Laporan Praktikum Penginderaan Jauh Terumbu Karang [PDF]

Citation preview

LAPORAN PRAKTIKUM PENGINDERAAN JAUH KELAUTAN “Pemetaan Persebaran Terumbu Karang Tahun 2020 di Perairan Pulau Thulandang, Sulawesi Utara Menggunakan Citra Satelit Landsat 8”



Disusun Oleh: Muhammad Ariq Kautsar 185080601111013 I02



PROGRAM STUDI ILMU KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS BRAWIJAYA 2020



DAFTAR ISI



DAFTAR ISI........................................................................................................... i DAFTAR GAMBAR...............................................................................................ii BAB I. PENDAHULUAN........................................................................................1 1.1



Latar Belakang.......................................................................................1



1.2



Tujuan....................................................................................................1



BAB II. TINJAUAN PUSTAKA..............................................................................2 2.1



Karang....................................................................................................2



2.2



Terumbu Karang.....................................................................................2



2.3



Algoritma Lyzenga..................................................................................3



2.4



Unsupervised Classification....................................................................3



BAB III. METODOLOGI........................................................................................5 3.1



Skema Kerja...........................................................................................5



3.2



Langkah Kerja Pemetaan Terumbu Karang............................................5



3.2.1



United States Geological Survey (USGS)........................................6



3.2.2



ERMapper.......................................................................................7



3.2.3



ENVI..............................................................................................13



3.2.4



ArcGIS...........................................................................................15



BAB IV. HASIL DAN PEMBAHASAN..................................................................18 4.1



Peta Persebaran Terumbu Karang.......................................................18



4.2



Luasan Klasifikasi.................................................................................19



BAB V. PENUTUP..............................................................................................20 5.1



Kesimpulan...........................................................................................20



5.2



Saran....................................................................................................20



DAFTAR PUSTAKA............................................................................................21



i



DAFTAR GAMBAR



Gambar 1. Skema Kerja Pemetaan Terumbu Karang...........................................5 Gambar 2. Buka website USGS...........................................................................6 Gambar 3. Cari wilayah........................................................................................6 Gambar 4. Pilih Data Sets....................................................................................6 Gambar 5. Download file (.tif)...............................................................................7 Gambar 6. Open file B1 citra (*.tif)........................................................................7 Gambar 7. Cropping wilayah................................................................................7 Gambar 8. Input rumus koreksi radiometrik..........................................................8 Gambar 9. Duplicate dan load dataset layer B1-B7..............................................8 Gambar 10. Save data koreksi radiometrik (*.ers)................................................8 Gambar 11. Create RGB Algorithm......................................................................9 Gambar 12. Sampling area...................................................................................9 Gambar 13. Calculate Statistics............................................................................9 Gambar 14. Save hasil Means Summary Report (*.AllFiles)...............................10 Gambar 15. Hitung nilai ki/kj pada Ms. Excel......................................................10 Gambar 16. Input rumus algoritma Lyzenga.......................................................10 Gambar 17. Edit Transform Limits......................................................................11 Gambar 18. Save data algoritma Lyzenga (*.ers)...............................................11 Gambar 19. Save data algoritma Lyzenga (*.tif).................................................11 Gambar 20. Unsupervised Classification...........................................................12 Gambar 21. Input warna kelas............................................................................12 Gambar 22. Save data Classified (*.tif)...............................................................13 Gambar 23. Open file Classified (*.tif).................................................................13 Gambar 24. Create ROI......................................................................................13 Gambar 25. Parallelepiped Supervised Classification.........................................14 Gambar 26 Classification to Vector.....................................................................14 Gambar 27. Classic EVF to Shapefile.................................................................14 Gambar 28. Save data Shapefile (*.shp)............................................................15 Gambar 29. Add data (*.shp)..............................................................................15 Gambar 30. Ubah warna kelas...........................................................................15 Gambar 31. Open Attribute Table.......................................................................16 Gambar 32. Area Statistics.................................................................................16 Gambar 33. Add data koreksi radiometrik (*.ers)................................................16



ii



Gambar 34. Ubah bands RGB............................................................................17 Gambar 35. Layouting peta................................................................................17 Gambar 36. Save gambar peta (*.jpeg)..............................................................17 Gambar 37. Peta Persebaran Terumbu Karang Tahun 2020 di Perairan Pulau Thulandang, Sulawesi Utara...............................................................................18 Gambar 38. Luasan Karang Hidup.....................................................................19 Gambar 39. Luasan Karang Mati........................................................................19 Gambar 40. Luasan Pasir...................................................................................19



iii



BAB I. PENDAHULUAN



1.1



Latar Belakang Menurut Devi et al. (2015), Penginderaan jauh satelit atau satellite remote



sensing (SRS) memiliki pengaplikasian yang sangat luas dalam bidang Ilmu Kelautan. Contohnya dalam pengukuran suhu permukaan laut, kadar klorofil, endapan sedimen, karakteristik gelombang dan masih banyak lagi. Terdapat banyak



model



dari



satelit



penginderaan



jauh



yang



dapat



memonitor



kenampakan yang ada di bumi. Penginderaan jarak jauh satelit memungkinkan untuk menemukan dan memantau berbagai aspek seperti perubahan garis pantai, batimetri, polusi, kandungan klorofil dan lain-lain. Menurut Jaelani et al. (2015), dengan berkembangnya teknologi penginderaan jauh, tidak hanya wilayah daratan saja yang dapat dipetakan namun



juga



wilayah



perairan



termasuk



terumbu



karang.



Metode



ini



memanfaatkan citra satelit yang direkam oleh wahana luar angkasa. Pemetaan dengan memanfaatkan penginderaan jauh dapat mencakup area yang luas tanpa harus melakukan pengamatan langsung. Penginderaan jauh akan dapat mengurangi biaya yang harus dikeluarkan. Selain itu, waktu yang dibutuhkan juga akan lebih singkat dan efisien. Hal ini dapat menjadi solusi bagi pemetaan kondisi dan sebaran terumbu karang di perairan Indonesia. Penginderaan Jauh merupakan suatu komponen yang penting dalam bidang Ilmu Kelautan. Penginderaan jauh digunakan untuk mengetahui maupun mengidentifikasi persebaran suhu permukaan laut (SPL), kadar klorofil a (Chl-a), topografi dan terumbu karang. Data hasil penginderaan jauh biasanya diperoleh dari satelit dan dapat diunduh melalui website resmi lembaga tertentu. Pemrosesan data dari satelit diproses dalam program-program seperti ArcGIS, SeaDAS, ERMapper, ENVI dan lain sebagainya. 1.2



Tujuan Tujuan dari penyusunan Laporan Praktikum Penginderaan Jauh Project 2



dengan topik Pemetaan Terumbu Karang yaitu : 1.



Mengetahui



dan



memahami



pengoperasian



aplikasi



ArcGIS



untuk



pemetaan persebaran terumbu karang 2.



Menginterpretasikan peta persebaran terumbu karang dari data yang diolah



1



BAB II. TINJAUAN PUSTAKA



2.1



Karang Menurut Hadi et al. (2018), karang termasuk hewan yang memiliki sel



penyengat atau dikenal dengan Cnidaria. Karang keras secara spesifik termasuk kedalam kelas Anthozoa dan ordo Scleractinia. Umumnya karang keras berbentuk koloni yaitu kumpulan dari banyak individu individu. Satu individu karang diwakili oleh satu polyp yang tersusun atas saluran pencernaan yang sederhana dan tiga lapisan tubuh. Polyp didukung oleh kerangka kapur yang merupakan hasil sekresi. Jumlah karang yang ada di Indonesia yaitu sebanyak 83 genera dengan total jenis sebanyak 569. Menurut Susiloningtyas et al. (2018), terumbu karang adalah ekosistem laut penting yang terdapat pada perairan tropis yang hangat, dangkal dan jernih. Terumbu karang terdiri dari koloni hewan kecil bernama polip karang dan rangka skeletonnya. Karang memiliki badan berbentuk silindris yang lembut serta cincin tentakel yang mengelilingi mulutnya. Tentakel ini diselimuti oleh sel penyengat yang disebut nematocyst. Terumbu karang memerlukan suhu 22-26 oC dengan salinitas 32-38 psu serta kecerahan perairan yang tinggi untuk kelangsungan hidupnya. 2.2



Terumbu Karang Menurut Hadi et al. (2018), terumbu karang merupakan sebuah ekosistem



komplek yang dibangun utamanya oleh biota penghasil kapur (karang) bersama dengan biota lain yang hidup di dasar dan di kolom perairan. Adanya proses pelekatan biota karang ke substrat dasar perairan, pembentukan kerangka kapur, segmentasi, degradasi, erosi dan akresi yang terjadi secara berulangulang dalam jangka waktu yang panjang dapat membentuk terumbu karang. Sebagai habitat yang stabil, terumbu karang banyak dihuni oleh biota-biota yang berasosiasi. Hal itu menyebabkan terbentuknya suatu jaringan yang kompleks dimana ada keterkaitan antara biota yang satu dengan biota yang lain serta faktor lingkungan. Menurut Susiloningtyas et al. (2018), terumbu karang adalah ekosistem laut penting yang terdapat pada perairan tropis yang hangat, dangkal dan jernih. Terumbu karang terdiri dari koloni hewan kecil bernama polip karang dan rangka skeletonnya. Hewan ini memiliki badan berbentuk silindris yang lembut serta



2



cincin tentakel yang mengelilingi mulutnya. Terumbu karang hidup di zona intertropis dan memerlukan suhu 22-26 oC dengan salinitas 32-38 psu. Terumbu karang juga memerlukan tingkat cahaya matahari serta kejernihan perairan yang tinggi agar mikroalga simbion dapat berfotosintesis. Terumbu karang dikenal sebagai hutan hujan dalam laut dan memiliki keberagaman spesies yang tinggi, melebihi ekosistem laut lainnya. 2.3



Algoritma Lyzenga Menurut Jaelani et al. (2015), dalam pengolahan citra satelit untuk



pemetaan terumbu karang, terdapat beberapa metode yang bisa digunakan. Salah satunya adalah Algoritma Lyzenga. Algoritma Lyzenga juga dikenal dengan nama metode depth-invariant index atau metode water column correction (koreksi kolom air). Koreksi kolom air bertujuan untuk mengeliminasi kesalahan identifikasi spektral habitat karena faktor kedalaman. Algoritma ini mensyaratkan adanya variasi kedalaman pada wilayah pesisir perairan yang akan dipetakan. Algoritma ini menghasilkan indeks dasar yang tidak dipengaruhi kedalaman dan berhasil baik pada perairan dangkal yang jernih seperti di wilayah habitat terumbu karang. Algoritma ini telah digunakan pada banyak studi pemetaan habitat karang dengan menggunakan berbagai data satelit. Menurut Manessa et al. (2016), variasi tipe dasar, kedalaman perairan, serta



peredaman



(pemantulan



dan



penyerapan)



pada



kolom



perairan



menyebabkan masalah komplikasi pada pemetaan terumbu karang. Peredaman kolom perairan masih menjadi salah satu masalah utama dalam pembuatan peta yang akurat Untuk menjawab masalah ini, Lyzenga mengusulkan metode koreksi berbasis citra untuk mengurangi efek peredaman kolom perairan yang dikenal dengan koreksi kolom perairan Lyzenga. Koreksi ini dipengaruhi oleh kualitas perairan, diversitas tipe dasar, serta noise citra. 2.4



Unsupervised Classification Menurut Apriyanti et al. (2015), Pengolahan citra digital sering digunakan



untuk menganalisis suatu citra satelit yang hasilnya dapat dibandingkan dengan kenampakan suatu wilayah yang sebenarnya secara langsung. Citra Landsat dapat digunakan setelah melalui proses pengolahan citra digital dengan cara klasifikasi citra. Klasifikasi citra terdapat 2 cara, yaitu klasifikasi terawasi (supervised) dan klasifikasi tak terawasi (unsupervised). Klasifikasi terawasi yaitu pengelompokkan pixel-pixel dalam citra yang sebelumnya dianalisis terlebih



3



dahulu untuk menentukan beberapa daerah contoh kemudian nilai-nilai pixel dalam daerah contoh yang memiliki nilai yang sejenis dikelompokkan. Sedangkan klasifikasi tak terawasi merupakan kebalikan dari klasifikasi terawasi, yaitu nilai-nilai pixel dikelompokkan terlebih dahulu oleh komputer menjadi beberapa kelas. Menurut Calvert et al. (2015), metode klasifikasi citra terbagi menjadi 2 kategori, yaitu klasifikasi supervised dan unsupervised. Pada klasifikasi unsupervised, data akustik dipisahkan sebelum diserahkan tipe habitat yang diidentifikasi dari observasi permukaan oleh sampling fisik atau kamera. Klasifikasi ini merupakan metode yang paling umum digunakan dalam pemetaan bentik. Secara umum, metode unsupervised merupakan clustering pada data citra atau rekognisi pola, yang didasarkan pada kejadian spasial nyata dari piksel peta yang diklasifikasi dan data lapang.



4



BAB III. METODOLOGI



3.1



Skema Kerja Berikut ini merupakan skema kerja pengolahan data citra Landsat 8 pada



pemetaan Terumbu Karang yang ditampilkan dalam bentuk diagram alir.



Gambar 1. Skema Kerja Pemetaan Terumbu Karang 3.2



Langkah Kerja Pemetaan Terumbu Karang Berikut ini merupakan langkah kerja dari pengolahan data citra Landsat 8



level-1 pada pemetaan persebaran terumbu karang.



5



3.2.1 United States Geological Survey (USGS) a.



Buka laman https://earthexplorer.usgs.gov/, klik register untuk registrasi akun.



Gambar 2. Buka website USGS b.



Pada Search Criteria, isi kolom Address/Place dengan wilayah yang diinginkan, lalu klik Show. Doubleclick data yang muncul.



Gambar 3. Cari wilayah c.



Pada Data Sets, pilih Landsat 8 > Landsat Collection 1 Level-1 > Landsat 8 OLI/TIRS C1 Level-1. Lalu klik Results



Gambar 4. Pilih Data Sets d.



Klik ikon Show Browse Overlay untuk mencari data citra yang bebas awan. Lalu, klik ikon Download Options > Level-1 GeoTIFF Data Product > Download



6



Gambar 5. Download file (.tif) 3.2.2 ERMapper a.



Buka aplikasi ERMapper, kemudian buka file B1 pada data citra (*.tif).



Gambar 6. Open file B1 citra (*.tif) b.



Perbesar pada wilayah yang ingin diolah dengan klik ikon Zoom Box Tool, lalu klik ikon Refresh Image with 99% clip on limits.



Gambar 7. Cropping wilayah c.



Cari nilai ‘SUN_ELEVATION’ pada file *.MTL lalu hitung nilai sinusnya. Klik ikon Edit Formula untuk input rumus koreksi radiometrik sesuai dengan nilai sinus elevasi matahari yang telah dihitung. Klik Apply changes, kemudian klik ikon Refresh Image with 99% clip on limits.



7



Gambar 8. Input rumus koreksi radiometrik d.



Duplikasi pseudo layer sebanyak 7 layer dengan klik ikon Duplicate Layer, lalu ubah nama layer menjadi B1 sampai B7 secara berurutan. Pilih setiap layer, klik ikon Load Dataset dan input file band data citra sesuai dengan nama layer, lalu klik OK this layer only. Ulangi hingga layer B7 Klik ikon Refresh Image 99% clip on limits bila sudah selesai.



Gambar 9. Duplicate dan load dataset layer B1-B7 e.



Simpan data hasil koreksi radiometrik dalam format ERMapper Raster Datasets



(*.ers).



Pilih



Output



Type:



MultiLayer



dan



Data



Type:



Unsigned16BitInteger, lalu centang Maintain Aspect Ratio dan Preserve Exact Extents.



Gambar 10. Save data koreksi radiometrik (*.ers) f.



Buat dokumen baru pada ER Mapper, lalu buka data hasil koreksi radiometrik. Pada menu Toolbars, pilih Forestry. Klik ikon Create RGB Algorithm, lalu sesuaikan band pada masing-masing layer yang muncul



8



(Red: B4, Green: B3, Blue: B2). Pilih menu Edit, lalu pilih Edit/Create Regions dan klik OK pada box New Map Composition yang muncul



Gambar 11. Create RGB Algorithm g.



Pada menu Tools yang muncul, klik ikon Display/Edit Object Attributes. Tunggu hingga muncul box Map Composition Attribute. Klik tool Polygon, lalu buat area kecil sebanyak minimal 30 area pada gambar dimana diperkirakan terdapat terumbu karang. Beri nama pada area yang telah dibuat, lalu klik Apply. Setelah itu, klik ikon Save dan OK. Daftar area yang telah dibuat akan muncul secara otomatis.



Gambar 12. Sampling area h.



Pada menu Process, pilih Calculate Statistics. Isi Subsampling Interval: 1, dan centang Force recalculate stats, lalu klik OK. Tunggu perhitungan statistik selesai lalu klik OK dan Close.



Gambar 13. Calculate Statistics



9



i.



Pada menu View pilih Statistics, pilih Area Summary Report. Pada kolom Report Setup, pilih Report Type: Means Summary Report. Pada box Report Display yang muncul, klik Print/Save. Pilih File Only, dan simpan dengan format All Files.



Gambar 14. Save hasil Means Summary Report (*.AllFiles) j.



Buka file Means Summary Report pada aplikasi Ms. Excel. Hitung nilai Var1, Var2, Covar, dan a untuk mencari nilai ki/kj.



Gambar 15. Hitung nilai ki/kj pada Ms. Excel k.



Buat dokumen baru pada aplikasi ER Mapper, lalu buka data hasil koreksi radiometrik. Klik ikon Edit Formula untuk memasukkan rumus Algoritma Lyzenga sesuai dengan nilai ki/kj yang telah diperoleh lalu klik Apply changes, dan Close.



Gambar 16. Input rumus algoritma Lyzenga



10



l.



Sesuaikan bands pada layer menjadi B5:B5; B3:B3; dan B2:B2. Klik kanan pada gambar lalu pilih Clip. Klik ikon Edit Transform Limits dan sesuaikan garis pada grafik hingga warna laut pada gambar berubah menjadi biru tua.



Gambar 17. Edit Transform Limits m.



Simpan data hasil pemasukan algoritma Lyzenga dalam format ER Mapper Raster Datasets (*.ers). Pilih Output Type: MultiLayer dan Data Type: Unsigned16BitInteger, lalu centang Maintain Aspect Ratio dan Preserve Exact Extents.



Gambar 18. Save data algoritma Lyzenga (*.ers) n.



Simpan data hasil pemasukan algoritma Lyzenga dalam format GeoTIFF (*.tif). Pilih Output Type: RGB, lalu centang Maintain Aspect Ratio, Preserve Exact Extents dan Delete Output Transform.



Gambar 19. Save data algoritma Lyzenga (*.tif) o.



Buat dokumen baru pada aplikasi ER Mapper, lalu buka data hasil algoritma Lyzenga (*.ers). Pada menu Process, pilih Classification >



11



ISOCLASS Unsupervised Classification. Pada Input Dataset, pilih data hasil pemasukan algoritma Lyzenga (*.ers). Pada Output Dataset, beri nama baru (*.ers). Isi kolom Autogenerate: 5, Maximum number of classes: 50, Minimum standard deviation: 2, dan Min. distance between class means: 1, lalu klik OK. Tunggu hingga selesai lalu klik OK dan Close.



Gambar 20. Unsupervised Classification p.



Buat dokumen baru pada aplikasi ERMapper. Klik kanan pada Pseudo Layer, pilih Class Display, kemudian buka data hasil ISOCLASS Unsupervised Classification. Pada menu Edit, pilih Edit Class/Region Color and Name. Klik ikon Dataset, pilih data ISOCLASS Unsupervised Classification yang sedang diolah. Sesuaikan warna data hasil ISOCLASS Unsupervised Classification dengan warna hasil input algoritma Lyzenga (1-10: Blue, 11-2: Cyan, 26-40: Yellow, 41-50: Red).



Gambar 21. Input warna kelas q.



Simpan data Classified dalam format GeoTIFF (*.tif). Pilih Output Type: RGB, lalu centang Maintain Aspect Ratio, Preserve Exact Extents, dan Delete Output Transform.



12



Gambar 22. Save data Classified (*.tif) 3.2.3 ENVI a.



Buka aplikasi ENVI, kemudian buka file hasil klasifikasi dalam bentuk GeoTIFF (*.tif). Pada menu Bar, klik ikon ROI Tools, lalu klik New ROIs, kemudian beri nama dan warna sesuai dengan masing-masing kelas pada aplikasi ENVI (merah muda: karang hidup, ungu: karang mati, kuning: pasir, dan abu-abu: darat dan laut).



Gambar 23. Open file Classified (*.tif) b.



Pada kolom Layer Manager, klik ROI kelas yang diinginkan. Pada kotak ROI Tool, pilih Polygon, lalu ganti warna pada peta sesuai warna klasifikasi ENVI (minimal 500 pixel) (pink↔ cyan, cyan ↔ yellow, yellow ↔ red, grey ↔ blue). Lakukan hal yang sama pada semua kelas. Lihat area/piksel yang terklasifikasi pada kolom Area di ROI Tool



Gambar 24. Create ROI c.



Pada kolom Toolbox, pilih Classification > Supervised Classification >



13



Parallelepiped Classification. Pada box Classification Input File yang muncul, doubleclick pada data classified yang sedang diolah (*tif.). Pada kolom Select Classes from Regions, pilih Select All Items. Pada kolom Enter Output Class Filename, beri nama Parallelepiped, dan pada kolom Enter Output Rule Filename, beri nama Parallelepiped_2, lalu klik OK.



Gambar 25. Parallelepiped Supervised Classification d.



Pada kolom Toolbox, pilih



Classification > Post Classification



>



Classification to Vector. Pada box Raster to Vector Input Band yang muncul, klik dua kali pada file Parallellepiped (*.tif). Pada kolom Select Classes to Vectorized, pilih keempat kelas yang telah dibuat sebelumnya. Pada Output, pilih One Layer per Class, pada kolom Enter Output Filename beri nama file Vector, klik OK.



Gambar 26 Classification to Vector e.



Pada kolom Toolbox, pilih Vector > Classic EVF to Shapefile, lalu buka semua file Vector (*.evf).



14



Gambar 27. Classic EVF to Shapefile f.



Pada box Output EVF Layer to Shapefile yang muncul, isi kolom Enter Output Filename (*.shp), dengan nama file sesuai dengan nama kelas yang tertera diatasnya untuk menyimpan shapefile kelas, lalu klik OK.



Gambar 28. Save data Shapefile (*.shp) 3.2.4 ArcGIS a.



Buka aplikasi ArcGIS, kemudian masukkan seluruh shapefile kelas yang telah disimpan pada aplikasi ENVI.



Gambar 29. Add data (*.shp) b.



Ubah warna masing-masing kelas sesuai dengan warna klasifikasi ENVI.



Gambar 30. Ubah warna kelas c.



Pada kolom Table of Contents, klik kanan pada layer kelas karang hidup dan pilih Open Attribute Table hingga muncul tabel.



15



Gambar 31. Open Attribute Table d.



Klik kanan pada kolom Area, lalu pilih Statistics untuk menghitung luasan karang hidup satuan hektar (Ha). Lihat total luasan karang hidup di wilayah studi berdasarkan grafik



Gambar 32. Area Statistics e.



Pada Table of Contents, unclick kelas darat dan laut, kemudian Add data koreksi radiometrik (*.ers).



Gambar 33. Add data koreksi radiometrik (*.ers) f.



Klik kanan pada layer data koreksi radiometrik, pilih Properties. Pada menu Symbology, ubah bands pada kolom RGB Composite menjadi natural color (Red: B4, Green: B3, Blue: B2). Pada kolom Stretch, pilih Type: Percent Clip, Statistics: From Each Raster Dataset lalu klik OK. Kemudian pada kolom Table of contents, pindahkan layer data koreksi radiometric ke paling bawah



16



Gambar 34. Ubah bands RGB g.



Klik ikon Layout View untuk memulai layouting peta persebaran terumbu karang.



Gambar 35. Layouting peta h.



Pada menu file, pilih Export Map untuk menyimpan gambar peta persebaran terumbu karang hasil layouting (*.jpeg).



Gambar 36. Save gambar peta (*.jpeg)



17



BAB IV. HASIL DAN PEMBAHASAN



4.1



Peta Persebaran Terumbu Karang Pada



pemetaan



persebaran



Terumbu



Karang



di



Perairan



Pulau



Thulandang, Sulawesi Utara tahun 2020 diperoleh peta sebagai berikut :



Gambar 37. Peta Persebaran Terumbu Karang Tahun 2020 di Perairan Pulau Thulandang, Sulawesi Utara Berdasarkan pemetaan persebaran terumbu karang di Pulau Thulandang, Sulawesi Utara pada tahun 2020, diketahui bahwa sebaran karang hidup di Pulau Thulandang termasuk kategori baik. Karang hidup ditandai dengan warna merah muda yang lebih dominan dibanding karang mati yang ditandai dengan warna ungu. Luasan karang hidup di perairan Pulau Thulandang sebesar 709 Ha. Kondisi terumbu karang yang baik di perairan ini disinyalir akibat berada didaerah Coral Triangle serta sedikitnya polusi akibat aktivitas perkapalan / perikanan. Menurut Patty et al. (2015), salah satu kebanggaan utama Provinsi Sulawesi Utara adalah keindahan Taman Nasional Bunaken dengan terumbu karang. Namun kondisi terumbu karang hidup dan jumlah jenis ikan Target di Taman Nasional Bunaken semakin menurun. Hasil penelitian tahun 2006 menunjukan bahwa persentase tutupan karang hidup di wilayah Taman Nasional Bunaken tergolong dalam kategori sedang dengan nilai rata-rata 39,76 %. Hamparan terumbu karang yang mati diakibatkan proses penambangan karang, penambatan jangkar dan injakan kaki pada terumbu, serta penangkapan ikan ilegal (pengeboman).



18



4.2



Luasan Klasifikasi Berikut ini merupakan hasil perhitungan luasan klasifikasi dari pengolahan



data persebaran Terumbu Karang di Pulau Thulandang, Sulawesi Utara:



Gambar 38. Luasan Karang Hidup



Gambar 39. Luasan Karang Mati



Gambar 40. Luasan Pasir Berdasarkan hasil perhitungan luasan klasifikasi, didapatkan grafik luasan karang hidup, karang mati dan pasir di Pulau Thulandang, Sulawesi Utara. Karang hidup memiliki luasan sebesar 709 Ha. Sedangkan luasan karang matinya yaitu sebesar 165 Ha. Kemudian, luasan pasirnya yaitu sebesar 74 Ha. Berdasarkan hasil tersebut, dapat diketahui bahwa luasan paling besar adalah karang hidup dan luasan terkecil adalah pasir. Menurut E-KKP3K (2015), terumbu karang di Taman Nasional (Laut) Bunaken berjumlah 13 genera karang hidup. Kondisi tutupan terumbu karang di Zona Inti TNLB sebesar 59,67% yang masih tergolong baik berdasarkan KEPMEN LH No. 04 tahun 2001 tentang Kriteria Baku Kerusakan Terumbu Karang. Tutupan Hard Coral terdiri dari karang jenis Acropora sebesar 38,33% Non-Acropora sebesar 21,33%. Persentase lifeform lainnya antara lain Soft Coral sebesar 0,67%, Dead Coral sebesar 8,67% Algae sebesar 29,67% Sponge sebesar 1,33%.



19



BAB V. PENUTUP



5.1



Kesimpulan Kesimpulan yang dapat diambil dari praktikum Penginderaan Jauh materi



Pemetaan Terumbu Karang adalah sebagai berikut: 1.



Software yang digunakan dalam pengolahan data persebaran terumbu karang antara lain ERMapper, Ms. Excel, ENVI, dan ArcGIS. ERMapper digunakan untuk proses cropping wilayah, koreksi radiometrik, koreksi kolom air Lyzenga dan klasifikasi unsupervised. ENVI digunakan untuk membuat ROI, klasifikasi supervised dan shapefiler. ArcGIS digunakan untuk menghitung luasan karang dan melakukan proses layouting peta.



2.



Berdasarkan pengolahan data persebaran terumbu karang di Pulau Thulandang, Sulawesi Utara diperoleh hasil bahwa sebaran karang hidup di termasuk kategori baik dengan luasan sebesar 709 Ha. Sedangkan luasan karang matinya yaitu sebesar 165 Ha. Luasan pasirnya yaitu sebesar 74 Ha Karang hidup yang ditandai dengan warna merah muda lebih mendominasi dibandingkan dengan karang mati yang berwarna ungu.



5.2



Saran Praktikum Penginderaan Jauh Kelautan materi Pemetaan Terumbu



Karang secara tatap muka dan dilanjut dengan asistensi daring berjalan cukup baik. Untuk ke depannya, sebaiknya tim asisten lebih menjelaskan mengenai setiap langkah pengerjaan termasuk dalam proses apa (misal koreksi radiometrik) serta ikon-ikon dalam aplikasi yang digunakan dalam proses pemetaan agar praktikan memahami konsepnya tanpa hanya mengikuti langkahlangkah pengerjaan.



20



DAFTAR PUSTAKA



Apriyanti, N.R., R.A. Nugroho, O. Soesanto. 2015. Algoritma K-Means Clustering dalam Pengolahan Citra Digital Landsat. Kumpulan Jurnal Ilmu Komputer (KLIK). 2 (2) :1-13. Calvert, J., J.A. Strong, M. Service, C. McGonigle, R. Quinn. 2015. An Evaluation of Supervised and Unsupervised Classfiication Techniques for Marine Benthic Habitat Mapping Using Multibeam Echosounder Data. ICES Journal of Marine Science. 72 (5) :1498-1513. Devi, G.K., B.P. Ganasri, dan G.S. Dwarakish. 2015. Applications of Remote Sensing in Satellite Oceanography: A Review. Aquatic Procedia Journal. 5: 579 - 584. E-KKP3K.



2015.



Profil



Kawasan



Konservasi



Provinsi



Sulawesi



Utara.



Kementerian Kelautan dan Perikanan. Jakarta. Hadi, T.A., Giyanto, B. Prayudha, M. Hafizt, A. Budiyanto, Suharsono. 2018. Status Terumbu Karang Indonesia. Jakarta. Puslit Oseanografi - LIPI. Jaelani, L.M., N. Laili, Y. Marini. 2015. Pengaruh Algoritma Lyzenga dalam Pemetaan Terumbu Karang Menggunakan Worldview-2, Studi Kasus: Perairan Pltu Paiton Probolinggo. Jurnal Penginderaan Jauh. 12 (2) :123132. Manessa, M.D.M., M. Haidar, S. Budhiman, G. Winarso, A. Kanno, T. Sagawa, M. Sekine. 2016. Evaluating the Performance of Lyzenga’s Water Column Correction in Case-1 Coral Reef Water Using a Simulated Worldview-2 Imagery. IOP Conf. Series: Earth and Environmental Science. 47: 1-13 Patty, P., G. Manu, E. Reppie, L N. Dey. 2015. Coral Fish Communities On The Biorock Artificial Reef in Coastal Waters of Siladen Island, Manado, North Sulawesi. J. Fish. Sci. 17 (2): 73-78 Susiloningtyas, D., T. Handayani, A.N. Amalia. 2018. The Impact of Coral Reefs Destruction and Climate Change in Nusa Dua and Nusa Penida, Bali, Indonesia. IOP Conf. Series: Earth and Environmental Science. 145: 1-8



21