Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS

Page 1 of 19 dari Data Penginderaan Jauh

Tutorial Ringkas
Identifikasi Ekosistem Mangrove dan Pemetaan Kerapatan Mangrove
dari Data Penginderaan Jauh

Dipersiapkan oleh Aji Putra Perdana, S.Si

Pengantar SIngkat

Tutorial ini merupakan hasil kegiatan atau tugas praktikum selama masa kuliah di MPPDAS
untuk praktikum modul kuliah Remote Sensing and GIS (Penginderaan Jauh dan Sistem
Informasi Geografis) dengan Pengampu: Muhammad Kamal, S.Si., MGIS (Dosen Fakultas
Geografi UGM). Hasil praktikum tersebut kemudian dirangkum atau dikemas secara ringkas ke
dalam tutorial ringkas yang diubah judulnya dengan identifikasi ekosistem mangrove dan
pemetaan kerapatan mangrove dari data penginderaan jauh. Bahan yang dipergunakan
merupakan data praktikum, sedangkan langkah semi detil yang terkemas merupakan
langkah-langkah yang tertuang dalam hasil laporan praktikum penulis yang dicuplik dan
diramu seadanya untuk sekedar berbagi mengenai pengolahan data penginderaan jauh untuk
identifikasi mangrove dan kerapatannya menggunakan teknologi geospasial (dalam hal ini
dengan perangkat lunak ENVI 4.x dan ArcGIS 9.x). Adapun pengolahan dapat memanfaatkan
pula software open source seperti Quantum GIS
( http://www.scribd.com/doc/56691874/Tutorial-SIG-Open-Source-Quantum-GIS).

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 2 of 19 dari Data Penginderaan Jauh

LatarBelakang

Terinspirasinya untuk sharing hasil praktikum yang dikemas menjadi tulisan sederhana
ini ialah ketika penulis kembali membaca postingan di blog
http://ajiputrap.blogspot.com/2010/12/mangrove-di-indonesia-yang-kaya.html.

Sungguh luar biasa potensi Negera Kesatuan Republik Indonesia ini coba bayangkan
betapa dunia menatap kita (baca: sumberdaya alam). Betapa butuhnya dunia akan
INDONESIA terkait pula perubahan iklim yang kain digembor-gemborkan.
Apakah salah satu sumberdaya kelautan itu?
Mangrove, jawab fulan.
Kawasan hutan mangrove di Indonesia telah menyusut dari 4,2 juta hektar pada
tahun 1982 sampai 2 juta hektar, ujar sebuah LSM (dimuat di dalam The Jakarta
Post 6 Desember 2010).
"Sekitar 70 persen hutan mangrove di Indonesia berada dalam kondisi kritis dan
rusak berat," kata Menteri Kelautan dan Perikanan RI Bapak Fadel Muhammad
ketika meluncurkan kampanye penanaman bakau di desa Poka, Kecamatan Teluk
Ambon, Provinsi Maluku, Jumat (30 Juli 2010). Dimuat di dalam Antara News pada
hari sabtu 31 Juli 2010.
"Rawa bakau dapat membantu masyarakat pantai di Indonesia dalam menangkis
laut yang naik/meningkat dan badai tropis kuat yang disebabkan oleh perubahan
iklim," ujar para ahli yang dimuat dalam Reuters.

Berikut peta sebaran mangrove di dunia dan lihatlah betapa hijaunya sebaran
mangrove di Republik Indonesia:

Gambar 1. Sebaran Mangrove di dunia

(http://earthobservatory.nasa.gov/images/imagerecords/47000/47427/global_tm5_mangroves_lrg.png)

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 3 of 19 dari Data Penginderaan Jauh

Sewaktu menulis postingan blog tersebut di atas, terdapat komen dari salah satu rekan
di Bakosurtanal yang mengatakan bahwa luas mangrove di Indonesia sekitar 3,2 juta.
Bagaimanakah menghitung luas sebaran mangrove, mengetahui kondisinya serta
memonitoring atau memantau berkurang atau bertambahnya luas mangrove di suatu
wilayah? Itulah pertanyaan yang acapkali muncul. Metode yang sama dilakukan oleh
lembaga atau orang yang berbeda kadang juga berbuah pada hasil luasan yang
berbeda. Akantetapi di sini tidak akan mengupas hal tersebut, tetapi lebih pada
bagaimana kita mengenal ekosistem mangrove melalui identifikasinya dari data citra
satelit penginderaan jauh sebagai salah satu teknologi yang efektif dan efisien dan
menjadi alternatif pilihan seiring perkembangan teknologi penginderaan jauh.

Citra sumber daya alam yang cukup terkenal dan saat ini mudah diakses atau diunduh
secara gratis, bisa dipergunakan untuk pembelajaran kajian multiwaktu ialah data citra
satelit Landsat. Bisa unduh di http://www.glcf.umd.edu/data/landsat/ ataupun di
http://glovis.usgs.gov/ dan tempat lainnya J yang menyediakan data landsat free for
study J. Banyaknya saluran yang tersedia dalam citra Landsat membantu kita dalam
memanfaatkan berbagai komposit citra untuk mengenali obyek mangrove dan
mempergunakan indeks vegetasi untuk menghitung kerapatan mangrove.

Tujuan
1. Pengolahan citra digital untuk identifikasi ekosistem mangrove
2. Interpretasi dan analisis citra untuk identifikasi ekosistem mangrove
3. Implementasi transformasi indeks vegetasi untuk penentuan tingkat kerapatan
vegetasi mangrove
Data yang digunakan
1. Garis pantai.shp (garis)
2. Karimunjawa.tiff (raster,GeoTIFF)
3. Landsat_Karimunjawa (raster, ENVI file)

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 4 of 19 dari Data Penginderaan Jauh

Software yang digunakan

1. ENVI
2. ArcGIS
Hasil akhir
Peta kerapatan vegetasi pada ekosistem mangrove daerah Karimunjawa, Jawa Tengah.
Proses Pemetaan
Proses pemetaan kerapatan mangrove dapat digambarkan dalam diagram alir berikut:

Gambar 1. Diagram Alir Proses Pemetaan (sumber: Muhammad Kamal, S.Si., MGIS)

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 5 of 19 dari Data Penginderaan Jauh

Langkah Kerja
Membuka dan Mengecek Data Citra
1. Jalankan software ENVI melalui menu Start All Programs RSI ENVI 4.x
ENVI

Catatan : RSI ENVI merupakan salah satu pengolahan citra digital, kita dapat menggunakan
software pengolahan citra lainnya dalam proses pemetaan mangrove seperti ErMapper, ERDAS,
ILWIS, IDRISI, dkk
2. Untuk membuka data citra, pilih File Open Image File, kemudian arahkan ke
direktori kerja penyimpanan data C:\RSGIS\Praktikum 2 dan memilih file
Landsat_Karimunjawa, maka akan muncul Available Band List yang
menampilkan data citra dan band yang ada di dalamnya. Software ENVI ini
menggunakan format penyimpanan citra digital yakni BIL (Band Interleaved by
Line), dimana file saluran 1, 2,3,4,5, dan 6 (saluran 7) disimpan dalam satu file
seperti tampak pada gambar di bawah ini.

3. Mengecek data citra yang digunakan, apakah sudah terkoreksi secara

radiometric dan geometric. Untuk mengetahui apakah data sudah terkoreksi
secara geometric pada ENVI dapat secara langsung dilihat dengan ada tidaknya
MapInfo pada available band list. Atau dengan menampilkan datanya ke dalam
Display Data dan mengaktifkan cursor location/value.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 6 of 19 dari Data Penginderaan Jauh

4. Untuk mengecek apakah citra sudah terkoreksi radiometric. Dari menu utama
ENVI pilih Basic Tools Statistics Compute Statistics.

5. Dari hasil perhitungan statistic dapat diketahui adanya nilai bias pada semua
saluran dengan nilai berturut-turut : 66, 38, 26, 7, 3 dan 6. Setelah mengetahui
bahwa citra belum terkoreksi secara radiometric dan geometric maka tahap
selanjutnya ialah melakukan proses koreksi citra.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 7 of 19 dari Data Penginderaan Jauh

Koreksi Citra (Radiometrik dan Geometrik)

6. Koreksi Geometrik dilakukan menggunakan koreksi relative dengan asumsi
bahwa nilai terendah adalah nol, sehingga semua saluran akan dikoreksi
dengan mengurangi nilai biasnya. Dapat dilakukan dengan fasilitas Band Math
dan menghitung satu per satu untuk tiap saluran atau dapat juga secara
sekaligus dengan mempertahankan semua saluran dalam satu file yakni dengan
memanfaatkan fasilitas Dark Subtract.
7. Dari menu utama pilih Basic Tools Preprocessing General Purpose Utilities
Dark Subtract.

8. Lakukan pengisian nilai bias pada user value untuk masing-masing saluran,
seperti gambar berikut dan simpan file outputnya. Lalu klik OK.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 8 of 19 dari Data Penginderaan Jauh

9. Selanjutkan akan muncul pada Available band list, file citra yang sudah
terkoreksi radiometric dan siap untuk dilanjutkan dengan koreksi geometric.
Koreksi geometrik citra dilakukan pada distorsi geometri non-sistematis.
Koreksi geometrik yang dilakukan agar citra georeference. Georeference adalah
proses memberikan koordinat peta pada citra (Leica Geosystem, 2002). Koreksi
dilakukan dengan image to image dengan terlebih dahulu membuka file image
yang sudah terkoreksi sebagai acuan (base image) yakni Karimunjawa.tif.
10. Tampilkan kedua citra tersebut pada display 1 dan 2, lalu dari menu utama pilih
Map Registration Select GCPs Image to Image. Tentukan Base Image
display dan Warp Image display.

11. Mulailah memberi titik ikat (Ground Control Points) dan usahakan rms error
dibawah 1. Apabila sudah terkumpul dan diperoleh rms error yang kecil,
selanjutnya ialah melakukan warp terhadap file yang akan di-georeference.
Pada dialog boz Ground Control Points Selection pilih Options Warp File
dan selanjutnya tentukan nama dan lokasi penyimpanan file output.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 9 of 19 dari Data Penginderaan Jauh

12. Proses koreksi geometric selesai maka akan muncul file baru pada Available
Band List yakni citra yang sudah terkoreksi.

Komposit Citra
13. Tahap selanjutnya ialah menampilkan komposit citra yang dapat membantu
dalam mengenali obyek vegetasi hutan mangrove. Komposit yang dipilih yakni
komposit warna RGB 457, dikarenakan obyek vegetasi mempunyai pantulan
tinggi pada saluran inframerah. Berikut gambar display 1 (RGB 321) dan display
2 (RGB 457), pada zoom dapat dilihat kenampakan hutan mangrove.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 10 of 19 dari Data Penginderaan Jauh

Interpretasi Visual Mangrove

14. Selanjutnya ialah delineasi secara visual obyek mangrove dengan menggunakan
software GIS (ArcGIS), sehingga citra dikonversi ke dalam format yang dapat
dibaca oleh ArcGIS. Dalam hal ini, kita akan menyimpannya ke dalam format
ERDAS IMAGINE (dengan tujuan kita semua saluran masih dapat tersimpan
dalam satu file dan dapat dibuka di software ArcGIS serta kita dapat
menampilkan komposit warna RGB yang lainnya, tidak hanya satu. Selain itu
data juga tidak terkompresi). File Save File As ERDAS IMAGINE
15. Jalankan software GIS (ArcGIS) dari Start menu pilih Programs ArcGIS
ArcMap
16. Tambahkan data melalui Add Data dan arahkan ke direktori kerja lalu pilih file
data raster format *.img, dan data vector garis pantai.shp
17. Kemudian pada data raster format *.img yang merupakan citra terkoreksi
radiometric dan geometric aturlah tampilan data ke dalam komposit 457
dengan cara, klik kanan pada data pilih Properties.
18. Pada tab Symbology aturlah band 4 pada Red, band 5 pada Blue dan band 7
pada Green. Atur pula Stretch ke Standard Deviation dan atur statistic seperti
gambar berikut, lalu klik OK.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 11 of 19 dari Data Penginderaan Jauh

19. Untuk membuat shp baru bagi hasil delineasi mangrove dapat dengan
mengeksport shp garis pantai, dan menyimpannya sebagai shp mangrove untuk
kemudian dilakukan proses delineasi area vegetasi mangrove dari line untuk
kemudian dibangun menjadi polygon/area.
20. Klik kanan pada garis pantai.shp, pilih Data Export Datasimpanlah output
pada direktori kerja praktikum 2 dan berinama file mangrove.shp

21. Proses editing data vector dimulai dengan mengaktifkan sesi editing. Lalu pilih
Editor Start Editing, atur snapping dengan memilih menu Editor Snapping.
22. Lanjutkan dengan mulai proses digitasi, zoom pada area mangrove kemudian
mulailah sesi digitasi garis untuk area mangrove. Apabila digitasi sudah selesai,
dilanjutkan dengan menghapus area di luar cakupan citra. Untuk mengenali
obyek mangrove pada komposit warna 457, vegetasi ini tampak dengan warna
coklat seperti gambar di bawah ini dan situsnya di tepi pantai/kawasan pesisir
karena mangrove merupakan salah satu ekosistem pesisir.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 12 of 19 dari Data Penginderaan Jauh

23. Untuk mengubah data garis ke area/polygon, pergunakan ArcToolbox dan

pilihlah tool pada Data Management Tools Features Feature to Polygon.
24. Lanjutkan dengan sesi editing untuk polygon hasil tersebut untuk
menghilangkan area yang bukan wilayah mangrove.

25. Area mangrove telah didapatkan, selanjutnya kembali ke software ENVI untuk
melakukan tahapan selanjutnya.
Masking
26. Masking ini bertujuan untuk menghilangkan unsur yang tidak perlu dan tidak
dapat diolah. Bukalah data vector mangrove area.shp di dalam software ENVI,
dari menu utama pilih Vector Open Vector File, pilih file type shp dan
arahkan pada data vector mangrove area. Perhatikan apakah sistem koordinat
data sudah sesuai, yakni UTM Datum WGS 84 Zone 49 S. Lalu klik OK dan data
vector akan muncul pada Available Vector List.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 13 of 19 dari Data Penginderaan Jauh

27. Mulailah masking, dengan memilih Basic Tools Masking Apply Mask. Pilih
file yang akan dimasking dan pada Select Mask Band pilih Mask Options
Build Mask

28. Import EVF dari mangrove area sebagai mask definition.

29. Kemudian pilih file yang diasosiasikan dengan EVF sebagai mask definition. Klik
OK dan simpanlah outpurt file mask definition tersebut, klik OK .

30. Kemudian pada kotak dialog Apply Mask Input File akan muncul file masking,
selanjutnya klik OK. Isikan Mask value dan simpan filenya.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 14 of 19 dari Data Penginderaan Jauh

Transformasi NDVI
31. Citra daerah mangrove telah diperoleh, sehingga tahapan selanjutnya ialah
transformasi NDVI untuk menghitung kerapatan vegetasi mangrove.
32. Pilih Transform NDVI, pergunakan file hasil proses sebelumnya sebagai input
dan berinama file outputnya lalu klik OK.

33. Selanjutnya ialah Apply Mask pada citra hasil transformasi NDVI tersebut dan
isikan mask value dengan angka -2.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 15 of 19 dari Data Penginderaan Jauh

Density Slicing
34. Pilihlah Overlay Density Slice.
35. Kemudian aturlah pada kotak dialog density slice ke dalam tiga kelas rentang
kerapatan. Rentang kerapatan vegetasi mangrove menurut BAPLAN Kehutanan:
- Kerapatan tinggi (0, 42 NDVI 1,00)
- Kerapatan sedang (0,33 NDVI 0,42)
- Kerapatan rendah (-1,00 NDVI 0,33)
36. Pilih Option Add New Range, isikan seperti di bawah ini, lalu klik OK.

37. Kemudian edit range dan sesuai dengan ketentuan rentang kerapatan di atas.
Lalu klik Apply.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 16 of 19 dari Data Penginderaan Jauh

Convert to Vector
38. Selanjutnya masih dalam kotak dialog density slice, pilih File Output Range
to EVFs pilihlah klas rentang densitas tersebut dan simpan EVFnya. Klik OK.

39. Akan muncul pada Available Vector List, pilih vector tersebut dan Export Layer
to Shapefile. Simpan file dan klik OK.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 17 of 19 dari Data Penginderaan Jauh

Layout
40. Tahap akhir ialah melakukan layout peta kerapatan vegetasi mangrove di
ArcGIS. Jalankan program ArcGIS dan tampilkan data citra komposit, garis
pantai dan kerapatan mangrove. Contoh tampilan hasil layout peta. Peta hasil
terlampir.

Berikut gambar kenampakan obyek vegetasi mangrove pada beberapa

komposit warna citra.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 18 of 19 dari Data Penginderaan Jauh

(a) Komposit TCC 321, mangrove tampak hijau gelap

(b) Komposit FCC standar 432. Mangrove tampak lebih merah dibandingkan
dengan tetumbuhan lainnya
(c) Komposit FCC 457, vegetasi tampak berbeda dengan obyek lainnya terlihat
sangat kontras.

2011 Geospatial Sharing Aji Putra Perdana

 Identifikasi Mangrove dan Kerapatan Mangrove Tutorial-RSGIS
Page 19 of 19 dari Data Penginderaan Jauh

Referensi

Kamal, Muhammad. ____. Modul Supervised Practical: Penginderaan Jauh dan Sistem
Informasi Geografis. MPPDAS-Fakultas Geografi, UGM (unpublished)
Perdana, Aji Putra. 2009. Tugas Supervised Practical: Modul 3 Penginderaan Jauh dan
Sistem Informasi Geografis. Acara 2 Inventarisasi dan Pemetaan Kerapatan
Hutan Mangrove. Tugas Kuliah. MPPDAS-Fakultas Geografi, UGM
(unpublished)

2011 Geospatial Sharing Aji Putra Perdana