi apa yang sesuai? Maka jawabannya semuanya sesuai untuk digunakan dalam klasifikasi mangrove. Akan tetapi, memberikan hasil akurasi yang berbeda. Sebagai contoh, metode klasifikasi yang sama, jika digunakan pada dua citra berbeda perekaman, atau berbeda wilayah, memberikan hasil (akurasi) yang berbeda pula. Sehingga, untuk klasifikasi ini tentu membutuhkan validasi.
2.2.6.3 Artificial Neural Network dan Berbasis Objek
Metode pemetaan menggunakan Artificial Neural Network (ANN) merupakan klasifikasi dengan pendekatan kecerdasan buatan, di mana digunakan banyak
parameter dan algoritma untuk mengolah citra agar berpikir layaknya “manusia” berdasarkan parameter-parameter yang telah ditentukan. Jadi dalam klasifikasi
multispektral yang dilakukan, tidak hanya menggunakan data spektral dari citra saja. Melalui algoritma tertentu, data non-spektral seperti ketinggian, salinitas, dan pH dapat digunakan sebagai data tambahan pemetaan mangrove untuk meningkatkan akurasi.
Sedangkan klasifikasi berbasis objek tidak menggunakan satuan piksel sebagai input klasifikasi, akan tetapi piksel sebagai suatu objek berdasarkan konteks Sedangkan klasifikasi berbasis objek tidak menggunakan satuan piksel sebagai input klasifikasi, akan tetapi piksel sebagai suatu objek berdasarkan konteks
2.2.6.4 Metode kombinasi band
Metode ini adalah metode yang lebih banyak digunakan. Ini didasarkan atas kondisi fisik dari mangrove dan karakteristiknya. Kombinasi band termasuk didalamnya adalah rasio band, operasi aljabar pada citra untuk menonjolkan karakteristik tertentu dari suatu objek pada citra, dalam hal ini adalah mangrove. Kombinasi band yang secara luas digunakan adalah (Normalized Difference Vegetation Index ) NDVI (Lee & Yeh, 2009). NDVI secara konseptual dan terbukti memberikan kenampakan yang menonjolkan mangrove.
Aplikasi dari penggunaan kombinasi band biasanya untuk mengkelaskan kerapatan mangrove berdasarkan nilai NDVI yang dihasilkan. NDVI mampu
menunjukkan tingkat “kehijauan” tumbuhan dengan baik, dan menilai perubahannya secara temporal (gambar 2.10). Alatorre, et al. (2016) mampu
memetakan mangrove di Teluk California, Meksiko, dengan menggunakan transformasi NDVI. Hasilnya mampu menilai perubahan mangrove yang terjadi akibat konversi mangrove menjadi tambak pada rentang tahun 1990 – 2010.
Gambar 2.10. Distribusi spasial perubahan NDVI pada tahun 1990 – 2010. Dengan NDVI, mampu menilai distribusi kerusakan mangrove yang terjadi dengan baik. Sumber: Alatorre, et al. (2016).