PEMANFAATAN GOOGLE EARTH ENGINE UNTUK MEMANTAU PERUBAHAN LUASAN HUTAN MANGROVE DI PROBOLINGGO
APPLICATION OF GOOGLE EARTH ENGINE FOR MONITORING MANGROVE FOREST CHANGES IN PROBOLINGGO
DOI:
https://doi.org/10.21776/ub.jfmr.2023.007.02.9Keywords:
Mangrove, GEE, Sentinel 2A, NDVIAbstract
Mangrove merupakan tumbuhan intertidal yang memilki peran ekologi, fisik, dan sosial ekonomi untuk daerah pesisir. Mangrove di Indonesia menunjukkan penurunan kondisi seiring berjalannya waktu, termasuk di wilayah Probolinggo, Jawa Timur. Faktor utama yang memicu berkurangnya mangrove yaitu aktivitas manusia yang mengubah area mangrove menjadi tambak, permukiman, dan sebagainya. Oleh karena itu, penelitian ini bertujuan untuk memantau tutupan mangrove di Probolinggo melalui integrasi penginderaan jauh dan sistem informasi geografis sebagai bentuk kontribusi dalam kegiatan pemantauan yang diharapkan dapat menjadi acuan dalam penentuan arah pengelolaan mangrove. Luas mangrove dianalisis dari citra Sentinel 2A menerapkan indeks vegetasi Normalized Difference Vegetation Index (NDVI) yang diolah menggunakan Google Earth Engine (GEE). Hasil penelitian menunjukkan terjadi perubahan luas mangrove di Probolinggo setiap tahunnya. Total luas mangrove tertinggi terjadi pada tahun 2020 bernilai 687,15 Ha dan nilai luas mangrove terendah terjadi pada tahun 2022 sebesar 241,13 Ha. Nilai NDVI tertinggi selama tahun 2019-2023 memiliki nilai paling besar 0,87 (rapat) pada tahun 2020-2021 dan nilai paling kecil 0,55 (jarang) pada tahun 2022. Hasil uji akurasi memiliki nilai Overall Accuracy sebesar 86% sehingga hasil klasifikasi sebaran mangrove dari citra Sentinel 2A menggunakan indeks vegetasi NDVI di Probolinggo dapat diterima. Akan tetapi, penambahan sampel uji akurasi masih diperlukan supaya dapat menghasilkan tingkat akurasi yang lebih baik.
Mangroves are intertidal plants that have ecological, physical, and socioeconomic roles for coastal areas. Mangroves in Indonesia show a decline in condition over time, including in the Probolinggo region, East Java. The main factor that triggers mangrove decline is human activities that convert mangrove areas into ponds, settlements, etc. Therefore, this study aimed to monitor mangrove cover in Probolinggo through the integration of remote sensing and geographic information systems as a way of monitoring activities that are expected to be a reference in determining the direction of mangrove management. The mangrove area was analyzed from Sentinel 2A imagery applying the Normalized Difference Vegetation Index (NDVI) processed using Google Earth Engine (GEE). The results showed that there were changes in mangrove area in Probolinggo every year. The highest total mangrove area occurred in 2020 amounting to 687.15 Ha and the lowest total mangrove area occurred in 2022 amounting to 241.13 Ha. The highest NDVI value during 2019-2023 had the greatest value of 0.87 (dense) in 2020-2021 and the smallest value of 0.55 (sparse) in 2022. The accuracy test results had an Overall Accuracy value of 86% so that the classification results of mangrove distribution from Sentinel 2A images using the NDVI vegetation index in Probolinggo were acceptable. However, additional accuracy test samples are still needed to produce a better accuracy level.
References
I. W. E. Dharmawan, Y. I. Ulumuddin, B. Prayudha, and Pramudji, Panduan Monitoring Struktur Komunitas Mangrove di Indonesia. 2020.
A. Rizal, “Economic value estimation of mangrove ecosystems in Indonesia,” Biodivers. Int. J., vol. 2, no. 3, pp. 1–4, 2018, doi: 10.15406/bij.2018.02.00051.
A. P. Widyantara and T. Solihuddin, “Pemetaan perubahan luasan lahan mangrove di Pesisir Probolinggo menggunakan citra satelit,” J. Penginderaan Jauh dan Pengolah. Data Citra Digit., vol. 17, no. 2, pp. 75–87, 2020, [Online]. Available: http://dx.doi.org/10.30536/j.pjpdcd.2020.v2.a3216.
S. A. Muzakki, A. Z. A. Mourniaty, P. Rahardjo, and H. Triyono, “Pemetaan dan evaluasi kesehatan hutan mangrove di Kabupaten Karawang menggunakan Landsat Multitemporal,” J. Kelaut. dan Perikan. Terap., vol. 4, no. 2, pp. 137–143, 2021, doi: 10.15578/jkpt.v4i2.10527.
L. Wang, M. Jia, D. Yin, and J. Tian, “A review of remote sensing for mangrove forests: 1956–2018,” Remote Sens. Environ., vol. 231, no. December 2018, 2019, doi: 10.1016/j.rse.2019.111223.
S. Firmansyah, J. Gaol, and S. B. Susilo, “Perbandingan klasifikasi SVM dan Decision Tree untuk pemetaan mangrove berbasis objek menggunakan citra satelit Sentinel-2B di Gili Sulat, Lombok Timur,” J. Pengelolaan Sumberd. Alam dan Lingkung., vol. 9, no. 3, pp. 746–757, 2019, doi: 10.29244/jpsl.9.3.746-757.
J. A. A. Castillo, A. A. Apan, T. N. Maraseni, and S. G. Salmo, “Estimation and mapping of above-ground biomass of mangrove forests and their replacement land uses in the Philippines using Sentinel imagery,” ISPRS J. Photogramm. Remote Sens., vol. 134, pp. 70–85, 2017, doi: 10.1016/j.isprsjprs.2017.10.016.
Rafdinal, A. Raynaldo, and E. Subrata, “Pemetaan kawasan mangrove di Kabupaten Mempawah Kalimantan Barat menggunakan citra Landsat 8,” J. Tengkawang, vol. 11, no. 2, pp. 98–105, 2021.
T. R. Fariz, P. I. Permana, F. Daeni, and A. C. P. Putra, “Pemetaan ekosistem mangrove di Kabupaten Kubu Raya menggunakan Machine Learning pada Google Earth Engine,” J. Geogr., vol. 18, no. 2, pp. 83–89, 2021, doi: 10.15294/jg.v18i2.30231.
A. D. Rahmawati and R. A. Ari, “Google Earth Engine: Pemanfaatan platform pemetaan berbasis Cloud Computing dalam mendeteksi distribusi mangrove dengan citra Sentinel-2 di Jakarta,” Semin. Nas. Geomatika 2021 Inov. Geospasial dalam Pengurangan Risiko Bencana, no. February, pp. 423–434, 2022.
D. T. Prakoso, “Pemanfaatan Enhanced Built-Up and Bareness Index (EBBI) untuk pemetaan kawasan terbangun dan lahan kosong di Kota Semarang,” Universitas Diponegoro, 2018.
B. M. Sukojo and Y. N. Arindi, “Analisa perubahan kerapatan mangrove berdasarkan nilai Normalized Difference Vegetation Index menggunakan citra Landsat 8 (Studi kasus: Pesisir Utara Surabaya),” Geoid, vol. 14, no. 2, pp. 1–5, 2019, doi: 10.12962/j24423998.v14i2.3874.
Husnayaen, P. Amela, D. P. Arini, and I. K. A. Putra, “Pemetaan sebaran dan kerapatan hutan mangrove menggunakan Machine Learning pada Google Earth Engine dan sistem informasi geografi di Pulau Bali,” J. Perikan., vol. 13, no. 1, pp. 266–277, 2023.
J. J. Sinabutar, B. Sasmito, and A. Sukmono, “Studi Cloud Masking menggunakan Band Quality Assessment, Function of Mask dan Multi-Temporal Cloud Masking pada citra Landsat 8,” J. Geod. Undip, vol. 9, no. 3, pp. 51–60, 2020.
A. Kawamuna, A. Suprayogi, and A. P. Wijaya, “Analisis kesehatan hutan mangrove berdasarkan metode klasifikasi NDVI pada citra Sentinel-2 (Studi kasus : Teluk Pangpang Kabupaten Banyuwangi),” J. Geod. Undip, vol. 6, no. 1, pp. 277–284, 2017.
M. I. Zakaria, “Pemetaan kesehatan mangrove dengan menggunakan metode penginderaan jauh di Pesisir Probolinggo bagian timur, Provinsi Jawa Timur,” Universitas Brawijaya, 2019.
D. Wijaya, Suryono, and N. Soenardjo, “Ekologi mangrove di pesisir Kecamatan Tongas dan Sumberasih Kabupaten Probolinggo, Jawa Timur,” J. Mar. Res., vol. 8, no. 2, pp. 218–222, 2019.
D. V. Emelia, “Estimasi stok karbon pada vegetasi mangrove menggunakan citra satelit Sentinel-2 di wilayah Probolinggo, Jawa Timur,” Universitas Brawijaya, 2021.
S. Irawan and J. Sirait, “Perubahan kerapatan vegetasi menggunakan Citra Landsat 8 di Kota Batam berbasis Web,” J. Kelaut., vol. 10, no. 2, pp. 174–184, 2017, doi: 10.21107/jk.v10i2.2685.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Submission of a manuscript implies: that the work described has not been published before (except in the form of an abstract or as part of a published lecture, or thesis) that it is not under consideration for publication elsewhere; that if and when the manuscript is accepted for publication, the authors agree to automatic transfer of the copyright to the publisher.
