Kajian Updating Peta Status Tutupan Lahan Mangrove Dengan Algoritma Machine Learning Dan Indeks Vegetasi Di Kabupaten Berau

Abstract

Pemetaan esktraterestris dengan teknologi satelit penginderaan jauh memberikan kemudahan klasifikasi land use land cover (LULC) pada area yang luas secara multitemporal dengan keunggulan meminimalisir waktu dan biaya. Penelitian ini bertujuan untuk mengkaji updating peta status tutupan lahan mangrove berupa sebaran, luasan, dan tingkat kerapatan kanopi menggunakan algoritma machine learning dan indeks vegetasi di wilayah pesisir Kecamatan Pulau Derawan Kabupaten Berau sebagai daerah pendukung program blue carbon. Area studi penelitian ini menggunakan data Citra Sentinel 2B multitemporal untuk memperoleh informasi peta LULC, perubahan perkembangan lahan, dan ekosistem mangrove. Hasil pemetaan LULC menggunakan reflektan multispektral Sentinel menunjukkan akurasi minimum pada tingkat OA = 81% dan kappa = 2.00. Adapun tingkat kerapatan hasil algoritma GNDVI keseluruhan dengan nilai kerapatan berkisar antara 1 - 9 Nilai tersebut dibagi kedalam 1 kelas non vegetasi (≤ 3) dan 4 kelas kerapatan vegetasi yang bervariasi dengan status tingkat kerapatan jarang (≤ 5), sedang (≤ 7), lebat (≤ 8), dan sangat lebat (≤ 9). Perkembangan DUDI (Dunia Usaha dan Dunia Industri) dalam sektor perkebunan maupun tambak di Kecamatan Pulau Derawan membuat perubahan signifikan terhadap LULC dan sebaran mangrove. Dari tahun 2018 hingga 2022, terdapat 15.21% lahan mangrove menjadi lahan tanaman dan lahan basah, 6.25% lahan tanaman dan 8.30% lahan basah menjadi lahan kering, 34.24% lahan kering menjadi lahan tanaman, sedangkan lahan terbangun mengalami kenaikan 114.57%. Penurunan yang luar biasa dari hutan mangrove dapat terjadi di tanah pedalaman sepanjang wilayah pesisir yang dikonversi menjadi lahan perkebunan sawit.