Sebaran Musiman Kejadian Thermal Front Berdasarkan Citra Aqua
advertisement
SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION Sebaran Musiman Kejadian Thermal Front Berdasarkan Citra AquaMODIS di WPP-RI 714, 715, dan 716 Rizki Hanintyo1,*), Sri Hadianti1, R.M. Putra Mahardhika1, Aldino J.S. 1, dan Fikrul Islamy1 1 Balai Penelitian dan Observasi Laut, KKP *) E-mail: [email protected] ABSTRAK - Thermal front merupakan daerah pertemuan dua massa air yang mempunyai karakteristik suhu yang berbeda. Lokasi kajian thermal fronts dilakukan di WPP-RI 714, WPP-RI 715, dan WPP-RI 716. Pemilihan lokasi studi dilakukan untuk melihat pengaruh massa air yang berasal dari Samudra Pasifik terhadap perairan sekitar WPP tersebut. Kajian dilakukan selama 2 tahun dimulai pada musim barat bulan Oktober 2013 hingga musim timur bulan September 2015. Sebaran musiman kejadian thermal front diperoleh dari mosaik data bulanan suhu permukaan laut dari citra satelit Aqua MODIS level 3 dengan resolusi 4 km. Proses identifikasi thermal fronts dilakukan dengan menggunakan metode Single Image Edge Detection (SIED) dari Cayula-Cornillon. Hasil analisis suhu permukaan laut menunjukkan bahwa pada musim barat thermal front yang dihasilkan lebih banyak dibandingkan pada musim timur. Kejadian front di WPPRI 714 paling banyak terjadi di daerah kepulauan Gorong. Di WPP-RI 715 daerah dengan kejadian front terbanyak yaitu sekitar Teluk Berau, sedangkan di WPP-RI 716 kejadian front terbanyak terjadi di sekitar perairan Pulau Derawan. Front penting dalam produktifitas perairan laut karena cenderung membawa bersama-sama air yang dingin dan kaya akan nutrien dibandingkan dengan perairan yang lebih hangat tetapi miskin zat hara. Kombinasi dari temperatur dan peningkatan kandungan hara yang timbul dari percampuran ini akan meningkatkan produktivitas plankton yang bisa digunakan sebagai salah satu kriteria dalam menentukan daerah penangkapan ikan yang potensial. Kata kunci: Thermal Front, Aqua MODIS, SIED, WPP-RI ABSTRACT - Thermal front is an area of the confluence from two water masses that have different temperature characteristics. The study area of the thermal fronts performed in WPP-RI 714, WPP-RI 715, and WPP-RI 716. The choice of study area conducted to see the effect of the water mass from the Pacific Ocean to the waters around the WPP. The study was conducted over two years beginning in northwest monsoon on October 2013 until southeast monsoon on September 2015. The spread of monsoon seasonal occurrence of thermal front monthly data obtained from the mosaic of sea surface temperature from level 3 Aqua MODIS satellite image with 4 km resolutions. The process of thermal front identification is using Single Image Edge Detection (SIED) of Cayula-Cornillon. The results showed that the sea surface temperatures in the northwest monsoon thermal front generated more than in the southeast monsoon. Front at WPP-RI 714 is most prevalent in the Gorong islands. In the region of WPP- RI 715 with the highest incidence of front is around Berau Gulf, while at WPP-RI 716 front incident occured in the waters around Derawan island. Front is important in marine water productivity because it tends to bring together the cold water with rich nutrients compared to those warmer waters with less nutrients. The combination of temperature and nutrient increased arise from this mixing will increase the productivity of plankton that can be used as one criterion in determining the potential of fishing ground. Keywords: Thermal front, Aqua MODIS, SIED, WPP-RI 1. PENDAHULUAN Perairan Indonesia merupakan perairan yang terletak diantara Samudera Pasifik dan Hindia. Massa air dari Pasifik masuk dan menyebar di perairan Indonesia sebelum mengalir keluar Indonesia. Pada Wilayah Pengelolaan Perikanan Republik Indonesia (WPP-RI) 714, 715, dan 716 merupakan wilayah perairan yang dilalui oleh empat jenis massa air yang menyebar pada lapisan termoklin dan lapisan dalam, yaitu massa air North Pasific Subtropical Water (NPSW) dan North Pacific Intermediate Water (NPIW), South Pasific Subtropical Water (SPSW) dan South Pacific Intermediate Water (SPIW) (Tomczak & Godfrey, 1994). Dengan dilaluinya empat jenis massa air ini menjadikan WPP-RI 714, 715, dan 716 memiliki karakteristik oseanografi yang berbeda dengan wilayah perairan lainnya di Indonesia seperti misalnya suhu, klorofil, dan salinitasnya. Musim juga merupakan faktor dominan dalam mempengaruhi parameter oseanografi di suatu perairan, dimana di Indonesia terjadi dua pola musim yaitu musim barat dan musim timur. Perubahan musim ini dapat mengakibatkan perubahan pola distribusi suhu, klorofil-a maupun salinitas (Wyrtki, 1961). - 523 - Sebaran Musiman Kejadian Thermal Front Berdasarkan Citra Aqua-MODIS di WPP-RI 714, 715, dan 716 (Hanintyo, R., et al.), Salah satu produk Balai Penelitian dan Observasi Laut yang telah operasional rutin setiap hari adalah Peta Daerah Penangkapan Ikan (PPDPI). Dalam pembuatan Peta Daerah Penangkapan Ikan (PPDPI) diperlukan informasi data oseanografi yaitu suhu permukaan laut (SPL) dan klorofil. Pergerakan massa air yang berasal dari Samudera Pasifik masuk ke perairan Indonesia khususnya pada WPP 714, 715, dan 716 yang memiliki pengaruh empat jenis massa air mengakibatkan memiliki pola distribusi suhu permukaan laut dan klorofil-a yang dapat mempengaruhi kesuburan perairan pada WPP 714, 715, dan 716. Suhu Permukaan Laut / SPL yang merupakan parameter oseanografi yang dapat diukur secara langsung melalui citra satelit seperti NOAA, Aqua/Terra, Landsat dan ASTER dapat digunakan sebagai indikator penentuan daerah penangkapan ikan (Hamzah, 2014). Front merupakan salah satu proses oseanografi yang berpengaruh terhadap kondisi fisika dan biologi perairan. Menurut Olson (1994) terdapat banyak variasi kemungkinan terjadinya front, yaitu thermal front, salinitas front, klorofil-a front. Front yaitu daerah pertemuan dua massa air yang memiliki karakteristik berbeda yang ditandai dengan gradient yang sangat jelas antara kedua sisi front (Arief, 2004). Thermal front adalah front yang dideteksi dari suhu permukaan laut (SPL). Massa air asal Samudera Pasifik masuk ke perairan Indonesia melalui dua jalur. Jalur Selat Makasar (jalur barat) yang dimulai dari Selat Mindanao, bergerak ke Laut Sulawesi terus bergerak ke Selat Makasar, Laut Flores dan Laut Banda. Jalur lain (jalur timur) Arlindo masuk melalui Laut Maluku dan Laut Halmahera. Jalur keluar Arlindo melewati perairan yang terbuka terhadap Samudera Hindia seperti Selat Lombok, Selat Ombai, Laut Sawu, dan Laut Timor (Wyrtki, 1961 dan Molcard et al., 1996). Dengan adanya pengaruh fenomena tersebut menjadikan daerah WPP-RI 714, 715, dan 716 memiliki thermal front yang berbeda dengan daerah perairan lainnya. Penelitian ini bertujuan untuk mengetahui jumlah kejadian front di WPP-RI 714, 715, dan 716 selama kurun waktu 2 tahun yaitu pada bulan Oktober 2013 hingga bulan September 2015. Dari hasil analisis jumlah kejadian front yang terbentuk diharapkan dapat menemukan daerah yang mengalami kejadian front paling banyak sebagai salah satu prediksi daerah dengan tingkat kesuburan tinggi. Dengan tingkat kesuburan yang tinggi tersebut maka dapat diprediksi juga bahwa tempat tersebut mempunyai lingkungan perairan yang disukai dan cocok bagi habitat fitoplankton ataupun organisme perairan lainnya untuk dijadikan sebagai wilayah yang baik untuk penangkapan ikan. 2. METODE Data data satelit yang digunakan adalah data suhu permukaan laut dari citra satelit Aqua MODIS (Moderate Resolution Imaging Spectroradiometer) level 3, komposit bulanan dengan resolusi 4 km yang dapat diakses melalui layanan website Ocean Color (http://oceancolor.gsfc.nasa.gov/cms/) selama 2 tahun, dari bulan Oktober 2013 hingga bulan September 2015 yang mewakili 4 musim diantaranya musim barat I (Oktober 2013 – Maret 2014), musim timur I (April – September 2014), musim barat II (Oktober 2014 – Maret 2015), dam musim timur II (April – September 2015). Data citra yang diunduh merupakan data dengan format .nc (netCDF) sehingga sebelum dilakukan analilis menggunakan ArcGIS, data tersebut diolah terlebih dahulu menggunakan SeaDAS. Peralatan yang digunakan dalam penelitian ini yaitu PC yang telah ter-install software SeaDAS 7.2, Arc-GIS 10.1, Microsoft Words, dan Microsoft Excel, dengan koneksi internet untuk proses pengunduhan data citra yang diperlukan. Citra satelit yang telah diunduh pertama kali diolah dengan menggunakan SeaDAS untuk memasukkan formula agar nilai awan yang terbaca menjadi NaN, sehingga nilai awan tidak ikut terbaca sebagai nilai suhu permukaan laut, karena citra satelit yang dihasilkan oleh satelit Aqua MODIS terkadang tertutup awan, sesuai dengan keadaan di lapangan saat satelit tersebut melintasi daerah yang diangsir. Jika proses cloud masking ini tidak dilakukan, maka data yang dihasilkan menjadi tidak relevan, karena nilai awan akan ikut terbaca, dan nilai tersebut tidak berkesesuaian dengan nilai suhu permukaan laut yang diharapkan. Berikut ini formula yang digunakan untuk menghilangkan data awan tersebut. (if qual_sst then NaN else 1) * sst ............................................................................................................. (1) Dimana: sst adalah sea surface temperature dan qual_sst merupakan kualitas dari nilai suhu permukaan laut tersebut Pengolahan di SeaDAS dilanjutkan dengan proses cropping citra sesuai dengan daerah penelitian, lalu data hasil cropping di export menjadi format image agar dapat dibaca dan diolah lebih lanjut menggunakan ArcGIS. - 524 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Pengunduhan citra suhu permukaan laut Cloud masking di SeaDAS Cropping lokasi penelitian Analisis thermal front dengan Cayula-Cornillon Mosaik hasil thermal front menjadi data musiman Analisis jumlah kejadian front Gambar 1. Diagram Alir Pengolahan Citra Suhu Permukaan Laut untuk Analisis Jumlah Kejadian Front Analisis variasi spasial dan temporal suhu permukaan laut kemudian dilakukan dengan menggunakan ArcGIS, data citra hasil pengolahan dari SeaDAS diinterpolasi dari resolusi 4 km menjadi 1 km, kemudian dilakukan analisis thermal front dengan menggunakan metode Single Image Edge Detection (SIED) dari Cayula-Cornillon. Thermal front yang telah dihasilkan kemudian di mosaik selama enam bulan untuk menghasilkan analisis kejadian thermal front dalam kurun waktu musiman. Hasil mosaik akan menunjukkan berbagai variasi jumlah kejadian thermal front disuatu tempat. Pemilihan lokasi penelitian didasarkan terhadap analisis yang ingin dilakukan, yaitu analisis mengenai pengaruh limpasan air dari Samudera Pasifik ke wilayah Indonesia terhadap karakteristik perairannya. Maka lokasi penelitian yang dipilih yaitu tiga Wilayah Pengelolaan Perairan (WPP) yang perairannya dipengaruhi oleh limpasan air dari Samudera Pasifik, diantaranya yaitu WPP-RI 714 sekitar Laut Banda, WPP-RI 715 sekitar Laut Seram dan Laut Maluku, dan WPP-RI 716 sekitar Laut Sulawesi. Gambar 2. Lokasi Penelitian di WPP-RI 714, WPP-RI 715, dan WPP-RI 716 3. HASIL PEMBAHASAN Algoritma Single Image Edge Detection (SIED), Cayula dan Cornillon merupakan algoritma yang dibuat untuk mendeteksi fronts di dalam data citra suhu permukaan laut (SPL). Algoritma SIED telah di implementasikan pada software ArcGIS menjadi sebuah toolbox. Dengan menggunakan algoritma ini dapat dihasilkan front yang sesuai dengan karakteristik threshold yang diinginkan. Karakteristik yang dimiliki oleh perairan Indonesia memiliki sifat yang berbeda-beda, begitu pula dengan nilai threshold yang digunakan untuk mendeteksi nilai front pada masing-masing lokasi. Untuk perairan Laut Banda beda nilai suhu permukaan laut yang digunakan untuk penentuan threshold SIED adalah 0,5o C yang merupakan nilai rata- - 525 - Sebaran Musiman Kejadian Thermal Front Berdasarkan Citra Aqua-MODIS di WPP-RI 714, 715, dan 716 (Hanintyo, R., et al.), rata beda suhu yang dianalisis berdasarkan hasil perhitungan histogram beberapa sampel yang diambil secara acak (Jatisworo, 2013). Kejadian front yang diperoleh pada penelitian ini berbeda-beda pada setiap musimnya. Kejadian front tertinggi terjadi pada musim barat I yaitu pada bulan Oktober 2013 hingga Maret 2014. Trend kejadian front di ketiga WPP-RI selama kurun waktu dua tahun tersebut menunjukkan trend negatif, yaitu jumlah kejadian front semakin lama semakin sedikit. Sedangkan jika dibandingkan berdasarkan jenis musimnya, terlihat bahwa jumlah kejadian front lebih banyak terjadi pada musim barat dibandingkan pada musim timur. Hal tersebut dapat disebabkan oleh cuaca yang terjadi pada musim barat berbeda dengan musim timur. Jumlah kejadian front yang terbentuk lebih cenderung terjadi pada perairan yang dekat dengan pesisir, hal tersebut dapat dikarenakan front yang terbentuk disebabkan oleh hempasan air dari daratan yang membawa suhu berbeda dengan suhu lautan yang ditemuinya. Saat suhu massa air dari daratan membawa suhu massa air yang berbeda dengan suhu lautan, maka di daerah pertemuan perbedaan suhu tersebut akan terjadi thermal front. Hal tersebut dapat dihubungkan ke dalam cuaca yang terjadi dalam musim berbeda, yaitu pada musim barat, kecenderungan cuaca akan mempengaruhi curah hujan yang terjadi. Wyrtki (1961) mengemukakan bahwa selama angin musim barat berhembus maka curah hujan akan meningkat dan air sungai banyak yang masuk ke laut, sehingga menyebabkan pengenceran terhadap air laut, dan sebaliknya selama angin musim timur. Pada musim barat, curah hujan yang terjadi akan lebih tinggi, sehingga hempasan air dari daratan juga akan mempunyai suhu yang cukup berbeda dari biasanya, sehingga kemungkinan perbedaan suhu saat mencapai lautan akan mengakibatkan pembentukan front, maka pada musim barat thermal front yang terbentuk akan lebih banyak dibandingkan dengan musim timur. 35000 WPP-RI 714 WPP-RI 715 WPP-RI 716 30000 25000 Frekuensi 20000 15000 10000 5000 0 Musim Barat I Musim Timur I Waktu Musim Barat II Musim Timur II Gambar 3. Jumlah Kejadian Front di WPP-RI 714, 715, dan 716 dari Bulan Oktober 2013 hingga September 2015 Jumlah kejadian thermal front dihitung dari jumlah pixel yang terbentuk pada hasil olahan citra suhu permukaan laut. Citra yang digunakan merupakan citra dengan resolusi spasial 4 km, tetapi setelah dilakukan resampling untuk proses interpolasi, citra yang terbentuk menjadi mempunyai resolusi 1 km, sehingga luasan pixel front yang terbentuk yaitu 1 km2. Hal tersebut berarti titik yang dihasilkan dalam frekuensi front yang terjadi yaitu 1 titik mewakili luasan 1 km2. Jika dilihat dari jumlah kejadian thermal front selama kurun waktu 2 tahun di masing-masing WPP-RI, maka wilayah yang mengalami thermal front paling banyak yaitu di WPP-RI 714 sebanyak 74195 titik, sedangkan wilayah dengan jumlah kejadian front terendah terjadi di WPP-RI 716 sebanyak 51414 titik, sedangkan di WPP-RI 715 terjadi 57102 titik kejadian thermal front. Jika dihubungkan dengan analisis hempasan air dari Samudera Pasifik, maka dapat disimpulkan bahwa perairan yang paling banyak menerima hempasan air dari Samudera Pasifik cenderung mengalami kejadian thermal front yang lebih sedikit dibandingkan dengan perairan yang cukup jauh dari Samudera Pasifik tersebut. Analisis thermal front yang dilakukan tidak hanya mengenai jumlah titik front yang terbentuk secara keseluruhan, melainkan dihitung juga jumlah kejadian pada masing-masing lokasi kejadian selama satu musim. Dalam satu musim tersebut terdapat 6 data front dari hasil komposit bulanan, sehingga jika suatu perairan mengalami kejadian front lebih dari 1 kali dalam kurun waktu 6 bulan, maka dapat dilihat jumlah banyaknya kejadian front pada daerah tersebut dengan melihat data hasil mosaik yang dilakukan. Masingmasing WPP-RI menghasilkan klasifikasi kejadian front yang berbeda-beda, hal tersebut dapat dilihat dari Gambar 7, 9 dan 11. Klasifikasi 1 berarti menunjukkan bahwa daerah tersebut mengalami 1 kali kejadian front selama 1 musim, dan seterusnya hingga klasifikasi 4 pada musim timur I yang artinya daerah tersebut - 526 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 mengalami kejadian 4 kali dari 6 bulan pada 1 musim. Di WPP-RI 714 kejadian front yang terbentuk mencapai klasifikasi 3, pada WPP-RI 715 mencapai klasifikasi 4 yang terjadi di sekitar daerah Tanjung Rumonnipari yang berarti bahwa daerah tersebut dapat dikatan subur sekali, sedangkan pada WPP-RI 716 total kejadian frontnya mencapai klasifikasi 3, tetapi pada musim timur I hanya mencapai klasifikasi 2. Dari semua kejadian thermal front tersebut dapat diambil kesimpulan mengenai kesuburan perairan dari daerah sekitar terjadinya front tersebut, karena saat terjadinya pertemuan masa air yang berbeda tersebut dapat diindikasikan bahwa organisme perairan akan berkumpul pada daerah tersebut karena jumlah nutrien yang terbentuk akan lebih banyak sehingga banyak organisme yang terperangkap disana untuk mencari makan seperti yang dikemukakan oleh Arief (2004) bahwa daerah front diduga memiliki produktivitas tinggi karena merupakan perangkap bagi zat hara dari kedua massa air yang bertemu sehingga merupakan “feeding ground” bagi jenis ikan pelagis, hal ini menyebabkan daerah front menjadi daerah penangkapan yang baik untuk jenis-jenis ikan pelagis. Selain itu tinggi suhu dapat meningkatkan laju maksimum reaksi kimia, sehinnga laju fotosintesa fitoplankton ikut meningkat dengan meningkatnya suhu perairan (Tomascik et al. 1997). Gambar 4. Contoh Sebaran Melintang SPL pada Lokasi Deteksi Front dan Grafik Fluktuasi SPL di Sekitar Kalimantan Timur Bulan Oktober 2013 Gambar 5. Contoh Sebaran Melintang SPL pada Lokasi Deteksi Front dan Grafik Fluktuasi SPL di Sekitar Teluk Berau Bulan September 2014 Sebaran melintang suhu permukaan laut menunjukkan perbedaan suhu yang cukup signifikan berdasarkan skala warna disekitar daerah terjadinya front. Sedangkan grafik fluktuasi dari sebaran suhu permukaan laut pada daerah front tersebut menunjukkan perbedaan suhu yang terjadi lebih dari 0.5oC sesuai dengan nilai threshold yang sudah ditentukan sebelumnya untuk menentukan terjadinya fenomena front pada daerah tersebut. Contoh sebaran melintang front ditampilkan pada Gambar 4 dan 5, warna merah menunjukkan garis front yang terbentuk pada daerah tersebut, warna abu-abu merupakan daratan, sedangkan sebaran warna lain yang ditampilkan merupakan sebaran suhu permukaan laut yang terekam. - 527 - Sebaran Musiman Kejadian Thermal Front Berdasarkan Citra Aqua-MODIS di WPP-RI 714, 715, dan 716 (Hanintyo, R., et al.), 3.1 WPP 714 Wilayah Pengelolaan Perairan (WPP) 714 berada disekitar perairan Laut Banda. Pada musim barat I dan II memiliki perbedaan sangat signifikan, dimana pada WPP 714 pola sebaran pada musim barat I lebih memiliki sebaran thermal front yang sangat rapat. Ini menunjukkan bahwa suhu perairan pada musim barat I memiliki tingkat variabilitas suhu yang sangat tinggi dibandingkan pada musim barat II. Selain itu pada musim barat I total kejadian front terjadi pada perairan dekat kepulauan Sula dan sebelah timur dari Sulawesi selatan, sedangkan pada musim barat II bergeser kebawah dekat Timor Leste. Pada musim timur I dan II juga memiliki perbedaan sangat signifikan yaitu total kejadian front lebih rapat pada musim timur I daripada musim timur II. Pada musim I total kejadian front terdapat pada 3 lokasi, sedangkan pada musim timur II hanya terdapat 1 lokasi. Ini membuktikan adanya distribusi thermal front dari musim ke musim yang juga mendapatkan pengaruh dari massa air Samudera Pasifik. Gambar 6. Peta Sebaran Front di WPP 714 Bulan Oktober 2013 – September 2015 Gambar 7. Kejadian Front di WPP-RI 714 selama Musim Barat I, Musim Timur I, Musim Barat II, dan Musim Timur II - 528 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 3.2 WPP 715 Pada WPP 715 berada disekitar perairan laut Maluku dan Laut Seram. Pada musim barat I dan II di WPP 715 sebaran thermal front juga memiliki perbedaan yang sangat signifikan. Pada musim barat I sebaran total kejadian thermal front lebih variatif dan lebih rapat daripada musim barat II. Hanya saja untuk lokasi tempat kejadian thermal front di musim barat I dan II pada WPP 715 lebih banyak terjadi dekat papua barat dengan total kejadian thermal front sama, tetapi pada musim barat I lokasi total kejadian sebaran thermal front lebih banyak dan lebih variatif. Musim timur I dan II juga memiliki total kejadian thermal front yang signifikan, dengan total kejadian sebaran thermal front terbanyak terdapat pada musim timur I pada tahun 2014. Sedangkan pada musim timur II total kejadian sebaran thermal front lebih menyebar, yaitu terdapat pada 7 lokasi. Menurut Kasim (2010) musim timur berpengaruh terhadap menurunnya suhu permukaan di perairan Teluk Tomini baik di daerah dalam maupun luar perairannya, dan hal sebaliknya terjadi pada musim barat yang berpengaruh terhadap naiknya rata-rata suhu permukaan di perairan Teluk Tomini. Gambar 8. Peta Sebaran Front di WPP 715 Bulan Oktober 2013 – September 2015 Gambar 9. Kejadian Front di WPP-RI 715 selama Musim Barat I, Musim Timur I, Musim Barat II, dan Musim Timur II - 529 - Sebaran Musiman Kejadian Thermal Front Berdasarkan Citra Aqua-MODIS di WPP-RI 714, 715, dan 716 (Hanintyo, R., et al.), 3.3 WPP 716 Pada WPP 716 berada disekitar perairan laut sulawesi. Pada WPP 716 di musim barat I dan II juga memiliki perbedaan sebaran thermal front yang jauh. Pada musim barat I sebaran thermal front lebih merata, sedangkan pada musim barat II sebaran thermal front lebih banyak terjadi pada utara pulau sulawesi dan terjadi penurunan sebaran thermal front disebelah utara maluku. Musim barat I dan II memiliki kesamaan lokasi yang memiliki total kejadian sebaran thermal front paling tinggi yaitu dekat Kalimantan Timur. Musim timur I dan II memiliki pola sebaran thermal front yang sangat signifikan, dimana sebaran thermal front lebih rapat pada musim timur I daripada musim timur II. Tetapi dari segi jumlah kejadian thermal front lebih banyak terjadi pada musim timur II yaitu pada tahun 2015 yang berlokasi di utara manado dan perairan dekat Kalimantan Timur. Musim timur I memiliki sebaran thermal front yang rapat dan menunjukkan suhu perairan yang sangat variatif. Gambar 10. Peta Sebaran Front di WPP 715 Bulan Oktober 2013 – September 2015 Gambar 11. Kejadian Front di WPP-RI 716 selama Musim Barat I, Musim Timur I, Musim Barat II, dan Musim Timur II - 530 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 4. KESIMPULAN Kejadian trend front yang terbentuk mengalami trend negatif. Hasil analisis suhu permukaan laut menunjukkan bahwa pada musim barat thermal front yang dihasilkan lebih banyak dibandingkan pada musim timur. Kejadian front di WPP-RI 714 paling banyak terjadi di daerah kepulauan Gorong. Di WPP-RI 715 daerah dengan kejadian front terbanyak yaitu sekitar Teluk Berau, sedangkan di WPP-RI 716 kejadian front terbanyak terjadi di sekitar perairan Pulau Derawan. WPP-RI 714 mengalami kejadian front paling banyak selama kurun waktu 2 tahun. Banyaknya kejadian front dalam suatu perairan paling tinggi yaitu sebanyak 4 kali kejadian front dari 6 bulan pada 1 musim, yaitu sekitar perairan Tanjung Rumonnipari yang dapat diklasifikasikan sebagai perairan dengan kesuburan yang tinggi. UCAPAN TERIMA KASIH Ucapan terima kasih diucapkan kepada pengunduh dan pengolaha data citra satelit, pembahas makalah, serta pada para peneliti yang memberikan dukungannya dalam penulisan makalah ini. DAFTAR PUSTAKA Arief, M. (2004). Aplikasi Data Satelit Resolusi Rendah dan SIG untuk Analisa Distribusi Spatial Zona Potensi Penangkapan Ikan (ZPPI) di Selat Makassar Periode: Juli – Agustus 2004. LAPAN Hamzah, R., Teguh P., dan Harsanugraha, W.K. (2014). Identifikasi Thermal front dari data satelit Terra/Aqua MODIS menggunakan metode single image edge detection (SIED)(Studi Kasus: Perairan Utara dan Selatan Pulau Jawa). Prosiding Seminar Nasional Penginderaan Jauh. LAPAN. Jatisworo, D., dan Murdimanto, A. (2013) Molcard R, Feux M, Ilahude AG (1996). The Indo-Pasific Troughflow in The Timor Passage. J. Geophys.Res. 101:12411-12420. Kasim, F. (2010). Analisis Distribusi Suhu Permukaan Menggunakan Data Citra Satelit Aqua-Modis dan Perangkat Lunak Seadas di Perairan Teluk Tomini. J.I. Agropolitan 3 (1): 274 Olson, D.B., Hitchcock, G.L., dan Mariano, A.J. (1994). Life on the Edge : Marine Life and Fronts, Oceanography 7 (2) :52-60 Tomascik, T., Mah, A.J., Nontji, A., dan Moosa, M.K. (1997). The Ecology of the Indonesian Seas. Part Two. The Ecology of Indonesian Series. Vol. VIII. Periplus Editions (HK) Ltd. Tomczak, M., dan Godfrey, J.S. (1994). Regional Oceanography: An Introduction. Pergamon. Wyrtki, K. (1961). Physical Oceanography Of The Southeast Asian Waters. Scientific result of Marine investigations of the South China Sea and the Gulf of Thailand 1959-1961. The Univesity of California, Scripps Institution of Oceanography La Jolla, California:195pp. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINAS INDERAJA 2015 Moderator Judul Makalah Pemakalah Jam Tempat Diskusi : Dr. Ir. Nyoman Metta N. Natih, M.Si. : Sebaran Musiman Kejadian Thermal Front Berdasarkan Citra Aqua-MODIS di WPP-RI 714, 715, dan 716 : Sri Handayani : 15.57 WIB : Meeting Room A : Sulis Coba jelaskan metode Cayula Cornilon dan berapa nilai tresholdnya? Jawaban : Metode tersebut sudah ada di software ArchGis, dengan konsep perbedaan suhu berdasarkan nilai treshold. Treshold berdasarkan titik sampel ditetapkan sebesar 0,5oC. Vincent (IPB) Seperti apa profil horizontal dan vertikal daerah front, sehingga bisa dilihat kondisinya ? Karena front di area yang sempit tidak terdapat perbedaan suhu. Jawaban : - 531 - Sebaran Musiman Kejadian Thermal Front Berdasarkan Citra Aqua-MODIS di WPP-RI 714, 715, dan 716 (Hanintyo, R., et al.), Dalam penelitian tidak ditampilkan tetapi di ArchGis bisa diolah. Garis-garis yang terdapat pada peta adalah garis pertemuan massa air, jadi bisa dilihat dari perbedaan warna garis-garis front. - 532 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORALPRESENTATION Monitoring Suhu Permukaan Laut (SPL) Guna Mendeteksi Perubahan Suhu Perairan Dari Kegiatan Industri Listrik Dian Saptarini1,*), Agung Budi Cahyono2 , dan Cherie Bhekti Pribadi2 1 Jurusan Biologi, FMIPA, Institut Teknologi Sepuluh Nopember Jurusan Teknik Geomatika, FTSP, Institut Teknologi Sepuluh Nopember 2 *) E-mail: [email protected] ABSTRAK-Kegiatan industri listrik di sekitar kawasan peraiaran secara tidak langsung berpengaruh pada kualitas perairan terhadap biota laut yang terdapat didalamnya, dimana salah satu faktor pendukung berkembangnya kehidupan biota laut adalah suhu.Suhu merupakan salah satu faktor yang sangat penting dalam mengatur proses kehidupan dan penyebaran organisme biota laut. Penggunaan data Landsat 8 dilengkapi dengan kanal Operational Land Imager (OLI) dan kanal Thermal Infrared (TIRS). Dimana kanal TIRS (kanal 10 dan 11) memiliki karakteristik mampu mendeteksi radiasi panas yang dilepaskan oleh suatu obyek. Penelitian ini bertujuan untuk mengetahui perubahan suhu perairan sebagai dampak dari adanya kegiatan industri listrik di kawasan Paiton, Probolinggo dalam rentang waktu 2013-2015. Kegiatan industri listrik (PLTU) di kawasan Paiton menghasilkan air bahang yang dilepas ke lingkungan dengan suhu lebih tinggi dari suhu perairan alami di sekitarnya. Data citra yang digunakan untuk monitoring perubahan suhu permukaan laut di perairan Paiton mewakili musim kemarau dan penghujan. Hasil penelitian menunjukkan efektifitas Landsat 8 dalam monitoring perubahan suhu permukaan laut dan juga luas dan arah sebaran dari air bahang/pencemaran panas di wilayah pesisir. Kata kunci:Citra Landsat 8, Suhu Permukaan Laut, Air Bahang, Aktivitas Industri ABSTRACT-Powerplant industrial activity in the coastal areas indirectly affect the quality of sea waters as marine organisms habitat. Temperature is one of the limiting factor that affect marine life growth and their distribution. Landsat 8 is equipped with Operational Land Imager (OLI) bands and Thermal Infrared Sensor (TIRS) bands. Its thermal bands (band 10 and 11) can detect thermal radiation released from objects on the earth surface. This study has been conducted to monitor the intensity and distribution areas of thermal pollution by the heated effluent discharge from the power plant on Paiton district, Probolinggo, East Java. Sea Surface Temperature (SST) were investigated by using Landsat 8 thermal band data from 2013, 2014 and 2015. Activities of the electricity industry (power plant) in the Paiton produce heat water that is released into the environment at a higher temperature than the temperature of the surrounding natural waters. To reduce effect of seasonal change to Sea Surface Temperature (SST) distribution, 2 data sets used of each year as representation for dry and rainy season. The result show that Sea Surface Temperature (SST) using Landsat 8 provides an effective means to quantitatively monitor the intensity of thermal pollution and to retrieve detailed distribution pattern of thermal pollution in coastal waters.. Keywords: Landsat 8, Sea Surface Temperature, Cooling Water, Industrial Activity 1. PENDAHULUAN Berdasar data Kementerian ESDM dari seluruh pembangkit listrik di Indonesia, sebagian besar pembangkit dengan kapasitas total lebih dari 1000 MW terdapat di pulau Jawa dan beberapa diantaranya terdapat di provinsi Jawa Timur yaitu PLTU Paiton Swasta 1 (1230 MW), PLTU Paiton Swasta 2 (1300 MW) dan Unit Pembangkitan Paiton (800MW). Kegiatan PLTU menghasilkan air bahang atau air pendingin yang digunakan untuk mendinginkan mesin kondensor. Air bahang yang dihasilkan dalam jumlah besar memiliki perbedaaan suhu yang cukup tinggi dibandingkan dengan suhu air laut yang digunakan sebagai sumber air pendingin (Saptarini et al., 2010). Buangan limbah air pendingin atau air bahang di kisaran suhu tersebut berpotensi merusak kehidupan organisme laut, terutama organisme tropis karena organisme tropis hidup pada suhu yang dekat dengan batas atas toleransi suhu (Roessler dan Zieman 1969; Kolehmainen et al. 1974). Suhu diketahui merupakan salah satu faktor yang sangat penting dalam mengatur proses kehidupan dan penyebaran organisme biota laut (Nybakken, 1996). Air bahang yang dihasilkan oleh kegiatan industri listrik di kawasan Paiton berpotensi mempengaruhi keberadaan organisme laut yang ada di perairan pesisir Paiton dan sekitarnya mengingat debit air bahang total yang dihasilkan cukup besar, mencapai ±150m3/jam. Penyebaran horisontal air bahang buangan PLTU dikaji dengan mengolah data citra saluran termal Landsat 8. Penggunaan data Landsat 8 dilengkapi - 533 - Monitoring Suhu Permukaan Laut (SPL) Guna Mendeteksi Perubahan Suhu Perairan Dari Kegiatan Industri Listrik (Saptarini, D., et al.) dengankanal Operational Land Imager (OLI) dan kanal Thermal Infrared (TIRS). Dimana kanal TIRS (kanal 10 dan 11) memiliki karakteristik mampu mendeteksi radiasi panas yang dilepaskan oleh suatu obyek. Penelitian ini bertujuan mengkaji sebaran spasial termal air bahang di perairan Paiton, kabupaten Probolinggo berdasar data citra Landsat 8. Penelitian ini juga memberikan informasi pola sebaran suhu permukaan laut (SPL) secara temporal dan spasial pada musim kemarau dan penghujan.Dengan dilakukannya pemetaan suhu permukaan laut dapat diketahui arah dan luas sebaran serta dampak dari air bahang dari kegiatan industri listrik di Paiton. 2. METODE Penelitian ini dilakukan pada area Paiton yang terletak pada lokasi geografis 7°43'30" LS - 113°32'32" BT.Paiton merupakan salah satu area Pembangkit Listrik Tenaga Uap (PLTU) yang beroperasi pada kecamatan Paiton, kabupaten Probolinggo, Jawa Timur. Gambar 1. Lingkup Area Penelitian Dalam melakukan proses pemetaan perubahan suhu berbasis penginderaan jauh, proses pengolahan data yang dilakukan meliputi pre-proccessing, ekstrakasi suhu permukaan laut, dan klasifikasi suhu citra. Citra Satelit Landsat 8 Koreksi Radiometrik Konversi Suhu Efektif (°C) ke Suhu Permukaan Laut (°C) Citra Terkoreksi Radiometrik Konversi Suhu Efektif (°K) ke Suhu Efektif (°C) Subsetting Konversi nilai Radian ke Suhu Efektif (°K) Pre-processing Ekstraksi Suhu Permukaan Laut Klasifikasi Suhu Peta Perubahan Suhu Permukaan Laut Klasifikasi Suhu Citra Gambar 2. Diagram Alir Pengolahan Data A. Data Data masukan yang digunakan dalam monitoring perubahan suhu permukaan laut ini berupa citra satelit Landsat-8 level 1T dalam rentang waktu tiga tahun yaitu tahun 2013, 2014, dan tahun 2015 (pada masing-masingtahun dipilih bulan yang mewakili musim kemarau dan penghujan). Satelit Landsat-8 atau Landsat Data Continuity Mission (LDCM) merupakan satelit sumber daya milik Amerika Serikat yang diluncurkan pada tanggal 11 Februari 2013. Satelit ini membawa dua sensor yaitu sensor Operational Land Imager (OLI) dan sensor Thermal Infrared Sensor (TIRS). Sensor - 534 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 OLI mempunyai tujuh band dengan dengan resolusi spasial yang sama dengan Landsat-7 yaitu sebesar 30 meter. Untuk band 8 memiliki nilai resolusi spasial yang berbeda yaitu 15 meter. Sensor OLI dilengkapi dengan dua band baru yaitu band 1 dengan panjang gelombang 0.43 - 0.45 m untuk aerosol garis pantai dan band-9 dengan panjang gelombang 1.36 - 1.38 m untuk deteksi awan cirrus. Sedangkan untuk sensor TIRS dilengkapi dengan dua band dengan resolusi spasial sebesar 100 m untuk menghasilkan kontinuitas kanal inframerah thermal (USGS, 2014). Penggunaan band yang digunakan dalam proses klasifikasi suhu pada citra satelit Landsat-8 ini menggunakan band 10 sebagai band thermal yang menyediakan keakuratan data suhu permukaan. B. Tahap Pre-proccesing Tahap pre-proccessing merupakn tahap awal dalam proses pengolahan citra satelit yang bertujuan untuk merestorasi citra (image restoration). Dalam tahap pre-proccessing citra satelit dilakukan proses koreksi radiometrik yang merupakan proses untuk memperbaiki kualitas visual citra, dalam hal memperbaiki nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya.Kesalahan radiometrik ini dapat disebabkan oleh dua hal, yaitu instrumen sensor dan gangguan atmosfer. Instrumen sensor ini disebabkan oleh ketidak konsistenan detektor dalam menangkap informasi. Atmosfer sebagai media radiasi gelombang elektromagnetik akan menyerap, memantulkan atau menstransmisikan gelombang elektromagnetik tersebut, hal ini menyebabkan cacat radiometrik pada citra, yaitu nilai pixel yang jauh lebih tinggi atau jauh lebih rendah dari pancaran spektral obyek yang sebenarnya, juga untuk melakukan konversi Digital Number (DN) ke nilai spektral radian pada citra satelit Landsat-8 menggunakan parameter kalibrasi yang diperuntukkan dalam pemrosesan citra satelit Level 1, : = ML*Qcal + AL ........................................................................................................... (1) Lλ dimana: Lλ = Nilai Spektral Radian (W/(m2 * sr * μm)) ML = Radiance multiplicative scaling factor for the band (RADIANCE_MULT_BAND_n from the metadata), dimana n merupakan nomor band AL = Radiance additive scaling factor for the band (RADIANCE_ADD_BAND_n from the metadata), dimana n merupakan nomor band Qcal = Level 1 pixel value in DN Setelah dilakukan koreksi radiometrik, kemudian dilakukan subsetting (pemotongan citra) yang bertujuan untuk memperoleh citra yang hanya mencakup area penelitian, supaya proses pengolahan nya menjadi lebih efektif dan memperkecil memori penyimpanan. C. Ekstraksi Suhu Permukaan Laut Proses ini dilakukan bertujuan untuk melakukan konversi dari nilai spektral radian ke nilai suhuEfektif (°K), konversi dari nilai suhuEfektif (°K)ke nilai suhuEfektif (°C), serta konversi dari nilai suhuEfektif (°C)ke nilai suhuPermukaan Laut (°C). Dalam melakukan proses konversi dari nilai spektral radian ke nilai suhuEfektif (°K), persamaan yang digunakan sebagai berikut : T= ( ( .................................................................................................................................... (2) ) Dimana, T = Suhu efektif (°Kelvin) L = Nilai Spektral radian (Watts/(m2 * sr * μm)) K2 = Konstanta Suhu 2 (°Kelvin) K1 = Konstanta Suhu 2 (°Kelvin) Proses konversi dari nilai suhuEfektif (°K)ke nilai suhuEfektif (°C) menggunakan persamaan sebagai berikut : T (°C) = T (°K) -273...................................................................................................................... (3) - 535 - Monitoring Suhu Permukaan Laut (SPL) Guna Mendeteksi Perubahan Suhu Perairan Dari Kegiatan Industri Listrik (Saptarini, D., et al.) Dimana, T (°C) = Suhu / Temperatur efektif dengan satuan Celcius T (°K) = Suhu / Temperatur efektif dengan satuan Kelvin Proses konversi dari nilai suhuEfektif (°C)ke nilai suhupermukaan laut (°C) menggunakan algoritma yang telah dikalibrasi dengan data in situ perairan Situbondo sebagai berikut : SPL (°C) = 0.0684* T3 - 5.3082* T2 + 137.59* T - 1161.2.......................................................... (4) Dimana T merupakan suhu efektif (°C) dari band 10 Landsat 8 D. Klasifikasi Suhu Merupakan tahap melakukan perbandingan antara setiap piksel citra dengan setiap kategori pada kunci interpretasi yang dikerjakan, sehingga hasil yang diperoleh dapat dengan mudah diinterpretasikan oleh pembaca. Rentang kelas yang digunakan pada klasifikasi ini 1°C pada setiap hasil persebaran suhu permukaan laut di tahun 2013, 2014, dan 2015. Sehingga dapat dihasilkan peta perubahan suhu permukaan laut. 3. HASIL PEMBAHASAN A. Analisa Citra dan Digital Number (DN) (a) (b) (c) Gambar 3. Citra Satelit Landsat-8 Band 10 Musim Kemarau, (a) Juli 2013 (b) September 2014 (c) September 2015 Gambar 4. Nilai Digital Number (DN) Citra Satelit Landsat-8 pada Musim Penghujan - 536 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 (d) (e) (f) (g) (h) (i) (j) Gambar 5. Citra Satelit Landsat-8 Band 10 Musim Penghujan, (d) April 2013 (e) Mei 2013 (f) Desember 2013 (g) Maret 2014 (h) April 2014 (i) Desember 2014(j) Maret 2015 - 537 - Monitoring Suhu Permukaan Laut (SPL) Guna Mendeteksi Perubahan Suhu Perairan Dari Kegiatan Industri Listrik (Saptarini, D., et al.) Gambar 6. Nilai Digital Number (DN) Citra Satelit Landsat-8 pada Musim Penghujan Gambar 4 dan 6 mendeskripsikan tentang perbedaan nilai Digital Number (DN) pada citra satelit Landsat-8 selama tiga tahun, dimana masing-masing tahun terdiri atas musim kemarau dan penghujan. Nilai Digital Number (DN) diantara enam set citra tersebut memiliki nilai yang berbeda-beda, dimana perbedaan antar nilai tersebut dapat berpengaruh pada hasil konversi suhu permukaan laut. B. Suhu Permukaan Laut (a) (c) (b) (d) - 538 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 (e) (h) (f) (i) (g) (j) Gambar 7. Peta Sebaran Suhu Permukaan Laut, (a) Juli 2013 (b) September 2014 (c) September 2015 (d) Desember 2013 (e) Maret 2014 (f) Desember 2014(g) April 2013 (h) Mei 2013 (i) April 2014 (j) Maret 2015 Pada gambar 7diatas mendeskripsikan bahwa di kompek Paiton Kab. Probolinggo dari hasil peta suhu yang didapatkan yaitu tahun 2013 saat bulan Juli dan Desember sebaran suhu pada kanal outlet mencapai 32 °C, serta disepanjang pesisir perairan pusat kegiatan industri tersebut berkisar pada suhu antara 29 - 30 °C. Serta sebaran suhu pada kanal inlet berkisar pada suhu antara 30 - 31 °C. Sedangkan pada tahun 2014 terdapat 3 bulan yaitu September, Maret dan Desember. Pada bulan September nampak sebaran suhu pada kanal Outlet mencapai 32 °C, serta disepanjang pesisir perairan pusat kegiatan industri tersebut berkisar pada suhu antara 29 - 30 °C. Serta sebaran suhu pada kanal Inlet berkisar pada suhu antara 30 - 31 °C. Namun pada tahun 2013 bulan April serta Maret, April dan Desember 2014 terjadi perbedaan cukup signifikan nilai DN yang menyebabkan pula suhu SPL berada dibawah 10°C. Untuk tahun 2015 bulan Maret dan September terjadi sebaran suhu pada kanal Outlet mencapai lebih dari 32 °C, serta disepanjang pesisir perairan pusat kegiatan industri tersebut berkisar pada suhu antara 30 - 31 °C. Serta sebaran suhu pada kanal inlet berkisar pada suhu antara 30 - 31 °C. - 539 - Monitoring Suhu Permukaan Laut (SPL) Guna Mendeteksi Perubahan Suhu Perairan Dari Kegiatan Industri Listrik (Saptarini D, et al.) C. Estimasi Suhu Permukaan Laut Menggunakan Split Window Algorithm (SWA) Dari beberapa hasil perhitungan Suhu Permukaan Laut (SPL) dengan menggunakan band 10 Landsat 8 diatas terdapat beberapa hasil yang menggambarkan besaran suhu yang terlampau jauh dari besaran Suhu Permukaan Laut (SPL) normal. Dalam hal ini, dilakukan perhitungan Suhu Permukaan Laut (SPL) dengan menggunakan Split Window Algorithm (SWA) pada persamaan (Maryani, 2015) : SPL = BT10 + 2.8292 (BT10 – BT11) + 0.4034 ................................................................. (5) Dimana, SPL = Suhu Permukaan Laut (°C) BT10 = Brightness Temperature Band 10 Landsat 8 (°C) BT11 = Brightness Temperature Band 11 Landsat 8 (°C) (a) (c) (b) Gambar 8. Peta Sebaran Suhu Permukaan Laut dengan SWA (a) April 2013, (b) Desember 2014, (c) Maret 2015 Gambar 8 tersebut mendeskripsikan perubahan suhu permukaan laut (SPL) yang terjadi dalam jangka tiga tahun pada musim penghujan menggunakan Split Window Algorithm (SWA) dengan sebaran suhu pada kanal outlet mencapai >32 °C, serta disepanjang pesisir perairan pusat kegiatan industri listrik tersebut berkisar pada suhu antara 31 - 32 °C. Serta sebaran suhu pada kanal inlet berkisar pada suhu antara 31 - 32 °C. Hasil dari penggunaan algoritma pada musim penghujan ini menunjukkan bahwa penggunaan dua band termal (band 10 dan band 11) dalam perhitungan Suhu Permukaan Laut (SPL) menghasilkan besaran suhu yang lebih mendekati dengan kondisi di lapangan dibandingkan dengan penggunaan band 10 atau band 11. - 540 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 4. KESIMPULAN Kesimpulan dalam penelitian ini adalah: 1. 2. 3. Suhu permukaan laut diperairan Paitonrata-rata pada musim kemarau tahun mencapai 3 1 - 320C sedangkan pada musim penghujan mencapai 25-280C. Terdapat 4 citra dengan nilai DN yang signifikan berbeda yaitu pada bulan April tahun 2013, bulan April, Maret dan Desember 2014. Sedangkan hasil analisis SPL menggunakan band 10 pada ke empat citra menunjukkan nilai SPL antara 5-100C, hal ini dimungkinkan karena penerapan algoritma yang belum sesuai. Penggunaan metode split window algorithm (SWA) dalam perhitungan Suhu Permukaan Laut (SPL) pada bulan April tahun 2013, bulan April, Maret dan Desember 2014 menunjukkan besaran suhu yang lebih mendekati dengan kondisi di lapangan. DAFTAR PUSTAKA Hartuti, M., Emiyati, Manoppo, A.K.S., dan Budhiman, S. (2015). Derivation Of Landsat 8 Sea Surface Temperature Algorithm Using Split Window Function (A case study in Lombok Coastal Water, Indonesia) an article in International Conference of Indonesian Society for Remote Sensing ISDAL. (2000). Pola Distribusi Suhu Permukaan Laut (SPL) dan Klorofil untukPenentuan Daerah Potensi Ikan Laut di Perairan Maluku. Laporan Akhir.LAPAN. Jakarta. Li, J. (2008). Temporal and spatial changes of suspended sediments concentration in ChangjiangEstuary using Landsat TM imageries. MOE Key laboratory of Coastal and Island Development, Nanjing University, Nanjing, P. R. China. Ratnasari, A. (2014). Pemanfaatan Data Penginderaan Jauh Dan Sistem Informasi Geografis Untuk Penentuan Lokasi Budidaya Rumput Laut Di Perairan Teluk Gerupuk, Pulau Lombok, Provinsi Nusa Tenggara Barat, LAPAN. Sinasinderaja. Jakarta. Sobrino, J., Jiménez, J.C., Laporta, S., dan Nerry, F. (2001). Split-Window Methods for Surface Temperature Estimation from DAIS Data. The Digital Airborne Spectrometer Experiment (DAISEX). Trisakti, B. (2004). Study of Sea Surface Temperature (SST) using Landsat-7/ETM (In Comparison with Sea Surface Temperature of NOAA-12 AVHRR). Proceedings13th Workshop of OMISAR (WOM-13) on Validationand Application of Satellite Data for Marine Resources Conservation. Bali. USGS. (2015). Landsat 8 Data User Handbook. Department of the Interior U.S. Geological Survey *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINASINDERAJA 2015 Moderator Judul Makalah Pemakalah Jam Tempat Diskusi : Dr. Ir. Nyoman Metta N. Natih, M.Si. : Monitoring SPL guna Mendeteksi Perubahan Suhu : Dian Saptarini : 15.57 WIB : Meeting Room A : Maryani Hartuti : Kenapa tidak menggunakan dua kanal termal Landsat 8? Jawaban: Karena kanal 11 dari Landsat 8 ketika digunakan menghasilkan sebaran suhu yang tidak seperti dengan kondisi lapangan (tidak sesuai), data dari kanal 10 lebih baik dan sesuai, makanya hanya satu kanal yang digunakan. Gathot Winarso : Yang saya tanyakan hal yang sama, mengapa menggunakan satu kanal? Jawaban Kanal 1yang satu sudah dicoba tetapi hasilnya tidak bagus. - 541 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION Identifikasi Perubahan Garis Pantai Di Teluk Saleh Kabupaten Sumbawa Berdasarkan Analisis Citra Satelit Yulius1,*), Hadiwijaya L.S.1 dan Ardiansyah2 1 Pusat Penelitian dan Pengembangan Sumber Daya Laut dan Pesisir, Badan Penelitian dan Pengembangan Kelautan dan Perikanan - KKP 2 Asisten Dosen Jurusan Geografi FMIPA, Universitas Indonesia *) E-mail : [email protected] Abstrak - Teluk mempunyai peranan yang sangat penting baik ditinjau dari segi ekologis maupun ekonomis. Ketersediaan informasi mengenai kondisi fisik suatu perairan sangatlah diperlukan dalam hal pengelolaan daerah teluk secara komprehensif. Penelitian ini merupakan sebuah usaha untuk mengidentifikasi perubahan garis pantai di pesisir Teluk Saleh Kabupaten Sumbawa dari tahun 2004 sampai dengan 2014. Metode identifikasi yang digunakan dalam penelitian ini adalah metode dengan teknik klasifikasi berdasarkan objek (feature extraction), dimana klasifikasinya tidak hanya mempertimbangkan aspek spectral namun aspek spasial objek. Hasil menunjukan bahwa untuk perbandingan hasil citra Landsat tahun 2004 dan citra Landsat tahun 2014, tampak terlihat jelas perubahan garis pantai pada setiap citra menjorok kearah daratan menandakan terjadi proses abrasi sangat dominan seperti terlihat di Kecamatan Lape lopok, Pulau Ganteng dan Pulau Taikabo. Dari data 2004 - 2014 diperoleh perubahan garis pantai sedimentasi terbesar terdapat di pesisir utama Teluk Saleh sebesar 23.551 ha, sedangkan terkecil di Pulau Ganteng sebesar 0.067 ha. Sedangkan abrasi terbesar terdapat di pesisir utama Teluk Saleh sebesar 22.472 ha, sedangkan terkecil di Pulau Ganteng sebesar 1.076 ha. Kata kunci: abrasi, sedimentasi, perubahan garis pantai, Teluk Saleh Abstract - Bay area plays an important role both on ecological and economic aspect. The availability of information on local physical condition is very important to manage the bay area comprehensively. This research is an effort to identify coastline changes in this region from the year of 2004 until 2014. This research used Landsat 7 imagery in 2004 and Landsat 8 imagery in 2014. Identification method used in this study is the feature extraction technique (object based classification), in which the classification is not only spectral aspects but also the spatial aspects of the object. The results showed that based on comparison of the Landsat imagery 2004 and 2014, there was coastline changes towards the mainland that indicated a process of abrasion is dominant, as in Lape Lopok sub District, Ganteng Island and Taikabo Island. From 2004 - 2014 data showed the results of a coastline change as a sedimentation or abrasion. The largest coastline changes in the main coastal Saleh bay for 23.551 ha, while in the Ganteng Island and Taikabo Island shows the change of 1.421 ha and 0.067 ha. The largest abration occured in the Saleh Bay about 22.472 ha, while the smallest in Ganteng Island around 1.076 ha.. Keywords: abrasion, sedimentation, coastline changes, Saleh Bay 1. PENDAHULUAN Wilayah pesisir adalah daerah peralihan antara ekosistem darat dan laut yang masih dipengaruhi oleh perubahan di darat dan laut (Anonim, 2014). Kabupaten Sumbawa merupakan salah satu dari 10 (sepuluh) Kabupaten/Kota di Provinsi Nusa Tenggara Barat (NTB), dan jika dilihat dari luas wilayahnya merupakan kabupaten terluas di Provinsi NTB. Secara administrasi dari 24 wilayah kecamatan terdapat 18 kecamatan pesisir (memiliki wilayah pesisir) dengan panjang garis pantai 982 km, terdapat 63 pulau-pulau kecil dan 63 desa pesisir (Anonim, 2013). Teluk adalah estuaria tertutup yang memiliki peran strategis sebagai salah satu sumberdaya ekologi dan layanan lingkungan (Ramdhan, 2012). Teluk mempunyai peranan yang sangat penting baik ditinjau dari segi ekologis maupun ekonomis. Ketersediaan informasi mengenai kondisi fisik suatu perairan sangatlah diperlukan dalam hal pengelolaan daerah teluk secara komprehensif (Anonimous, 2004). Teluk Saleh terletak di sebelah timur laut wilayah Kabupaten Sumbawa merupakan perairan semi tertutup dan berhubungan langsung dengan laut flores (Mujiyanto & Wasilun, 2006). Luas dan panjang perairan Teluk Saleh diketahui seluas 1.495 Km2 dan panjang 282 Km (Anonim, 2009). Perairan Teluk Saleh memiliki sumberdaya alam pesisir dan laut yang beraneka ragam, sehingga untuk masa yang akan datang merupakan sumber ekonomi baru bagi pertumbuhan pembangunan di propinsi NTB (Radjawane, - 542 - Identifikasi Perubahan Garis Pantai Di Teluk Saleh Kabupaten Sumbawa Berdasarkan Analisis Citra Satelit (Yulius, et al.) 2006). Teluk Saleh merupakan pusat kegiatan perekonomian laut yang dimanfaatkan sebagai lokasi penangkapan ikan (fishing ground) masyarakat nelayan tradisional dan sebagai lahan budidaya seperti budidaya rumput laut, budidaya ikan Kerapu keramba- 543 -jaring apung, dan budidaya kerang mutiara (Anonim, 2004). Perairan Teluk Saleh memiliki keanekaragaman hayati laut yang tinggi yaitu potensi ekosistem mangrove, terumbu karang dan ikan karang (Satria & Mujiyanto, 2011). Hal ini didukung pula dengan kondisi perairan Teluk Saleh yang dikelilingi oleh banyak pulau-pulau kecil, seperti Pulau Dangar Rea, Pulau Liang, Pulau Ngali dan Pulau Rak (Ismunarti & Rochaddi, 2013). Kawasan pantai bersifat dinamis, artinya ruang pantai (bentuk dan lokasi) berubah dengan cepat sebagai reaksi terhadap proses alam dan aktivitas manusia (Solihuddin, 2010). Untuk keperluan perencanaan pengelolaan kawasan pantai, diperlukan penelitian tentang perubahan garis pantai sehingga pembangunan yang dilakukan tidak berdampak negatif terhadap lingkungan (Sakka et al., 2011). sehingga perlu dilakukan penelitian terkait perubahan garis pantai di Teluk Saleh. Penelitian ini bertujuan untuk mengidentifikasi besarnya perubahan garis pantai di pesisir Teluk Saleh, Kabupaten Sumbawa tahun 2004-2014, dengan menggunakan metode analisis citra satelit. 2. METODE PENELITIAN 2.1 Lokasi Penelitian Penelitian ini berlokasi di Kawasan Teluk Saleh yang meliputi; Desa Labuan Sangoro Kecamatan Maronge, Desa Labuan Aji Kecamatan Tarano, dan Desa Teluk Santong Kecamatan Plampang serta Kecamatan Lape Lopok, Kabupaten Sumbawa, Provinsi NTB (Gambar 1). Wilayah kajian adalah di kawasan pesisir dengan jarak 2 km dari garis pantai dengan batas koordinat (8⁰32’35,46” LS - 8⁰45’45,27” LS) dan 117⁰42’21’,394” BT - 118⁰3’21,46” BT). 2.2 Data Penelitian Data penelitian yang digunakan yaitu citra satelit landsat 7 (tahun 2004) dan landsat 8 (tahun 2014) diunduh pada bulan April dan September 2014 resolusi 30 meter untuk menghasilkan informasi spasial garis pantai. Gambar 1. Lokasi Penelitian 2.3 Deliniasi Garis Pantai Identifikasi garis pantai dilakukan dengan teknik feature extraction (object based classification), dimana klasifikasinya tidak hanya mempertimbangkan aspek spectral namun aspek spasial objek. Secara umum - 543 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 proses klasifikasi dengan metode OBIA melalui dua tahapan utama yaitu segmentasi citra dan klasifikasi tiap segmen (Xiaoxia et.al., 2004). Adapun tahapan proses feature extraction adalah sebagaimana ditunjukan oleh gambar 2 (Ardiansyah, 2012). Color composite image (RGB) Parameters : - Color - Texture - Spatial - Spectral - Band Ratio Segmentation Inputting Attribute Sample Training Area - Sea - Land Maximum likelihood Raster to Vector (line) Result Gambar 2. Alur Tahapan Proses Feature Extraction Kombinasi RGB 654 digunakan untuk proses segmentasi, dikarenakan komposit ini terdiri dari 2 band Inframerah (band 6 dan band 5) yang baik dalam memisahkan obyek yang mengandung badan dari daratan serta vegetasi. Hasil visualisasi citra satelit landsat (RGB:654) sebelum di masking (atas), kemudian citra landsat yang telah dimasking hanya darat saja (tengah), serta vektor line garis pantai hasil segmentasi (bawah), sebagaimana ditunjukan oleh gambar 3. Metode segmentasi ini sangat baik dalam memisahkan darat dan lautan tanpa melibatkan sungai maupun tambak yang secara spektral mirip dengan lautan. Hal tersebut terjadi karena metode ini tidak hanya mempertimbangkan aspek spectral namun aspek spasial objek. - 544 - Identifikasi Perubahan Garis Pantai Di Teluk Saleh Kabupaten Sumbawa Berdasarkan Analisis Citra Satelit (Yulius, et al.) Gambar 3. Hasil Visualisasi Citra Satelit Landsat (RGB:654), Hasil Masking Badan Air, dan Vektor Garis Pantai yang dihasilkan dari Proses OBIA Langkah selanjutnya, line garis pantai ini perlu dilakukan editting untuk menghilangkan efek deliniasi awan yang melintas di sepanjang garis pantai. Selain itu hasil line garis pantai di smoothing, sehingga efek bentukan dari pixel menjadi hilang. 3. HASIL PEMBAHASAN Garis pantai adalah garis batas pertemuan antara daratan dan air laut, dimana posisinya tidak tetap dan dapat berpindah sesuai dengan pasang surut air laut dan erosi pantai yang terjadi (Setyawan, 1992 dalam Wilisandy dan Saputro, 2006). Berdasarkan hasil analisis perubahan garis pantai Teluk Saleh dengan metode teknik klasifikasi berdasarkan objek (feature extraction), secara visual diperoleh bahwa untuk perbandingan hasil citra Landsat tahun 2004 dan Landsat tahun 2014, secara umum terlihat tidak ada perubahan, sebagaimana ditunjukan oleh gambar 4. Kedua garis pantai cenderung terlihat sama dan tidak ada perubahan (Gambar 4). - 545 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Gambar 4. Peta Perubahan Garis Pantai Tahun 2004 – 2014 Teluk Saleh Meskipun demikian, secara detail seperti terlihat pada Tabel 1 menunjukkan bahwa telah terjadi perubahan garis pantai, yaitu mengalami abrasi dan sedimentasi. Luas wilayah yang mengalami abrasi sebesar 48,911 Ha dan sedimentasi dengan nilai perubahan sebesar 62,861 Ha. Abrasi atau sedimentasi di perairan Teluk Saleh disebabkan oleh limpasan sedimen dari daratan. Hal ini ditunjukan dengan banyaknya terumbu karang yang ditutupi oleh sedimen dan juga munculnya tumbuhan mangrove Rhizophora sebagai zona awal pada hutan mangrove yang ada diteluk Saleh (Gambar 5). Tabel 1. Luasan Perubahan Garis Pantai Teluk Saleh, Kab. Sumbawa Tahun 2004 – 2014 No Keterangan 1 2 3 Abrasi Darat Laut 4 Sedimentasi Luas Ha 48.911 45118.746 59741.004 62.861 Gambar 5. Mangrove yang Tumbuh di sekitar Teluk Saleh (Mujiyanto dan S.T. Hartati, 2009) - 546 - Identifikasi Perubahan Garis Pantai Di Teluk Saleh Kabupaten Sumbawa Berdasarkan Analisis Citra Satelit (Yulius, et al.) Perubahan garis pantai pada citra tampak terlihat jelas di Kecamatan Lape lopok ditandai dengan ada terjadinya proses abrasi dan sedimentasi seperti terlihat (Gambar 5). Gambar 6. Peta Perubahan Garis Pantai Kecamatan Lape Lopok Tahun 2004 - 2014 Tabel 2. Luasan Perubahan Garis Pantai Kecamatan Lape Lopok Tahun 2004 - 2014 Keterangan Abrasi Sedimentasi Pesisir Utama P. Ganteng P. Taikebo Luas (ha) 22.472 23.551 1.076 0.067 2.054 1.421 Dari data citra Landat tahun 2004 - 2014 diperoleh perubahan garis pantai di Kecamatan Lape Lopok dengan nilai sedimentasi terbesar terdapat di pesisir utama Teluk Saleh sebesar 23.551 ha, sedangkan terkecil di Pulau Ganteng sebesar 0.067 ha. Sedangkan abrasi terbesar terdapat di pesisir utama Teluk Saleh sebesar 22.472 ha, sedangkan terkecil di Pulau Ganteng sebesar 1.076 ha (Tabel 2). 4. KESIMPULAN Penelitian ini memberikan hasil perubahan garis pantai Teluk Saleh dengan metode teknik klasifikasi berdasarkan segmentasi objek (feature extraction), secara visual diperoleh bahwa untuk perbandingan hasil citra Landsat tahun 2004 dan Landsat tahun 2014, secara umum terlihat tidak ada perubah. Kedua garis pantai cenderung terlihat sama dan tidak ada perubahan. Faktor yang paling dominan dalam perubahan garis pantai dalam penelitian ini adalah sedimentasi dari daratan yang terbawa ke pantai. Indikasinya terumbu karang tertutup oleh sedimentasi dan munculnya hutan mangrove. Dari data citra Landat tahun 2004 - 2014 diperoleh perubahan garis pantai di Kecamatan Lape Lopok dengan nilai sedimentasi terbesar terdapat di pesisir utama Teluk Saleh sebesar 23.551 ha, - 547 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 sedangkan terkecil di Pulau Ganteng sebesar 0.067 ha. Sedangkan abrasi terbesar terdapat di pesisir utama Teluk Saleh sebesar 22.472 ha, sedangkan terkecil di Pulau Ganteng sebesar 1.076 ha. 5. SARAN Perlu adanya penelitian lebih lanjut yang menyertakan data pasang surut untuk mendapatkan kondisi garis pantai sebenarnya. Hal ini dimaksudkan untuk dapat mengetahui secara lebih akurat posisi garis pantai sehingga perubahan garis pantai dapat diketahui secara lebih detail. UCAPAN TERIMA KASIH Terima kasih diucapkan kepada Badan Penelitian dan Pengembangan Kelautan dan Perikanan, KKP atas bantuan dana untuk menyelesaikan penelitian ini. DAFTAR PUSTAKA Anonimous. (2014). Undang-Undang No. 27 tahun 2007 junto Undang-Undang No. 1 tahun 2014 tentang pengelolaan wilayah pesisir dan pulau-pulau kecil. Kementerian Kelautan dan Perikanan. Jakarta. 1-43. Anonimous. (2013). Rencana Zonasi Wilayah Pesisir Dan Pulau-Pulau Kecil Kabupaten Sumbawa. Ditjen Pesisir dan Pulau-Pulau Kecil. Direktorat Tata Ruang Laut, Pesisir dan Pulau-Pulau Kecil. Jakarta. Anonimous. (2004). Daya Dukung Kelautan dan Perikanan Selat Sunda, Teluk Tomini, Teluk Saleh dan Teluk Ekas. Badan Riset Kelautan dan Perikanan. Jakarta. 122 hlm. Anonimous. (2009). Membangunkan “Raksasa” Di teluk Saleh, Menuju Kawasan Ekonomi Khusus Kelautan dan Perikanan. Cited in http://www.sumbawakab.go.id/. [3 Juni 2015] Ardiansyah, R. (2012). Identification of Deforestation in Borneo from 2007 to 2009 Using Alos Palsar Mosaic.The 6th Indonesia-Japan Joint Scientific Symposium IJJSS, Chiba, Japan. Ismunarti, D.H., dan Rochaddi, B. (2013). Kajian Pola Arus Di Perairan Nusa Tenggara Barat Dan Simulasinya Menggunakan Pendekatan Model Matematik. Buletin Oseanografi Marina. Juli 2013, 2:1-11. Mujiyanto, dan Hartati, S.T. (2009). Kondisi Ekosistem Terumbu Karang Di Pulau Rakit dan Pulau Ganteng Perairan Teluk Saleh Nusa Tenggara Barat Serta Strategi Pengelolaannya. Prosiding Forum Nasional Sumberdaya Ikan II. Kerjasama LRPSI-PRPT, IPB, LIPI dan MII. Hal. KR-10. Mujiyanto, dan Wasilun. (2006). Kondisi Oseanografi di Perairan Teluk Saleh, Nusa Tenggara Barat. Prosiding Seminar Nasional Ikan IV. Kerjasama LRPSI, LIPI, dan MII. 217-223hlm. Ramdhan, M. (2012). Kriteria penentuan teluk menurut United Nation Conventions on the LAW of the SEA-studi kasus wilayah Bungus Teluk Kabung kota Padang. Jurnal Ilmiah Geomatika, 18(2):37-46. Radjawane, I.M. (2006). Sirkulasi Arus Vertikal Di Perairan Teluk Saleh Sumbawa, Nusa Tenggara Barat. Jurnal Segara, 2 (1): 10-15. Sakka (2011). Studi Perubahan Garis Pantai Di Delta Sungai Jeneberang, Makassar. Jurnal Ilmu dan Teknologi Kelautan Tropis, 3(2):112-126. Satria, H., dan Mujiyanto. (2011). Struktur Komunitas Ikan Karang Di Lokasi Terumbu Karang Buatan di Perairan Teluk Saleh, Nusa Tenggara Barat. Prosiding Forum Nasional Pemacuan Stok Ikan III: Kestabilan Produksi Ikan. Kerjasama BP2KSI, FPIK, UNPAD, LIPI dan MII. 18 Oktober 2011. Hal. KSI-10.1-16hlm. Solihuddin, T.B. (2010). Morfodinamika Delta Cimanuk, Jawa Barat Berdasarkan Analisis Citra Landsat, Jurnal Ilmiah Geomatika, Cibinong Wilisandy, G., dan Saputro, H. (2006). Studi Perencanaan Penanggulangan Akresi Pantai Slamaran Kota Pekalongan [Tugas Akhir]. Semarang: Universitas Dipenogoro. Xiaoxia, S., Jixian, Z., dan Zhengjun, L. (2004). A Comparison ofObject-Oriented and Pixel-Based Classification Approachs Using Quickbird Imagery.Chinese Academy ofSurveiing and Mapping，Beijing, China. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINAS INDERAJA 2015 Moderator Judul Makalah Pemakalah Jam Tempat Diskusi : Dr. Ir. Nyoman Metta N. Natih, M.Si. : Identifikasi Perubahan Garis Pantai di Teluk Saleh Kab. Sumabawa Berdasarkan Analisis Citra Satelit : Yulius : 16.56 WIB : Meeting Room A : Vincent Siregar (IPB) : - 548 - Identifikasi Perubahan Garis Pantai Di Teluk Saleh Kabupaten Sumbawa Berdasarkan Analisis Citra Satelit (Yulius, et al.) Bagaimana dengan koreksi data pasut ? Kemungkinan perubahan garis pantai hanya karena pasut saja. Jawaban : Kelemahan dari paper ini tidak menggunakan data pasang surut, perubahan yang terjadi hanya dianalisis dari data citra satelit. Saran : Waktu pengambilan data ditampilkan data pasang surut. Ninong Komala (LAPAN Bandung) Dari sekian banyak faktor yang mempengaruhi perubahan garis pantai, faktor apa yang paling dominan dalam perubahan garis pantai dan apakah setiap daerah sama? Jawaban : Faktor yang paling dominan dalam perubahan garis pantai adalah sedimentasi dari daratan yang terbawa ke pantai. Indikasinya terumbu karang tertutup oleh sedimentasi dan munculnya mangrove. Untuk setiap daerah tidak sama / berbeda. - 549 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION Pemetaan Dinamika Garis Pantai Berdasarkan Citra Landsat 7 ETM+ dan Landsat 8 OLI sebagai Upaya Pengelolaan Sumberdaya Pesisir Berkelanjutan (Studi Kasus: Kabupaten Batang, Jawa Tengah) Rukiyya Sri Rayati Harahap1,*), Mega Yulisetya Widasmara2, dan Grefie Dwinita1 1 Kartografi dan Penginderaan Jauh, Fakultas Geografi, Universitas Gadjah Mada, Sleman, Yogyakarta 2 Geografi dan Ilmu Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Sleman, Yogyakarta *) E-mail: [email protected] ABSTRAK- Kawasan pesisir sebagai kawasan yang multiguna dan strategis untuk aktivitas manusia. Kegiatan yang ada pada kawasan tersebut sangat kompleks, seperti perikanan tangkap, perikanan budidaya (tambak), pariwisata, dan permukiman. Aktivitas manusia tersebut dapat menghasilkan polutan yang mengganggu ekosistem pesisir. Kebiasaan masyarakat yang menganggap laut sebagai tempat pembuangan sampah dapat memperburuk kondisi kawasan pesisir. Hal ini berhubungan erat dengan proses geomorfik. Proses geomorfik yang terjadi di daerah pesisir pantai akan memberikan dampak terhadap lingkungan pesisir pantai. Proses geomorfik tersebut berupa proses akresi dan proses abrasi. Kedua proses tersebut memunculkan interaksi antara proses fisik dan aktivitas manusia. Pemanfaatan tata guna lahan perlu diidentifikasi untuk meminimalisir dampak negatif yang terjadi pada kawasan kepesisiran. Tujuan dari penelitian ini yaitu (1) untuk memonitoring perubahan luasan lahan tambak dengan menggunakan teknologi Geography Information System (2) Mengetahui keterkaitan antara perubahan luasan lahan tambak dengan proses geomorfik (3) Mengetahui pengaruh perubahan lahan tambak terhadap kondisi sosial ekonomi masyarakat. Metode yang digunakan yaitu metode kualitatif dan kuantitatif secara deskriptif. Pemanfaatan citra Landsat 7 ETM+ dan citra Landsat 8 OLI digunakan untuk mengidentifikasi perubahan-perubahan yang secara multitemporal di kawasan pesisir Kabupaten Batang. Hasil penelitian ini berupa peta bentuk arahan penggunaan lahan dengan memperhatikan aspek lingkungan dan ekonomi penduduk. Monitoring serta evalusi pemanfaatan lahan di kawasan pesisir berguna untuk menentukan rekomendasi pengelolaan serta kebijakan yang tepat sehingga pembangunan pada wilayah pesisir berbasis sustainable environment. Kata kunci: akresi, abrasi, Landsat 7ETM+, Landsat 8 OLI, arahan penggunaan lahan ABSTRACT-Coastal area owns useful and strategic area for human activity. For this activitie in coastal area are very complex, as fishing, fish banking, tourism, and houses. This human activities can to product a pollutant to disturb coastal’s ecosystem. Habitual activitas of human were making the worst condition in coastal area like they throw any trash in coastal. This event make a change of shoreline in coastal area. Dynamic coastal area related with geomorfic process. Geomorfic processes are accresion, and abrassion process. This process makes any interaction between physical process and human activity. Landuse must be identified for limited negative impact in coastal area.The aims for this study are (1) to monitoring exchange land fish banking with Geography Information System technology, (2) to know related between area exchange land with geomorfic process (3) to know influence land exchange fish banking with social economic. This study use kualitatif and kuantitatif with description method. Landsat 7 ETM+ imagery and Landsat 8 OLI imagery is used to identification exchange for multitemporal in coastal area in Batang Distric. The result of this study area landuse’s directive map with ecologycal aspect and economic aspect. Monitoring and evaluation using land in coastal area to find a recomendation a good law for coastal area developtment with suistainable development. Keywords: acression, abration, Landsat 7 ETM+, Landsat 8 OLI, Landuse planning 1. PENDAHULUAN Indonesia merupakan negara kepulauan yang memiliki garis pantai terpanjang di dunia, yaitu 11.800 km (Setiyono, 1996). Angkutan sedimen dari darat maupun dari laut mengakibatkan terbentuknya perubahan garis pantai. Hal ini dapat mempengaruhi luasan kawasan kepesisiran. Kawasan ini sebagai kawasan yang multiguna dan stratedis untuk digunakan sebagai pusat aktivitas manusia.Tingkat pemanfaatan dan kerusakan kawasan pesisir di Indonesia sangat signifikan.Pesisir mempunyai sumberdaya alam serta jasajasa lingkungan yang sangat potensial. Pemanfaatan terhadap sumberdaya tersebut dapat menjadi ancaman kerusakan ekosistem jika tidak memperhatikan aspek lingkungan. Kerusakan terparah terjadi di pantai-pantai Jawa Tengah. Dari 698.295 kilometer pantai yang ada di bagian utara dan selatan Jawa tengah, 115,33 kilometer rusak akibat abrasi dan 117,85 rusak akibat akresi (Gambar 1) sedangkan luas pantai yang rusak - 550 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 akibat abrasi sebesar 5.582,37 ha dan kerusakan akibat akresi sebesar 705,55 ha (Bapedal Jawa Tengah, 2005). Kawasan tersebut sangat rentan terhadap perubahan yang dapat diakibatkan oleh proses alam dan aktivitas manusia. Hal ini dapat mempengaruhi keseimbangan ekosistem pesisir. Gambar 1. Kerusakan Pesisir Batang Akibat Akresi (Dwinita, 2015) Pemanfaatan potensi sumber daya alam yang tidak memperhatikan aspek lingkungan dapat menimbulkan permasalahan pada kawasan pesisir. Salah satu kawasan pesisir yang ada di Indonesia adalah pesisir di Kabupaten Batang, Jawa Tengah. Kegiatan-kegiatan yang ada pada kawasan tersebut sangat kompleks, seperti perikanan tangkap, perikanan budidaya (tambak), pariwisata, serta permukiman. Manusian yang tinggal di kawasan pesisir jumlahnya semakin bertambah dan semakin padat. Hal ini berbanding lurus dengan kebutuhan masyarakat terhadap sumberdaya. Aktivitas manusia tersebut dapat menghasilkan polutan yang mengganggu ekosistem pesisir. Kebiasaan masyarakat yang menganggap laut sebagai tempat pembuangan sampah dapat memperburuk kondisi kawasan pesisir. Penyimpanan tata guna lahan perlu diidentifikasi untuk meminimalisir dampak negatif yang terjadi pada kawasan kepesisiran. Mayoritas penduduk di kawasan pesisir Kabupaten Batang bermatapencaharian sebagai petani tambak dan nelayan. Proses alam yang terjadi pada kawasan pesisir seperti erosi pantai dan sedimentasi sangat mempengaruhi tingkat perekonomian masyarakat. Peralihan profesi dari petani tambak menjadi buruh pabrik terjadi akibat kerusakan pada lahan tambak. Hal ini, menunjukkan pertanian lahan tambak menjadi sumber penghidupan masyarakat Batang, Jawa Tengah. Pantai di pesisir batang juga mempunyai potensi untuk dikembang menjadi ekowisata sehingga dapat menambah pendapatn daerah. Sekarang, ini bibit pantai di pesisir Batang banyak digunakan untuk kawasan permukiman. Kondisi dapat berdampak terhadap lingkungan di pesisir tersebut dan perlu dikontrol perkembangannya agar tidak menimbulkan dampak negatif terhadap lingkungan. Perlu dilakukan pemantauan lingkungan pesisir terkait perubahan yang terjadi akibat aktivitas alam atau manusia. Analisis tersebut dilakukan dengan menggunakan teknologi penginderaan jauh dan SIG (Sistem Informasi Geografis). Pemantauan dan identifikasi tersebut dapat menghasilkan informasi yang akurat terkait kondisi lahan. Data spasisal yang digunakan berupa citra Landsat 7 ETM+ dengan komposit 541. Penggunaan dua saluran inframerah dan saluran biru pada citra Landsat 7 ETM+ komposit 541 memberikan informasi yang jelas antara lahan basah dengan lahan kering karena secara visual mampu membedakan lahan dengan tingkat kelembaban yang berbeda. Keterbatasan dari Citra Landsat 7 ETM+ dapat diantisipasi dengan menggunakanCitra Landsat 8 OLI sebagai pendukung Landsat 7 ETM +. Pertambahan julat pada band 8 terdapat pada saluran biru ditambah dengan saluran cirrus, pankromatik, dan saluran thermal. Citra Landsat 8 OLI untuk kajian coastal terdapat padaband 1. Penggunaan komposit dalam menampilkan visual yang sesuaiuntuk daratan,pesisir, dan laut menggunakan komposit 651. Monitoringserta evalusi pemanfaatan lahan di kawasan pesisir berguna untuk menentukan rekomendasi pengelolaan serta kebijakan yang tepat sehingga pembangunan pada wilayah pesisir berbasis sustainable environment. Penelitian ini bertujuan untuk mengetahui cara memonitoring perubahan luasan garis pantai dengan menggunakan teknologi GIS (Geography Information Sytem) dan Pengineraan Jauh (Remote Sensing), - 551 - Pemetaan Dinamika Garis Pantai Berdasarkan Citra Landsat 7 ETM+ dan Landsat 8 OLI sebagai Upaya Pengelolaan Sumberdaya Pesisir Berkelanjutan (StudiKasus: Kabupaten Batang, Jawa Tengah)(Harahap, R.S.R., et al.) keterkaitan antara perubahan penggunaan lahan terhadap proses geomorfik (akresi dan abrasi), sertapenentuan landuse planing di pesisir Batang yang dapat memberikan dampak positif terhadap lingkungan pesisir serta perekonomian masyarakat. Manfaat dari penelitian ini sebagai penentuan kebijakan tataruang di kawasan pesisir Kabupaten Batang, Jawa Tengah dan memberikan informasi kepada masyarakat tentang potensi sumberdaya alam yang produktif di kawasan Pesisir Batang. 2. METODE Menguraikan tentang metode yang digunakan dalam penelitian termasuk data, peralatan, teori, diagram alir, beserta lokasi penelitian. 2.1 Alat dan Bahan Alat yang digunakan dalam penelitian ini meliputi; 1. GPS Garmin 2. Pita Ukur 3. Laptop Asus 4. Software ArcGIS versi 10.1 5. Software Envi versi 4.5 Bahan yang diperlukan dalam penelitian ini meliputi; 1. Citra Landsat 7 ETM+ Tahun 1999 dan 2002 dan Citra Landsat 8 OLI Tahun 2010 dan 2014 Daerah Yogyakarta – Jawa Tengah 2. Peta Rupa Bumi Indonesia skala 1: 25.000 3. Peta Lingkungan Pantai Indonesia skala 1: 50.000 4. Peta Geologi skala 1 : 50.000 2.2 Tahap Penelitian Tahap penelitian yang dilakukan dalam penelitian ini antara lain : tahap pra-lapangan, tahap lapangan, dan tahap pasca lapangan. Tahap pra-lapangan meliputi tahap persipan. 2.2.1 Tahap Pra-Lapangan a. Pengumpulan Data Teknik pengumpulan data ini bertujuan untuk mengumpulkan seluruh data yangdibutuhkan dalam penelitian ini, adapun tahapan-tahapan dalam pengumpulan data ini meliputi; 1. Studi Pustaka mengenai permasalahan dari penelitian serta untuk memperoleh Gambaran pada penelitian terdahulu. 2. Pendataan jenis-jenis alat terkait kegiatan untuk pelaksanaan lapangan, analisis, dan pengolahan data. Data yang diperlukan dalam penelitian ini berupa citra satelit yaitu Landsat 7 ETM+ tahun 1999 dan citra Landsat 8 OLI tahun 2014. Data yang digunakan berupa data multitemporal untuk monitoring perubahan garis pantai dan perubahan penggunaan lahan serta beberap data peta sebagai parameter pendukung diantaranya :Peta Geologiskala 1:50.000, peta Lingkungan Pantai indonesi 1:50.000, dan Peta RBI skala 1:25.000 b. Pemprosesan Citra Teknik pemerosesan citra dilakukan dengan menggunakan software ENVI 4.5. Tahapan dari pemerosesan citra ini meliputi : Koreksi Geometrik, penajaman citra, digitasi on screen, dan penentuan titik sampel. 1. Koreksi Geometrik Koreksi geometrik dilakukan untk meretifikasi (pembetulan) atau retifikasi (pemulihan) citra agar koordinat citra sesuai dengan koordinat geografis, melakukanregistrasi (pencocokan) posisi citra dengan citra lain atau mentransformasikan sistem koordinat citra multispektral atau citra multitemporal, dan melakukan registrasi citra ke peta atau tansformasi sistem koordinat citra ke peta, untuk menghasilkan citra dengan sistem proyeksi tertentu. 2. Digitasion on screen Tahapan ini untuk memperoleh skunder dari peta RBI (Rupa Bumi Indonesia) dan - 552 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 LPI (Lingkungan Pantai Indonesia). 3. Penentuan Titik Sampel Penentuan titik sampel dilapangan pada penelitian ini dilakukan dengan menggunakan metode stratified random sampling. 2.1.2 Tahap Lapangan Pengumpulan data pada tahapa lapangan ini dapat berupa pengukuran langsung dilapangan dan wawancara terkait dengan informasi tambahan yang dibutuhkan dalam penelitian ini.Teknik survei lapangan dalam observasi kajian secara langsung (aspek fisik dan sosial) yakni dengan metode tracking garis pantai saat pasang dan surut menggunakan GPS (Global Positioning System). Sedangkan teknik wawancara masyarakat (key person) untuk pengumpulan data berkaitan dengan aspek fisik yang terkait dengan pengaruh perubahan lahan terhadap kondisi sosial ekonomi serta perubahan garis pantai. 2.2.2.1 Pengolahan Data Data yang diperleh pada tahapan ini dengan menggunakan data yang diperoleh dilapangan berupa hasil pengukuran lapangan dan wawancara. Proses pengolahan data yang dilakukan pada tahapan ini meliputi : a. Pengolahan Data Perubahan garis pantai Perubahan garis pantai yang tedapat di kawasan pesisir Kabupaten Batang dilakukan. Digitasi on screen, digitasi on screen adalah digitasi yang digunakan untuk membatasi garis pantai setiap tahun pada citra yang digunakan. Analisa dan perhitungan diperoleh dari integrasi hasil setiap tahunnya sehingga penyebab perubahan garis pantai dapat diketehui berdasarkan akresi atau abrasi, dan overlay data spasial untuk mengetahui akresi dan abrasi berbasis GIS. b. Pengolahan data dengen metode matching Overlay data pengamatan lapangan dengan data skunder dengan menggunakan pendekatan matching, yakni dengan melihat parameter mana saja yang paling dominan dalam penentuan kesesuaian lahan tambak di kawasan pesisir Kabupaten Batang. Parameter yang digunakan dengan menggunakan metode matching meliputi: Lereng, buffer sungai, aksesibilitas, data curah hujan, dan penggunaan lahan. 2.2.2.2 Analisis dan Evaluasi Analisis peta hasil overlay perubahan garis pantai dengan data menggunakan data kelas kesesuaian lahan tambak menggunakan metode matching. Hasil yang diperoleh antara pendekatan parameter dan perubahan lahan tambak di kawasan pesisir Kabupaten Batang menghasilkan peta keseuaian lahan tambak dengan memperhatikan faktor yang dominan pada parameter kelas kesesuaian lahan menurut (Poernomo, 1992 ; Ilyaset al., 1972 ; Patjaraet al., 2006) 2.2.3 Tahap Pasca Lapangan Tahap ini merupakan hasil dan pembahasan dari penelitian, serta penyusunan laporan penelitian mulai dari tahapan perencanaan, pelaksanaan dan hasil penelitian di lapangan. Padatahap ini analisis dan evalusi perlu dilakukan untuk hasil yang sesuai dengan harapan daripenelitian ini dan tujuan dari penelitian ini tercapai. Disamping itu juga, pada tahap inimerupakan tahap melihat bagaimana pengaruh dan hubungan parameter yang digunakan seperti struktur tanah, curah hujan, lereng, jarang dari sungai dan aksesibilitas terhadap penentuan kesesuaian lahan tambak di Pesisir Kabupaten Batang. - 553 - Pemetaan Dinamika Garis Pantai Berdasarkan Citra Landsat 7 ETM+ dan Landsat 8 OLI sebagai Upaya Pengelolaan Sumberdaya Pesisir Berkelanjutan (StudiKasus: Kabupaten Batang, Jawa Tengah)(Harahap, R.S.R., et al.) 2.2 Diagram Alir Diagram alir dari penelitan ini diGambarkan seperti Gambar berikut; Peta RBI kabupaten Batang Skala 1: 25:000 Citra Landsat 7 ETM+ tahun 1999 dan Citra Landsat 8 OLI tahun 2014 Koreksi gemetrik Georeferencing Digitasi on screen: -Batas Administrasi Desa Pesir Utara Kabupaten Batang -Sungai -Jalan -Kontur Lereng Buffer Sungai Interpretasi Bentuklahan Interpretasi perubahan garis pantai Peta Tentatif Bentuklahan Aksesibilitas Jalan Data curah hujan Pengunaan Lahan Pengambilan sampling Reinterpetasi Feel Method e Struktur Tanah Maching Peta Perubahan Garis Pantai Analisis dan Evaluasi Peta Kesesuaian Lahan Tambak di pesisir Kabupaten Batang Gambar 2.4 Diagram Alir Penelitian - 554 - Stratified Purposive Sampling Identifikasi Pertambah an luasan Grafik Perubahan SEMINAR NASIONAL PENGINDERAAN JAUH 2015 3. HASIL PEMBAHASAN Pemanfaatan lahan dilihat dari karakteristik fisik suatu lahan. Untuk melihat karakterstik fisik ini perlu dilakukannya suatu pendekatan yang bertujuan untuk mengkaji satuan medan dari area kajian tersebut. Pendekatan yang digunakan, yaitu pendekatan parametrik. Pendekatan ini bermaksud mengkajia karakterstik lahan dari parameter-parameter fisiknya. Analisis kajian dalam penelitian ini berkaitan dengan proses geomorfik. Proses geomorfik ini berpengaruh pada dinamika pesisir, seperti akresi dan abrasi. Proses akresi dan abrasi ini dapat dilihat dari perubahan garis pantai dari tahun ke tahun. Perubahan garis pantai ini mengkaji perubahan pada tahun 1999, 2010, dan 2014. Kajian lahan kawasan pesisir Kabupaten Batang ini dapat dikaji dari komponen geofisik, biotik (flora dan fauna) dan socio-cultural. Komponen geofisik ini berupa geomorfologi, geologi, tanah, hidrologi dan iklim. Peta geomorfologi daerah Kabupaten Batang pada Gambar 3.1 berikut. Gambar 3.1 Peta Geomorfologi Kabupaten Batang (Hasil Analisis, 2015) Bentuklahan yang ada pada area kajian, yaitu bentuklahan berupa dataran aluvial, medan lahar, dataran fluviomarin, dan kaki pernukitan lipatan. Dataran aluvial dengan litologi berupa material aluvium yang berupa pasir, lanau, dan lempung. Material tersebut dapat berasal dari endapan pantai, sungai maupun tubuh air lainnya seperti lanau. Medan lahar sebagai bentukan asal proses vulkanis, dari gunung api Dieng. Dataran fluvio-marin sebagai bentukan dari asal proses yang mendominasi kawasan pesisir Batang. Kondisi geomorfologi ini berpengaruh pada proses-proses yang terjadi, seperti erosi dan sedimentasi. Proses sedimentasi cenderung intensif pada dataran aluvia; dan fluvo marin sedangkan proses erosi cenderung terjadi pada perbukitan lipatan dan medan lava. Dataran aluvial dan fluvio marin sedangkan proses erosi cenderung terjadi pada perbukitan lipatan dan medan lava. Dataran aluvial dan fluvio-marin cendeung mempunyai morfologi yang relatif datar sedangkan perbukitan lipatan mempunyai morfologi berombak hingga bergelombang sehingga pemanfaatan atau pembangunan di kawasan pesisir Kabupaten Batang cenderung diarahkan pada morfologi yang relatif datar. - 555 - Pemetaan Dinamika Garis Pantai Berdasarkan Citra Landsat 7 ETM+ dan Landsat 8 OLI sebagai Upaya Pengelolaan Sumberdaya Pesisir Berkelanjutan (StudiKasus: Kabupaten Batang, Jawa Tengah)(Harahap, R.S.R., et al.) Gambar 3.2 Peta perubahan garis pantai (Hasil Pengolahan, 2015) Dinamika pantai dikawasan pesisir Kabupaten Batang mengakibatkan terjadinya perubahan garis pantai. Perubahan garis pantai ini disebabkan oleh faktor dari darat dan faktor dari laut. Faktor dari darat, seperti faktor manusia dan faktor dari luar seperti hidro-oceanografi. Faktor yang berpengaruh pada perubahan garis pantai berupa arus, gelombang, dan pasang surut. Erosi pantai atau abrasi dipengaruhi oleh tenaga gelombang dan arus laut yang bersifat merusak (Setiyono, 1996). Secara umum proses yang dominan terjadi di pesisir utara Kabupaten Batang adalah proses sedimentasi. Hal ini dibuktikan dengan mundurnya garis pantai di beberapa lokasi pengamatan. Mundurnya garis pantai ini mengindikasikan adanya pertambahan luasan lahan yang dapat dimanfaatkan sesuai dengan peruntukannya. Perubahan yang dominan dari proses geomorfik ini juga berpengaruh pada perubahan penggunaan lahan yang ada. Hal inilah yang mengakibatkan untuk pemanfaatan ruang yang disesuaikan dengan pemanfaatannya, maka unit lahan perlu dikaji, dan dievalusi karakteristik fisik lahan dan ditumpang susunkan dengan penggunaan lahan yang dikelola pada saat ini. Analisis dari kajian karakteristik fisik lahan dengan penggunaan lahan saat ini untuk kesesuaian lahan tambak, sepagai salah satu upaya pemnfaatan lahan yang dinilai dari paramerter fisiknya. Kajian karakteristik fisiknya dikombinasikan dengan informasi perubahan garis pantai untuk memonitoring proses geomorfiknya dari tahun 1999 samapai tahun 2014. Hasil analisis perubahan luasan lahan tambak dari citra penginderaan jauh dari tahun 1999 sampai tahun 2014 menunjukkan perubahan garis pantai yang cenderung fluktuatif. (Gambar 3.3) Perubahan garis pantai yang terjadi di Kabupaten Batang berdasarkan dari garfik hasil analisis diatas menjelaskan informasi bahwa perubahan garis pantai dengan proses akresi dan proses abrasi. Proses akresi merupakan proses dimana bertambahnya luasan darat dan mundurnya garis pantai. Proses abrasi mengakibatkan berkurangnya luasan darat dan majunya garis pantai. Kamedua proses tersebut memiliki keterkaitan dalam proses, dimana apabila di suatu kawasan terjadi abrasi maka dimungkinkan pada kawasan lain terjadi akerasi. Hal ini disebabkan oleh proses yang dinamik pada laut yang dari waktu ke waktu mengalami perubahan. Penambahan lahan yang terjadi akibat proses akresiterbesar ada di pesisir desa Danasri Kulo, pertambahan luasan dari tahun 1999 -2014 ini seluas 72.131 m2. Sedangkan proses anrasi terbesar terletak di pesisir Desa Kedawung. Desa kedawung mengalami abrasi terbesar hal ini disebabkan karena di Pesisir Desa Kedawung ini merupakan daerah yang memiliki topografi yang relatif terjal. Pengurangan lahan pada daerah yang mengalami abrasi ini seluas 76.386 m2. Terjadinya perubahan ini - 556 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 mengakibatkan adanya dampak penambahan dan pengurangan lahan yang terjadi dibeberap sisi kawasan pesisir batang. x 10000 Perubahan Luasan Garis Pantai Pesisir Batang 9.00 8.00 Bertambah Berkurang 7.00 m2 6.00 5.00 4.00 3.00 2.00 1.00 0.00 Desa Gambar 3.3 Diagram Perubahan garis pantai Pesisir Batang ( Hasil analisis, 2015) Potensi perubahan garis pantai ini untuk upaya pengelolaan sumberdaya pesisir yang berkelanjutan, dipandang dari aspek sumber daya kesesuaian lahan tambak. Dinamika pantai ini juga berhubungan dengan penentuan kesesuaian lahan tambak. Disamping itu dalam penentuan kesesuain lahan tambak ini menggunakan beberapa parameter fisik, seperti parameter tekstur tanah, curah hujan, topografi, jarak dari sungai, dan aksesibilitas serta penggunaan lahan (Poernomo, 1992; Ilyaset al., 1972; Patjaraet al.,2006). Kriteria kesesuaian lahan yang dianalisis dan diindentifikasi pada di desa pesisir utara Kabupaten Batang menggunakan beberapa parameter yang dikaitkan dengan tabel kesesuaian lahan. Metode yang digunakan dalam menganalisis parameter ini, yakni metode matching. Proses analisis kesesuain pada metode ini dengan melihat parameter yang paling dominan mempengaruhi kesesuian lahan tambak. Peta kesesuaian lahan tambak (Gambar 3.4)menunjukan lahan yang sesuai untuk budidaya tambak cenderung berada dekat dengan pantai. Sebagian besar tambak yang berada pada pesisir Batang merupakan tambak biasa. Jenis tambak tersebut mempunyai jarak yang dekat dengan pantai dan selalu terisi dengan campuran air asin dari laut serta air tawar dari sungai (Hardjowigeno& Widiatmaka, 2011). Lahan tambak cenderung sesuai pada wilayah dengan topografi yang datar hingga landai seperti pada bentuklahan dataran aluvial dan fluvio-marin. Topografi yang cenderung datar menjadi faktor yang penting untuk kesesuaian lahan tambak agar dapat digenangi langsung oleh pasang surut air laut. Topografi sangat mempengaruhi dalam hal pengelolaan air. Wilayah budidaya tambak tidak terlalu tinggi serta tidak terlalu rendah terhadap muka air laut sehingga beberapa lokasi di dataran aluvial tidak sesuai untuk lahan tambak. Hal ini karena wilayahnya sangat dekat dengan sungai dan laut. Wilayah tersebut mempunyai topografi yang lebih rendah sehingga relatif susah untuk pengeringan tambak. Topografi yang cenderung curam seperti di perbukitan lipatan tidak sesuai untuk lahan tambak karena suplai air laut maupun sungai lebih susah. Kebutuhan air tambak tidak akan tercukupi - 557 - Pemetaan Dinamika Garis Pantai Berdasarkan Citra Landsat 7 ETM+ dan Landsat 8 OLI sebagai Upaya Pengelolaan Sumberdaya Pesisir Berkelanjutan (StudiKasus: Kabupaten Batang, Jawa Tengah)(Harahap, R.S.R., et al.) Gambar 3.4 Peta Kesesuaian lahan tambak (Hasil {engolahan, 2015) Kesesuaian lahan tambak di Kabupaten Batang di analisis berdasarkan metode matching yakni pendekatan yang digunakan dengan menentukan parameter yang dominan untuk dijadikan sebagai lahan tambak. Penentuan kelas lahan tambak ini mempertimbangkan parameter lereng, tekstur tanah, curah hujan, jarak dari sungai, aksesibilitas, curha hujan, dan penggunaan lahan. Masing-masng dari paramter diklasifikasi menjadi lahan dengan kelayakan tinggi (S1), kelayakan sedang (S2), dan kelayakan rendah (S3), serta tidak layak (N). Berdasarkan dari metode matching hasil analisis kesesuaian lahan untuk tambak berdasarkan peta diatas dibagi menjadi dua kelas, yakni lahan yang sesuai dan tidak sesuai. Analisis parameter menunjukan lahan non-tambak yang memiliki potensi tersebsar untuk dijadikan sebagai lahan tambak yakni, lahan sawah irigasi dan sungai/danua/situ. Hal tersebut dengan mempertimbangkan keadaaan fisiografi dari lahan tersebut. Semakin rendah lerang dari satu lahan dengan topografi landai yakni 0-4% masih memiliki kelayakan untuk dijadikan sebagai lahan tambak. Penggunaan lahan yang tidak sesuai untuk dijadikan lahan tambak yakni penggunaan lahan pemukiman. Hal tersebut dikarenakan apabila lahan permukiman akan dikonversi menjadi lahan tambak maka memebutuhkan perlakuan khusus seperti adanya permasalahan pembebasan lahan serta perombakan permukiman yang membutuhkan biaya yang cukup mahal. Luas lahan yang sesuai untuk dijadikan sebagai lahan tambak pada kawasan pesisir Kabupaten Batang sebesar 133056 m2 . Untuk penggunaan lahan sungai/danau/situ memiliki luas lahan yang sesuai untuk dijadikan sebagai lahan tambak sebesar 47240 m2. Sedangkan untuk penggunaan lahan sawah 2 irigasi sebesar 33906 m . Penggunaan lahan lain seperti hutan, tegalan/ladang, dan perkebunan/kebun campuran memiliki potensi untuk dijadikan lahan tambak, akan tetapi tidak seluas kedua lahan tersebut. 4. KESIMPULAN Dinamika pantaai proses abrasi di pesisir Kabupaten Pesisir Batang, Jawa Tengah dominan terjadi proses akresi. Hal ini disebabkan secara fisik area kajian ini merupakan daerah Zona bagian Utara Pulau Jawa yang merupakan zona perlipatan. Luasan area pesisir yang mengalami akresi dominan secara spasial tersebar di Desa Danasri Kulon. Berdasarkan dari hasil analisis perubahan garis pantai yang terjadi di kawasan pesisir Kabupaten Batang menunjukkan bahwa pertambahan lahan yang lebih dominan memberikan potensi mengenai pemanfaatan lahan pertambakan di pesisir pantai dengan mempertimbangkan kesesuaian dari masing-masing. Dengan begitu, kemampuan lahan akan sesuai dengan peruntukannya yakni kesesuaian terhadap faktor fisik dan faktor sosial. - 558 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 UCAPAN TERIMAKASIH Penulis mengucapkan terima kasih kepada Bapak Drs. Nurul Khakhim selaku dosen pengampu atas bimbingan terkait materi kepesisiran dan kelautan yang berkaitan dengan makalah ini dan Kepala desa Kuripan dan Sidorejo yang telah berkontribusi terhadap kegiatan lapangan penelitian ini. Kemudian, terima kasih kepada orang tua yang senantiasa memberikan bimbingan dan dukungan baik dukungan moral dan dukungan merial. Penulis juga berterimakasih kepada teman-teman yang memberi dukungan atas penelitian ini. DAFTAR PUSTAKA Alesheikh, A.A., Ghorbanali, A., dan Nouri, N. (2007). Coastlline Change Detection using Remote Sensing. International Journal Environmental Science Technology, 4 (1) : 61-66. Khasanah, U.A.R.D. (2008). Analisis Pengaturan tentang Wilayah Laut Daerah Kabupaten Batang dalam Rangka Mewujudkan Renstra Berdasarkan Konsep Pengelolaan Wilayah Pesisir Terpadu. Laporan Tugas Akhir. Semarang: Program Magister Ilmu Hukum Pasca Sarjana UNDIP. Hardjowigeno, dan Sarwono, W. (2011). Evaluasi Kesesuaian Lahan dan Perencanaan Tataguna Lahan. Yogyakarta: Gadjah Mada University Press. Ongkosongo, S.R. (2011). Strategi Menghadapi Risiko Bencana di Wilayah Pesisir Akibat Pemanasan Global dan Perubahan Iklim Global. Jakarta: Lembaga Ilmu Pengetahuan Indonesia Pusat Penelitian Oseanografi, Balai Dinamika Laut. Pernetta, K.J., dan Milliaman, J.D. (1995). Land-Ocean Interaction in the Coastal Zone :Implementation plan-. Stockholm: The international Geosphere- Biosphere Programme. Setiyono, H. (1996). Kamus Besar Oceanografi. Cetakan Pertama. Yogyakarta: Gadjah Mada University Press. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINAS INDERAJA 2015 Moderator Judul Makalah Pemakalah Jam Tempat Diskusi : : Dr. Irawan Muripto : Pemanfaatan Data Landsat 8 untuk Penentuan Lokasi Budidaya Rumput Laut di Perairan Lombok. : Rukiyya Sri Rayati Harahap : 09.00 – 09.20 : Ball Room 3 Gatot Winarso (PUSFATJA – LAPAN) Judul penelitian terkait dinamika perubahan garis pantai, namun dari substansi isi makalah lebih menyoroti tentang analisis penggunaan atau kesesuaian lahan tambak.Pengolahan tambak yang berkelanjutan maka terdapat satu hal yang perlu dianalisis lebih lanjut, yaitu: daya dukung lingkungan tambak. Misalnya, apakah lokasi tersebut nantinya memenuhi kriteria untuk budidaya lahan tambak. Salah satu indikatornya misalnya terdapat tumbuhan mangrove. Uraian makalah ini akan lebih baik dapat dipisah menjadi dua judul yang berbeda, yaitu: terkait dinamika perubahan garis pantai dan terkiat Kesesuaian lahan tambak. Happy Indarto Supriadi (P2O LIPI) Judul dan isi makalah kurang sesuai dengan isi presentasi yang disampaikan. Judul makalah terkait dengan dinamika perubahan garis pantai, dalam konteks ini merupakan salah satu aspek oseanografi. Namun dalam presentasi ini tidak ditampilkan data pendukung lainnya, seperti arus, gelombang, pasut data-data tersebut dapat yang memicu perubahan garis pantai. Perlu dimunculkan faktor-faktor tersebut yang dapat memicu terjadi perubahan garis pantai di daerah Penelitian. Konteks dari makalah yang disampaikan lebih ke arah Kesesuaian lahan untuk tambak. Jawaban Terimakasih atas masukan dan saran terhadap penelitian ini. Perbaikan atas saran dan masukan akan dilakukan untuk kesempurnaan penelitian ini. - 559 - SEMINAR NASIONAL PENGINDERAAN JAUH2015 ORAL PRESENTATION Identifikasi dan Interpretasi Visual Citra Kamera Digital Multispektral untuk Objek Wilayah Pesisir Samsul Arifin1,*), Anwar Anas1, Nurwita Mustika Sari1 , dan Dony Kushardono1 1 Pusat Pemanfaatan Penginderaan Jauh – LAPAN *) E-mail: [email protected] ABSTRAK- Tujuan penelitianini adalah untuk mengetahui kemampuan atau potensi kamera multispetral untuk pemanfaatan identifikasi dan interpretasi objek wilayah pesisir secara visual.Citra kamera multispectral merupakan citra yang diperoleh dari dengan wahana pesawat tanpa awak (LSU). Kamera multispectral terdiri dari 3 band spektral, yaitu Red, Green dan NIR Untuk menghasilkan kombinasi RGB digunakan metode Bayern RGB filter array. Metode yang digunakan untuk identifikasi dan interpretasi objek adalah adalah metode visual berdasarkan kunci-kunci interpretasi objek.Berdasarkan kunci-kunci interpretasi, identifikasi citra kamera multispectral dapat memberikan informasi spectral atau spasial perbedaan setiap objek pada wilayah pesisir sangat jelas. Kata Kunci : identifikasi, interpretasi, kamera multispektral, pesisir ABSTRACK - The purpose ofthis study was todetermine the ability or potential to use a camera multispetral object identification and interpretation of coastal areas visually. Multispectral camera image is an image obtained from the unmanned aircraft vehicle (LSU). Multispectral camera consists of three spectral bands, namely Red, Green and NIR. To produce a combination of RGB used methods Bayern RGB filter array. The method used for the identification and interpretation of visual object is a method based on object keys of interpretation. Based on the interpretation keys, identification multispectral camera images can provide information spectral or spatial differences of each object on the coastal area is very clear. Keywords: identification, interpretation, multispectral camera, coast 1. PENDAHULUAN Indonesia merupakan negara kepulauan yang terdiri dari sekitar 17.504 pulau dengan panjang garis pantai kurang lebih 81.000 km. Di sepanjang garis pantai ini terdapat wilayah pesisir yang relatif sempit tetapi memiliki potensi sumber daya alam hayati dan non-hayati; sumber daya buatan; serta jasa lingkungan yang sangat penting bagi kehidupan masyarakat. Potensi-potensi tersebut perlu dikelola secara terpadu agar dapat dimanfaatkan secara berkelanjutan.Wilayah pesisir secara ekologis merupakan daerah pertemuan antara ekosistem darat dan laut. Ke arah darat meliputi bagian tanah, baik yang kering maupun yang terendam air laut, dan masih dipengaruhi oleh sifat-sifat fisik laut seperti pasang surut, ombak dan gelombang serta perembesan air laut. Ke arah laut mencakup bagian perairan laut yang dipengaruhi oleh proses alami yang terjadi di darat seperti sedimentasi dan aliran air tawar dari sungai maupun yang disebabkan oleh kegiatan manusia didarat seperti penggundulan hutan, pembuangan limbah, perluasan permukiman serta intensifikasi pertanian. Kamera digital multispectral merupakan teknologi yang diharapkan mampu merekam objek /sasaran dari ketinggian rendah dengan wahana pesawat (www.tetracam.com) LSU/LSA Lapan sebagai pelengkap dari citra satelit yang tertutup awan dan sebagai data alternative untuk memenuhi kebutuhan darurat (Dony, (Kushardono et al, 2014). Kamera ini pada dasarnya digunakan untuk vegetasi, akan tetapi pada penelitian ini dicoba untuk keperluan wilayah pesisir. Dengan memanfaatkan dan mengotimalkan band-band yang ada pada kamera multispectral penelitian ini bertujuan untuk mengkaji dan menganalisis kemampuan kamera multispectral dalam memberikan informasi untuk mengidentifikasi dan menginterpretasi wilayah pesisir. 2. METODE 2.1 Data -560- SEMINAR NASIONALPENGINDERAANJAUH2015 Data yang digunakan adalah citra kamera multispectral yang dihasilkan dari sensor tuggal kamera digital. Data diakusisi tahun 2014 pada lokasi Indramayu, Jawa Barat dengan wahana pesawat LSU. Citra multispectral terdiri dari 3 band yaitu Red, Green dan Near Infra Red (Bayer BE, 1976). Gambar 1. Citra Kamera Multispectral 2.2 Metode Teknik kombinasi digunakan untuk membuat citra RGB yang mudah dikenali secara visual objek pada citra memiliki kemiripan warna objek alami. Dalam karya ilmiah dibuat berbagai kombinasi banda -band pada citra kamera digital multispektral, selanjutnya dipilih kombinasi RGB yang memiliki Natural Colour/True Colour (Purwadhi SH et al, 2008). Pengkontrasan yang digunanakan adalah teknik kombinasi teknis histogram pada masing-masing filter warna. Metode analisis identifkasi dan interpretasi objek wilayah pesisir menggunakan analisis visual dengan mengoptimalkan teknik kombinasi RGB, pengkontrasan dan kunci-kunci interpretasi (Lillesand TM, Keifer RW, 1979; 1990). 3. HASIL PEMBAHASAN 3.1 Analisis Data Kamera yang digunakan adalah kamera digital dengan single sensor yang di desain untuk memotret reflektansi kanopi dari vegetasi karena dapat membaca cahaya tampak pada panjang gelombang 520 nm dan near-infrared dengan panajang gelombang 920 nm. Gambar dibawah menunjukkan respon dari sensor terhadap masing-masing band (merah ,hijau dan biru). Filter pada band biru digunakan untuk mengukur nilai dari NIR (Blue Curve) sedangkan sensitifitas Hijau, Merah dan NIR setara dengan TM2, TM3 dan TM4 pada landsat (Arthur RW , 1996). Gambar 2. Respon spektral pada kamera multispektral Keluaran dari kamera ini berupa data dengan format RAW 10 bit. Teknik bayer pattern digunakan untuk ekstraksi data raw menjadi R/G/NIR. Mosaik filter bayer merupakan color filter array (CFA) untuk menyusun RGB pada sensor foto (Condat L ,2010). -561- Identifikasi dan Interpretasi Visual Citra Kamera Digital Multispektral untuk Objek Wilayah Pesisir(Arifin, S., et al.) Gambar 3. Bayer pattern Untuk mengkonversi image dari format ini ke RGB kita lakukan interpolasi dari dua nilai warna pada masing-masing pixel. Algoritma Freeman (Median-based interpolation) merupakan metode yang terbaik digunakan pada image yang bercak sedangkan algoritma Larosche-Prescott’s (Gradient based interpolation) dan Algortima Hamilton-Adam (Adaptive color plane interpolation) merupakan metode yang cocok digunakan pada image yang memiliki sisi/tepi yang tajam (Ramanath et al, 2002). Median-based interpolation Metode ini terdapat dua step yaitu interpolasi linier dan median filter pada warna yang berbeda. Interpolasi linier digunakan untuk mengisi setiap photosite dengan tiga warna sedangkan median filter adalah merah tanpa hijau dan biru tanpa hijau. Image yang dihasilkan dari median filter digunakan bersamaan dengan sampel original bayer array untuk merecoveri sampel. Algoritma ini dapat digunakan dengan 3x3 neighborhood. Gradient based interpolation Metode ini umumnya digunakan di system kamera digital. Metode ini terdiri dari 3 step , pertama interpolasi chanel luminance (hijau) kedua dan ketiga interpolasi perbedaan warna (merah tanpa hijau dan biru tanpa hijau). Interpolasi perbedaan warna digunakan untuk merekontruksi chanel chrominance (merah dan biru). Metode ini memiliki keuntungan karena mata manusia lebih sensitive pada perubahan luminance. Adaptive color plane interpolation Metode ini merupakan modifikasi dari metode gradient based interpolation. Modifikasi yang dilakukan untuk mengakomodasi derivatives. Untuk data choromaticity (merah dan biru) dihasilkan dari rata-rata aritmatika sedangkan data luminance (hijau) dari derivative yang kedua. 3.2 Optimasi Kombinasi RGB dan Pengkontrasan Citra Kombinasi band yang menghasilkan Warna Natural (True Colour) merupakan warna yang ideal diharapkan dalam identifikasi dan interpretasi visual, karena dalam kombinasi ini yang terlihat sudah seperti apa yang terlihat oleh mata. Fitur tanah muncul dalam warna yang sama dengan penampilan sistem visual manusia, vegetasi adalah hijau, ladang baru berwarna coklat dan kuning, jalan-jalan abu-abu, dan garis pantai berwarna putih. -562- SEMINAR NASIONALPENGINDERAANJAUH2015 Kamera multispektral memiliki 3 band yang terdiri dari band1( Green) , band2 (Red) dan band3 (Near Infra Red).. Beberapa kombinasi RGB dari ke 3 band tersebut , RGB optimal yang sesuai diinginkan yaitu warna natural (True Colour) adalah band2 (Red), band1 (Green) dan band3 (NIR). Pada filter merah digunakan pengkontrasan histogram linear, filter hijau pengkontrasan histogram autoclip dan filter warna biru digunakan pengkontrasan gausian equalize transform histogram. 3.3 Indentifikasi dan Interpretasi Berdasarkan kombinasi dan pengkontrasan/penajaman citra kamera multispektral, maka objek wilayah pesisir di Indramayu umumnya terdiri dari tambak, vegetasi magrove, sawah dan permukiman. Objek yang dominan mengandung air seperti tambak dan sawah fase air merupakan objek yang sangat menarik diamati dan dikaji dengan menggunakan citra kamera digital multispektral. Pada penelitian ini disajikan beberapa contoh identifikasi dan interpretasi objek untuk di wilayah pesisir Indramayu. Tambak sebagian besar di wilayah pesisir dapat diidentifikasi berdasarkan data citra kamera multispektral menjadi 3 jenis tambak yaitu tambak ikan, udang dan garam. Ketiga tambak ini memiliki karakteristik spektral yang berbeda jika dilihat dari sudut pandang kunci-kunci interpretasi. Bentuk ketiga tambak berbetuk kotak/persegi, sedangkan ukuran besaran persegi berbeda-beda. Tambak ikan memiliki bentuk persegi dangan ukuran besar, tambak udang berbentuk persegi dengan ukuran sedang, sedangkan tambak garam berbentuk persegi berukuran lebih kecil. Kenampakan tekstur tambak ikan kasar, tambak udang halus dan terdapat bintik putih pada setiap pojok kotak, sedangkan tambak garam agak kasar. Kenampakan tekstur ini dipengaruhi adanya objek vegetasi pada tambak ikan, adannya kincir angin pada tambak udang dan air tanah pada tambak garam. Dari segi warna tambak dapat diidentifikasi dan diinterpretasi bahwa tambak ikan berwana biru sampai biru asin atau cyan, tambak udang biru sampai hitam dan tambak garam berwana abuabu sampai putih. Kenampakan perbedaan warna ketiga tambak ini kemungkinan disebabkan oleh kadar garam air atau kedalaman air. Dari segi asosiasi tambak ikan terdapat vegetasi mangrove, tambak udang terdapat teknologi kincir angin dan tambak garam terdapat lahan penampungan garam dan infrastruktur jalan. Analisis di atas didasarkan kemampuan kamera multispektral yang memiliki resolusi spektral dan resolusi spasial yang tinggi. Tambak Ikan Tambak Udang Tambak Garam Gambar4. Identifikasi dan Interpretasi Tambak Vegetasi di wilayah pesisir pada penelitian ini yang cukup luas hanya terdapat vegetasi magrove,semak dan sawah. Dengan menggunakan citra kamera multispektral magrove terdapat di wilayah pesisir dengan bentuk tak beraturan, tektur kasar, benrtuk ada yang luas dan sempit memamjang dengan warna hijau sampai kuningberasosiasi dengan pantai. Sawah dilihat dari citra kamera multispektral memiliki bentuk kotak/persegi dengan tektur halus, ukuran sedang sampai besar, berasosiasi dengan permukiman dan sawah berwarana hitam-biru untuk sawah fase air, berwana hijau untuk sawah bervegetasi dan sawah berwarna cyan sampai putih dengan tektur kasar terdapat bintik-bintik hitam atau putih menunjukkan sawah fase bera. Vegetasi ladang/tegalan berdasarkan citra kamera multispektral dapat diidentifikasi dan diinterpretasi berbentuk kotak/persegi, ukuran kecil dengan tekstur alus. -563- Identifikasi dan Interpretasi Visual Citra Kamera Digital Multispektral untuk Objek Wilayah Pesisir(Arifin, S., et al.) Vegetasi Mangove Vegetasi Sawah Vegetasi Ladang/Tegalan Gambar5. Objek Vegetasi di Wilayah Pesisir Sawah Fase Air Sawah Fase Vegetasi Sawah Fase Bera Gambar 6.Kenampakan Fase Sawah pada Citra Kamera Multispectral Berdasarkan hasil identifikasi dan interpretasi citra kamera multispectral permukiman di wilayah pesisir tidak jauh berbeda dengan pemukiman di wilayah daratan. Perbedaan antara permukiman kota dengan permukiman desa terletak pada ukuran atau luasan wilayah yang terbangun. Tekstur, rona, asosiasi antara kota dan desa tidak jauh berbeda. Permukiman pada citra kamera terlihat berwarna merah-magenta-putih dan memiliki tekstur kasar, terlihat jaringan jalan dan berasosiai dengan persawahan dan vegetasi tegalan/ladang. Permukiman Kota Kecamatan Pemukiman Desa Kampung Gambar 7. Kenampakan Permukiman pada Citra Kamera Multispectral Selain objek-objek umum di atas, citra kamera multispectral dapat digunakan untuk identifikasi dan interpretasi objek khusus yang lebih detil. Objek khusus yang dimaksud seperti pelabuhan, gudang, pabrik, gedung perkantoran dan pertokoan, fasilitas umum serta jaringan jalan dan sungai. -564- SEMINAR NASIONALPENGINDERAANJAUH2015 Contoh-contoh objek tersebut dapat dilihat pada gambar di bawah ini. Gedung Perkantoran Gedung Sarana Olah Raga Pasar dan Pertokoan Perumahan Teratur / Kavling Penampungan Hasil Panen Jaringan Jalan dan Sungai Gambar 8. Objek, Jaringan Jalan dan Sungai Detil pada Citra Kamera Multispectral 4. KESIMPULAN Citra kamera multispectral terdiri dari 3 band yaitu Band 1 (Green), Band 2 (Red) dan Band 3 (Near Infra Red). Band-band tersebut setara dengan band TM2, band TM3dan band TM4. Kombinasi RGB yang optimal untuk visualiasi objek pada penelitian ini kombinasi RGB band2 (Red), band1 (Green) dan band3 (NIR) dengan pengkontrasan merah menggunakan histogram linear, hijau menggunakan histogram autoclip dan biru menggunakan gausian equalize. Citra kamera multispektral yang memiliki kemampuan resolusi spasial yang tinggi dan resolusi multispectral dapat digunakan untuk mengidentifikasi dan menginterpretasi objek di wilayah pesisir dengan metode visual berdasarkan kunci-kunci interpretasi. Identifikasi dan interpretasi objek dapat dilihat pada citra dengan mempertimbangkan perbedaan bentuk, ukuran, tekstur, warna dan asosiasi objek dengan objek lainnya secara detil. UCAPAN TERIMAKASIH Terimakasih kami ucapkan pada berbagai pihak yang telah banyak membantu baik material maupun spirituil sehingga penelitian dan tulisan ini dapat terselesaikan. Secara umum ucapat terimakasih kami ucapkan pada pihak Lapan baik pejabat struktural maupun pejabat fungsional. Harapan selanjutnya mohon saran dan masukan agar karya ilmiah ini lebih baik dan lebih sempurna. DAFTAR PUSTAKA Anomim, Agricultural Digital Camera User’s Guide www.tetracam.com Arthur, R.W. (1996). Fundamentals of Electronic Image Processing, SPIE Digital Labrary Bayer, B.E. (1976). Color Imaging Array,” U.S Patent No. 3,971,065 -565- Identifikasi dan Interpretasi Visual Citra Kamera Digital Multispektral untuk Objek Wilayah Pesisir(Arifin, S., et al.) Dony, K., Anas, A., Maryanto, A., Utama, A.A., dan Winanto (2014). Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) Untuk Mendukung Pemetaan Skala Rinci. Prosiding Seminar Nasional Penginderaan Jauh. Lillesand, T.M., dan Keifer, R.W. (1979). Remote Sensing and Image Interpretation. Third Edition. John Willey & Sons, Inc: New York. Lillesand, T.M., dan Keifer, R.W. (1990). Penginderaan Jauh dan Interpretasi Citra. Terjemahan dari: Remote Sensing and Image Interpretation oleh Dulbahri et al. Gadjah Mada University Press: Yogyakarta. Condat, L. (2010). Color filter array design using random patterns with blue noise chromatic spectra “Image and Vision Computing, 28:1196–1202 Purwadhi, S.H. (2007). Penginderaan Jauh dan Aplikasinya. Bahan Bimtek Penginderaan Jauh. Pusat Data Penginderaan Jauh, LAPAN: Jakarta. Purwadhi, S.H., dan Sanjoto, B.T. (2008). Pengantar Intepretasi Citra Penginderaan Jauh. LAPAN-UNES: Jakarta. Ramanath, R., Synder, W.E., Bilbro, G.L., Sander, W.A. (2002). Demosaicking method for Bayer color array. Journal of Electronic Imaging 11(3):306-315 Yuang. (2002). Image enhancement based on equal area dualistic sub-image histogram equalization method *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINAS INDERAJA 2015 Moderator Judul Makalah Pemakalah Jam Tempat Diskusi : Dr. Irawan Muripto : Identifikasi dan Interpretasi Visual Citra Kamera Multispektral untuk Objek Wilayah Pesisir. : Samsul Arifin dkk, PUSFATJA - LAPAN : 09.20 – 09.45 : Ball Room 3 : Syarief Budhiman (PUSFATJA-LAPAN) Kami berharap pemanfaatan dan penggunaannya dapat digunakan lebih detail ke arah pesisir, karena judul penelitian lebih ke konteks objek pesisir. Sehingga pemanfaatannya dapat digunakan untuk memantau sedimentasi, mangrove, tambak dan lain-lainnya. Jika melihat ke depan dari program kegiatan ini nantinya lebih ke arah konteks tata ruang, pemantauan padi, harapan kami hal tersebut juga dapat di implementasikan untuk kegiatan lainnya di bidang wilayah pesisir. Terdapat hal menarik, seperti yang tadi telah disampaikan bahwa penggunaan citra ini setara dengan data LANDSAT, hal ini belum di ungkapkan setaranya dalam hal apa? Mungkin dapat ditunjukkan dalam hal kesetaraan tersebut dengan menunjukkan range Band yang ada pada citra untuk dibandingkan dengan range Band pada citra LANDSAT Muchlisin Arief (PUSFATJA-LAPAN) Harus ada penjelasan lebih rinci terkait kesetaraan citra yang di gunakan dengan data LANDSAT dan perlu adanya pembanding terkait band dan panjang gelombang yang di gunakan. Jawaban Tindak lanjut dari penelitian ini adalah untuk wilayah pesisir. Terkait kesetaraan nantinya akan dilakukan analisis terkait dengan perbandingan Band dan panjang gelombang yang ada pada citra dengan data LANDSAT agar mendapat ukuran yang kuantitatif terkait dengan kesetaraan data yang diharapkan. -566- SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION Dinamika Oseanografi Terhadap Hasil Tangkapan Ikan Pelagis PPN Pengambengan dari Data Satelit MODIS Komang Iwan Suniada1,*), Fikrul Islamy1, Aldino Jusach Saputra1, Sri Hadianti1, Rashita Megah Putra Mahardhika1, dan Eko Susilo1 1 Balai Penelitian dan Observasi Laut, KKP *) E-mail: [email protected] ABSTRAK - Sebaran kelimpahan dan distribusi ikan pelagis dipengaruhi oleh dinamika oseanografi. Selat Bali dan sekitarnya secara signifikan dipengaruhi oleh massa air yang berasal dari Samudra Hindia, yang dikenal memiliki produktivitas primer yang tinggi. Tujuan dari penelitian ini adalah untuk mengetahui karakteristik oseanografi perairan Selat Bali dan dampaknya terhadap hasil tangkapan ikan pelagisyang mendarat di Pelabuhan Perikanan Nasional Pengambengan. Data penangkapan diperoleh dari Pelabuhan Perikanan Nasional Pengambengan yang berisi informasi seperti daerah fishing ground, frekuensi tangkapan, dan tangkapan ikan pelagis selama tahun 2014. Satelit AQUA MODIS data suhu permukaan laut (SST) dan konsentrasi klorofil-a (CHL-a) bulanan digunakan untuk mengetahui kondisi oseanografi terhadapan hasil tangkapan ikan. Hasil tangkapan tertinggi terjadi pada bulan Oktober sebesar 1.445.550 kg. Tangkapan ikan besar terdiri dari lemuru dan tongkol lisong. Data satelit menunjukkan tangkapan tertinggi terjadi di sekitar perairan dengan SST kisaran antara 26,66°Csampai 27,40°C dengan nilai rata-rata 26,93°C dan CHL-a antara 0,5035 ke 2,8790 mg/m3 dengan rata-rata 1,1956 mg/m3. Daerah penangkapan ikan dan pola migrasi dari hasil tangkapan ikan pada tahun 2014 bersama dengan perubahan kondisi oseanografi juga mengikuti pola monsun. Kata kunci: Ikan Pelagis, PPN Pengambengan, Aqua MODIS ABSTRACT - The abudance and distribution of pelagic fish are affected by the oceanographic dynamics. Bali Strait and the surrounding waters are significantly influenced by the water mass coming from the Indian Ocean, which have high primary productivity. The aim of this study is to investigate the oceanography characteristics of Bali Strait waters and its impact on pelagic fish catches landed in National Fishing Port Pengambengan. Fisheries data was obtained from National Fishing Port Pengambengan, which contains information such as fishing areas, fishing frequency, and pelagic fish catches during 2014. Monthly and seasonal composite of AQUA MODIS satellite data such us sea surface temperature (SST) and concentration of chlorophyll-a (Chl-a) were used to identify the impact of oceanographyc condition and fish landed. The highest pelagic fish catch occurred in November amounted to 1.445.550 kg. The major fish catches consist of tembang, lemuru, dan tongkol lisong. Satellite data showed the highest fishing occurs around waters with SST range between 26,66°C to 27,40°C with an average value of 26,93°C and Chl-a between 0,5035 to 2,8790 mg/m3 with a average of 1,1956 mg/m3. Fishing areas and migratory patterns of fish catches in 2014 along with changes in oceanographic conditions also follow the pattern of the monsoon. Keywords: pelagis fish, PPN Pengambengan, Aqua MODIS 1. PENDAHULUAN Sebaran kelimpahan dan distribusi ikan pelagis dipengaruhi oleh dinamika oseanografi. Beberapa parameter kondisi lingkungan laut tersebut antara lain suhu air laut, arus laut, salinitas, dan ketersediaan makanan. Suhu merupakan parameter oseanografi yang berpengaruh sangat dominan terhadap kehidupan ikan.Setiap jenis ikan mempunyai suhu optimum untuk kehidupannya (Laevastu& Hela, 1970).Pengetahuan mengenai suhu optimum dari suatu spesies ikan dapat dijadikan dasar dalam menduga keberadaan ikan.Pada kondisi suhu yang cocok ikan cenderung memiliki selera makan yang lebih baik.Gerombolan ikan biasanya dijumpai pada daerah pertemuan antara dua massa air yang memiliki perbedaan suhu (front suhu). Front suhu dicirikan pertemuan massa air dingin dengan masa air sekelilingnya yang memiliki perbedaan suhu 120C (Mann & Lazier, 1996). Selain suhu, pergerakan migrasi ikan secara alamiah mengikuti pola pergerakan arus sebagai alat orientasi ikan (Lavastu & Hayes, 1981). Arus laut dapat berupa arus pasang surut maupun pergerakan massa air secara global. Gerombolan ikan biasanya dijumpai pada daerah pertemuan antara dua arus (front arus). Sedangkan salinitas berpengaruh terhadap berlangsungnya proses biologis yang secara langsung mempengaruhi laju pertumbuhan, jumlah makanan yang dikonsumsi, nilai konversi makanan, dan daya kelangsungan hidup. Pengamatan faktor-faktor oseanografi perairan baik parameter fisika (suhu permukaan, angin, tinggi muka laut, gelombang, dan salinitas permukaan) maupun kualitas air (konsentrasi klorofil-a permukaan) - 567 - Dinamika Oseanografi Terhadap Hasil TangkapanIkanPelagis PPN Pengambengan dari Data Satelit MODIS (Suniada, K.I., et al.) dapat dilakukan melalui teknologi penginderaan jauh. Berbagai data dalam skala global maupun regional tersedia untuk keperluan monitoring dinamika laut. Kehadiran teknologi inderaja laut memungkinkan pemantauan kondisi lingkungan dapat dilakukan dengan lebih efesien dan cepat. Salah satu satelit oseanografi yang dapat mengukur suhu permukaan laut dan kandungan klorofil-a yaitu satelit MODIS (Moderate Resolution Imaging Spectroradiometer). Karakteristik data MODIS adalah 12 bits dan memiliki 36 band dengan resolusi spasial 250 m untuk band 1 dan 2, 500 m untuk band 3 hngga 7 dan I km untuk band 8 hingga 36. Selain untuk pemantauan kondisi lingkungan data MODIS juga digunakan untuk penentuan lokasi penangkapan ikan pelagis, salah satunya ikan lemuru (Susilo et al., 2015). Selat Bali merupakan perairan semi tertutup yang menghubungkan Laut Bali di bagian utara dan Samudera Hindia di bagian selatan. Perairan Selat Bali dengan kondisi batimetri yang dangkal dan sempit di bagian utara berakibat pada kecepatan arus permukaan menjadi tinggi, baik dikarenakan adanya aliran air yang masuk ke Selat Bali maupun yang keluar dari Selat Bali.(Priyono et al., 2008). Massa air yang masuk dan keluar perairan Selat Bali cenderung berasal dari massa air permukaan. Sirkulasi massa air di perairan Selat Bali masuk dari arah Samudera Hindia (selatan-tenggara) menuju ke Laut Bali (utara-barat laut) (Pranowo dan Realino, 2006). Secara oseanografi Selat Bali dipengaruhi oleh siklus musim. Musim timur (southeast monsoon) terjadi pada bulan Juni – September, sedangkan musim barat (northwest monsoon) terjadi pada bulan Desember – Maret. Saat musim timur Selat Bali mendapatkan masukkan nutrien akibat proses upwelling yang terjadi di Samudera Hindia Selatan Jawa-Bali. Daerah upwelling adalah daerah potensial untuk kegiatan perikanan, karena kaya akan sumber makanan untuk keberlangsungan larva, juvenile dan ikan dewasa. (Hendiarti et al., 2004; Hendiarti et al., 2005). Pengaruh dari El Niño Southern Oscillation (ENSO) dan Indian Ocean Dipole (IOD) di Selat Bali juga sangat kuat. Sejumlah penelitian mengenai berbagaifaktorlingkungan oseanografi diantaranya parameter fisika, kimia danbiologi(khusus aspek perikanan) serta produktivitas primer telah dilakukan diperairanSelatBali. Kegiatan penangkapan lemuru terjadi pada kisaran suhu permukaan laut antara 25–26,5oC dan konsentrasi klorofil-a sebesar 0,25–0,65 mg/m3 (Susilo, 2015). Sartimbul et al., (2010) menyebutkan pendaratan lemuru yang sangat tinggi pada tahun akhir tahun 2006 hingga awal tahun 2007 akibat pengaruh El Nino yang kuat di Samudera Pasifik dan IOD positif di Samudera Hindia. Pada periode ini intensitas upwelling mengalami penguatan di bandingkan periode normal yang menyebabkan peningkatan konsentrasi klorifil-a di perairan Selat Bali.Tujuan dari penelitian ini adalah untuk mengetahui karakteristik oseanografi perairan Selat Bali dari data satelit oseanografi dan dampaknya terhadap hasil tangkapan ikan pelagis yang didaratkan di Pelabuhan Perikanan Nasional (PPN) Pengambengan. 2. METODE 2.1 Data Tangakapan Ikan Penelitian dilakukan di perairan Selat Bali berdasarkan data penangkapan ikan dari PPN Pengambengan selama tahun 2014 (Gambar 1).Data penangkapan ikan meliputi informasi lokasi penangkapan, jumlah dan jenis hasil tangkapan ikan. Hasil tangkapan harian dijumlahkan menjadi hasil tangkapan bulanan dengan resolusi spasial 10x10 km. Selanjutnya data penangkapan dan data satelit osenografi dilakukan overlay untuk mengetahui kondisi perairan pada saat penangkapan ikan. 2.2 Data Satelit Oseanografi Data satelit oseanografi menggambarkan kondisi lingkungan perairan dan saat terjadinya kegiatan penangkapan ikan.Parameter yang diamati berupa suhu permukaan lautdan konsentrasi klorofil-a baik dalam skala bulanan maupun musiman level 3 resolusi spasial 4 km yang direkam oleh sensor Moderate Resolution Imaging Spectoradiometer (MODIS) pada satelit Aqua. Data-data tersebut dapat diunduh melalui portal oceancolor (http://oceancolor.gsfc.nasa.gov/).Deliniasi nilai suhu permukaan laut antara 20-35oC dan nilai konsentrasi klorofil-a antara 0,1 – 3 mg/m3. Data komposite bulanan dan musim digunakan untuk mengetahui dinamika oseanografi Selat Bali, baik akibat pengaruh musim dan iklim regional dan kondisi perairan di lokasi penangkapan ikan.Perubahan kondisi oseanografi direpresentasikan oleh nilai rata-rata suhu permukaan laut dan konsentrasi klorofil-a pada area 7,3oS-10oS dan 113,5oE-115oE (Gambar 1). - 568 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Gambar 1.Batasan lokasi penelitian . 3. HASIL DAN PEMBAHASAN 3.1 Dinamika Oseanografi di Selat Bali Sebaran suhu permukaan laut di lokasi penelitian menunjukkan kuatnya pengaruh musim terhadap kondisi oseanografi Selat Bali. Pola pergerakan angin selama periode musim menyebabkan pergerakan massa air sesuai dengan arah pergerakan angin. Menurut Pranowo dan Realino (2006) pada musim timur (southeast monsoon) angin bertiup dari tenggara menuju barat laut yang menyebabkan pengangkatan massa air di selatan Jawa-Bali. Fenomena upwelling dicirikan nilai suhu relatif rendah dan konsentrasi klorofil-a tinggi. Suhu permukaan laut terekam dingin di seluruh perairan Selat Bali pada musim timur dengan kisaranantara 25,44– 28,10oC (Gambar 2.a). Secara spasial suhu permukaan laut Selat Bali bagian selatan lebih hangat dibandingkan dengan bagian utara. Nilai rata-rata suhu permukaan laut pada masing-masing musim barat, peralihan 1, timur dan peralihan 2 secara berurutan sebagai berikut 29,87oC, 30,12oC, 26,85oC dan 27,34oC. Rendahnya suhu permukaan laut di bagian selatan mengindikasikan terjadinya upwelling dan pergerakan massa air Laut Samudera Hindia yang bergerak memasuki Selat Bali menuju Laut Jawa.Sirkulasi massa air di perairan Selat Bali masuk dari arah Samudera Hindia menuju ke Laut Bali (Pranowo &Realino, 2006). Konsentrasi klorofil pada musim timur mencapai kisaran 0,26 – 2,82 mg/m3(Gambar 2.b). Nilai konsentrasi klorofil-a berbanding terbalik dengan suhu permukaan laut. Nilai rata-rata konsentrasi klorofil-a pada masing-masing musim barat, peralihan 1, timur dan peralihan 2 secara berurutan sebagai berikut 0,18 mg/m3, 0,36 mg/m3, 1,05 mg/m3 dan 1,04 mg/m3.Safitri et al., (2014) menunjukkan bahwa kandungan klorofil–a dan nitrat di perairan selatan Selat Bali pada akhir musim timur memiliki nilai yang tinggi pada perairan terbuka dekat Samudera Hindia. Keberadaan klorofil-a memiliki hubungan cukup signifikan dengan nilai nitrat di Perairan Selatan Selat Bali. Konsentrasi klorofil-a menyebar secara horisontal dari Selat Bali bagian selatan menuju ke bagian utara. Sedangkan stratifikasi konsentrasi klorofil-a di Selat Bali bagian tengah terlihat lebih beragam berdasarkan kedalaman. Diperairan yang dekat dengan Pulau Jawa terdapat konsentrasi klorofil-a maksimum dan minimum dikedalaman 20 meter, sedangkan di perairan dekat dengan Pulau Bali hanya terdapat konsentrasi klorofil-a minimum. Konsentrasi klorofil-a maksimum dan minimum diperairan bagian selatan tersebar luas dari perairan dekat dengan Pulau Jawa maupun perairan dekat dengan Pulau Bali dan terdistribusi sampai kedalaman 30 meter.Perairan bagian selatan yang mewakili Samudera Hindia sebagai pintu masuk maupun keluar sirkulasi massa air dan percampuran massa air akan dapat mempengaruhi produktivitas primer suatu perairan. Konsentrasi klorofil-a diperairan Selat Bali dipengaruhi oleh massa air yang masuk dan keluar selat, dimana massa air tersebut berasal dari massa air permukaan, sehingga ketersediaan nutrien dikolom perairan yang lebih dalam tidak ikut keluar mengikuti pergerakan massa air (Rintaka et al., 2015). - 569 - Dinamika Oseanografi Terhadap Hasil TangkapanIkanPelagis PPN Pengambengan dari Data Satelit MODIS (Suniada, K.I., et al.) (a) (b) Gambar 2. Komposit Bulanan Data Citra Aqua-MODIS Tahun 2014. (a) Suhu Permukaan Laut, (b) Konsentrasi Klorofil -a - 570 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 3.2 Karakteristik Daerah Penangkapan Ikan Komposisi hasil tangkapan ikan yang didaratkan di PPN Pengambengan tahun 2014 di dominasi oleh ikan pelagis kecil.Komposisi hasil tangkapan ikan terbesar terdiri dari lemuru, tongkol, tenggiri dan layang.Penyebaran daerah peanngkapan ikan bervariasi sepanjang tahun khususnya di sepanjang pesisir barat Pulau Bali. Pada bulan Juni kegiatan penangkapan tidak terlalu menyebar dan terkonsentrasi di sekitar perairan PPN Pengambengan bagian selatan. Memasuki bulan Juli, jumlah kegiatan penangkapan cenderung menurun dan berada pada wilayah – wilayah tertentu saja. Pada bulan Agustus dan September kegiatan penangkapan ikan lebih menyebar sepanjang pulau Bali bagian barat daya dengan hasil tangkapannya lebih sedikit. Peningkatan yang signifikan terjadi pada bulan Oktober. Kegiatan penangkapan terkonsentrasi pada daerah tertentu yang merupakan pusat kesuburan perairan sehingga mendapatkan hasil yang jauh lebih tinggi dibandingkan bulan sebelumnya. Pada musim barat kegiatan penangkapan ikan relatif stabil, dengan tangkapan tertinggi di bulan Maret sebesar 623.601 kg. Kegiatan penangkapan ikan tersebar di bagian selatan dan tenggara PPN Pengambengan pada bulan Januari sedangkan pada bulan Februari jumlah kegiatan penangkapan ikan menurun cukup signifikan. Memasuki bulan Maret penyebaran kegiatan penangkapan ikan mulai mengalami peningkatan. Hal ini terlihat dari sebaran daerah penangkapan yang merata di sekitar perairan Selat Bali yang berlangsung hingga bulan Mei. Januari2014 Februari 2014 Maret 2014 April 2014 Mei 2014 Juni 2014 Juli 2014 Agustus 2014 Oktober 2014 November 2014 September 2014 Desember2014 Gambar 3.Sebaran Spasial Hasil Tangkapan Ikan Nelayan PPN Pengambengan Tahun 2014 Kegiatan penangkapan ikan lemuru di perairan Selat Bali hampir terjadi di sepanjang musim, baik pada saat musin timur maupun musim barat. Pada musim timur peningkatan konsentrasi klorofil-a permukaan berbanding lurus dengan aktivitas dan jumlah tangkapan ikan. Memasuki bulan Oktober jumlah tangkapan ikan mengalami peningkatan yang signifikan mencapai 1.445.550 kg. Ikan lemuru mendominasi hasi ltangkapan dengan jumlah mencapai 1.443.750 kg, sedangkan sisanya berupa ikan tongkol dan pilok. Sedangkan pada musim barat hingga peralihan menuju timur nilai produksi mencapai nilai tertinggi sebesar - 571 - Dinamika Oseanografi Terhadap Hasil TangkapanIkanPelagis PPN Pengambengan dari Data Satelit MODIS (Suniada, K.I., et al.) 623.601 kg pada bulan Maret dan rata-rata bulanan sebesar 291.256 kg (Gambar 4). Menurut Rintaka et al., (2015) jumlah tangkapan ikan lemuru maksimum terjadi pada saat musim timur terutama pada bulan September – Desember, sedangkan puncak penangkapan lemuru terjadi pada bulan Nopember. Selama musim timur (Juni – Agustus) terjadi peningkatan intensitas upwelling di Selatan Jawa dan Selat Bali yang eksistensinya ditunjukkan dengan perairan yang kaya akan nutrien dan tingginya produktivitas primer, bila dikaitkan dengan puncak penangkapan lemuru di perairan Selat Bali terjadi time lag antara maksimum intensitas upwelling dengan maksimum jumlah tangkapan. Hal ini kemungkinan disebabkan makanan utama lemuru berupa zooplankton (diatom) bukan phytoplankton, sehingga diperlukan tenggang waktu (time lag) dalam rantai makanan dari khlorofil sampai ke zooplankton. Lemuru tergolong ikan pelagis kecil dalam famili clupeidae, pemakan penyaring (filter feeder) dengan makanan utama berupa fitoplankton dan zooplankton. Pradini et al., (2011) menyebutkan bahwa makanan utama lemuru pada bulan Agustus berupa fitoplankton (Coscinodiscus sp. dan Pleurosigma sp.). Selain itu juga ditemukan Peridinium sp. sebagai makanan sekunder lemuru. Berdasarkan analisis data satelit bulanan pada lokasi penangkapan ikan menunjukkan adanya variasi konsentrasi klorofil-a tahun 2014. Peningkatan konsentrasi klorofil-a terjadi sejak awal musim peralihan hingga akhir musim timur pada kisaran 0,25 – 2,97 mg/m3 dan rata-rata bulanan dalam setahun 2014 sebesar 0,66 mg/m3. Penangkapan ikan tertinggi terjadi pada kisaran konsentrasi klorofil-a antara 0,50 - 2,88 mg/m3 dengan nilai rata-rata sebesar 1,20 mg/m3 (Gambar 4). Sedangkan suhu permukaan laut berkisar 26,66 27,40oC dengan nilai rata-rata sebesar 26,93oC (Gambar 4). Pada bulan Januari mulai terjadi peningkatan suhu permukaan laut hingga puncak pada bulan Maret dengan kisaran rata- rata suhu puncak mencapai 29,80oC. Pada kurun waktu yang sama klorofil-a diawal bulan Maret terjadi peningkatan dengan rata-rata nilai 0,29 mg/m3 dan ditinjau dari hasil tangkapan dengan jumlah 623.601kg merupakan jumlah tangkapan tertinggi antara bulan Januari - September 2014. Kemudian klorofil-a terus meningkat hingga bulan Agustus dengan kisaran 0,26– 2,82 mg/m3 dengan nilai rata – rata 1,42 mg/m3 tetapi tidak disertai dengan meningkatnya jumlah tangkapan dari Juni, Juli dan Agustus dengan jumlah tangkapan berurut 207.922kg, 64.698kg, dan 298.950kg. Pada musim timur ini, nilai rata-rata suhu permukaan laut sedikit menurunmulai 27,37 oC, 27,08 oC dan 26,08oC diikuti dengan pola klorofil sedikit meningkat dengan nilai 0,85 mg/m3, 0,88 mg/m3dan 1,42 mg/m3 hingga pada pada musim peralihan II di bulan Oktober nilai jumlah tangkapan tertinggi pada tahun 2014. Namun sangat disayangkan data penangkapan ikan pada bulan Nopember dan Desember tidak tersedia, sehingga tidak dapat disimpulkan apakah peningkatan jumlah tangkapan ikan terus berlanjut hingga akhir musim peralihan II. Gambar 4.Hubungan Suhu Permukaan Laut (deg-C), Konsentrasi Klorofil-a (mg/m3) dan Hasil Tangkapan Ikan (kg) Tahun 2014 4. KESIMPULAN Dinamika oseangrafi perairan Selat Bali dipengaruhi oleh sistem monsoon yang mempengaruhi sebaran suhu permukaan laut, kesuburan perairan, sebaran daerah penangkapan ikan nelayan dan hasil tangkapan ikan di PPN Pengambengan. Komposisi utama hasil tangkapan terdiri dari ikan lemuru, tongkol, tenggiri dan layang. Hasil tangkapan ikan pelagis bulanan rata-rata sebesar sebesar 453.104 kg dengan nilai tertinggi - 572 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 terjadi pada bulan Oktober mencapai 1.445.550 kg (1.443.750 kg diantaranya merupakan ikan lemuru). Penangkapan ikan tertinggi terjadi pada kisaran konsentrasi klorofil-a antara 0,50 - 2,88 mg/m3 dengan nilai rata-rata sebesar 1,20 mg/m3 dan suhu permukaan laut berkisar 26,66 - 27,40oC dengan nilai rata-rata sebesar 26,93oC. UCAPAN TERIMAKASIH Ucapan terima kasih disampaikan kepada pengelola data respon balik PPN Pengambenganyang telah membantu dalam proses pengumpulan data penangkapan ikan selama periode tahun 2014. DAFTAR PUSTAKA Hendiarti, N., Suwarso, E., Aldrian, K., Amri, R., Andiastuti, S.I., Sachoemar, dan Wahyono, I.B. (2005). Seasonal Variation of Pelagic Fish Catch Around Java. Oceanography 18(4):112-123. Hendiarti, N., Siegel, H., dan Ohde, T. (2004). Investigation of different oastal processes in Indonesian waters using SeaWiFS data.Deep-Sea Research II 51:85–97. Laevastu, T., dan Hayes, L.M. (1981). Fisheries Oceanography and Ecology. Fishering News Book Ltd. New York. Laevastu, T., dan Hela, I. (1970). Fisheries Oceanography. Fishering News Book Ltd. London. Mann, K.H., dan Lazier, J.R.N. (1996). Dynamic of Marine Ecosystem, Biological-Physical Interaction in The Oceans, Second edition, Blackwell Science. USA. Pradini, S., Rahardjo, M.E., dan Kaswadji, R. (2011). Kebiasaan Makanan Ikan Lemuru (Sardinella lemuru) di Perairan Muncar, Banyuwangi. Jurnal Iktiologi Indonesia, 1(1): 41-45. Pranowo, W.S., dan Realino, B. (2006). Sirkulasi Arus Vertikal di Selat Bali Pada Monsun Tenggara 2004. Balai Penelitian dan Observasi Laut. Bali. Priyono, B., Yunanto, A., dan Wibawa, T.A. (2008). Karakteristik Oseanografi dalam Kaitannya dengan Kesuburan Perairan di Selat Bali. Balai Penelitian dan Observasi Laut. Bali. Qu, T., Du, Y., Strachan, J., Meyers, G., dan Slingo, J. (2005). Sea Surface Temperure and Its variability In the Indonesian Region. Oceanography18 (4): 88-97. Rintaka, W.E., Susilo, E., dan Hastuti, A.W. (2015). Pengaruh In-Direct Upwelling Terhadap Jumlah Tangkapan Lemuru Di Perairan Selat Bali. Prosiding Seminar Nasional Perikanan dan Kelautan V, Universitas Brawijaya. Safitri, W., Hariadi, dan Sugianto, D.N. (2014). Analisa hubungan nitrat terhadap distribusi khlorofil-a di perairan selata Selat Bali pada musim timur. J. Oseanogr 3(1):7-15. Sartimbul, A., Nakata, H., Rohadi, E.,Yusuf, B., dan Kadarisman, H.P. (2010). Variations in Chlorophyll–a Concentration and The Impact on Sardinella lemuru Catches in Bali Strait, Indonesia. Progress in Oceanography, 87: 168-175. Susilo, E. (2015). Variabilitas Faktor Lingkungan pada Habitat Ikan Lemuru di Selat Bali Menggunakan Data Satelit Oseanografi dan Pengukuran Insitu. Omni Akuatika XIV(20):13-22. Susilo, E., Wibawa, T.A., dan Wijaya, A. (2015). Pendugaan Daerah Penangkapan Ikan Lemuru Di Selat Bali Berbasis Rantai Makanan Menggunakan Data Satelit Osenografi. Prosiding Seminar Nasional Geografi – Universitas Muhammadiyah Surakarta 2015. Wudianto. (2001). Analisis Sebaran dan Kelimpahan Ikan Lemuru (Sardinella lemuru Bleeker, 1853) di Perairan Selat Bali: Kaitannya dengan Optimasi Penangkapan. Disertasi Sekolah Pasca Sarjana. Institut Pertanian Bogor. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINAS INDERAJA 2015 Moderator Judul Makalah Pemakalah Jam Tempat Diskusi : : Dr. Irawan Muripto : Dinamika Oseanografi Terhadap Hasil Tangkapan Ikan Pelagis PPN Pengambengan dari Data Satelit MODIS. : Eko Susilo dkk, KKP : 09.45 – 10.00 : Ball Room 3 Reliana(Balai Observasi Laut, KKP) Kami akan sharing terkait dengan penelitian yang telah kami lakukan sebelumnya. Tadi telah dikatakan bahwa pengaruh oceanografinya dari IODI, ENSO, sedangkan data yang digunakan dalam penelitian tersebut adalah data satu tahun pada 2014. Penelitian ini analisis nya akan lebih tajam jika langsung dilakukan waktunya berdasarkan analisis musim, karena data yang digunakan hanya satu tahun. Jika hal ini dikaitkan dengan IODI tentunya akan diperlukan data yang lebih panjang karena perlu analisis intratransisional yang hal itu tidak cukup jika dilakukan menggunakan data - 573 - Dinamika Oseanografi Terhadap Hasil TangkapanIkanPelagis PPN Pengambengan dari Data Satelit MODIS (Suniada, K.I., et al.) satu tahun saja. Fenomena yang menarik di Selatan Jawa-Bali pada Selat Bali sampai Selat Banyuwangi adalah fenomena upweling yang tetap yang terjadi sepanjang musim. Jika hal ini dikaitkan dengan IODI pada bulan Juli 2014 yang memiliki nilai Positif, maka belum tentu pada bulan Juli tahun berikutnya nilai IODI akan positif, sehingga analisis terkait dengan acuan musim perlu dilakukan. Dony Kushardono (PUSFATJA-LAPAN) Tema cukup menarik berkaitan dengan pemanfaatan data penginderaan jauh untuk tangkap ikan dan berkaitan dengan fenomena globalnya. Kenapa data yang di pakai adalah data AQUA MODIS? apakah karena data diakusisi sekitar jam 13.30 WIB apakah karena pada siang hari sehingga temperatur diwilayah tersebut dianggap cukup mewakili untuk keperluan analisis. Kanapa tidak menggunakan data TERRA MODIS yang diakusisi waktunya pagi hari, karena kalo menggunakan data pada saat siang hari biasanya pertumbuhan awan sudah mulai tinggi dan posisi sensor dengan matahari sudah mulai sejajar, sehingga sunklin akan tinggi pula. Jika hal ini diterapkan untuk kajian seperti klorofil akan ada masalah dalam hasil pengolahannya. Tatapi apakah ada alasan khusus terkait hal ini sehingga tetap digunakan data AQUA MODIS. Jawaban Terimakasih untuk masukannya, penelitian ini mengacu pada penelitian sebelumnya (melanjutkan). Sehingga data yang dipakai masih 1 tahun, dan mungkin akan bertambah untuk tahun berikutnya. Menggunakan AQUA MODIS, karena dilihat dari sensor thermal. Pada penelitian lanjutan akan mencoba diterapkan dengan menggunakan citra TERRA MODIS. - 574 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORALPRESENTATION Pemanfaatan Data Landsat 8 Untuk Penentuan Lokasi Budidaya Rumput Laut Di Perairan Lombok Hamdi Eko Putranto1,*), Maryani Hartuti1, Anneke K.S. Manoppo1, dan Emiyati1 1 Pusat Pemanfaatan Penginderaan Jauh, Lembaga Penerbangan dan Antariksa Nasional (LAPAN) *) E-mail: [email protected] / [email protected] ABSTRAK-Perairan Lombok merupakanwilayah lokasi budidaya rumput laut.Oleh karena itu, parameter-parameter biofisik di daerah tersebut penting untuk dikaji untuk menentukan daerah-daerah yang dapat dijadikan lokasi budidaya yang baik.Tujuan penelitian ini adalah untuk mengetahui lokasi di Perairan Lombok yang cocok untuk dijadikan lokasi budidaya.Data yang digunakan adalah data Landsat 8 path/row 116/066 tanggal 19 September 2014.Analisis kesesuaian lokasi budidaya rumput laut dilakukan menggunakan masukan parameter muatan padatan tersuspensi (MPT), suhu permukaan laut (SPL), kedalaman perairan, dan keterlindungan lokasi. Dari distribusi kandungan MPT dan SPL, seluruh perairan Lombok memenuhi kriteria fisik MPT dan SPL untuk budidaya rumput laut. Hasil klasifikasi kedalaman menunjukkan bahwa kelas sesuai dan cukup sesuai berada di seluruh perairan pesisir barat, selatan, dan timur Lombok. Sedangkan hasil klasifikasi keterlindungan menunjukkan lokasi perairan yang terlindung dan cukup terlindung di sebagian besar pesisir selatan, yaitu di Teluk Gerupuk dan Teluk Awang di Kabupaten Lombok Tengah, dan Sekotong di Kabupaten Lombok Barat. Lokasi yang terlindung di bagian utara Pulau Lombok adalah di sekitar pulau Gili Air, Gili Meno, dan Gili Trawangan di Kabupaten Lombok Utara dan Pulau Gili Sulat, Gili Lawang, dan Gili Petangan di Kabupaten Lombok Timur.Lokasi perairan yang sesuai untuk budidaya rumput laut seluas 779,36 hektar berada di perairan Teluk Awang dan Teluk Gerupuk di Kabupaten Lombok Tengah, dan perairan Sekotong di Kabupaten Lombok Barat. Lokasi yang cukup sesuai untuk budidaya rumput laut seluas 2.160,97 hektar berada di perairan Teluk Awang, Teluk Gerupuk, Sekotong, dan Gili Sunut (Lombok Timur). Kata kunci: kedalaman, keterlindungan, Lombok, MPT, Landsat 8, rumput laut, SPL ABSTRACT- Lombok waters is seaweed cultivation location. Therefore, the bio-physical parameters in this location are important to studied to find a good seaweed cultivation location. The aim of this study is to find a good seaweed cultivation lacation in Lombok waters. The data used in this research is Landsat 8 data path /row 116/066 on September 19th, 2014. Analysis of the suitability of the location for seaweed cultivation was done using parameters of the total suspended solid (TSS), sea surface temperature (SST), the depth of waters, and water shelter location. From the distribution of the TSS and STT, Lombok waters meet the physical criteria of TSS and STT for seaweed cultivation. The result of water depth classification shows that suitable and quite suitable location in west, south, and east coast of Lombok. While the classification result of water shelter location shows the most protected and sheltered are in south coast, which is Gulf of Gerupuk and Gulf Awang in Central Lombok and Sekotong in West Lombok. Protected location in northern part of the island of Lombok are in Gili Air, Gili Meno, and Gili Trawangan island in North Lombok and Gili Sulat, Gili Lawang, and Gili Petangan island in East Lombok. Waters location that suitable for seaweed cultivation are 779.36 hectares in Gulf Awang and Gulf Gerupuk in Central Lombok, and the waters of Sekotong in West Lombok. While the quite suitable locaion for seaweed cultivation are 2160.97 hectares in the Gulf Awang, Gulf Gerupul, Sekotong, and Gili Sunut island (East Lombok) Keywords: Landsat 8, Lombok, TSS, seaweed, SST, water depth, water shelter 1. PENDAHULUAN Pemilihan lokasi yang tepat merupakan faktor yang penting dalam menentukan kelayakan usaha budidaya demi keberhasilan budidaya (Muir & Kapetsky, 1998; Sukandi, 2002). Beberapa pertimbangan yang yang perlu diperhatikan dalam penentuan lokasi adalah kondisi teknis yang terdiri dari parameter fisik, kimia dan biologi dan non teknis yang berupa pangsa pasar, keamanan dan dan sumberdaya manusia (Milne, 1979; Pillay, 1990). Salah satu kesalahan dalam pengembangan budidaya adalah lingkungan perairan yang tidak cocok. Kegiatan penelitian untuk kesesuaian lokasi budidaya rumput laut dari data penginderaan jauh telah banyak dilakukan. Sulma et al. (2005) melakukan kegiatan di Kepulauan Seribu (Rumput laut dan KJA). Sulma et al. (2007) melakukan kegiatan pemanfaatan data penginderaan jauh untuk kajian potensi budidaya perikanan laut di Bali (rumput laut dan KJA). Sulma et al. (2008) melakukan kegiatan pemanfaatn penginderaan jauh untuk identifikasi kesesuaian budidaya rumput laut di Bali. Tahun 2013 Hasyim et al. - 575 - Pemanfaatan Data Landsat 8 Untuk PenentuanLokasiBudidayaRumputLaut Di Perairan Lombok (Putranto, H.E., et al.) melakukan kegiatan Pengembangan model pemanfaatan data penginderaan jauh untuk penentuan lokasi budidaya rumput laut. Tujuan penelitian ini adalah untuk penentuan kesesuaian lokasi budidaya rumput laut di daerah Lombok menggunakan data Landsat 8. Perairan Pulau Lombok, Propinsi Nusa Tenggara Barat menjadi lokasi yang dipilih dengan pertimbangan Propinsi Nusa Tenggara Barat, khususnya di Pulau Lombok merupakan wilayah lokasi budidaya laut, diantaranya adalah budidaya rumput laut. Disamping itu, Kementerian Kelautan dan Perikanan menetapkan Pulau Lombok juga menjadi daerah penelitian untuk pengembangan blue economy1. 1.1 Sub Judul Level 2 1.1.1 Sub Judul Level 3 2. METODE 2.1 Lokasi Penelitian Lokasi kajian dalam pengembangan model pemanfaatan data penginderaan jauh untuk ekstraksi informasi MPT dan SPL dari data Landat 8 untuk penentuan lokasi budidaya laut adalah seluruh pesisir perairan Lombok. Lokasi kajian tersebut dapat dilihat pada Gambar 1. Gambar 1. Lokasi Kajian Penelitian 2.2 Data Data yang digunakan adalah data Landsat 8 path/row 116/066 tanggal 19 September 2014 Liputan data Landsat 8 yang digunakan terdapat pada Gambar 1. 2.3 Metodologi Tahap awal pengolahan data dilakukan dengan melakukan pemilihan data Landsat 8 yang memiliki tutupan awal yang minimal sehingga parameter seperti MPT dan SPL dapat terlihat dengan baik. Dari hasi seleksi, didapatkan data yang paling baik adalah data Landsat 8 pada tanggal 19 September 2014. Selanjutnya dilakukan pengolahan data awal yang meliputi koreksi radiometrik dan atmosferik dengan tujuan untuk mengurangi atau menghilangkan noise pada data citra satelit. Proses koreksi radiometrik adalah konversi nilai digital data penginderaan jauh menjadi nilai radiansi. Pada data Landsat 8 persamaan yang digunakan adah sebagai berikut: Lλ = MLQcal + AL .....(1) dimana : - 576 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Lλ ML Qcal AL : : : : Nilai radiansi (watt/(m2*ster*µm)) Nilai radiansi multiband Nilai digital number yang telah terkalibrasi Nilai radiansi additionalband Sedangkan proses koreksi radiometrik adalah konversi nilai digital data penginderaan jauh menjadi nilai radiansi. Pada data Landsat 8 persamaan yang digunakan adah sebagai berikut: ρλ' = MρQcal + Aρ …..(2) dimana : ρλ' : Nilai reflektansi Mρ : Nilai reflektansi multiband Qcal : Nilai digital number yang telah terkalibrasi Aρ : Nilai reflektansi additionalband Penurunan model MPT dilakukan menggunakan regresi antara reflektansi citra dengan konsentrasi MPT in situ. Reflektansi citra yang digunakan adalah data Landsat 8 kanal 4, yaitu kanal visible warna merah, dengan panjang gelombang 0.636-0.673 m. Model yang digunakan merupakan modifikasi dari model Budhiman (2004) yaitu model eksponensial. MPT diperoleh sebagai berikut: Y = 10,308 x e14,228L4 dimana : Y : konsentrasi MPT L4 : reflektansi kanal 4 Landsat 8 Sedangkan untuk model algoritma SPL yang digunakan memanfaatkan nilai suhu efektif atau brightness temperature dari kanal 6 Landsat 8. Konversi spektral radian menjadi nilai suhu efektif untuk data Landsat menggunakan persamaan berikut: T = K2 / ln ((K1 / L) + 1).....(3) dimana : T : Suhu efektif satelit (Kelvin) K2 : Konstanta kalibrasi 2 = 1282,71 (Kelvin) K1 : Konstanta kalibrasi 1 = 666,09 (watt/(m2 *ster*m)) L : Spektral radian (watt/(m2 *ster*m)) Sedangkan ekstraksi SPL menggunakan algoritma McMilin & Crosby (Pellegrini and Penrose, 1986) yang terkalibrasi yaitu : SPL (oC) = 0.522*[Tw10+2.702*((Tw10-Tw11)-273)-0.582]+13.68 ……(4) dimana : Tw10 : Suhu emisivitas kanal 10 Tw11 : Suhu emisivitas kanal 11 Pengolahan data kedalaman dilakukan dengan menggabungkan pengolahan data yang berasal dari survei lapangan dan juga data dari GEBCO (http://www.gebco.net/). Keberadaan daerah terlindung sebagai parameter kunci keberhasilan budidaya rumput laut dapat dideteksi dengan menggunakan penginderaan jauh. Melalui penginderaan jauh, daerah terlindung dilihat dari bentukan daerah daerah yang terlindung, misalnya berupa teluk, perairan yang berada pada selat yang sempit, goba atau laguna dan gugusan karang dan hamparan pasir yang dapat melindungi suatu lokasi dari hempasan gelombang secara langsung (Manoppo, 2014). Perairan yang baik untuk kegiatan budidaya rumput laut harus terlindung dari arus yang kuat, hempasan langsung ombak yang kuat, dan angin kencang yang datang dari laut terbuka. Arus air yang kuat dan cepat dan ombak yang terlalu tinggi dapat menimbulkan kerusakan pada tanaman rumput laut, robek ataupun terlepas dari substratnya. Pada perairan yang menghadap laut lepas secara langsung sebaiknya terdapat karang penghalang (barrier reef) atau karang tepi (fringing reef) yang berfungsi sebagai pemecah ombak. Karang-karang tersebut dapat melindungi lokasi budidaya dari kerusakan karena ombak. Lokasi budidaya - 577 - Pemanfaatan Data Landsat 8 Untuk PenentuanLokasiBudidayaRumputLaut Di Perairan Lombok (Putranto, H.E., et al.) yang baik berlokasi di daerah lagun di antara pulau atau di daerah terumbu karang yang menghalangi dan melindungi rumput laut dari kerusakan atau gangguan. Menurut Tuhumury (2011) dalam (Manoppo, 2014), secara geografis kondisi alam, perairan teluk merupakan suatu wilayah yang telindung dari hempasan gelombang yang berpotensi sebagai daerah budidaya rumput laut di masa yang akan datang. 2.4 Analisis Kesesuaian Lokasi Budidaya Laut Analisis kesesuaian lokasi penentuan daerah kesesuaian fisik melalui overlay parameter fisik yang telah diekstraksi dari data satelit dan data pendukung lainnya. Setiap parameter dibagi berdasarkan kriteria yang telah ditetapkan, kelas-kelas tersebut terdiri dari kelas sesuai (S1), cukup sesuai (S2), dan tidak sesuai (TS). 1. Sesuai (S1): Daerah potensial untuk dikembangkan budidaya rumput laut. Daerah ini tidak mempunyai faktor penghambat yang memerlukan perlakuan khusus untuk pengembangannya. 2. Cukup Sesuai (S2): Daerah cukup potensial untuk dikembangkan budidaya perikanan, karena dapat memenuhi persyaratan minimal untuk usaha tersebut. 3. Tidak sesuai (TS): Daerah tidak potensial karena tidak memenuhi persyaratan untuk usaha budidaya rumput laut. Matrik kriteria kesesuaian fisik perairan untuk budidaya mengacu dari beberapa referensi, ditampilkan pada Tabel 1. Tabel 1. Kriteria Kesesuaian Fisik Perairan untuk Budidaya Rumput Laut (Sumber: Pratomo (1999), Nurfiarini, A. (2003), Modifikasi) No 3. Parameter Sesuai (S1) Cukup Sesuai (S2) 5 < S2 < 10 1. Kedalaman (m) 2,5 ≤ S1 ≤ 5 2. Keterlindungan Lokasi Terlindung 3. Suhu Permukaan Laut (°C) 4. Muatan Padatan Tersuspensi (mg/l) 26 ≤ S1 ≤ 28 S1 ≤ 20 Cukup Terlindung 24 ≤ S2 < 26 28 < S2 ≤ 30 Tidak Sesuai (TS) TS > 10; TS ≤ 2,5 Tidak terlindung TS < 24; TS > 30 20 < S2 ≤ 80 TS > 80 HASIL PEMBAHASAN Analisis kesesuaian lokasi budidaya rumput laut dilakukan menggunakan masukan parameter MPT, SPL, kedalaman perairan, dan keterlindungan lokasi. Kelas kesesuaian MPT untuk budidaya rumput laut ditampilkan pada Gambar 2. Kesesuaian MPT dibagi menjadi tiga kelas, yaitu sesuai, dengan konsentrasi MPT lebih kecil atau sama dengan 20 mg/l (warna hijau), cukup sesuai, dengan kandungan MPT antara 2080 mg/l (warna biru), dan tidak sesuai, dengan nilai MPT lebih besar dari 80 mg/l (warna pink). Hasil klasifikasi MPT menunjukkan bahwa seluruh perairan pesisir Lombok mempunyai kandungan MPT kurang atau sama dengan 20 mg/l dan beberapa titik lokasi yang cukup sesuai dengan kandungan MPT antara 20 – 80 mg/l. Dari distribusi kandungan MPT, seluruh perairan Lombok memenuhi kriteria fisik MPT untuk budidaya rumput laut. - 578 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Gambar 2. Kesesuaian MPT untuk Budidaya Rumput Laut Kelas kesesuaian SPL untuk budidaya rumput laut ditampilkan pada Gambar 3. Kesesuaian SPL dibagi menjadi tiga kelas, yaitu sesuai, dengan kisaran SPL antara 26 – 28oC (warna hijau), cukup sesuai, yaitu antara 24 – 26oC dan 28 – 30oC (warna biru), dan tidak sesuai, dengan nilai SPL kurang dari 24oC atau lebih besar dari 30oC (warna pink). Hasil klasifikasi SPL menunjukkan bahwa sebagian besar perairan pesisir Lombok mempunyai kandungan kisaran SPL yang sesuai untuk budidaya rumput laut, yaitu antara 26 – 28oC. Beberapa lokasi di Teluk Awang dan Teluk Gerupuk mempunyai kisaran SPL cukup sesuai, yaitu antara 24 – 26oC dan 28 – 30oC. Beberapa lokasi mempunyai kisaran SPL tidak sesuai, yaitu kurang dari 24oC atau lebih besar dari 30oC. Dari distribusi SPL, sebagian besar perairan Lombok memenuhi kriteria fisik SPL untuk budidaya rumput laut. Gambar 3. Kesesuaian SPL untuk Budidaya Rumput Laut Kelas kesesuaian kedalaman perairan untuk budidaya rumput laut ditampilkan pada Gambar 4. Kelas kedalaman dibagi menjadi tiga kelas, yaitu sesuai (kedalaman 2,5–5m, warna hijau), cukup sesuai (kedalaman 5-10m, warna biru), dan tidak sesuai (kedalaman <=2,5m atau >10m, warna pink). Hasil klasifikasi kedalaman menunjukkan bahwa kelas sesuai dan cukup sesuai berada di seluruh perairan pesisir barat, selatan, dan timur Lombok. Sedangkan perairan di pesisir utara Lombok merupakan kelas tidak sesuai. - 579 - Pemanfaatan Data Landsat 8 Untuk PenentuanLokasiBudidayaRumputLaut Di Perairan Lombok (Putranto, H.E., et al.) Dari klasifikasi kedalaman perairan, perairan Lombok yang memenuhi kriteria fisik kedalaman untuk budidaya rumput laut adalah seluruh pesisir barat, selatan, dan timur. Gambar 4. Kesesuaian Kedalaman Perairan untuk Budidaya Rumput Laut Hasil analisis keterlindungan perairan Pulau Lombok ditampilkan pada Gambar 5. Analisis keterlindungan lokasi dilakukan menggunakan data Landsat 8. Kelas keterlindungan dibagi menjadi tiga kelas, yaitu terlindung (warna hijau), cukup terlindung (biru) dan tidak terlindung (coklat muda). Lokasi perairan yang terlindung dan cukup terlindung di sebagian besar pesisir selatan, yaitu di Teluk Gerupuk dan Teluk Awang di Kabupaten Lombok Tengah, dan Sekotong di Kabupaten Lombok Barat. Lokasi yang terlindung di bagian utara Pulau Lombok adalah di sekitar pulau Gili Air, Gili Meno, dan Gili Trawangan di Kabupaten Lombok Utara dan Pulau Gili Sulat, Gili Lawang, dan Gili Petangan di Kabupaten Lombok Timur. Gambar 5. Keterlindungan Perairan Pulau Lombok - 580 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Hasil analisis kesesuaian lokasi budidaya rumput laut di Lombok ditampilkan pada Gambar 6. Kesesuaian lokasi budidaya rumput laut terdiri atas tiga kelas, yaitu sesuai (warna hijau), cukup sesuai (warna biru), dan tidak sesuai (warna pink). Tabel 1 menunjukkan luas lokasi perairan yang sesuai dan cukup sesuai untuk budidaya rumput laut. Lokasi perairan yang sesuai untuk budidaya rumput laut seluas 779,36 hektar berada di perairan Teluk Awang dan Teluk Gerupuk di Kabupaten Lombok Tengah, dan perairan Sekotong di Kabupaten Lombok Barat. Lokasi yang cukup sesuai untuk budidaya rumput laut seluas 2.160,97 hektar berada di perairan Teluk Awang, Teluk Gerupuk, Sekotong, dan Gili Sunut (Lombok Timur). Total luas perairan yang sesuai dan cukup sesuai untuk budidaya rumput laut adalah 2.940,33 hektar. Gambar 6. Kesesuaian Lokasi Budidaya Rumput Laut Tabel 2. Luas kesesuaian lokasi untuk budidaya rumput laut 4. Kelas Kesesuaian Luas (Ha) Sesuai 779,36 Cukup Sesuai 2.160,97 KESIMPULAN Penentuan lokasi yang sesuai untuk budidaya rumput laut dilakukan menggunakan parameter MPT, SPL, kedalaman, dan keterlindungan lokasi. Dari analisis parameter-parameter tersebut diperoleh untuk budidaya rumput laut seluas 779,36hektar sesuai dan 2.160,97hektar cukup sesuai. Lokasi perairan yang sesuai untuk budidaya rumput laut berada di perairan Teluk Awang dan Teluk Gerupuk di Kabupaten Lombok Tengah, dan perairan Sekotong di Kabupaten Lombok Barat. Lokasi yang cukup sesuai untuk budidaya rumput laut berada di perairan Teluk Awang, Teluk Gerupuk, Sekotong, dan Gili Sunut. Total luas perairan yang sesuai dan cukup sesuai untuk budidaya rumput laut adalah 2.940,33 hektar. UCAPAN TERIMAKASIH Riset ini merupakan bagian dari penelitian in-house Bidang Sumberdaya dan Wilayah Pesisir dan Laut, Pusat Pemanfaatan Penginderaan Jauh, LAPAN, 2014. Terima kasih kami ucapkan kepadaKepala Bidang atas bimbingan dan arahannya. - 581 - Pemanfaatan Data Landsat 8 Untuk PenentuanLokasiBudidayaRumputLaut Di Perairan Lombok (Putranto, H.E., et al.) DAFTAR PUSTAKA Budhiman, S. (2004). Mapping TSM concentrations from multisensor satellite images in turbid tropical coastal waters of Mahakam Delta, Indonesia.Tesis International Institute for Geo-Information Science and Earth Observation. Hasyim, B, Sitanggang, G., Budhiman, S., Emiyati, Manoppo, A.K.S., dan Setiawan, K.T. (2013). Laporan Akhir Pengembangan Model Pemanfaatan Data Penginderaan Jauh Untuk Penentuan Lokasi Budidaya Rumput Laut. Pusat Pemanfaatan Penginderaan Jauh LAPAN. Manoppo, A.K.S., Emiyati, Budhiman, S., dan Hasyim, B. (2014). Ekstraksi Informasi Keterlindungan Periran Dari Data Penginderaan Jauh Untuk Kesesuaian Budidaya Rumput Laut di Pulau Lombok. Seminar Nasional Penginderaan Jauh 2014. Milne, P.H. (1979). Fish and Shellfish Farming in Coastal Waters. Fishing News Book Ltd, Farnham Surrey. Muir, J.F., dan Kapetsky, J.M. (1988). Site Selection Decisions and Project Cost. The Case of Brackish Water Pond System. Aquaculture Engineering Technologies for The Future. IChemE Symposium Series No. 111. EFCE Publication Series No 66, Scotland. Pillay, T.V.R. (1990). Quality Criteria for Water. US Enviromental Protection Agency, Washington DC. Sulma, S., Hasyim, B., Susanto, A., dan Budiono, A.(2005). Pemanfaatan Data Inderaja untuk Pengembangan Budidaya Laut di Kepulauan Seribu. LAPAN. Jakarta. Sulma, S., Manoppo, A.K.S., dan Indarto, J. (2007). Laporan Akhir Pemanfaatan Data Penginderaan Jauh untuk Kajian Potensi Budidaya Perikanan Laut. Pusat Pengembangan Pemanfaatan dan Teknologi Penginderaan Jauh LAPAN. Sulma, S., Manoppo, A.K.S., dan Hartuti, M. (2008). Identification of Suitable Area for Seaweed Culture in Bali Waters Based on Remote Sensing Satellite Data. International Journal of Remote Sensing and Earth Sciences (IJReSES), 5: 57-66. Tuhumury, R.A.N. (2011). Studi parameter oseanografi fisika dan kimia untuk kesesuaian budidaya rumput laut di perairan Teluk Youtefa Kota Jayapura. SAINS 11(2): 69-77. http://www.gebco.net/ http://kkp.go.id/index.php/arsip/c/10451/KKP-Jadikan-Lombok-Kawasan-Blue-Economy/ *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINAS INDERAJA 2015 Moderator Judul Makalah Pemakalah Jam Tempat Diskusi : Dr. Irawan Muripto : Pemanfaatan Data Landsat 8 untuk Penentuan Lokasi Budidaya Rumput Laut di Perairan Lombok. : Hamdi Eko Putranto dkk, PUSFATJA LAPAN : 10.00 – 10.15 : Ball Room 3 : Ristiandio (Balai Penelitian Observasi Laut) Parameter yang digunakan ada parameter keterlindungan, dalam makalah ini menggunakan kesesuaian vector base atau raster base. Karena jika dilihat, parameter keterlindungan itu berkesan ambigu. Apakah terlindung dari arus atau terlindung dari yang lain. Data yang digunakan adalah data SPL, apakah data SPL dari Selat Lombok atau SPL hasil surface temperature dari Landsat pengolahan dari band 10, 11. Dan yang terakhir tentang kedalaman, penelitian ini menggunakan data GEBCO yang berapa degree, karena tidak akan sesuai dengan resolusi spasial Landsat 30 meter. Happy Indarto Suprihadi (P2O) Dari dulu Lombok sudah terkenal akan rumput lautnya, rasanya terbalik apabila dalam makalah ini dilakukan analisa dengan menggunakan parameter dan remote sensing, dan kemudian muncul lokasi yang cocok dan sesuai untuk budidaya rumput laut. Apakah dari parameter yang diteliti (4 parameter), pernah dicoba di tempat lain dan berapaakurasi dan tingkat keberhasilannya. Karena tidak cuma 4 parameter, tapi ada parameter lain yang harus di pertimbangkan. Jawaban Untuk keterlindungan, Kami hanya menganalisis secara visual dan mempelajari dari berbagai sumber. Jadi belum memperhitungkan vektor arusnya. Jika ada yang akan melanjutkan dan meneliti dari segi vektornya, mungkin akan sangat membantu sekali. Untuk SPL Landsat, kami melakukan kerjasama dengan DKP Lombok untuk melakukan survey parameter-parameter tersebut. Selain menggunakan data Landsat band 10 dan 11, tapi juga menggabungkan data SPL pengamatan tetap (pengukuran langsung). Untuk kedalaman, kami menggunakan data-data GEBCO tapi - 582 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 dikorelasikan juga dengan data survey lapangan, kebetulan data survey lapang mengambil daerah selatan Lombok. Dari data tersebut, sebagian ada yang dilakukan proses interpolasi, sehingga kami anggap cukup mewakili. Untuk di daerah Lombok Barat, memang terkenal dengan daerah pariwisatanya. Pada saat survey, kami menanyakan kepada DKP tentang budidaya di tempat tersebut. Dan ternyata belum ada budidaya yang cukup masif di daerah tersebut, mungkin ada tetapi dalam skala kecil saja. Dan jika disesuaikan dengan dengan penelitian kami, daerah Barat Lombok tidak sesuai untuk budidaya rumput laut. Kami tidak merekomendasikan daerah tersebut untuk budidaya rumput laut. Mungkin dikarenakan ada faktor pencemaran (sampah) laut, sehingga tidak cocok untuk budidaya rumput laut. Karena kami melihat MPT juga untuk daerah tersebut, dan ternyata MPT daerah tersebut cukup tinggi. Daerah Indonesia cukup beragam keunikannya, mungkin cukup sulit untuk menerapkan metode ini ke daerah lain. Tapi kami coba mengembangkan metodologi tersebut agar bisa diterapkan di daerah lain di Indonesia. - 583 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION Pengembangan Indeks Mangrove Sebagai Indikator Kualitas Menggunakan Data Landsat 8, Landsat 5 dan Spot-4 di Segara Anakan, Cilacap Anang Dwi Purwanto1,*), dan Gathot Winarso1 1 Pusat Pemanfaatan Penginderaan Jauh (Pusfatja) - LAPAN *) E-mail: [email protected] / [email protected] ABSTRAK - Kualitas hutan mangrove menjadi salah satu masalah utama dalam pelestarian lingkungan terutama di kawasan pesisir. Kawasan Segara Anakan, Cilacap merupakan ekosistem mangrove terluas di Pulau Jawa yang kondisinya sudah kritis akibat proses alam dan aktivitas manusia. Penggunaan indeks vegetasi NDVI sering digunakan untuk mengidentifikasi kerapatan tajuk mangrove, akan tetapi jika digunakan untuk memantau kualitas dari hutan mangrove kurang optimal pada kawasan mangrove yang sudah mulai terdegradasi kualitasnya seperti di Segara Anakan, Cilacap karena hasil yang diperoleh tidak sesuai dengan kenyataan di lapangan. Indeks baru dengan nama Indeks Mangrove telah diajukan oleh Winarso et al, (2014) sebagai alternatif dari indeks vegetasi NDVI dan telah diujicobakan di kawasan mangrove Alas Purwo Banyuwangi dengan menggunakan data Landsat 8 berbasis nilai digital (DN). Untuk penggunaan data selain Landsat 8 dan berbasis nilai reflektan belum dikembangkan. Oleh karena itu pada tulisan ini akan dibahas pengembangan Indeks Mangrove berbasis nilai reflektan dengan menggunakan data Landsat 8, Landsat 5 dan SPOT-4. Formula tersebut adalah Indeks Mangrove (IM) dengan menggunakan kanal NIR dan kanal SWIR dari citra yang digunakan. Diharapkan Indeks Mangrove dapat diterapkan dengan berbagai data yang tersedia untuk seluruh wilayah Indonesia karena tersedianya data mosaik. Kata kunci: Indeks Mangrove, Kualitas Mangrove, Landsat 8, Landsat 5, SPOT-4, Reflektan, Segara Anakan ABSTRACT - The quality of mangrove forests became one of the main problems in environmental conservation, especially in coastal areas. Segara Anakan,Cilacap is the largest mangrove ecosystem in Java that its condition was critical due to natural processes and human activities. The use of vegetation index NDVI to monitor the quality of mangrove forests in Segara Anakan, Cilacap less than optimal because the results were not in accordance with the reality on the ground. The new index of mangrove has been filed by Winarso et al (2014) as an alternative to the vegetation index NDVI and has been tested in mangrove areas Alas Purwo Banyuwangi using Landsat 8 based digital number value (DN). To use data other than Landsat 8 and based on reflectance values have not been developed. Therefore, in this paper will discuss the development of mangrove index based on reflectance values by using Landsat 8, Landsat 5 and SPOT-4. The formula is Mangrove Index (IM) using channel NIR and SWIR channels of Landsat 8. Expected Mangrove index can be applied to a variety of data available for the whole of Indonesia due to the availability of mosaic data Keywords: Mangrove Index, Mangrove Quality, Landsat 8, Landsat 5, SPOT-4, Reflectance, Segara Anakan 1. PENDAHULUAN Indonesia saat ini baru saja mengalami pergantian pemimpin baru dimana arah kebijakan pembangunan pemerintahan yang baru ini berfokus pada pembangunan sektor kemaritiman. Kemaritiman adalah konsepsi yang komprehensif meliputi aspek geografis, geopolitik, pertahanan dan keamanan serta geo ekonomis, sosial kultural yang perlu diwujudkan secara konsisten (Purba, 2014). Presiden Jokowi senantiasa menggelorakan semangat 'Jalesveva Jayamahe', dimana kita telah terlalu lama memunggungi laut, memunggungi samudera, selat dan teluk dan sekarang saatnya kita kembalikan kejayaan laut kita. Indonesia merupakan negara kepulauan terbesar dan mempunyai sektor maritim yang luas sehingga jika dikembangkan dengan baik akan dapat membantu negara ini untuk mencapai tujuan nasionalnya. Untuk mendukung semua harapan dan cita-cita tersebut maka salah satu hal kecil dan penting yang harus kita lakukan adalah dengan menjaga kelestarian alam pesisir kita. Hutan Mangrove merupakan salah satu ekosistem di wilayah pesisir yang mempunyai peranan sangat penting sebagai pendukung kehidupan di wilayah tersebut. Segara Anakan merupakan suatu laguna yang terletak di kabupaten Cilacap, Jawa Tengah. Di depan kawasan ini membentang sepanjang kurang lebih 30 kilometer arah timur - barat adalah Pulau Nusakambangan yang melindungi teluk tersebut dari gelombang Samudera Hindia. Dengan dukungan kondisi perairan yang tenang menjadikan kawasan ini sebagai salah satu kawasan yang memiliki potensi mangrove terbesar di Pulau Jawa. - 584 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Hutan mangrove dapat diidentifikasi dengan menggunakan teknologi penginderaan jauh, dimana letak geografi hutan mangrove yang berada pada daerah peralihan darat dan laut memberikan efek perekaman yang khas jika dibandingkan obyek vegetasi darat lainnya (Faizal et al., 2005). Dengan teknologi ini, nilai spektral pada citra satelit dapat diekstraksi menjadi informasi obyek jenis mangrove pada kisaran spektrum tampak dan inframerah - dekat (Suwargana, 2008). Secara visual, obyek mangrove dapat diidentifikasi dengan menggunakan kombinasi RGB (NIR, SWIR, Red) pada citra Landsat 8 dan komposit RGB (NIR, SWIR, Red) pada Citra Landsat 5 serta komposit RGB (Green, SWIR, NIR) pada citra Spot 4. Hutan mangrove dibedakan menjadi mangrove sejati (major mangroves) dan mangrove ikutan (associated mangroves). Menurut Siregar et al., (2013), mangrove sejati merupakan kelompok jenis tumbuhan mangrove yang sepenuhnya berhabitat di kawasan pasang surut, dapat membentuk tegakan murni (mayor) atau mendominasi dalam komunitas mangrove, memiliki akar napas dan viviparou serta secara taksonomi berbeda dengan vegetasi darat (contoh : Avicennia, Rhizophora, Bruguiera, Ceriops, Sonneratia, Kandelia, Lumnitzera dan Nypa). Sedangkan mangrove asosiasi adalah kelompok jenis tumbuhan yang bersosiasi (ikutan) dengan jenis mangrove sejati (contoh : Acanthus, Derris, Hibiscus, Calamus dan sebagainya). Kerusakan hutan mangrove menjadi problem utama berkurangnya luasan mangrove dunia yang mencapai 0,99 persen per tahun (Ardli, 2010). Kondisi mangrove di Segara Anakan dari tahun 1994 - 2000 terus mengalami penurunan luas dan perubahan tingkat kerapatan. Hal itu disebabkan oleh banyaknya konversi penggunaan lahan dari penutup lahan yang satu menjadi penutup lahan lain (Parwati, 2001). Pada saat ini, wilayah Segara Anakan mengalami tekanan yang besar yaitu tingginya laju sedimentasi dari daratan dan penebangan liar yang mengakibatkan penurunan kualitas dan kuantitas dari hutan mangrove tersebut (Purwanto et al., 2014). Indeks mangrove ini merupakan sebuah formulasi baru yang dikembangkan sebagai sebuah terobosan baru dalam mengidentifikasi kualitas hutan mangrove terutama di kawasan Segara Anakan, Cilacap. Secara arti fisis, indeks ini digunakan untuk menentukan kualitas hutan mangrove dimana nilai indeks tinggi mewakili kondisi mangrove dengan kualitas baik, sedangkan indeks dengan nilai rendah menunjukkan kondisi mangrove dalam keadaan rusak atau kualitas kurang baik. Algoritma Indeks Mangrove yang telah dikembangkan sebelumnnya diturunkan dari nilai digital number (DN) citra Landsat 8 (16 bit), sehingga belum tentu bisa diaplikasikan pada data lain seperti Landsat 5 dan SPOT-4. Padahal ketersedian data Landsat 5 dan SPOT 4 di Pustekdata LAPAN cukup banyak dan sangat potensial digunakan untuk identifikasi kualitas hutan mangrove di seluruh Indonesia karena data mosaik seluruh Indonesia sudah tersedia. Pada penelitian ini akan dikembangkan algoritma perhitungan indeks mangrove dengan menggunakan nilai reflektan dari masing-masing citra yang digunakan, sehingga tujuan penelitian ini dapat dirumuskan untuk mengidentifikasi kualitas hutan mangrove di Segara Anakan, Cilacap berdasarkan nilai reflektansi dari citra Landsat 5, Spot 4 dan Landsat 8. 2. METODE Lokasi penelitian dilakukan di daerah Segara Anakan, Kabupaten Cilacap, Provinsi Jawa Tengah dengan batasan koordinat 7°37’22”-7°47’37” LS dan 108°45’11”-109°2’54” BT (Gambar 1). Data satelit yang digunakan adalah citra Landsat 5 akuisisi tanggal 26 Mei 1994, citra Spot 4 akuisisi tanggal 24 April 2008 dan citra Landsat 8 akuisisi tanggal 30 Mei 2013. - 585 - Pengembangan Indeks Mangrove Sebagai Indikator Kualitas Menggunakan Data Landsat 8, Landsat 5 dan Spot-4 di Segara Anakan, Cilacap (Purwanto, A.D., Winarso, G.) Gambar 1. Lokasi Penelitian (Sumber : Ardli & Wolff, 2008) Untuk menghitung nilai kerapatan hutan mangrove dengan formula NDVI digunakan metode rasio band Inframerah dekat (NIR) dan band merah (Green et al., 2000 dalam Waas, 2010) dengan formula di bawah ini : NDVI ( NIR RED) ( NIR RED) Dimana NDVI adalah nilai NDVI (Normalized Difference Vegetation Index), NIR adalah band inframerah dekat dari citra dan Red adalah band merah dari citra yang digunakan. Untuk menentukan nilai kerapatan tajuk mangrove menggunakan hasil dari perhitungan NDVI. Kemudian nilai kelas NDVI tersebut diklasifikasi ulang (reclass) menjadi tiga kelas, yaitu kerapatan jarang, sedang dan lebat. Perhitungan interval kelas kerapatan berdasarkan rumus sebagai berikut : (Strurgess dalam Setiawan, 2013). KL xt xr k Dimana KL adalah kelas interval, xt adalah nilai tertinggi, xr adalah nilai terendah dan k adalah jumlah kelas yang diinginkan. Untuk mengidentifikasi kualitas mangrove dari citra Landsat 8 menggunakan algoritma yang telah dikembangkan oleh Winarso et al., (2014) dengan formulasi sebagai berikut: IM = (NIR – SWIR / NIR x SWIR) x 10000 Dimana IM adalah Indeks Mangrove, NIR adalah Nilai Digital Number Band NIR, SWIR adalah Nilai Digital Number Band SWIR. Angka 10000 merupakan faktor pengali agar nilai menjadi nilai indeks -1 (minus satu) sampai dengan 1 (satu). Pada penelitian ini akan diujicobakan dengan memasukkan nilai reflektansi dari masing-masing citra ke dalam formulasi di atas dengan angka pembagi 100 supaya nilai dihasilkan bertipe real. Untuk lebih jelasnya bisa diperlihatkan pada algoritma di bawah ini: IM = (NIR – SWIR / NIR x SWIR) / 100 Dimana IM adalah Indeks Mangrove, NIR adalah Nilai Reflektan Band NIR, SWIR adalah Nilai Reflektan Band SWIR. Angka 100 merupakan faktor pengali agar nilai menjadi nilai indeks -1 (minus satu) sampai dengan 1 (satu). - 586 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Gambar 2. Diagram Alir Penelitian 3. HASIL PEMBAHASAN Menurut Sudiana et al., (2008), indeks vegetasi merupakan besaran nilai kehijauan vegetasi yang diperoleh dari pengolahan sinyal digital data nilai kecerahan (brightness) beberapa kanal data sensor satelit. NDVI merupakan salah satu jenis indeks vegetasi yang sering digunakan untuk mengidentifikasi tingkat kerapatan vegetasi terutama hutan mangrove, dimana indeks ini memanfaatkan kanal merah (red) dan kanal inframerah dekat (near-inframerah) dalam perhitungannya. Penggunaan lain dari NDVI adalah untuk melihat kondisi dari vegetasi, dimana nilai NDVI yang mewakili vegetasi berada pada kisaran 0.1 - 0.7, kemudian apabila nilai NDVI di atas range nilai tersebut menunjukkan tingkat kesehatan dari tutupan vegetasi yang baik (Prahasta, 2008 dalam Waas, 2010). Sebelum melakukan perhitungan untuk identifikasi kualitas mangrove maka tahapan awal yang dilakukan adalah melakukan identifikasi terkait kerapatan mangrove berdasarkan nilai NDVI dari ketiga citra yang digunakan. Perhitungan NDVI dari citra Landsat 5 dan Spot 4 menggunakan band 3 (red) dan band 4 (NIR), sedangkan dari citra Landsat 8 menggunakan band 4 (red) dan band 5 (NIR). Khusus untuk perhitungan NDVI citra Landsat 8 pernah dipublikasikan oleh Purwanto et al. (2014) dalam Prosiding Sinasja LAPAN tahun 2014. Sebaran kerapatan mangrove berdasarkan nilai NDVI dari ketiga citra tersebut dapat dilihat pada gambar 3. Gambar 3. Hasil Perhitungan NDVI - 587 - Pengembangan Indeks Mangrove Sebagai Indikator Kualitas Menggunakan Data Landsat 8, Landsat 5 dan Spot-4 di Segara Anakan, Cilacap (Purwanto, A.D., Winarso, G.) Dari Gambar 3 terlihat sebaran kerapatan mangrove untuk 3 (tiga) kelas kerapatan dari ketiga jenis citra yang digunakan, dimana kelas kerapatan mangrove rapat didominasi pada bagian barat lokasi kajian atau di sekitar Laguna Segara Anakan, sedangkan untuk kelas kerapatan sedang didominasi pada bagian tengah dan sebagian timur dari lokasi kajian. Untuk kelas kerapatan jarang relatif sedikit dan didominasi pada bagian timur dari lokasi kajian. Daerah yang dilingkari warna merah pada Gambar 1 merupakan daerah dengan tingkat kerapatan tinggi (rapat) dimana berdasarkan survei lapangan yang telah dilakukan pada pada akhir tahun 2013 dan 2014 pada daerah tersebut banyak ditemukan vegetasi mangrove ikutan (asosiasi) jenis derris trifiolata dan acanthus ilicifolius yang sangat rapat. Berdasarkan temuan di lapangan tersebut dan perhitungan NDVI dapat diambil kesimpulan sementara bahwa daerah dengan tingkat kerapatan mangrove yang tinggi (rapat) didominasi oleh vegetasi mangrove ikutan (asosiasi) jenis derris trifiolata dan acanthus ilicifolius. Pada Gambar 4 ditampilkan contoh sebaran tumbuhan mangrove jenis Derris trifiolata di lapangan. Gambar 4. Sebaran Derris Trifiolata di Lapangan Berdasarkan hasil survei lapangan juga ditemukan kondisi mangrove dalam kondisi dengan kerusakan yang cukup parah (kualitas kurang baik). Hal itu disebabkan banyaknya penebangan liar di kawasan tersebut ditandai dengan banyaknya tumpukan pohon mangrove, kapal penduduk lokal yang sedang mengangkut kayu hasil tebangan dan beberapa bekas tebangan di sekitar hutan mangrove. Hal ini juga diperkuat oleh penelitian yang telah dilakukan oleh Ardli (2010) dimana Ekosistem Segara Anakan di wilayah timur mendapat tekanan yang cukup besar dari pemukiman, industri (pengilangan minyak dan pabrik semen). Sementara di wilayah barat dan tengah lebih banyak disebabkan oleh sedimentasi dan aktivitas penduduk seperti konversi lahan dan penebangan ilegal. Penggunaan algoritma NDVI untuk mengidentifikasi kualitas mangrove di Segara Anakan, Cilacap dirasa kurang optimal. Hal itu dikarenakan hasil perhitungan indeks yang tinggi tidak menggambarkan kualitas mangrove sejati dalam kondisi baik (kelas kerapatan jarang/rendah), akan tetapi nilai indeks yang tinggi menggambarkan dominasi sebaran mangrove ikutan yang salah satunya Derris trifiolata dimana jenis tumbuhan mangrove tersebut merupakan salah satu tumbuhan mangrove asosiasi yang biasanya hidup merambat, dan berada pada zona yang mendapat banyak pasokan air tawar. Distribusi Derris trifoliata di Segara Anakan adalah mengelompok (aggregate) terutama pada daerah yang kondisinya rusak sedang atau berat, dengan demikian distribusi Derris trifoliata dapat dijadikan sebagai agen biomonitoring kerusakan mangrove (kualitas mangrove rendah/kurang baik), karena keberadaan dan distribusinya yang spesifik (Ardli, 2010). Algoritma Indeks Mangrove diturunkan dari 2 (dua) kanal yang membedakan mangrove dan non mangrove, yaitu kanal 5 (NIR) dan kanal 6 (SWIR). Pemilihan 2 kanal tersebut didasarkan nilai reflektan - 588 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 pada panjang gelombang SWIR akan lebih rendah pada kawasan tanah yang lebih basah karena genangan pasang surut yang merupakan daerah tempat hidup vegetasi mangrove. Perbedaan reflektan terlihat pada kanal 5, dimana pada daerah mangrove memiliki nilai yang lebih rendah dibanding dengan daerah bervegetasi yang bukan mangrove. Hal ini dikarenakan oleh efek pasang surut pada daerah intertidal yang menjadikan karakter jenis tanah yang khas yang mempengaruhi reflektran dari spektral komunitas tumbuhtumbuhan (Brasco et al, 1998). Perhitungan indeks mangrove berdasarkan nilai reflektan ini adalah dengan melakukan pembagian antara selisih nilai reflektansi antara band NIR dan SWIR dengan hasil perkalian antara band NIR dan SWIR. Untuk mendapatkan rentang indeks yang diharapkan (antara -1 sampai dengan +1) maka hasil dari perhitungan tersebut dibagi dengan angka 100. Mengingat indeks ini masih sangat baru, maka sementara ini belum bisa dibuat pengkelasan jenis kualitas mangrove karena rentang nilai indeks yang dihasilkan antara citra yang satu dengan citra yang lain masih belum seragam. Pada Gambar 5 ditampilkan hasil perhitungan Indeks Mangrove dari ketiga citra satelit yang digunakan. Terlihat jelas bahwa nilai indeks rendah didominasi pada area yang dilingkari dengan warna merah dimana area tersebut banyak ditemukan vegetasi mangrove asosiasi Derris trifiolata. Kondisi sebaliknya ditemukan pada area di bagian timur lokasi kajian atau tepatnya di sekitar sungai Sapuregel dimana indeks pada area ini menunjukkan nilai yang relatif lebih tinggi dibanding pada bagian barat lokasi kajian (sekitar Laguna Segara Anakan). Selain itu hutan mangrove lokasi di sekitar sungai Sapuregel (bentuk seperti pohon cemara) didominasi oleh hutan mangrove sejati dimana di lokasi tersebut hampir tidak ditemukan tumbuhan mangrove asosiasi Derris trifiolata. Hal itu menunjukkan bahwa indeks mangrove ini akan menghasilkan nilai indeks yang tinggi di kawasan mangrove yang masih didominasi oleh hutan mangrove sejati. IM Citra Landsat 5 IM Citra Spot 4 IM Citra Landsat 8 Gambar 5. Hasil Perhitungan Indeks Mangrove - 589 - Pengembangan Indeks Mangrove Sebagai Indikator Kualitas Menggunakan Data Landsat 8, Landsat 5 dan Spot-4 di Segara Anakan, Cilacap (Purwanto, A.D., Winarso, G.) Pada Gambar 6 ditampilkan peta hasil penelitian yang telah dilakukan oleh Ardli (2010) tentang kondisi mangrove yang rusak berat banyak ditemukan di wilayah utara Laguna Segara Anakan dimana di lokasi tersebut banyak ditumbuhi oleh jenis Derris trifiolata dengan tutupan hingga mencapai 80%. Sedangkan kondisi mangrove dengan kategori rusak, sebagian besar ditemukan di wilayah barat dan tengah dari lokasi kajian, dimana sudah jarang ditemukan vegetasi mangrove untuk kategori pohon dan pancang serta vegetasi di bagian bawah dari lokasi kajian telah didominasi oleh jenis Derris trifiolata. Gambar 6. Distribusi Tingkat Kerusakan Mangrove di Segara Anakan, Cilacap. Hasil perhitungan dari NDVI berbanding terbalik dengan hasil dari perhitungan Indeks Mangrove. Terlihat jelas bahwa distribusi hutan mangrove dengan nilai NDVI tinggi terlihat di bagian barat dari lokasi kajian (sekitar Laguna), sedangkan untuk nilai indeks mangrove (IM) menunjukkan nilai yang sangat rendah. Pada lokasi tersebut banyak dijumpai hadirnya tumbuhan mangrove jenis Derris trifiolata dimana di satu sisi jenis mangrove tersebut menggambarkan kerapatan mangrove yang tinggi, akan tetapi di sisi lain jenis mangrove tersebut juga menggambarkan kondisi kualitas mangrove yang kurang baik (indeks mangrove rendah). Sebaliknya distribusi hutan mangrove dengan nilai indeks mangrove tinggi terlihat di bagian timur (sekitar sungai sapuregel dan sungai donan), sedangkan nilai NDVI menunjukkan nilai yang relatif lebih rendah. Pada lokasi tersebut banyak didominasi vegetasi mangrove sejati yang membentuk tegakan murni dan tidak dijumpai hadirnya jenis Derris trifiolata sehingga dengan kondisi mangrove seperti ini menunjukkan kondisi kerapatan yang relatif tidak terlalu rapat dan juga menunjukkan kondisi mangrove dengan kualitas lebih baik dibandingkan dengan kondisi mangrove di bagian barat dari lokasi kajian (sekitar Laguna). Gambar 7 memperlihatkan perbandingan distribusi mangrove hasil perhitungan dari NDVI dan Indeks Mangrove. Gambar 7. Perbandingan Distribusi Mangrove Hasil Perhitungan NDVI dan Indeks Mangrove (IM) - 590 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 4. KESIMPULAN Berdasarkan analisa dan pembahasan dapat diperoleh kesimpulan bahwa hasil perhitungan indeks dari NDVI (Normalized Difference Vegetation Index) berbanding terbalik dengan indeks mangrove (IM). Hasil dari identifikasi kualitas hutan mangrove menunjukkan kondisi mangrove dengan kualitas kurang baik ditemukan di bagian barat dari lokasi kajian (sekitar Laguna Segara Anakan), sedangkan mangrove dengan kualitas baik ditemukan di bagian timur dari lokasi kajian (sekitar sungai Sapuregel dan sungai Donan). Selain itu, hasil perhitungan IM pada citra Landsat 5 dan Landsat 8 mempunyai rentang nilai yang lebih sempit dibandingkan hasil perhitungan pada citra Spot 4. UCAPAN TERIMAKASIH Terima kasih saya sampaikan kepada Dr. Wikanti Asriningrum, Dr. Ety Parwati, Dr. Muchlisin Arief, dan Syarif Budhiman, M.Sc yang telah memberikan bimbingan, ide dan gagasan dalam menganalisa distribusi spasial citra Landsat-8. Dan kami juga tak lupa mengucapkan terima kasih kepada Teguh Prayogo, M.Si dan Yennie Marini, M.Sc serta teman-teman lainnya yang telah membantu dalam penyusunan tulisan ini. DAFTAR PUSTAKA Ardli, E.R. (2010). Distribusi Spasial Derris Trifoliata LOUR Di Segara Anakan Cilacap Sebagai Agen Biomonitoring Kualitas Mangrove. Prosiding Seminar Nasional Biodiversitas dan Bioteknologi Sumberdaya Akuatik, Fakultas Biologi Universitas Jenderal Soedirman. Ardli, E.R., dan Wolff. (2008) Land use and land cover change affecting habitat distribution in the Segara Anakan lagoon, Java, Indonesia over the past 25 years (1978 – 2004). Asian Journal of Water, Environment and Pollution, 5(4):59-67. Faizal, A., dan Amran, M.A. (2005). Model Transformasi Indeks Vegetasi yang Efektif untuk Prediksi Kerapatan Mangrove Rhizophora Mucronata. Prosiding PIT MAPIN XIV ITS Surabaya. http://politik.kompasiana.com/2014/08/25/visi-kemaritiman-jokowi-jk-dan-partisipasi-publik-670389.html [diakses tanggal 15 Maret 2015] Parwati, E. (2001). Analisis inderaja dalam evaluasi turunnya kualitas lingkungan (studi kasus perairan segara anakan, Cilacap). Artikel Tesis Perpustakaan Universitas Indonesia (belum dipublikasikan). Purwanto, A.D., Asriningrum, W., Winarso, G., dan Parwati, E. (2014). Analisis Sebaran dan Kerapatan Mangrove Menggunakan Citra Landsat 8 Di Segara Anakan, Cilacap. Prosiding Seminar Nasional Penginderaan Jauh LAPAN 2014. Setiawan, H., Sudarsono, B., dan Awaluddin, M. (2013). Identifikasi Daerah Prioritas Rehabilitasi Lahan Kritis Kawasan Hutan dengan Penginderaan Jauh dan Sistem Informasi Geografis (Studi Kasus: Kabupaten Pati). Jurnal Geodesi Undip. Siregar, E.R.P. (2013). Keanekaragaman Mangrove Berdasarkan Tingkat Salinitas Air Laut di Desa Sialang Buah Kecamatan Teluk Mengkudu Kabupaten Serdang Bedagai. Skripsi. Artikel Skripsi Fakultas Pertanian Universitas Sumatera Utara, Medan. Sudiana, D., dan Diasmara, E. (2008). Analisis Indeks Vegetasi menggunakan Data Satelit NOAA/AVHRR dan TERRA/AQUA-MODIS. Prosiding Seminar on Intelligent Technology and Its Applications. Suwargana, N. (2008). Analisis Perubahan Hutan Mangrove Menggunakan Data Penginderaan Jauh di Pantai Bahagia, Muara Gembong, Bekasi. Jurnal Penginderaan Jauh dan Pengolahan Citra Digital. Waas, H.J.D., dan Nababan, B. (2005). Pemetaan dan Analisis Index Vegetasi Mangrove di Pulau Saparua, Maluku Tengah. E-Jurnal Ilmu dan Teknologi Kelautan Tropis, 2(1): 50-58. Winarso, G., Purwanto, A.D. (2014). Pendekatan Baru Indeks Kerusakan Mangrove Menggunakan Data Penginderaan Jauh. Prosiding Seminar Nasional Penginderaan Jauh LAPAN 2014. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINAS INDERAJA 2015 Moderator JudulMakalah Pemakalah Jam Tempat : Winanto : PengembanganIndeks Mangrove SebagaiIndikatorKerusakanMenggunakan Data Landsat 8, Landsat 5 dan Spot-4 di SegaraAnakan, Cilacap : AnangDwiPurwanto : 16:07-16:22 : Ball Room 2 Lt 1 - 591 - Pengembangan Indeks Mangrove Sebagai Indikator Kualitas Menggunakan Data Landsat 8, Landsat 5 dan Spot-4 di Segara Anakan, Cilacap (Purwanto, A.D., Winarso, G.) Diskusi: Kerusakan hutan mangrove menjadi salah satu masalah utama dalam pelestarian lingkungan terutama di kawasan pesisir. Kawasan Segara Anakan, Cilacap merupakan ekosistem mangrove terluas di Pulau Jawa yang kondisinya sudah kritis akibat proses alam dan aktivitas manusia. Penggunaan indeks vegetasi NDVI sering digunakan untuk mengidentifikasi kerapatan tajuk mangrove, akan tetapi jika digunakan untuk memantau kualitas dari hutan mangrove kurang optimal pada kawasan mangrove yang sudah mulai terdegradasi kualitasnya seperti di Segara Anakan, Cilacap Karena hasil yang diperoleh tidak sesuai dengan kenyataan di lapangan. Indeks baru dengan nama Indeks Mangrove telah diajukan oleh Winarso & Purwanto (2014) sebagai alternative dari indeks vegetasi NDVI dan telah diuji cobakan di kawasan mangrove Alas Purwo Banyuwangi dengan menggunakan data Landsat 8 berbasis nilai digital (DN). Untuk penggunaan data selain Landsat 8 dan berbasis nilai refketan belum dikembangkan. Oleh Karena itu pada tulisan ini akan dibahas Pengembangan Indeks Mangrove berbasis nilai reflektan dengan menggunakan data Landsat 8, Landsat 5 dan SPOT-4. Formula tersebut adalah Indeks Mangrove (IM) dengan menggunakan kanal NIR dan kanal SWIR dari citra Landsat 8. Diharapkan Indeks Mangrove dapat diterapkan dengan berbagai data yang tersedia untuk seluruh wilayah Indonesia Karena tersedianya data mosaic. Katmoko Ari: Apakah indeks ini baru dikembangkan? Arti dari indek sini? Indeks yang dikaitkan apakah bersifat linear atau tidak? Jawaban : Indeks berawal dari temuan di lapangan, banyak vegetasi yang muncul ditengah mangrove, kemudian karena lama tidak ada instansi yang mengolah jadi kerusakan yang telah didefinisikan untuk memakai distribusi dari vegetasi tersebut. Vegetasi mangrove dengan non mangrove mempunyai karakter yang berbeda. SWIR jika dibandingkan antara non mangrove dan mangrove mempunyaivegetasi yang berbeda. Gatot Indeks ini baru, tetapi ada rumus baru di indeks. Jadi mencari referensi. Artifisis bandingkan setiap band antara mangrove dengan non mangrove jadi dengan membandingkan NIR dan SWIR nya. - 592 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION Analisis Produk Suhu Permukaan Laut dari Berbagai Data Citra Satelit Resolusi Rendah Stasiun Bumi Parepare dan Jakarta Noriandini Dewi Salyasari1,*), Andy Indradjad1, dan B. Pratiknyo Adi Mahatmanto1 1 Pusat Teknologi dan Data Penginderaan Jauh, LAPAN *) E-mail: [email protected] ABSTRAK-Stasiun Bumi LAPAN yang terletak di Parepare dan Jakarta telah mampu menyediakan macam-macam data citra satelit penginderaan jauh resolusi rendah. Data citra satelit resolusi rendah yang tersedia adalah Aqua, Terra, NPP, NOAA 18 dan NOAA 19. Masing-masing data citra satelit resolusi rendah memiliki masing-masing sistem pengolahan untuk diturunkan menjadi suatu produk. Salah satu produk turunan citra satelit resolusi rendah adalah produksuhupermukaanlaut.Kelima data citra satelit itu diharapkan dapat menghasilkan produk suhu permukaan laut yang sama dan dapat saling menggantikan apabila salah satu satelit mengalami gangguan. Untuk itu dalam makalah ini kelima data citra satelit itu dianalisa kesamaan hasil pengolahannya dalam membentuk produk suhu permukaan laut menggunakan suatu tool Advanced Clear Sky Processor for Ocean (ACSPO). Berdasarkan hasil analisis interpretasi citra, hasil pengolahan suhu permukaan laut kelima data citra satelit tersebut memiliki kesamaan dalam halpola dan warna citra pada hari yang sama dan area yang sama, sehingga produk suhu permukaan laut dari kelima data tersebut dapat diolah lebih lanjut untuk menghasilkan suatu informasi yang sama satu dengan lainnya. Kata kunci:stasiun bumi, resolusi rendah, suhu permukaan laut ABSTRACT–LAPAN Ground Station located in Parepare and Jakarta has been able to provide low resolution remote sensing satellite data.The available data are Aqua, Terra, NPP, NOAA18 and NOAA19. Each of low resolution data has processing system for produce a variety of derivative product. One of the product is Sea Surface Temperature. Five satellite image data was expected to produce the same of sea surface temperature product and could replace each other if one of satellite troubled. Therefore in this paper, Five data would be analyzed similarities processing results in forming a sea surface temperature of the product using a tool Advanced Clear Sky Processor for Ocean (ACSPO).Based on the analysis of image interpretation, the result of the processing of sea surface temperature fifth satellite images have in common in terms of pattern and color of the image on the same day and the same area, so that the products of sea surface temperature from the five low-resolution satellite image data could be used and could be processed further to yield information were equal to each other . Keywords: ground station, low resolution, sea surface temperature 1. PENDAHULUAN Indonesia adalah negara maritim dimana 70 % dari wilayahnya merupakan lautan.Indonesia sebagai sebuah Negara Maritim memiliki kriteria: a) berdaulat di wilayah NKRI dan disegani negara lain atas wilayahnya, b) menguasai seluruh wilayah darat dan laut melalui “effective occupancy” dan memiliki “sea power” yang diandalkan secara nasioal dan global, c) mampu mengelola dan memanfaatkan berbagai potensi pembangunan sesuai aturan nasional dan internasional, d) menghasilkan kemakmuran bagi segenap rakyat Indonesia(Kusmastanto,2014). Sesuai dengan kriteria Indonesia sebagai negara maritim, maka penting sekali untuk dapat memanfaatkan laut Indonesia untuk kemakmuran masyarakat. Lembaga Penerbangan dan Antariksa Nasional (LAPAN) telah mampu menggunakan teknologi satelit penginderaan jauh resolusi rendah yang mampu menyapu sebagian wilayah Indonesia dalam setiap akuisisi dalam hal pemanfaatan sumber daya wilayah perairan laut. Salah satu produk dari citra satelit resolusi rendah yang diakuisisi oleh stasiun bumi milik LAPAN adalah suhu permukaan laut. Suhu permukaan laut merupakan salah satu parameter di permukaan laut yang berhasil di deteksi oleh satelit yang dapat menentukan kualitas perairan. Perubahan suhu akan mempengaruhi metabolisma, reproduksi dan distribusi ikan di laut. Produk suhu permukaan laut dapat diolah lebih lanjut untuk menghasilkan informasi zona potensi penangkapan ikan karena banyaknya pulau yang tersebar di wilayah Indonesia menyebabkan variasi spasial antara satu perairan dengan perairan yang lain,sehingga diperlukan analisisspasial maupun temporal SPL di masing-masing wilayah perairan(Lumban Gaol,dkk,2014). Stasiun bumi di Parepare dan Jakarta telah mampu menerima berbagai data resolusi rendah. Stasiun bumi Parepare mampu menerima dan mengolah data citra satelit Aqua, Terra dan NPP. Stasiun bumi Jakarta mampu menerima dan mengolah data citra satelit NOAA-18 dan NOAA-19. Semua raw data citra satelit - 593 - Analisis ProdukSuhuPermukaanLaut dari Berbagai Data Citra SatelitResolusiRendahStasiunBumiParepare dan Jakarta (Salyasari, N.D., et al) resolusi rendah yang diakuisisi oleh LAPAN mampu diolah menjadi produk suhu permukaan laut. Dari berbagai macam data citra satelit resolusi rendah, perlu diketahui masing-masing nilai suhu permukaan laut yang dihasilkan. Hal tersebut dapat dikaji dari beberapa data resolusi rendah dengan wilayah dan waktu perekaman yanghampir sama. Nilai suhu permukaan laut masing-masing citra dibandingkan dengan melihat komposisi warna dan polanya karena nilai suhu permukaan laut pada daerah yang sama dan waktu yang hampir sama seharusnya tidak terjadi perubahan yang cukup signifikan. Dengan banyaknya data yang menghasilkan produk suhu permukaan laut, maka LAPAN dapat terus menerus menjamin tersedianya informasizona potensi penangkapan ikan jika salah satu data citra satelit mengalami gangguan. Makalah ini akan menjabarkan nilai suhu permukaan laut dari masing-masing data citra satelit yang dihasilkan dari toolAdvanced Clear Sky Processor for Ocean (ACSPO), membandingkan masing-masing nilai dan menginterpretasi komposisi warna dan pola suhu permukaan laut yang dibentuk oleh masing-masing data citra satelit.Hasil kajian tentang nilai suhu permukaan laut pada lima data citra resolusi rendah ini dapat menunjukan apakah semua data citra resolusi rendah yang menghasilkan produk suhu permukaan laut valid untuk dapat diolah lebih lanjut untuk menghasilkan informasi zona potensi penangkapan ikan. 2. METODE 2.1 Sumber Data Data-data citra satelit resolusi rendah yang digunakan dalam makalah ini diperoleh dari hasil akuisisi yang dilakukan oleh dua stasiun bumi LAPAN. Stasiun Bumi Parepare telah menerima data citra resolusi rendah Aqua dan Terra sejak Tahun 2011. Sedangkan data citra resolusi rendah suomi NPP dapat direkam oleh Stasiun Bumi Pareparesejak bulan Mei 2012. Stasiun Bumi Jakarta dapat menerima data citra resolusi rendah NOAA sejak tahun 2012. Cakupan akuisisi data citra resolusi rendah adalah hampir separuh wilayah Indonesia dengan dua atau tiga kali melintasi seluruh Indonesia setiap harinya, sehingga stasiun bumi Parepare dan Jakarta dapat menghasilkan produk suhu permukaan laut di seluruh wilayah laut Indonesia untuk kemudian diolah lebih lanjut untuk dimanfaatkan menjadi informasi zona potensi penangkapan ikan harian. Berikut gambar cakupan salah satu data citra resolusi rendah Aqua dalam satu hari akuisisi. Gambar1. Cakupan Akuisisi Satelit Aqua pada Tanggal 20 Oktober 2015 - 594 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 2.2 Advanced Clear Sky Processor for Ocean (ACSPO) Advanced Clear Sky Processor for Ocean (ACSPO) adalah salah satu tool yang digunakan untuk menurunkan produk suhu permukaan laut dari data akuisisi langsung dari sensor AVHRR,MODIS dan VIIRS sensor data records (SDR) yang diolah dengan direct broadcast processing software (DB) sehingga menghasilkan level 1B. Selain data hasil akuisisi langsung, pada tool ini bisa menggunakan data level 1B hasil unduh dari katalog-katalog yang tersedia.Pada tool ACSPO dibutuhkan akses ke dynamic ancillary data yang terhubung dengan Global Forecast System (GFS) forecast data dan Canadian Meteorological Center (CMC) 0.2 untuk analisis suhu permukaan laut global (University of Wisconsin-Madison,2015).Untuk menghasilkan produk suhu permukaan lautdari tool ACSPO, data-data citra resolusi rendah yang diakuisisi di Stasiun Bumi Parepare dan Stasiun Bumi Jakarta diharuskan sesuai dengan spesifikasi seperti tabel di bawah ini. Tabel 1. Spesifakasi Input Data Citra Satelit Resolusi Rendah (Sumber : CSPP_ACSPO_Installation_Guide_v1.0 University of Wisconsin-Madison, 2015) Satelite Sensor Spesifikasi Input Direct Broadcast Processing Software NOAA18 – NOAA19 AVHRR AAPP v7 AAPP HRPT.L1B: hrpt_noaa{18,19}*.l1b Aqua - Terra MODIS IMAPP (via SeaDAS modisl1db) HDF4 format geolocation, radiance: {a,t}1.*.geo.hdf {a,t}1.*.1000m.hdf Suomi-NPP VIIRS CSPP SDR v1.5+ HDF5 format geolocation,radiance: GMODO*.h5, SVM{05,07,10,12,15,16}*.h5 Data satelit NOAA18 dan NOAA19 yang dihasilkan dari software pengolahan yang sama digunakan sebagai inputACSPO sesuai dengan spesifikasi nama input level 1B keluaran dari software pengolahan AAPP v7. Data satelit Aqua dan Terra memiliki spesifikasi nama input yang sesuai dengan yang dihasilkan oleh software pengolahan IMAPP. Dari beberapa data keluaran software IMAPP, hanya diperlukan data level 1B 1000m untuk satelit Aqua dan Terra. Data satelit Suomi-NPP memiliki format nama file level 1B SDR (Sensor Data Record) yang sesuai dengan keluaran dari program CSPP SDR dan hanya menggunakan satu file geolocation dan beberapa file SVM saja. Semua data input diharuskan hasil perekaman pada hari yang sama dan wilayah yang sama untuk memudahkan proses analisa. 2.3 Alur Kerja Dalam menggunakan sofware ACSPO untuk menghasilkan suhu permukaan laut, data citra resolusi rendah yang digunakan perlu untuk mengikuti langkah-langkah seperti Gambar 2. Pertama yang dilakukan adalah menyiapkan input data citra satelit sesuai dengan spesifikasi yang telah ditentukan. Start Menyiapkan data input level 1B sesuai dengan spesifikasi Menjalankanscriptrun_acspo Melakukan konfigurasilokasisumber .bash pada command prompt data dan lokasitujuan hasil pengolahan Gambar2. Diagram Alir Penggunaan Software ACSPO untuk Pengolahan Suhu Permukaan Laut - 595 - Finish Analisis ProdukSuhuPermukaanLaut dari Berbagai Data Citra SatelitResolusiRendahStasiunBumiParepare dan Jakarta (Salyasari, N.D., et al) Kemudian melakukan konfigurasi lokasi sumber data dan tujuan dari hasil pengolahan. Dan terakhir eksekusi software ACSPO dengan menjalankan script run_acspo.bash melalui command prompt. Sedangkan untuk melakukan proses analisis data suhu permukaan laut hasil keluaran dari software ACSPO diperlukan langkah-langkah seperti pada Gambar 3. Pertama menyiapkan input yang berupa file nc untuk bagian SST Reynolds masing-masing data citra satelit. Software yang digunakan untuk dapat membaca file nc adalah MATLAB. Kemudian dilakukan klasifikasi suhu dengan warna yang menjadi standart indekswarna suhu permukaan laut. Setelah proses klasifikasi, cropping sebagian area yang sama dari kelima data citra yang digunakan. Tahap terakhir adalah membandingkan antar data citra dengan interpretasi kelas warna, pola pada keseluruhan area dan rata-rata indeks warna setiap data citra satelit. Pada tahap analisa tidak dibandingkan korelasi antar titik, dikarenakan proses geo-referencing masing-masing satelit yang berbeda, sehingga yang dibandingkan hanya dalam cakupan interpretasi visual saja. Finish Start Menyiapkan input file ncbagianSST Reynolds Membandingkan kelas warna,pola dan rata-rata index warnamasing-masing. datacitraresolusirendah Klasifikasi suhupermukaanlaut menjadi index warnastandart Cropping area yang sama Gambar3 . Diagram Alir Analisis Suhu Permukaan Laut 5 Data Citra Resolusi Rendah 3. HASIL PEMBAHASAN Dalam menganalisa produk suhu permukaan laut dari berbagai data citra resolusi rendah diperlukan data dengan perekaman pada hari yang sama dan pada area yang sama. Pada makalah ini data yang dibandingkan adalah wilayah Indonesia bagian barat. Hal-hal yang akan dibandingkan dan dianalisa adalah kelas warna yang digunakan, interpretasi pola warna yang digunakan dan rata-rata indeks warna setiap area. Data citra resolusi rendah yang akan dianalisa adalah pada perekaman tanggal 10 Agustus 2015 dan wilayah Indonesia Barat. 3.1 Kelas Warna Masing-masing data citra hasil pengolahan ACSPO dikelompokkan menjadi beberapa indeks warna suhu permukaan laut. Pembagian suhu dan indeks warna yang digunakan dalam proses klasifikasi ditunjukkan pada Tabel 2. Jumlah piksel masing-masing indeks warna yang terdapat dimasing-masing citra ditunjukkan pada Tabel 3. Pada Tabel 3 dapat dilihat bahwa kelima data citra tidak memiliki indeks warna kemerahan yaitu pada indeks 12,13,14 dan 15. Tabel 2. Pembagian Suhu dan Indeks Warna Suhu Permukaan Laut Indeks 1 2 3 4 5 6 7 8 9 10 Suhu (oC) 20-21.1 21.1-22.1 22.1 – 23.2 23.2 – 24.3 24.3 – 25.4 25.4 – 26.4 26.4 - 27.5 27.5 – 28.6 28.6 – 29.7 29.7 – 30.8 Warna R : 0, G: 193, B:252 R : 0, G: 240, B:252 R : 34, G: 254, B:222 R : 77, G: 254, B:173 R : 128, G: 254, B:123 R : 175, G: 254, B:77 R : 223, G: 254, B:23 R : 254, G: 240, B:0 R : 254, G: 190, B:0 R : 254, G: 142, B:0 - 596 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 11 12 13 14 15 0 30.8 -31.9 31.9 – 33.0 33.0 – 34.0 34.0 – 35.1 35.10-36.2 lainnya R : 254, G: 97, B:0 R : 253, G: 46, B:0 R : 233, G: 24, B:0 R : 225, G: 24, B:0 R : 221, G: 24, B:0 R : 0, G: 0, B:0 Tabel 3. Jumlah Piksel Indeks Warna di masing-masing Data Citra Resolusi Rendah Indeks warna 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 Aqua 3381 7692 3552 12323 1886 1401 2845 7611 2941 9860 14943 194471 0 0 0 94484 Terra 1739 4274 6658 51836 3122 1733 3207 25055 4102 31532 25823 368271 0 0 0 220428 NPP 5901 15865 6834 47435 4491 2681 4717 17466 6250 29805 30805 494128 0 0 0 283416 NOAA18 7453 16832 9784 39001 4648 3563 6973 22848 8803 22940 35368 364751 0 0 0 307980 NOAA19 5182 11788 6652 26609 4281 2525 4251 13380 5797 19029 26137 336236 0 0 0 241183 3.2 Interpretasi Pola Warna Warna suhu permukaan laut pada data citra satelit cenderung memiliki pola tertentu. Data citra satelit Aqua,Terra,NPP, NOAA18, NOAA19 memiliki pola yang hampir sama yang diliat dari hasil visual atau interpretasi. Berikut gambar data citra satelit resolusi rendah beserta pola masing-masing indeks warna yang telah ditandai. 1 2 1 3 2 4 3 4 (a) (b) Gambar4. Perbandingan Pola Suhu Permukaan Laut (a) pada Data Citra Aqua (b) pada Data Citra Terra - 597 - Analisis ProdukSuhuPermukaanLaut dari Berbagai Data Citra SatelitResolusiRendahStasiunBumiParepare dan Jakarta (Salyasari, N.D., et al) 1 1 2 3 2 3 (a) (b) 1 2 3 (c) Gambar 5. Perbandingan Pola Suhu Permukaan Laut (a) pada Data Citra NOAA18 (b) pada Data Citra NOAA19 (c) pada Data Citra NPP Hasil akuisisi setiap citra satelit berbeda cakupannya, meskipun sama-sama daerah Indonesia Barat. Namun masih bisa dilihat pola di beberapa titik wilayah yang dianggap sama antara data citra satelit yang satu dengan lainnya. Angka yang ada pada gambar menunjukkan area sekitar pola yang sama. Dilihat secara visual kelima data citra memiliki pola suhu permukaan laut yang hampir sama. 3.3 Rata-Rata Indeks Warna Untuk dapat menghitung rata-rata indeks warna diperlukan cropping pada area yang sama. Cropping dilakukan di daerah sekitar selat sunda dimana Gambar dapat dilihat pada Gambar 6. Tabel 4 menunjukkan jumlah piksel di masing-masing indeks warna dan Tabel 5 menunjukkan rata-rata setiap indeks warna. Untuk melihat banyaknya piksel di setiap indeks warna pada masing-masing satelit, digambarkan pada grafik di Gambar 7. - 598 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Gambar 6. Area Cropping Dari masing-masing Citra Satelit Resolusi Rendah Tabel 4. Jumlah Piksel Indeks Warna di masing-masing Data Citra Resolusi Rendah Hasil Cropping Indeks warna 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 Ukuran Piksel Aqua 83 292 619 2873 420 204 308 1175 808 7635 2171 11026 0 0 0 30976 Terra 86 438 913 3988 561 268 456 1693 1037 10754 2778 15831 0 0 0 43643 NPP 104 425 843 4754 550 263 551 1767 1122 11341 2777 17338 0 0 0 47364 (126x155x3) 58590 (151x182x3) 82446 (159x187x3) 89199 NOAA18 114 601 1025 6334 716 322 523 2592 1256 15527 3409 23464 0 0 0 62701 (182x216x3) 117936 NOAA19 88 291 650 3277 432 236 336 1383 858 8471 2277 12270 0 0 0 34636 (135x161x3) 65205 Tabel 5. Rata-Rata Jumlah Piksel Indeks Warna di masing-masing Data Citra Resolusi Rendah Hasil Cropping Indeks warna 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 Aqua 0.141662 Terra 0.104311 NPP 0.116593 NOAA18 0.096663 NOAA19 0.134959 0.498379 1.056494 4.903567 0.716846 0.348182 0.525687 2.005462 1.379075 13.03123 3.70541 18.81891 0 0 0 52.86909 0.531257 1.107392 4.837105 0.680445 0.325061 0.553089 2.053465 1.257793 13.04369 3.369478 19.20166 0 0 0 52.93525 0.476463 0.945078 5.329656 0.616599 0.294846 0.61772 1.980964 1.257862 12.71427 3.113264 19.43744 0 0 0 53.09925 0.509598 0.869115 5.37071 0.607109 0.273029 0.443461 2.197802 1.064984 13.16562 2.890551 19.89554 0 0 0 53.16528 0.446285 0.996856 5.025688 0.662526 0.361935 0.515298 2.121003 1.31585 12.99134 3.492063 18.81758 0 0 0 53.11863 Dari nilai rata-rata diatas dapat dibuat grafik yang menunjukkan kesetaraan jumlah setiap piksel index warna pada masing-masing data citra resolusi rendah. - 599 - Analisis ProdukSuhuPermukaanLaut dari Berbagai Data Citra SatelitResolusiRendahStasiunBumiParepare dan Jakarta (Salyasari, N.D., et al) Gambar 7. Grafik Rata-Rata Jumlah Piksel Index Warna tiap Satelit 4. KESIMPULAN Pentingnya produk suhu permukaan laut dalam pemanfaatan sumber daya wilayah perairan laut, membuat LAPAN harus menjamin ketersediaan produk tersebut. Untuk itu perlu dilakukan kajian dan dianalisisa terhadap data-data satelit resolusi rendah yang diterima oleh Stasiun Bumi Parepare dan Stasiun Bumi Jakarta. Analisa dilakukan terhadap data Aqua,Terra,NPP, NOAA18 dan NOAA19 pada tanggal perekaman yang sama dan wilayah yang sama dengan menggunakan tool ACSPO. Didapatkan hasil bahwa data-data tersebut memiliki kesamaan warna, pola dan rata-rata indeks warna yang mendekati. Sehingga lima data resolusi rendah yang dianalisis tersebut dapat diolah lebih lanjut untuk dapat menghasilkan suatu informasi zona potensi pengkapan seharian dan dapat saling menggantikan apabila salah satu data satelit mengalami gangguan. UCAPAN TERIMAKASIH Ucapan terimakasih ditujukkan kepada pihak-pihak yang telah membantu penyediaan data pada tanggal dan area yang sama sehingga makalah ini dapat dibuat, yaitu: 1. Tim stasiun bumi Parepare, yang telah menyediakan data citra satelit Aqua, Terra dan NPP. 2. Tim stasiun bumi Jakarta, yang telah membantu menyediakan data citra satelit NOAA18 dan NOAA 19. DAFTAR PUSTAKA Gaol, J.L., Arhatin, R.E., dan Ling, M.M. (2014). Pemetaan Suhu Permukaan Laut dari Satelit di Perairan Indonesia Untuk Mendukung “ONE MAP POLICY”.Prosiding Sinas Inderaja. Kusmastanto, T. (2014). Arah Strategi Pembangunan Indonesia sebagai Negara Maritim. Researchgate. Space Science and Engineering Center (SSEC). (2015). Installation University of Wisconsin-Madison Instructions for the Community Satellite Processing Package (CSPP) Advanced Clear-Sky Processor for Oceans (ACSPO) Software Version 1.0 *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINAS INDERAJA 2015 Moderator : Winanto - 600 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Judul Makalah Pemakalah Jam Tempat Diskusi : Analisis Produk Suhu Permukaan Laut dari Berbagai Data Citra Satelit Resolusi Rendah Stasiun Bumi Parepare dan Jakarta : Noriandini Dewi Salyasari : 15:16-15:31 : Ball Room 2 Lt 1 : Data citra satelit resolusi rendah yang tersedia adalah Aqua, Terra, NPP, NOAA 18 dan NOAA 19. Masing-masing data citra satelit resolusi rendah memiliki masing-masing sistem pengolahan untuk diturunkan menjadi suatu produk. Salah satu produk turunan citra satelit resolusi rendah adalah produk suhu permukaan laut. Kelima data citra satelit itu Diharapkan dapat menghasilkan produk suhu permukaan laut yang sama dan dapat saling menggantikan apabila salah satu satelit mengalami gangguan. Untuk itu dalam makalah ini kelima data citra satelit itu dianalisa kesamaan hasil pengolahannya dalam membentuk produk suhu permukaan laut menggunakan suatu tool Advanced Clear Sky Processor for Ocean (ACSPO). Berdasarkan hasil analisis interpretasi citra, hasil pengolahan suhu permukaan laut kelima data citra satelit tersebut memiliki kesamaan dalam hal pola dan warna citra pada hari yang sama dan area yang sama, sehingga produk suhu permukaan laut dari kelima data tersebut dapat diolah lebih lanjut untuk menghasilkan suatu informasi yang sama satu dengan lainnya. Hamdi Eko P (Pusfatja). a. Tadi dipaparkan metodenya secara visual, disarankan Selanjutnya dapat ditampilkan dengan kualitatif, Karena jika hanya secara visual, maka resolusi spatial bisa saja berbeda, sedangkan Karena ditujukan untuk ZPPI, maka akan mempengaruhi luasan yang digunakan pada ZPPI b. Jika ketiga stasiun bumi tadi offline bagaimana? Jawaban Kelemahan orang dihulu yaitu sulit untuk mempresentasikannya. Apabila terjadi pergeseran di citra-citra ini walaupun di waktu yang sama bisa jadi selisihnya berbeda, Karena jika menggunakan software akan dapat diketahui suhu pada permukaan laut. Korelasi antar titik, masih terganjal di proses georeferencing masing -masing data citra satelit yang digunakan. Akan dicoba dipenelitian berikutnya. Jika stasiun bumi offline, data tetap bisa di download data Level 1B, karena software akan tetap bisa menghasilkan suhu permukaan laut dengan data tersebut. Gathot (Pusfatja) Masukan: Suhu Permukaan Laut (SPL) yang dideteksi oleh satelit hanya merupakan skin surface, yang hanya beberapa micron saja sehingga seharusnya tidak berpengaruh besar pada indikasi organisme. Mungkin bisa dilakukan perbandingan langsung antara nilai dari terra, AQUA, NOAA, sehingga bisa kita ketahui selisihnya berapa. - 601 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 POSTER PRESENTATION Perubahan Kondisi Mangrove Antara Tahun 1999 – 2011 di pesisir Kecamatan Bungoro Kabupaten Pangkep Eko Yunianto1,*), dan Daniel Sande Bona1 1 Balai Penjejakan dan Kendali Wahana Antariksa Biak *) E-mail: [email protected] ABSTRAK - Penelitian ini dilaksanakan untuk memperoleh informasi mengenai perubahan kondisi mangrove tahun 1999 dan tahun 2011 di Kecamatan Bungoro Kabupaten Pangkep. Penelitian ini dibatasi pada inventarisasi jenis, tingkat kerapatan kanopi, kerapatan vegetasi dan luasan hutan mangrove secara multi temporal menggunakan citra Landsat 7 ETM+ dan Landsat TM. Hasil pada penelitian ini menunjukkan bahwa berdasarkan nilai NDVI, tingkat kerapatan kanopi mangrove desa Bulu cindea pada tahun 1999, dengan kerapatan jarang, sedang dan lebat secara berturut-turut adalah 147,452 ha, 11,894 ha dan 13,753 ha. Sedangkan pada tahun 2011, luas kerapatan kanopi mangrove dengan tingkat kerapatan jarang, sedang dan lebat, secara berturut-turut adalah 89,431 ha, 4,133 ha dan 6,553 ha. Dan untuk tingkat kerapatan vegetasi mangrove desa Bulu cindea pada tahun 1999, luas hutan mangrove dengan kelas kerapatan jarang, sedang dan lebat secara berturut-turut adalah 28,851 ha, 15,654 ha dan 65,178 ha. Sedangkan pada tahun 2011, luas hutan mangrove dengan kelas kerapatan jarang, sedang dan lebat secara berturut-turut adalah 14,404 ha, 6,657 ha dan 23,258 ha. Hasil analisis perubahan luasan area mangrove dengan menggunakan citra landsat 5 pada tahun 1999 dengan citra landsat 7 tahun 2011 memperlihatkan pengurangan luasan area mangrove seluas 72,982 ha, dengan luas rata-rata luas pengurangan pertahun sebesar 6,081 ha. Serta tingkat kerapatan kanopi mangrove dapat dikenali dengan baik pada data digital Landsat melalui analisis indeks vegetasi dengan ketelitian mencapai 87% Kata kunci: Mangrove, Penginderaan Jauh, Kecamatan Bungoro ABSTRACT –This study was conducted to obtain information about the change of mangrove condition between year 1999 dan tahun 2011 in Bungoro District, Pangkep Regency. The scope of study is limited to inventory of species , canopy density level, vegetation density and area size of mangrove forest based on multi temporal data using Landsat-7 ETM+ dan Landsat TM. Result and findings of this study showed that based on parameters such as NDVI, mangrove canopy density, in Bulu Cindea Village in year 1999, with classification sparse, moderate and dense respectively are 147,452 ha, 11,894 ha and 13,753 ha. Whereas in 2011, area size of canopy density of mangrove for each level of density sparse, moderate and dense respectively are 89,431 ha, 4,133 ha dan 6,553 ha. On the other hand based on vegetation density of mangrove in Bulu Cindea village in year 1999, area size of mangrove forest with classification sparse, moderate, dense respectively are 28,851 ha, 15,654 ha and 65,178 ha. Whereas in year 2011, area size for each density class sparse, moderate, and dense respectivelyare 14,404 ha, 6,657 ha dan 23,258 ha. The analysis show there are decrese of mangrove forest area 6,081 ha. Furthermore mangrove density that can be identifed using Landsat data using NDVI with accuracy of 86.67% Keywords: Mangrove, Remote Sensing, Bungoro District 1. PENDAHULUAN Wilayah Indonesia merupakan wilayah kepulauan. Salah satu bagian terpenting dari wilayah kepulauan adalah wilayah pantai dan pesisir. Wilayah pantai dan pesisir memiliki arti yang strategis karena merupakan wilayah peralihan antara ekosistem darat dan laut yang memiliki sifat dan ciri yang unik, dan mengandung produksi biologi cukup besar serta jasa lingkungan lainnya. Kekayaan sumber daya yang dimiliki wilayah tersebut menimbulkan daya tarik bagi berbagai pihak untuk memanfaatkan secara langsung atau tidak langsung misalnya pertambangan, perikanan, kehutanan, industri, pariwisata dan lain-lain. Salah satu ekosistem yang berada pada wilayah pesisir adalah ekosistem hutan mangrove (Dahuri et al., 2001). Hutan mangrove merupakan komunitas vegetasi pantai tropik yang didominasi oleh beberapa pohon mangrove yang mampu tumbuh dan berkembang pada daerah pasang surut dengan pantai berlumpur. Keberadaan hutan mangrove sangatlah penting, sebagai habitat dari berbagai macam biota, sebagai pelindung dan penahan dari intrusi air laut, sebagai perangkap sedimen, melindungi pantai dari abrasi dan merupakan salah satu penyuplai nutrisi berupa serasah pada ekosistem laut (Bengen, 2004). Untuk menjamin kelestarian mangrove, dalam era saat ini dibutukan pengumpulan informasi yang efisien dalam inventarisasi mangrove dan monitoring lingkungan. Penginderaan jauh dapat dimanfaatkan dalam pemantauan vegetasi mangrove, hal ini didasarkan atas dua sifat penting yaitu bahwa mangrove mempunyai - 602 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 zat hijau daun (klorofil) dan mangrove tumbuh di pesisir. Sifat optik klorofil sangat khas yaitu bahwa klorofil menyerap spektrum sinar merah dan memantulkan kuat spektrum hijau (Susilo, 2000). Kecamatan Bungoro merupakan salah satu kecamatan dalam kabupaten Pangkep yang terletak pada wilayah pesisir. Penggunaan lahan utama dipesisir Bungoro adalah pemukiman dan tambak. Semakin berkembangnya budidaya perikanan tambak sehingga memungkinkan terjadinya penambahan luasan tambak ke arah bentang laut. Menurut Saru, et al. (2009 )seiring perkembangan zaman, ekosistem mangrove pada wilayah ini mengalami degradasi bila ditnjau dari standar nasional grand belt (jalur hijau) hutan mangrove serta akumulasi sedimen cukup tinggi pada daerah litoral yang memungkinkan untuk rehabilitasi mangrove. 2. METODE 2.1 Lokasi, Bahan dan Alat Penelitian Lokasi penelitian dilakukan di Kecamatan Bungoro, Kabupaten Pangkep, Provinsi Sulawesi Selatan yang secara geografis terletak antara 4°47’26,72” LS -4°50’8,64” LS dan 119°29’32,26” BT - 119°31’17,42” BT. . Peralatan yang dipergunakan pada penelitian ini meliputi Global Positioning System (GPS) Garmin 60 CX, kompas, tali transek, rool meter, buku Panduan Pengenalan Identifikasi Mangrove, alat tulis, camera dan perahu. Sedangkan perangkat lunak untuk pengolaha data diantaranya : ENVI 5.0, Er Mapper 7.0, Arc Gis 10, MS. Excel 2010 dan MS. Word 2010. 2.2 Data Data satelit yang digunakan adalah Citra satelit Landsat 7 ETM + path/row 114/63 akuisisi tanggal 3Juli 2011, akuisisi 21 September 2011 dan Citra satelit Landsat 5 TM akuisisi 10 Juli 1999. Data lapangan yang digunakan adalah hasil survei lapangan yang dilakukan pada bulan Oktober 2012 sampai dengan November 2012 dengan 15 stasiun sampling. 2.3 Metode Untuk mempermudah identifikasi vegetasi mangrove melalui penginderaan jauh, diperlukan kecermatan dalam pemilihan saluran spektral. Sifat dari magrove yang khas dan dapat dibedakan melalui penginderaan jauh adalah nilai pantulan spektral vegetasi mangrove yang sangat dipengaruhi oleh pigmentasi, struktur internal daun dan kandungan uap air. Sebelum melakukan analisis NDVI pada mangrove, terlebih dahulu dilakukan klasifikasi citra, untuk membedakan antara vegetasi darat lain dengan vegetasi mangrove. Setelah hasil klasifikasi kelas mangrove diperoleh, maka klas mangrove itu dilakukan klasifikasi berdasarkan NDVI. Panduan klasifikasi NDVI berpedoman pada Pedoman Inventarisasi dan Identifikasi Lahan Kritis Mangrove dari Direktorat Jenderal Rehabilitasi Lahan dan Perhutanan dan Kepmen LH No. 21 Tahun 2004 tentang Kriteria Baku dan pedoman Kerusakan Mangrove dari Kementrian Lingkungan Hidup Pengolahan data hasil survei lapangan dilakukan untuk memperoleh luas tutupan kanopi mangrove dan tingkat kerapatan vegetasi mangrove.Tingkat penutupan kanopi tiap pohon diukur diameternya dan dibuatkan sketsa pada setiap sample area. Contoh sketsa hasil survei lapangan dapat dilihat pada gambar 2-1 dibawah ini. Gambar 1. Sketsa Tutupan Kanopi Mangrove Secara garis besar diagram alir penelitian ini ditampilkan pada Gambar 2-2 di bawah ini: - 603 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Gambar 2. Diagram Alir penelitian Analisis indeks vegetasi digunakan untuk memisahkan indeks reflektansi spektral vegetasi dengan objek lain seperti air, tanah (non vegetasi). Formula yang digunakan untuk analisis indeks vegetasi ini adalah Normalized Defference Vegetation Index (NDVI). NDVI mempunyai formula ini yang perhitungannya sederhana dan dapat menggambarkan suatu kerapatan vegetasi. Formula ini didasarkan pada reflektansi dari obyek penginderaan jauh dalam saluran spektrum merah dan inframerah dekat. Kisaran sensor tersebut pada Landsat ETM berada pada kanal 3 dan 4. Rumus yang digunakan adalah : NDVI ( NIR R ) ETM 4 ETM 3 ................................................................................................(1) ( NIR R) ETM 4 ETM 3 Dimana : NIR = Near Infra Red (kanal 4), R = Red (kanal 3 3. 3.2 HASIL PEMBAHASAN Perubahan Penutup Lahan berdasarkan Analisis Indeks Vegetasi Pengklasifikasian dengan menggunakan pendekatan indeks vegetasi didasarkan atas prinsip pemantulan oleh daun atau pigmentasi dan kandungan air pada permukaan daun serta efek dari kandungan air tanah. Nilai pantulan vegetasi mangrove dipergunakan untuk menganalisa kelas tutupan kanopi dan kelas kerapatan vegetasi. - 604 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 3.1.1 Tutupan Kanopi Tabel 1. Kriteria Tingkat tutupan kanopi mangrove Sumber : DepHut, 2005 Kelas Tutupan Persentase NDVI Jarang < 50 % ≤ 0,32 Sedang 50-69 % ≤ 0,32 - ≤ 0,42 Lebat 70-100 % ≤ 0,43 - ≤ 1,00 Berdasarkan nilai NDVI, tutupan kanopi mangrove Kecamatan Bungoro pada tahun 1999, dengan tutupan jarang, sedang dan lebat secara berturut-turut adalah 147,452 ha, 11,894 ha dan 13,753 ha. Magrove dengan tutupan kanopi jarang letaknya tersebar hampir disemua wilayah desa Bulu cindea, sedangkan mangrove dengan tutupan kanopi sedang dan rapat banyak ditemukan didekat sungai dan sepanjang pesisir pantai. Sedangkan pada tahun 2011, luas tutupan kanopi mangrove dengan tingkattutupan jarang, sedang dan lebat, secara berturut-turut adalah 89,431 ha, 4,133 ha dan 6,553 ha. Mangrove pada tahun 2011 ini banyak ditemukan disepanjang pantai dan di sekitar sungai padangpadangeng, sungai jollo, sungai bontoranmu dan sungai polong. Luas Area Tutupan Mangrove (Ha) 160 140 120 100 80 1999 60 2011 40 20 0 rapat jarang sedang lebat Tingkat Tutupan Kanopi Mangrove . Gambar 3. Grafik Perubahan Tutupan Kanopi Hutan Mangrove di desa Bulu Cindea (Sember : Pengolaha data, 2014) 3.1.2 Kerapatan Vegetasi Tabel 2. Kriteria Tingkat kerapatan vegetasi mangrove (Sumber : KEPMEN LH No. 210, 2004 dan Dewanti, 1999) Tingkat Kerapatan Kerapatan (pohon/ ha) NDVI Jarang < 1000 0,10 - 0,15 Sedang ≥ 1000 - <1500 0,16 - 0,20 Lebat ≥ 1500 >0,21 Berdasarkan nilai NDVI, tingkat kerapatan vegetasi mangrove Kecamatan Bungoro pada tahun 1999, luas hutan mangrove dengan kelas kerapatan jarang, sedang dan rapat secara berturut-turut adalah 28,851 Ha, 15,654 ha dan 65,178 ha. Sedangkan pada tahun 2011, luas hutan mangrove dengan kelas kerapatan jarang, sedang dan rapat secara berturut-turut adalah 14,404 ha, 6,657 Ha dan 23,258 ha. - 605 - Luas Area Kerapatan Vegetasi mangrove (Ha) SEMINAR NASIONAL PENGINDERAAN JAUH 2015 70 60 50 40 30 1999 20 2011 10 0 Rapat Jarang Sedang Lebat Kelas Kerapatan Vegetasi Mangrove Gambar 4.Grafik Perubahan Kerapatan vegetasi Mangrove di Desa Bulu Cindea (Sumber : Pengolahan data, 2014) 3.2 Perubahan Luas Hutan mangrove Dari hasil pengolahan data citra satelit landsat 5 tahun 1999, luas mangrove pada Kecamatan Bungoro adalah 173,099 ha, sedangkan berdasarkan pengolahan data citra satelit Landsat 7 tahun 2011 luasan mangrove adalah 100,117 ha. Hal ini menunjukkan bahwa terjadi penurunan luasan mangrove dari tahun ke tahun yang mengakibatkan berkurangnya luas hutan mangrove pada daerah ini. Dimana luasan mangrove yang berkurang dari tahun 1999 hingga 2011 adalah 72,982 ha atau sekitar 6,081 ha/tahun. Bentuk perubahan hutan mangrove dapat dilihat pada gambar 3-3 sebagai berikut. Gambar 5. Peta Perubahan Tutupan Mangrove tahun 1999 - 2011 (Sumber : Pengolahan Data, 2012) Perubahan tutupan lahan vegetasi mangrove dapat disebabkan oleh faktor alam seperti bencana alam tsunami, tanah longsor dan sebagainya. Akan tetapi faktor buatan dari manusia sangat berperan dalam perubahan tutupan lahan disuatu daerah, seperti dengan adanya pembangunan permukiman, penebangan hutan, penimbunan pantai dan berbagai aktifitas manusia lainnya (Nybakken, 1992). Seperti pada kenyataannya, pada saat survei lapangan dan beberapa informasi dari warga masyarakat setempat bahwa perubahan luasan area ini diakibatkan oleh aktifitas masyarakat yaitu penebangan hutan - 606 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 mangrove dan kemudian dikonversi menjadi tambak, area pemukiman, pembangunan dermaga tonasa dan pembangunan Pelabuhan Biringkassi Gambar 6. Area mangrove yang di konversi menjadi lahan tambak (Sumber : Survei Lapangan, 2012) Pembangunan Pelabuhan Biringkassi juga berdampak pada ekosistem mangrove yang ada, hal ini dikarenakan pembangunan pelabuhan dilakukan dengan mengkonversi lahan mangrove yang letaknya berada di pesisir Kecamatan Bungoro. Berkurangnya luas wilayah ekosistem mangrove akan memberikan dampak negatifyang sangat luas. Erosi sungai yang berasal dari empat sungai di sekitar Pelabuhan Biringkassi serta abrasi pantai membuat sedimentasi pada wilayah ini sangat tinggi. Apabila kawasan mangrove di wilayah sekitar pelabuhan tetap terjaga maka aktifitas pelabuhan juga akan tetap berjalan tanpa adanya gangguan dari sedimentasi yang mengarah ke pendangkalan kawasan pelabuhan. Pendangkalan yang meluas akan mengganggu aktifitas pelabuhan, sehingga jenis kapal yang dapat masuh ke pelabuhan terbatas. 3.3 Uji Ketelitian Hasil NDVI Ketelitian hasil klasifikasi NDVI dihitung dengan cara membandingkan tutupan kanopi hasil dari NDVI dengan hasil pengecekan lapangan. Berdasarkan hasil uji ketelitian dengan menggunakan data lapangan sebanyak 15 stasiun, terlihat bahwa nilai ketelitian klasifikasi NDVI adalah 87%. Hasil ini menunjukkan bahwa berdasarkan nilai NDVI dapat diterima karena memiliki ketelitian minimal 85 % Tabel 3. Matriks Hasil Uji Ketelitian NDVI (Sumber : Pengolahan data, 2014) Hasil Lapangan Hasil Klasifikasi NDVI Jumlah Kolom Ketetelitian Produser (%) Ketelitian Keseluruhan (%) 4. Jumlah Baris Ketelitian Pengguna (%) Jarang Sedang Rapat Jarang 5 0 0 5 100 Sedang 1 4 0 5 80 Rapat 0 1 4 5 80 6 5 4 15 83 80 100 87 KESIMPULAN Berdasarkan analisa dan pembahasan dapat diperoleh kesimpulan bahwa perubahan kondisi mangrove antara tahun 1999 - 2011 di kecamatan Bungoro, Kabupaten Pangkep luasan area mangrove berkurang 72,982 ha, tutupan kanopi 52,021 ha, dan kerapatan vegetasi 41,911 ha. - 607 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 UCAPAN TERIMAKASIH Terimakasih kepada bapak Anshar Amran dan Ibu Andi Niartiningsih yang telah memberikan berbagai saran dan nasehat dalam pengolahan data dan penyusunan tulisan ini. DAFTAR PUSTAKA Dahuri, R., Rais, J., Ginting, S.P., dan Sitepu, M.J. (2001). Pengelolaan Sumberdaya Wilayah Pesisir dan Lautan Secara Terpadu. Pradya Paramita. Jakarta. Danoedoro, P. (1996). Pengolahan Citra Digital Teori dan Aplikasinya. Fakultas Geografi Universitas Gadjah Mada. Yogyakarta. Departemen Kehutanan (2005) Pedoman Inventarisasi dan Identifikasi Lahan Kritis Mangrove. Direktorat Jenderal Rehabilitasi Lahan dan Perhutanan Sosial. Jakarta. Dewanti, R. (1999). Kondisi hutan mangrove di Kalimantan Timur, Sumatera, Jawa, Bali, dan Maluku. Majalah LAPAN Edisi Penginderaan Jauh. Jakarta. Kementrian Lingkungan Hidup (2004) Kepmen LH No. 21 Tahun 2004 tentang Kriteria Baku dan pedoman Kerusakan Mangrove. Deputi MENLH Bidang Kebijakan dan Kelembagaan Lingkungan Hidup. Jakarta. Nybakken, J.W. (1992). Biologi Suatu Pendekatan Ekologi. Gramedia. Jakarta. Saru. A., Tuwo, A., dan Samad, W. (2009). Model Mitigasi Bencana Akibat Pengaruh Sedimentasi Pantai Biringkassi Kabupaten Pangkep. Jurnal Sains dan Teknologi, Jurusan Ilmu Kelautan–FIKP UNHAS. Makassar. Susilo, S.B. (2000). Penginderaan Jauh Terapan. Fakultas Perikanan dan Ilmu Kelautan. Institut Pertanian Bogor. Bogor. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA POSTER PRESENTASI ILMIAH SINAS INDERAJA 2015 Judul Makalah Pemakalah Jam Tempat Diskusi : Perubahan Kondisi Mangrove Antara Tahun 1999 – 2011 di Pesisir Kecamatan Bungoro Kabupaten Pangkep : Eko Yunianto : 10.30-15.00 : Ball Room 2 & 3 : Galdita A. Chulafak (Pusfajta, LAPAN): Berapa nilai NDVI yang digunakan untuk mengklasifikasi mangrove dengan non-mangrove (vegetasi lain & non vegetasi) yang dilakukan dalam penelitian ini? Jawaban: Sebelum melakukan analisis NDVI pada mangrove, terlebih dahulu dilakukan klasifikasi citra, untuk membedakan antara vegetasi darat lain dengan vegetasi mangrove. Setelah hasil klasifikasi kelas mangrove diperoleh, maka klas mangrove itu dilakukan klasifikasi berdasarkan NDVI. Panduan klasifikasi NDVI berpedoman pada Pedoman Inventarisasi dan Identifikasi Lahan Kritis Mangrove dari Direktorat Jenderal Rehabilitasi Lahan dan Perhutanan dan . Kepmen LH No. 21 Tahun 2004 tentang Kriteria Baku dan pedoman Kerusakan Mangrove dari Kementrian Lingkungan Hidup. Tabel. Kriteria Tingkat tutupan kanopi mangrove (DepHut, 2005) Kelas Tutupan Persentase NDVI Jarang < 50 % ≤ 0,32 Sedang 50 - 69 % ≤ 0,32 - ≤ 0,42 Lebat 70 - 100 % ≤ 0,43 - ≤ 1,00 Tabel. Kriteria Tingkat kerapatan vegetasi mangrove (KEPMEN LH No. 210, 2004 dan Dewanti, 1999) Tingkat Kerapatan Kerapatan (pohon/Ha) - 608 - NDVI SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Jarang < 1000 0,10 - 0,15 Sedang ≥ 1000 - < 1500 0,16 - 0,20 Lebat ≥ 1500 > 0,21 Yudhi Prabowo (Pustekdata, LAPAN): Data citra yang digunakan untuk penelitian dengan data lapangan jaraknya terlalu jauh, apa bisa untuk validasi? - Data citra : tahun 1999 – 2011 - Data Lapangan : tahun 2012 Jawaban: - Untuk data 1999 tidak divalidasi karena tidak adanya data khusus mangrove untuk daerah tersebut. - Untuk data tahun 2011 masih dapat divalidasi dengan data lapangan 2012 karena pada daerah Bungoro dalam waktu 1 tahun tidak terjadi perubahan yang signifikan . - 609 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 POSTER PRESENTATION Analisis Hubungan Suhu Permukaan Laut, Klorofil-a Data Satelit Modis dan Sub-Surface Temperature Data Argo Float Terhadap Hasil Tangkapan Tuna di Samudera Hindia Geertruidha Adelheid Latumeten1*), Agus Hartoko2, dan Frida Purwanti3 1 The Nature Conservancy – Indonesia Fisheries Conservation Program 2 Fakultas Perikanan dan Ilmu Kelautan Universitas Diponegoro 3 Fakultas Perikanan dan Ilmu Kelautan Universitas Diponegoro *) E-mail: [email protected] ABSTRAK - Tuna merupakan ikan pelagis besar yang senang hidup di daerah upwelling dan front, senang beruaya di daerah yang kaya makanan, serta hidup pada kisaran suhu tertentu. Penelitian ini menggunakan metode eksploratif dan pengambilan data menggunakan metode purposive sampling. Data yang digunakan adalah data hasil tangkapan Tuna dan titik koordinat penangkapan Tuna dari logbook Pelabuhan Perikanan Samudera Cilacap, data suhu permukaan laut dan klorofil-a satelit MODIS dan data suhu vertikal ARGO Float. Hasil penelitian menunjukkan bahwa hasil tangkapan Tuna Madidihang, Mata Besar dan Albakor tinggi pada musim Timur sedangkan Tuna Sirip Biru Selatan hanya tertangkap pada musim Barat. Fenomena upwelling terjadi pada musim Barat dan front terjadi pada musim Timur yang berada di sekitar daerah penangkapan Tuna. Analisis korelasi tunggal dan ganda antara sub-surface temperature dengan hasil tangkapan Tuna menunjukkan hubungan yang cukup erat dengan nilai koefisien korelasi setiap jenis Tuna di atas 0,5 pada kedua musim. Berdasarkan hasil analisis korelasi, Tuna Madidihang memiliki kisaran suhu yang disukai antara 21 – 27 ⁰C pada kedalaman 80 – 100 m, Mata Besar antara 10 – 23 ⁰C pada kedalaman 150 m, Albakor antara 11 – 19 ⁰C pada kedalaman 150 m dan Tuna sirip biru antara 10 – 18 ⁰C pada kedalaman 200 m. Kata kunci: Suhu Permukaan Laut, Klorofil-a, Sub-Surface Temperature, Data Satelit, Hasil Tangkapan Tuna ABSTRACT - Tuna is a large pelagic fish that has three characters. First, most of Tuna are found in upwelling and sea water front area. Second, Tuna have a migratory instinct to locate abundant source of food area. Third, each species of Tuna has sub-surface temperature preference. The research used explorative method and the sampling method used purposive sampling. Data used in the research are Tuna catch and Tuna fishing coordinates from logbook of Cilacap Ocean Fishing Port, sea surface temperature, chlorophyll-a from the MODIS satellite and sub-surface temperature from the ARGO Float. The result has shown that the highest Tuna catch occurs on the east season except southern Bluefin Tuna which is only caught on the west season. The upwelling phenomenon occurs on the west season and the sea water front phenomenon occurs on the east season. Analysis of single and multiple correlation between sub surface temperature and Tuna catch has shown high coefficient correlation values were above 0.5 for both seasons. Based on the research, Yellowfin Tuna has temperature range of 21 – 27 ⁰C in the depth of 80 m – 100 m, Bigeye Tuna is 10 – 23 ⁰C in the depth of 150 m, Albacore is 11 – 19 ⁰C in the depth of 150 m and southern Bluefin Tuna is 10 – 18 ⁰C in the depth of 200 m. Keywords: Sea surface temperature, Chlorophyll-a, Sub-surface temperature, Satellite Data, Tuna Catch - 610 - Analisis Hubungan Suhu Permukaan Laut, Klorofil-a Data Satelit Modis dan Sub-Surface Temperature Data Argo Float Terhadap Hasil Tangkapan Tuna di Samudera Hindia (Latumeten, G.A, et al.) 1. PENDAHULUAN 1.1 Latar Belakang Masalah utama yang dihadapi dalam upaya optimalisasi hasil tangkapan ikan Tuna adalah sangat terbatasnya data dan informasi mengenai kondisi oseanografi yang berkaitan erat dengan daerah potensi penangkapan ikan Tuna (Thunnus spp.). Oleh karena itu, informasi mengenai daerah potensi penangkapan ikan sangat diperlukan dalam pembangunan sektor perikanan, khususnya bagi kegiatan penangkapan ikan serta bagi pengelolaan perikanan tuna yang berkelanjutan. Informasi tersebut dapat diperoleh melalui teknologi penginderaan jauh. Menurut Laevastu dan Hayes (1981), Tuna memiliki tiga sifat utama yaitu senang hidup di daerah upwelling dan daerah pertemuan air hangat dengan air dingin (front), senang beruaya untuk memburu daerah yang kaya makanan, dan senang hidup pada kisaran suhu tertentu. Upwelling dan front dapat diidentifikasi melalui persebaran suhu permukaan laut sedangkan perairan yang kaya makanan dapat diidentifikasi melalui persebaran klorofil-a. Fenomena front dianalisis berdasarkan data spasial (suhu permukaan laut) 1.2 Tujuan Penelitian ini bertujuan untuk mengetahui sebaran dan perkembangan hasil tangkapan Tuna, mengetahui sebaran suhu permukaan laut dan klorofil-a untuk analisis upwelling dan front, mengetahui sebaran subsurface temperature di daerah penangkapan Tuna serta mengetahui hubungan antara sub-surface temperature terhadap hasil tangkapan Tuna. 2. METODE Penelitian ini telah dilaksanakan pada bulan September – November 2012 di Pelabuhan Perikanan Samudera (PPS) Cilacap dan Laboratorium Penginderaan Jauh Jurusan Perikanan, Fakultas Perikanan dan Ilmu Kelautan, Universitas Diponegoro. Prosedur/tahapan dari penelitian ini sebagai berikut: 1. Mengumpulkan data hasil tangkapan Tuna yang meliputi 4 jenis Tuna yaitu Tuna Sirip Kuning/Madidihang, Tuna Mata Besar, Albakor dan Tuna Sirip Biru Selatan serta koordinat daerah penangkapan Tuna selama 1 tahun (November 2011 – Oktober 2012) dari Pelabuhan Perikanan Samudera Cilacap; 2. Mengumpulkan dan menganalisis data sebaran suhu permukaan laut dan klorofil-a dari satelit MODIS selama 1 tahun; dan 3. Mengumpulkan dan menganalisis data sebaran sub-surface temperature dari ARGO Float. Penelitian ini menggunakan metode eksploratif dengan menganalisis tiga variabel yang diduga memiliki hubungan atau berpengaruh terhadap hasil tangkapan. Analisis sebaran suhu baik secara horizontal yakni suhu permukaan laut (spasial) dan secara vertikal (grafik dan spasial) untuk mengetahui daerah dan waktu terjadinya upwelling serta front dan ada atau tidaknya pengaruh terhadap hasil tangkapan tuna. Analisis sebaran klorofil-a dilakukan untuk mengetahui daerah yang memiliki makanan berlimpah dimana peningkatan klorofil-a merupakan akibat dari terjadinya fenomena upwelling dan front. Analisis sub-surface temperature dilakukan untuk mengetahui hubungan suhu kedalaman tertentu dengan hasil tangkapan Tuna. Kedalaman yang digunakan dalam analisis ini adalah 80 m, 100 m, 150 m, 200 m dan 250 m. Kedalaman ini digunakan berdasarkan referensi bahwa Tuna hidup pada kisaran kedalaman 80 m – 300 m sesuai dengan kisaran suhu yang disukai masing-masing jenis Tuna (Hartoko, 2010) serta berdasarkan hasil grafik suhu vertikal yang didapat dari proses pengolahan. Regresi tunggal (single regression) menggunakan persamaan polinomial yaitu: Y = ax2 + bx + c ...............................................................................................................................................(1) dimana: Y = hasil tangkapan Tuna; X = suhu per kedalaman (80 m, 100 m, 150 m, 200 m dan 250 m); a = konstanta serta b dan c = koefisien sedangkan regresi ganda (multiple regression) menggunakan persamaan linear: Y = a + bx1 + cx2 + dx3 + ex4 dimana: Y = hasil tangkapan Tuna ; a = konstanta; b, c, d, e = koefisien; x1 = T 80 m; x2 = T100 m; x3 = T 150 m; dan x4 = T 200 m - 611 - Analisis Hubungan Suhu Permukaan Laut, Klorofil-a Data Satelit Modis dan Sub-Surface Temperature Data Argo Float Terhadap Hasil Tangkapan Tuna di Samudera Hindia (Latumeten, G.A) Menurut Hadi (2004), koefisien korelasi bergerak diantara -1 ≥ r ≤ 1 dimana korelasi negatif bergerak antara -1 sampai 0 dan korelasi positif bergerak antara 0 sampai 1. Tabel 1. Klasifikasi Nilai Koefisien Korelasi (Sumber: Hadi, 2014) Koefisien Interpretasi Korelasi (r) 0,8 – 1 Tinggi 0,6 – 0,8 Cukup tinggi 0,4 – 0,6 Agak rendah 0,2 – 0,4 Rendah 0,0 – 0,2 Sangat rendah 3. HASIL PEMBAHASAN Dari penelitian yang telah dilakukan didapat hasil meliputi: perkembangan hasil tangkapan pada masingmasing jenis Tuna, sebaran suhu permukaan laut, sub-surface temperature, klorofil-a dan hubungan antara sub-surface temperature dengan hasil tangkapan masing-masing jenis Tuna. 3.1 Perkembangan Hasil Tangkapan Tuna Penelitian ini dikhususkan pada empat jenis Tuna yaitu Tuna Madidihang/Sirip Kuning, Tuna Mata Besar, Tuna Albakor dan Tuna Sirip Biru Selatan. Keempat jenis Tuna ini tersebar di perairan Samudera Hindia selatan Cilacap. Perkembangan hasil tangkapan Tuna dapat dilihat pada gambar 1. Perkembangan Tangkapan Tuna per Jenis Oktober 2011 - September 2012 Keterangan : Tuna Madidihang/Sirip Kuning : Tuna Mata Besar : Tuna Albakor : Tuna Sirip Biru Selatan 80.00 Tangkapan (ton) 70.00 60.00 50.00 40.00 30.00 20.00 10.00 0.00 jan feb mar apr mei jun jul agust sept okt nov des Bulan Gambar 1. Grafik perbandingan visual citra SPOT 5. (Sumber: Pelabuhan Perikanan Samudera Cilacap, 2011-2012) Berdasarkan grafik perkembangan hasil tangkapan Tuna, terdapat tiga hal penting yaitu hasil tangkapan secara total lebih tinggi pada musim timur dibanding musim barat karena berkaitan dengan kondisi oseanografis yang mempengaruhi keberadaan Tuna di dalam perairan, hasil tangkapan Tuna Mata Besar lebih tinggi dibanding ketiga jens Tuna lainnya karena jenis Tuna ini memiliki wilayah persebaran yang paling luas, rentang suhu yang luas dan bersifat serial spawner, dan Tuna Sirip Biru Selatan hanya tertangkap pada musim barat (Desember-Mei) karena wilayah persebaran Tuna Sirip Biru Selatan di perairan dekat Australia sampai selatan Australia. Tuna Sirip Biru Selatan bermigrasi ke wilayah perairan Indonesia (Selatan Jawa) hanya untuk melakukan pemijahan pada bulan-bulan tertentu dan dari grafik diduga bahwa musim pemijahan Tuna Sirip Biru Selatan adalah musim barat. 3.2 Sebaran Suhu Permukaan Laut dan Sub-Surface Temperature Suhu permukaan laut merupakan indikator terjadinya upwelling dan front karena perairan yang mengalami fenomena upwelling memiliki ciri yaitu memiliki suhu rendah yang dikelilingi oleh perairan bersuhu lebih hangat. Perbedaan suhu ini cukup jelas dan berkisar antara 3-4 ⁰C (Kushardono, 2003) sedangkan front adalah pertemuan dua massa air yang bersuhu dingin dengan massa air yang bersuhu lebih hangat sehingga indikator untuk menganalisis fenomena front menggunakan sebaran suhu permukaan laut. Upwelling dan front dapat mengubah kedalaman lapisan termoklin menjadi lebih dekat ke permukaan - 612 - S EMINAR NASIONAL PENGINDERAAN JAUH 2015 sehingga wilayah persebaran Tuna secara vertikal juga berubah menjadi lebih dekat ke permukaan. Sebaran suhu permukaan laut pada musim timur dan barat dapat dilihat pada gambar 2. . A Gambar 2. Grafik Sebaran Suhu Permukaan Laut. (a) Musim Barat (b) Musim Timur (Sumber: Latumeten, G.A, 2013) B Sub-surface temperature atau suhu di bawah lapisan permukaan memiliki batas hingga kedalaman tertentu. Lapisan kedalaman perairan berdasarkan suhu dibedakan menjadi tiga lapisan yaitu lapisan atas/permukaan (lapisan homogen), lapisan termoklin (suhu menurun tajam) dan lapisan bawah (lapisan dingin). Berdasarkan hasil pengolahan sebaran suhu vertikal, sub-surface temperature pada musim timur memiliki batas sampai kedalaman 80 m karena rentang kedalaman ini memiliki suhu yang homogen sedangkan pada musim barat batasnnya hingga 100 m. Sebenarnya, batas kedalaman lapisan atas atau permukaan bersifat dinamis karena pengaruh dari iklim (musim timur dan musim barat). Jika suhu permukaan perairan dingin maka lapisan termoklin bisa meningkat menjadi mendekati perairan sedangkan suhu permukaan yang lebih hangat lapisan termoklin bisa turun pada kedalaman yang lebih dalam contohnya pada hasil yang telah diolah. Oleh sebab itu, penelitian ini menggunakan suhu mulai dari kedalaman 80 m (batas sub-surface temperature terendah yaitu pada musim timur), 100 m, 150 m, 200 m dan 250 m. Subsurface temperature perairan ini merupakan data yang digunakan untuk membantu proses analisis hubungan suhu kedalaman tertentu dengan hasil tangkapan pada masing-masing jenis Tuna. Persebaran sub-surface temperature secara vertikal pada musim timur dan barat dapat dilihat pada gambar 3. Suhu Vertikal Musim Barat Suhu Vertikal Musim Timur 0 0 0 5 10 15 20 25 30 0 35 -100 -100 -150 -150 -200 -250 -300 10 15 20 25 30 -200 -250 -300 -350 -350 -400 -400 -450 -450 -500 5 -50 Kedalaman (m) Kedalaman (m) -50 -500 Suhu Suhu A B Gambar 3. Grafik Sebaran Suhu Vertikal. (a) Musim Barat (b) Musim Timur (Sumber: Latumeten, G.A, 2013) Peta sebaran suhu permukaan laut musim timur menunjukkan terjadinya fenomena upwelling dan front. Upwelling terjadi di daerah pantai yaitu pantai selatan Yogyakarta yang ditandai dengan warna biru (suhu rendah) serta terjadi fenomena front yaitu pertemuan massa air bersuhu dingin yang berasal dari selatan dengan massa air bersuhu lebih hangat yang berasal dari sebelah utara (Selatan Jawa). Fenomena front ini ditandai dengan perbedaan gradien suhu yang sangat jelas. Wilayah penangkapan Tuna dilakukan pada - 613 - Analisis Hubungan Suhu Permukaan Laut, Klorofil-a Data Satelit Modis dan Sub-Surface Temperature Data Argo Float Terhadap Hasil Tangkapan Tuna di Samudera Hindia (Latumeten, G.A) daerah front yang memiliki suhu permukaan lebih rendah sehingga kedalaman lapisan termoklin lebih dangkal yaitu berada pada kedalaman 80 m. Musim barat menunjukaan adanya fenomena upwelling dan front namun tidak terjadi di sekitar wilayah penangkapan Tuna. Musim barat juga memiliki suhu permukaan laut yang lebih hangat dibanding musim timur sehingga kedalaman lapisan termoklin lebih dalam yaitu 100 m. Kedalaman mata pancing dominan yang digunakan oleh para nelayan di Pelabuhan Perikanan Samudera Cilacap adalah 50m sampai 100 m sehingga hasil tangkapan pada musim timur lebih tinggi dibanding musim barat karena kedalaman pancing sesuai dengan kedalaman lapisan renang Tuna. Selain itu, front merupakan daerah yang kaya akan sumber makanan sehingga pada saat itu, daerah ini sangat cocok untuk menjadi fishing ground Tuna. 3.3 Sebaran Klorofil-a Klorofil-a digunakan untuk menduga kelimpahan makanan di suatu perairan tetapi dapat juga menjadi indikator terjadinya upwelling karena peningkatan klorofil-a dapat disebabkan oleh pengangkatan massa air lapisan bawah yang kaya nutrien ke lapisan atas (upwelling). Berikut ini adalah peta sebaran klorofil-a pada musim timur dan barat. A Gambar 3. Grafik Sebaran Klorofil-a. (a) Musim Barat (b) Musim Timur (Sumber: Latumeten, G.A, 2013) B Berdasarkan peta sebaran klorofil-a, kandungan klorofil-a pada musim timur lebih tinggi dibanding musim barat. Kandungan klorofil-a musim timur berkisar antara 0,01 – 1,1 mg/m3 sedangkan musim barat antara 0,01 – 0,3 mg/m3. Musim timur penangkapan Tuna berada pada perairan yang memiliki kandungan klorofil-a yang lebih tinggi dibanding musim barat. Hal ini dapat dikaitkan dengan terjadinya fenomena front pada musim timur dimana wilayah penangkapan Tuna dilakukan di daerah front. Menurut Robinson (1991), front dapat meningkatkan kandungan klorofil-a dalam suatu perairan karena membawa massa air yang dingin dan kaya nutrien dibandingkan dengan perairan yang lebih hangat namun miskin unsur hara. Kombinasi dari suhu dan peningkatan kandungan hara yang timbul dari percampuran ini akan meningkatkan produktivitas fitoplankton. Hal ini akan ditujukan dengan meningkatnya stok ikan di daerah tersebut. 3.4 Analisis Korelasi antara Sub-Surface Temperature dengan Hasil Tangkapan Tuna Analisis korelasi antara sub-surface temperature dengan hasil tangkapan Tuna per jenis dilakukan dengan menggunakan regresi. Hasil analisis korelasi adalah sebagai berikut: 1. Regresi Tunggal (Single Regression) Analisis regresi tunggal artinya melakukan analisis regresi antara sub-surface temperature masing-masing kedalaman (50 m, 100 m, 150 m, 200 m, dan 250 m) dengan hasil tangkapan per jenis Tuna. a. musim timur Berikut adalah hasil analisis regresi antara sub-surface temperature dengan hasil tangkapan Tuna per jenis pada musim timur. Tabel 2. Hasil Analisis Korelasi Regresi Tunggal (Single Regression) pada Hasil Tangkapan Tuna Madidihang Musim Timur (Sumber: Latumeten, G.A, 2013) Kedalaman (m) Persamaan Polinomial r R2 Kisaran Suhu (⁰C) 2 80 Y = 1.2623x – 68.467x + 929.22 0.6 0.36 24 – 29 100 Y = 1.1464x2 – 55.621x + 675.06 0.67 0.45 22 – 26 150 Y = 0.0731x2 – 1.541x + 7.8112 0.55 0.33 12 – 20 - 614 - S EMINAR NASIONAL PENGINDERAAN JAUH 2015 200 250 Y = 0.2254x2 – 4.7427x + 25.747 Y = 0.1121x2 – 1.2208x + 2.624 0.48 0.38 0.23 0.14 10 – 15 9 – 13 Tabel 3. Hasil Analisis Korelasi Regresi Tunggal (Single Regression) pada Hasil Tangkapan Tuna Mata Besar Musim Timur (Sumber: Latumeten, G.A, 2013) Kedalaman (m) Persamaan Polinomial r R2 Kisaran Suhu (⁰C) 2 80 Y = 0.1031x – 4.2076x + 42.356 0.39 0.15 24 – 29 100 Y = 0.1017x2 – 3.9836x + 39.973 0.57 0.33 21 – 27 150 Y = 0.0355x2 – 0.6474x + 39.478 0.63 0.40 10 – 23 200 Y = 0.0288x2 – 0.208x + 0.0685 0.56 0.31 10 – 20 250 Y = 0.0056x2 – 0.8256x + 7.1106 0.59 0.35 8 – 16 Tabel 4. Hasil Analisis Korelasi Regresi Tunggal (Single Regression) pada Hasil Tangkapan Tuna Albakor Musim Timur (Sumber: Latumeten, G.A, 2013) Kedalaman (m) Persamaan Polinomial r R2 Kisaran Suhu (⁰C) 2 80 Y = 0.7379x – 40.545x + 557.56 0.46 0.21 25 – 28 100 Y = 0.3592x2 – 17.722x + 219.37 0.67 0.45 21 – 27 150 Y = 0.1429x2 –3.5007x + 21.538 0.74 0.55 11 – 19 200 Y = 0.1337x2 – 2.6902x + 13.388 0.62 0.39 10 – 17 250 Y = 1.0909x2 – 22.619x + 118.3 0.51 0.26 9 – 12 b. musim barat Berikut adalah hasil analisis regresi antara sub-surface temperature dengan hasil tangkapan Tuna per jenis pada musim timur. Tabel 5. Hasil Analisis Korelasi Regresi Tunggal (Single Regression) pada Hasil Tangkapan Tuna Madidihang Musim Barat (Sumber: Latumeten, G.A, 2013) Kedalaman (m) Persamaan Polinomial r R2 Kisaran Suhu (⁰C) 2 80 Y = 0.0692x – 2.8763x + 30.101 0.58 0.34 21 – 28 100 Y = 0.3164x2 – 13.507x + 144.87 0.54 0.30 19 – 25 150 Y = 0.1903x2 – 5.7974x + 45.083 0.49 0.24 14 – 19 200 Y = 0.1996x2 – 5.09x + 33.319 0.45 0.20 12 – 16 250 Y = 0.6664x2 – 14.738x + 82.429 0.43 0.19 10 – 13 Tabel 6. Hasil Analisis Korelasi Regresi Tunggal (Single Regression) pada Hasil Tangkapan Tuna Mata Besar Musim Barat (Sumber: Latumeten, G.A, 2013) Kedalama (m) Persamaan Polinomial r R2 Kisaran Suhu (⁰C) 2 80 Y = 0.0527x – 3.6575x + 61.77 0.48 0.23 24 – 30 100 Y = 0.1927x2 – 10.094x + 132.43 0.54 0.29 20 – 26 150 Y = 2.0213x2 – 61.562x + 469.75 0.63 0.39 13 – 17 200 Y = 1.3913x2 – 36.513x + 241.07 0.53 0.28 11 – 15 250 Y = 0.2067x2 – 3.2411x + 13.228 0.37 0.14 9 – 13 Tabel 7. Hasil Analisis Korelasi Regresi Tunggal (Single Regression) pada Hasil Tangkapan Tuna Albakor Musim Barat (Sumber: Latumeten, G.A, 2013) Kedalaman (m) Persamaan Polinomial r R2 Kisaran Suhu (⁰C) 2 80 Y = 0.0116x – 0.9752x + 18.534 0.44 0.20 23 – 28 100 Y = 0.0068x2 – 0.6876x + 13.008 0.49 0.24 19 – 25 150 Y = 0.1537x2 – 4.4844x + 33.444 0.73 0.53 14 – 19 200 Y = 0.2656x2 – 6.8444x + 45.188 0.57 0.33 12 – 16 250 Y = 0.4872x2 – 10.348x + 55.408 0.5 0.25 10 – 13 Tabel 8. Hasil Analisis Korelasi Regresi Tunggal (Single Regression) pada Hasil Tangkapan Tuna Sirip Biru Selatan Musim Barat (Sumber: Latumeten, G.A, 2013) Kedalaman (m) Persamaan Polinomial r R2 Kisaran Suhu (⁰C) 2 80 Y = 0.0309x – 1.6773x + 23.101 0.42 0.17 21 – 27 100 Y = 0.0474x2 – 2.2615x + 27.345 0.46 0.21 19 – 24 150 Y = 0.0838x2 – 2.4974x + 19.012 0.6 0.36 14 – 18 - 615 - Analisis Hubungan Suhu Permukaan Laut, Klorofil-a Data Satelit Modis dan Sub-Surface Temperature Data Argo Float Terhadap Hasil Tangkapan Tuna di Samudera Hindia (Latumeten, G.A) 200 250 Y = 0.2447x2 – 6.5521x + 44.214 Y = 0.4442x2 – 10.079x + 57.584 0.68 0.55 0.46 0.3 12 – 16 10 – 13 Informasi mengenai kisaran suhu yang disukai oleh setiap jenis Tuna dilakukan dengan melakukan regresi antara suhu kedalaman tertentu dengan hasil tangkapan Tuna yang didasari oleh besaran koefisien korelasi (r). Hubungan semakin erat jika koefisien korelasi semakin mendekati nilai 1. Regresi ini dibedakan menjadi dua yaitu regresi tunggal (single regression) yang bertujuan untuk mengetahui suhu kedalaman yang paling mempengaruhi setiap jenis Tuna dan regresi ganda (multiple regression) untuk mengetahui apakah setiap jenis Tuna tersebar pada kedalaman 80 m – 200 m atau lebih dalam dari kedalaman tersebut. Berdasarkan hasil regresi tunggal antara sub-surface temperature dengan hasil tangkapan Tuna per jenis, hasil yang didapatkan bahwa nilai koefisien korelasi tertinggi Tuna Madidihang pada musim timur adalah sebesar 0,67 pada kedalaman 100 m. Nilai koefisien korelasi ini berarti hubungan suhu pada kedalaman 100 m dengan hasil tangkapan cukup tinggi. Koefisien determinasi (R2) sebesar 0,45 yang berarti 45 % suhu kedalaman 100 m mempengaruhi hasil tangkapan Tuna Madidihang di perairan. Kisaran suhu perairan pada kedalaman 100 m antara 22 ⁰C – 26 ⁰C. Musim barat koefisien korelasi tertinggi sebesar 0,58 pada kedalaman 80 m. Artinya hubungan antara suhu kedalaman 80 m dengan hasil tangkapan Tuna Madidihang agak rendah. Nilai koefisien determinasi sebesar 0,34 yang berarti 34 % suhu perairan kedalaman 80 m mempengaruhi hasil tangkapan Tuna Madidihang. Kisaran suhu perairan pada kedalaman 80 m antara 21 ⁰C – 28 ⁰C. Hasil ini sesuai dengan pendapat Laevastu dan Hayes (1981) bahwa Tuna Madidihang memang tersebar di kedalaman 80 m – 100 m sesuai dengan kisaran suhu optimum yang disukai yaitu 20 ⁰C – 28 ⁰C. Menurut Laevastu dan Hayes (1981), Tuna Mata Besar memiliki kisaran suhu yang sesuai baginya antara 13 ⁰C – 29 ⁰C dengan suhu optimum antara 17 ⁰C – 23 ⁰C dan menurut Triguna (1993) Tuna Mata Besar tersebar pada kedalaman 100 m – 150 m. Hasil regresi menunjukkan nilai koefisien korelasi tertinggi pada musim timur dan musim barat sama yaitu sebesar 0,63 pada kedalaman yang sama juga yaitu 150 m. Hal ini berarti hubungan antara suhu perairan kedalaman 150 m dengan hasil tangkapan Tuna cukup tinggi. Nilai koefisien determinasi (R2) sebesar 0,4 yang artinya 40 % suhu perairan kedalaman 150 m mempengaruhi hasil tangkapan Tuna. Kisaran suhu perairan pada kedalaman 150 m pada musim timur antara 10 ⁰C – 23 ⁰C sedangkan musim barat antara 13 ⁰C - 17 ⁰C. Kisaran suhu Tuna Albakor hampir sama dengan Tuna Mata Besar. Koefisien korelasi tertinggi pada musim timur sebesar 0,74 pada kedalaman 150 m yang artinya hubungan antara suhu perairan kedalaman 150 m dengan hasil tangkapan Tuna Albakor cukup tinggi. Koefisien determinasi (R2) sebesar 0,55 yang berarti 55 % suhu perairan kedalaman 150 m mempengaruhi hasil tangkapan Tuna Albakor. Musim barat koefisien korelasi tertinggi terdapat pada kedalaman yang sama dengan nilai 0,73 yang artinya hubungan keduanya cukup erat. Nilai koefisien determinasi (R2) sebesar 0,53 yang berarti 53 % suhu kedalaman 150 m mempengaruhi hasil tangkapan Tuna Albakor. Kisaran suhu perairan musim timur antara 11 ⁰C – 19 ⁰C sedangkan musim barat antara 14 ⁰C – 19 ⁰C. Hasil regresi ini sesuai dengan pendapat Laevastu dan Hayes (1981) bahwa Tuna Albakor banyak ditemukan di lapisan air dengan kisaran suhu antara 14 ⁰C – 22 ⁰C. Tuna Sirip Biru Selatan berbeda dengan ketiga jenis Tuna lainnya. Kisaran suhu optimum bagi Tuna jenis ini lebih rendah yaitu antara 5 ⁰C – 20 ⁰C (Uktolseja, 1991). Selain itu juga Tuna jenis ini hanya ditemukan di perairan Indonesia pada waktu-waktu tertentu untuk memijah. Data statistic PPS Cilacap menunjukkan bahwa Tuna jenis ini hanya tertangkap pada musim barat yaitu antara bulan Desember – Mei. Hasil regresi menunjukkan nilai koefisien korelasi tertinggi terdapat pada kedalaman 200 m sebesar 0,68 yang artinya hubungan antara suhu perairan kedalaman 200 m dengan hasil tangkapan Tuna Sirip Biru Selatan cukup kuat. Nilai koefisien determinasi (R2) sebesar 0,46 yang berarti 46 % suhu perairan kedalaman 200 m mempengaruhi hasil tangkapan Tuna Sirip Biru Selatan. Kisaran suhu perairan pada kedalaman ini antara 12 ⁰C – 16 ⁰C. Hasil ini membuktikan bahwa Tuna Sirip Biru Selatan memang menyukai suhu perairan yang lebih dingin dibanding ketiga jenis Tuna lainnya. Hasil regresi ganda (multiple regression) pada musim timur menunjukkan bahwa Tuna Madidihang, Tuna Mata Besar dan Albakor signifikan terhadap suhu kedalaman 80 m – 200 m yang berarti ketiga jenis Tuna ini tersebar di kedalaman 80 m – 150 m. Namun, jenis Tuna yang memiliki nilai koefisien korelasi tertinggi sebesar 0,844 adalah Tuna Albakor. Hasil regresi ganda pada musim barat juga menunjukkan bahwa keempat jenis Tuna tersebut signifikan terhadap suhu kedalaman 80 m – 200 m. Namun nilai koefisien korelasi tertinggi dimiliki oleh Tuna Sirip Biru Selatan yaitu sebesar 0,909 yang berarti hubungan kuat. Menurut Uktolseja (1991), Tuna Sirip Biru Selatan dapat hidup pada kondisi temperatur perairan yang berubah-ubah. Tuna Sirip Biru Selatan dapat mentolerir berbagai suhu air di sekitarnya karena ikan tersebut memiliki sistem peredaran darah maju yang cenderung mampu menjaga suhu tubuhnya untuk tetap hangat - 616 - S EMINAR NASIONAL PENGINDERAAN JAUH 2015 terhadap air di sekitarnya. Hal inilah yang menjadi alasan kuat tingginya koefisien korelasi antara suhu kedalaman 80 m – 200 m dengan keberadaan Tuna Sirip Biru Selatan. 4. KESIMPULAN Hasil tangkapan Tuna Madidihang, Tuna Mata Besar dan Albakor lebih banyak tertangkap pada musim timur (April-Mei-Juni-Juli tahun 2012) sedangkan Tuna Sirip Biru hanya tertangkap pada musim barat. Namun, Tuna Mata Besar lebih luas persebarannya berdasarkan kedalaman pada musim barat karena hasil tangkapan lebih tinggi dan konstan dibanding ketiga jenis Tuna lainnya; Sebaran suhu permukaan laut dan klorofil-a menunjukkan terjadinya fenomena upwelling dan front yang diduga mempengaruhi penangkapan tuna berdasarkan analisis hasil tangkapan yang lebih tinggi pada musim timur dimana di daerah penangkapan tuna terjadi fenomena front; Sebaran sub-surface temperature dilakukan pada lima suhu kedalaman yaitu suhu kedalaman 80 m, 100 m, 150 m, 200m dan 250 m dimana Madidihang lebih banyak ditemukan dengan kisaran suhu 21 – 28 ⁰C pada kedalaman 80 – 100 m, Tuna Mata Besar dan Albakor dengan kisaran suhu 10 – 23 ⁰C dan 11 – 19 ⁰C pada kedalaman yang sama yaitu 150 m dan Tuna sirip biru dengan kisaran suhu 12 – 16 ⁰C pada kedalaman 200 m; Besaran nilai koefisien korelasi (r) Tuna Madidihang pada musim timur 0,67 pada kedalaman 100 m yang berarti hubungan antara suhu kedalaman 100 m dengan hasil tangkapan Tuna Madidihang cukup tinggi dan musim barat 0.58 pada kedalaman 80 m yang berarti hubungan cukup tinggi. Koefisien korelasi tertinggi Tuna Mata Besar pada musim timur 0.63 dan musim barat 0.63 pada kedalaman yang sama yaitu 150 m yang berarti hubungan cukup tinggi. Koefisien korelasi tertinggi Tuna Albakor pada musim timur 0.74 dan musim barat 0.73 pada kedalaman yang sama yaitu 150 m yang berarti hubungan cukup tinggi. Koefisien korelasi tertinggi Tuna Sirip Biru Selatan adalah 0.68 pada kedalaman 200 m yang berarti hubungan cukup tinggi. UCAPAN TERIMAKASIH Penulis mengucapkan terima kasih kepada Pelabuhan Perikanan Samudera Cilacap yang telah membantu dalam penyediaan data hasil tangkapan Tuna dalam kurun waktu 1 tahun, para kapten atau nelayan yang telah memberikan informasi yang dibutuhkan oleh penulis, serta para dosen pembimbing yang juga sangat berperan penting dalam pembuatan makalah ini. DAFTAR PUSTAKA Hadi, S. (2004). Metodologi Research. Andi, Yogyakarta, 300 – 303 hlm. Hartoko, A. (2010). Spatial Distribution of Thunnus sp, Vertical and Horizontal Sub-Surface Multilayer Temperature Profiles of In-Situ ARGO Float Data in Indian Ocean. Diponegoro University, Semarang, 19 hlm. Kushardono, D. (2003). Penginderaan Jauh untuk Wilayah Pesisir dan Kelautan. Lembaga Penerbangan dan Antariksa Nasional, Jakarta, 16 hlm. Laevastu, T., dan Hayes, M. L. (1981). Fisheries Oceanography and Ecology. Fishing New Books Ltd, England. Robinson, I. (1991). Satellite Oceanography, An Introduction for Oceanographer and Remote Sensing Scientist. Ellis Horwood Limited, New York. Uktolseja, J.C.B. (1991). Estimated Growth Parameters and Migration of Skipjack Tuna-Katsuwonus pelamis In The Eastern Indonesian Water Through Tagging Experiments. [Jurnal Penelitian Perikanan Laut No. 43 Tahun 1987]. Balai Penelitian Perikanan Laut, Jakarta, hlm 15 – 44. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA POSTER PRESENTASI ILMIAH SINAS INDERAJA 2015 Judul Makalah Pemakalah Jam Tempat Diskusi : Analisis Hubungan Suhu Permukaan Laut, Klorofil-A Data Satelit Modis dan Sub-Surface Temperature Data Argo Float Terhadap Hasil Tangkapan Tuna di Samudera Hindia : Geertruidha Adelheid Latumeten : 10.30-15.00 : Ball Room 2 & 3 : Fadila Muchsin (Pusfajta, LAPAN): - 617 - Analisis Hubungan Suhu Permukaan Laut, Klorofil-a Data Satelit Modis dan Sub-Surface Temperature Data Argo Float Terhadap Hasil Tangkapan Tuna di Samudera Hindia (Latumeten, G.A) Saran: 1) agar lebih informative sebaiknya ditampilkan juga gambar 4 jenis species ikan tuna, 2) Sumber data yang digunakan perlu ditulis Jawaban: 1) Baik untuk kedepannya saya akan lebih memperhatikan lagi isi pada poster agar infomasi pada poster benar-benar informative pada semua kalangan (bukan hanya dari bidang perikanan saja) 2) Baik, untuk kedepannya baik makalah maupun poster akan saya tampilkan sumber data yang digunakan seperti pada poster saya terdapat Grafik Perkembangan Hasil Tangkapan 4 Jenis Tuna dalam 1 Tahun (Okt 2011 – Sep 2012) seharusnya dicantumkan bahwa sumber data yang dipakai berasal dari Pelabuhan Perikanan Samudera (PPS) Cilacap. Mahdi Kartasasmita (LAPAN): 1) Kenapa 3 variabel tidak digabungkan saja lalu dianalisis? Kenapa dipisah-pisah? Dalam 1 hubungan yang terintegrasi dan bermakna/rasional 2) Apakah mungkin mencari hubungan antara parameter permukaan laut khususnya SST dengan profil vertical temperature dengan pertimbangan layer homogen? Jawaban: 1) Saya memisahkan 3 variabel karena Tuna merupakan ikan pelagis besar yang hidup pada kedalaman tertentu sesuai dengan kisaran suhu yang disukai, jadi setiap jenis Tuna memiliki Swimming Layer Depth yang berbeda-beda. Variabel Sub-Surface Temperature merupakan variable utama dalam penelitian ini karena ingin melihat pada kedalaman berapa, keberadaan Tuna paling banyak ditemukan. Variabel SPL/SST dan Klorofil-a merupakan variable penunjang karena hanya ingin melihat gambaran secara spasial bagaimana kondisi SPL/SST dan klorofil-a pada daerah penangkapan Tuna. Tuna memang hidup pada kedalaman tertentu tetapi berdasarkan feeding habit, Tuna memakan ikan-ikan kecil seperti (kembung, laying, dll) yang hidup pada lapisan atas/permukaan sehingga Tuna naik ke lapisan atas/permukaan untuk mencari makanan. SPL/SST dan Klorofil-a bisa digunakan untuk melihat kelimpahan ikan-ikan yang berada di lapisan atas atau permukaan karena SPL/SST bisa digunakan untuk menduga terjadinya fenomena upwelling dan front yang mengakibatkan melimpahnya plankton yang menjadi sumber makanan bagi ikan-ikan kecil. Jadi, bisa dikaitkan Tuna akan mencari makan ke daerah yang memiliki makanan (ikan-ikan kecil) berlimpah. Namun, bisa juga variable digabungkan tetapi hanya penggabungan antara SPL/SST dengan Sub-Surface Temperature karena sama-sama temperature. 2) Ya, bisa mencari hubungan SST dengan Sub-Surface Temperature (suhu vertikal). Hubungan yang dihasilkan berupa tingkat kedalaman lapisan termoklin. Suhu perairan terbagi menjadi 3 lapisan yaitu lapisan atas (lapisan hangat/lapisan homogen), lapisan termoklin (lapisan kedalaman dimana suhu menurun tajam), dan lapisan dingin. Besaran suhu permukaan laut mempengaruhi kedalaman lapisan termoklin. Sebagai contoh dalam penelitian saya, pada Musim Barat kedalaman lapisan termoklin di daerah perairan pada penelitian saya berada pada kedalaman 100 m sedangkan pada Musim Timur berada pada kedalaman 80 m. Hal ini disebabkan karena suhu permukaan pada daerah perairan yang saya teliti pada Musim Barat cenderung lebih hangat disbanding Musim Timur. Jadi semakin besar/tinggi suhu permukaan, maka lapisan termoklin akan lebih dalam (menjauhi lapisan permukaan). - 618 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION Study Mesoscale Convective Complexes di Benua Maritim Indonesia Menggunakan Data Satelit Danang Eko Nuryanto1,2,*), Hidayat Pawitan1, Rahmat Hidayat1, dan Edvin Aldrian2 1 Departemen Geofisika dan Meteorologi, FMIPA Institut Pertanian Bogor (IPB), Kampus IPB Darmaga Jl Raya Dramaga, Bogor 16680, Jawa Barat, Indonesia 2 Pusat Penelitian dan Pengembangan, Badan Meteorologi Klimatologi dan Geofisika (BMKG), Jl Angkasa I No 2 Kemayoran Jakarta Pusat 10720, Indonesia *) E-mail: [email protected] ABSTRAK-Penelitian ini merupakan studi awal identifikasi sistem kompleks konvektif wilayah Benua Maritim Indonesia (BMI). Wilayah BMI mempunyai massa uap air terbesar dibanding dengan wilayah tropis lainnya dan juga mempunyai aktivitas konvektif dengan potensi sebagai penghasil energi terbesar di dunia. Aktivitas konvektif diurnal dapat memicu pengumpulan Mesoscale Convective Complexes (MCC). MCC merupakan salah satu Mesoscale Convective System (MCS) yang terbesar dengan mekanisme konveksi yang digambarkan sebagai gerakan naik suatu lapisan lembab dan hangat karena adanya aliran kuat di lapisan bawah troposfer yang menghasilkan area awan cumulonimbus luas dengan masa hidup yang lebih panjang. Dalam hal ini istilah MCC dapat didefinisikan sebagai sistem awan konvektif yang besar, berumur lama dan menunjukkan tutupan awan cenderung berbentuk lingkaran. Pada penelitian MCC sebelumnya menunjukkan bahwa sistem ini mampu menghasilkan cuaca buruk dan hujan yang terus menerus. Hujan seperti ini diketahui telah menyebabkan bencana banjir di berbagai tempat, misalnya banjir di Asia Timur, Amerika Selatan dan Amerika Serikat. Berdasarkan data brightness temperature yang diturunkan dari citra satelit infrared dua tahun (1983 dan 1985) dapat diidentifikasi sistem MCC di wilayah Pasifik Barat dan menunjukkan juga bahwa MCC di Benua Maritim tumbuh di bagian utara Kalimantan, Lautan Hindia selatan Jawa, Papua, dan bagian utara Australia. Sistem kompleks konvektif semacam ini diduga bertanggung jawab terhadap sejumlah kejadian banjir di beberapa wilayah di BMI. Kata kunci:mesoscale convective complexes, benua maritim indonesia, brightness temperature ABSTRACT-This research is a preliminary study to identification of convective complexes system in Indonesian Maritime Continent (IMC) region. This region has a mass of water vapor largest than other tropical regions which also has convective activity with potential as a largest energy source in the world. The diurnal convective activity can trigger the developing of Mesoscale Convective Complexes (MCC). MCC is ones of largest Mesoscale Convective System (MCS) with a convection mechanism which is described as movement up a moist and warm layer because of the strong flow in low level jets which produce large cumulonimbus cloud area with a longer life span. In this case the term of MCC can be defined as a large convective cloud systems, long-lived and showed tend of cloud cover to be circular. The previous study of MCC was indicated that the system is capable to generating a severe weather and copious rainfall. This kind of rainfall able to caused floods in many places, such as flooding in East Asia, South America and the United States. Based on the two years (1983 and 1985) brightness temperature data that derived from infrared satellite imagery, MCC system can be identified in the Western Pacific region and its also suggests that the MCC in maritime continent grew in the northern of Borneo, the Indian Ocean south of Java, Papua, and northern Australia. This convective complex system may be responsible for some of the flooding event in some areas of IMC. Keywords: mesoscale convective complexes, indonesian maritime continent, brightness temperature 1. PENDAHULUAN Wilayah Benua Maritim Indonesia (BMI) mempunyai massa uap air terbesar dibanding dengan wilayah tropis lainnya (Ramage, 1968). Berbagai kajian sebelumnya telah diungkapkan bahwa variabilitas iklim di BMI dipengaruhi oleh dinamika iklim global, regional maupun lokal. Dinamika iklim global terkait dengan fenomena El Nino Southern Oscillation(ENSO) (Hendon, 2003; McBride et al., 2003; Meyers et al., 2007) maupun Indian Ocean Dipole (IOD)(Saji et al., 1999; Meyers et al., 2007). Dinamika iklim regional terkait dengan sirkulasi monsoon Asia-Australia (Chang et al., 2005; Kajikawa et al., 2009). Sedangkan dinamika iklim lokal terkait dengan siklus diurnal suatu wilayah tertentu yang mempunyai karakteristik yang belum tentu sama dengan wilayah lainnya (Qian, 2008).Dinamika iklim global dan regional tersebut mempengaruhi BMI melalui modifikasi dua sirkulasi utama di daerah tropis yakni sirkulasi Hadley dan sirkulasi Walker (McBride et al., 2003; Neale dan Slingo, 2003; Motoi dan Kitoh, 2005). Sedangkan dinamika iklim lokal dengan ciri utama sirkulasi diurnal juga ikut memberikan andil dalam variabilitas iklim di BMI (Qian, 2008). - 619 - Study Mesoscale Convective Complexes di BenuaMaritim Indonesia Menggunakan Data Satelit (Nuryanto, D.E., et al.) Siklus diurnal curah hujan dan suhu adalah salah satu variabilitas iklim terkuat di Benua Maritim (Yang dan Slingo, 2001; Kitoh dan Arakawa, 2005). Beberapa penelitian terkait pergerakan konveksi dan curah hujan skala diurnal telah dijelaskan dengan baik untuk Pulau Sumatera (Mori et al., 2004; Sakurai et al., 2005), Kalimantan (Ichikawa dan Yasunari, 2006; Hara et al., 2006; Hara et al., 2009) dan Papua (Zhoudan Wang, 2006; Ichikawa dan Yasunari, 2008). Penelitian terbaru tentang variasi curah hujan diurnal pada tiga wilayah hujan di Indonesia dengan data TRMM 10 tahun dilakukan oleh Pribadi et al. (2012). Secara umum ada beberapa mekanisme sirkulasi diurnal, diantaranya adalah: sirkulasi diurnal diawali adanya perbedaan respon insolasi (Yang dan Slingo, 2001; Qian, 2008); sirkulasi angin darat – angin laut (Baker et al., 2001; Zhou dan Wang, 2006); sirkulasi angin gunung – angin lembah (Saito et al., 2001; Yang dan Slingo, 2001); sirkulasi pertemuan dua angin darat – angin laut (Qian, 2008); kombinasi angin laut dan angin lembah (Yang dan Slingo, 2001; Zhou dan Wang, 2006). Menurut Neale dan Slingo (2003) aktivitas konveksi diurnal semacam angin darat - angin laut dapat memicu pengumpulan Mesoscale Convective Complexes (MCC). Dalam meteorologi terdapat skala-skala fenomena antara lain: skala mikro, skala kumulus, skala meso, skala sinoptik dan skala global. Penskala-an ini mempunyai kaitan dengan luasan cakupan dan lamanya dari fenomena cuaca. Dalam skala meso yaitu fenomena yang wilayah radius antara ratusan hingga ribuan kilometer, dan skala waktu antara jam hingga hari fenomena yang termasuk dalam lingkup meso antara lain: kluster awan, huricane, squall lines dan sistem angin darat dan laut dan MCC (Maddox, 1983 ). MCS dapat dididentifikasi dari sistem – sistem awan yang dapat dianalisa dari satelit meteorologi (Gray dan Jacobson, 1977; Laing dan Fritch, 1993a; Laing dan Fritch, 1993b). Ketika konveksi yang tebal menembus troposfer bagian atas, langkah analisa pertama adalah mengidentifikasi seluruh awan yang menembus diatas lapisan 450 mb (bagian tengah troposfer), dengan ketinggin sekitar 6 – 9 Km dari permukaan bumi dan suhu antara 245 K – 265 K pada lintang 45º di sekitar equator . Beberapa penelitian telah dilakukan menggunakan data suhu inframerah puncak awan dengan batas antara 240 K hingga 255 K untuk mengidentifikasi awan level atas yang ada hubungannya dengan konveksi. Maddox (1980) menggunakan ambang batas suhu -33 ºC atau sekitar 241 K sebagai selimut awan yang mewakili area stratus dan inti awan digunakan -53 ºC atau sekitar 221 K sebagai area konveksi, ambang batas suhu ini digunakan untuk menentukan sistem MCC. Sedangkan Millerdan Fritch (1991) menggunakan ambang batas suhu 217 K (-56 ºC) untuk area penelitian Samudra Pasifik Barat. Sistem awan yang mampu tumbuh menembus troposfer bagian tengah tersebut dikatakan sebagai sistem skala meso jika memenuhi skala horizontal antara ratusan hingga ribuan kilometer (Shibagaki et al., 2006). Sehingga muncul penskalaan horizontal untuk membagi MCSberdasarkan jarak horizontalnya, seperti terlihat pada Tabel 1 dibawah ini. Sistem Konveksi SCC MCC MCC MCP MCP (Sumber: Shibagaki et al., 2006) Tabel 1 Skala penentuan MCS Skala Horizontal 2000 – 4000 km 500 – 1000 km ~ 100 km ~ 40 km ~ 10 km Konveksi dapat terjadi akibat adanya gerakan naik parsel udara lembab dan hangat pada suatu kondisi lingkungan yang tidak stabil dimana peyebabnya antara lain pemanasan permukaan, efek orografi dan konvergensi angin. Holton (2004) menjelaskan bahwa proses konveksi dapat terjadi karena perbedaan relatif antara berat suatu massa udara terhadap massa udara di sekelilingnya, dimana massa udara yang lebih berat akan turun ke bawah sedangkan massa udara yang lebih ringan akan terdorong ke atas. Proses tersebut biasanya menghasilkan awan cumulonimbus tunggal dengan masa hidup 15 menit hingga satu jam (Ahrens, 2008). Untuk konveksi yang terjadi akibat adanya gerakan naik suatu lapisan area luas yang lembab dan hangat karena aliran kuat di lapisan bawah troposfer disebut MCS menghasilkan area awan cumulonimbus yang luas (ratusan hingga ribuan km2) dengan masa hidup lebih dari tiga jam (Laing, 2003; Houze, 2004). Sedangkan MCC merupakan salah satu MCS terbesar yang dapat diidentifikasi berdasarkan kriteria Maddox (1980). Fenomena MCC pertama kali diteliti oleh Maddox (1980) berdasarkan ciri-ciri dari citra satelit IR 1 di Amerika Serikat bagian Tengah selama 1978, hasilnya ditemukan bahwa fenomena MCC ini memiliki karakteristik tersendiri dibandingkan dengan fenomena-fenomena cuaca skala meso yang lain. Sehingga Maddox membuat batasan dan definisi umum dari MCC, antara lain: memiliki inti awan dengan suhu puncak - 620 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 awan lebih kecil atau sama dengan -52oC dengan area lebih besar atau sama dengan 50.000 km2, memiliki selimut awan dengan suhu puncak awan lebih kecil atau sama dengan -32oC dengan luasan area lebih besar atau sama dengan 100.000 km2 dan cenderung berbentuk lingkaran dengan masa hidup lebih besar atau sama dengan 6 jam, dan yang terakhir selimut awan harus mempunyai tingkat kelonjongan (eccentrisity ) = 0.7 saat luasan areanya mencapai maksimum. Dengan demikian istilah MCC dapat didefinisikan sebagai sistem awan konvektif yang besar, berumur lama dan menunjukkan tutupan awan cenderung berbentuk lingkaran. Lebih lanjut sistem MCC dapat menghasilkan cuaca buruk dan hujan dengan durasi yang lama (McAnellydan Cotton, 1989; Fritsh et al., 1986; Maddox, 1980). Hujan seperti ini dapat menyebabkan banjir diberbagai tempat, misalnya: Amerika Serikat (Maddox, 1981), Amerika Selatan (Durkee dan Mote, 2009), dan Asia Timur (Chen dan Li, 1995). Hasil penelitian Durkee et al. (2009) juga menunjukkan secara substansi kontribusi MCC terhadap total curah hujan sepanjang subtropik Amerika Selatan, dimana MCC mempunyai peran penting dalam anomali curah hujan musim panas. Secara rata-rata MCC di Amerika Selatan mendistribusikan 15.7 mm curah hujan sepanjang 381.000 km2, menghasilkan volume 7.0 km3. Sedangkan sistem MCC di Benua Maritim Indonesia hanya muncul di Kalimantan, Papua dan wilayah utara Australia (Miller dan Fritsch, 1991). Secara khas sistem ini muncul saat adanya angin kecepatan tinggi di bagian bawah troposfer (low level jet) dengan stabilitas statis yang lemah; temperatur potensial equivalent yang tinggi (θe); memiliki orientasi (arah bentuk) mendekati tegak lurus dengan area baroklinik, menyusup / masuk ke daerah pembentukan yang memaksa suatu kumpulan massa udara (lapisan) terangkat naik secara dangkal diantara lapisan dasar permukaan yang relatif udaranya lebih dingin. Nampak jelas bahwa adveksi hangat disertai pembelokan troposfer bawah yang sangat kuat menutupi lapisan dasar permukaan yang lebih dingin. Kondisi maksimum lokal dari kelembaban relatif (relative humidity) dan minimum lokal dari stabilitas statis merupakan tanda dari area favorit pembentukan dari sistem konveksi ini. Konvergensi troposfer bawah, divergensi pada troposfer bagian atas dan menjelang tercapainya vortisitas maksimum pada troposfer bagian tengah (yang berhubungan dengan lemahnya gelombang pendek yang lewat) juga merupakan karakteristik dari keadaan umum lingkungan saat fase pembentukan (genesis). Dalam kebanyakan kasus, muncul juga kecepatan angin yang tinggi pada troposfer bagian atas (upper level jet) pada daerah vicinity area fase pembentukan. Struktur termodinamika dan pola aliran pada keadaan umum lingkungan MCC menunjukkan bahwa kemiringan pada level bawah sepanjang lereng permukaan temperatur potensial di daerah adveksi hangat troposfer bawah adalah bagian yang selalu ada pada sebagian besar lingkungan dari MCC (Laing, 2003; Houze, 2004). Pada paper ini dilakukan kajian pustaka terkait penelitian MCC sebelumnya untuk dapat diketahui perkembangan penelitian tentang MCC di BMI. 2. METODE Paper ini menyajikan kajian pustaka terkait penelitian tentang MCC di BMI. Selanjutnya teknik identifikasi MCC menggunakan definisi yang digunakan oleh Maddox (1980) ditunjukkan pada Tabel 2. Dalam Tabel 2 menunjukkan ambang batas minimal kriteria yang harus dipenuhi untuk dapat menyebutkan bahwa sistem itu merupakan MCC. Secara umum data citra satelit IR1 yang mempunyai nilai suhu puncak awan dipilih yang mempunyai nilai lebih kecil dari 241 K sebagai selimut awan (SA) dan 221 K sebagai inti awan dingin (IA). Tiap grid yang memenuhi nilai suhu puncak awan tersebut selanjutnya nilainya diganti dengan “1” dan yang tidak memenuhi nilai gridnya diganti dengan angka “0”, proses ini akan merubah data satelit yang sebelumnya dalam suhu (satuan Kelvin) menjadi data biner. Data biner tersebut kemudian dicari luasan area yang memenuhi syarat suhu (piksel yang mempunyai nilai “1”) dengan menghitung jumlah piksel yang saling terhubung dengan 4 koneksi grid disekitarnya. Untuk menentukan luasan area tersebut jumlah grid piksel tersebut dikalikan dengan 30.25 (artinya 1 grid data mewakili luasan 30.25 km2. Seleksi selanjutnya hanya dipilih area yang memiliki luasan SA ≥ 100.000 km² dan IA ≥ 50.000 km². Selanjutnya mencari titik pusat dari area yang terpilih dari prosedur di atas. Titik pusat ini merupakan pusat massa dari area yang saling terkoneksi. Untuk mencari titik pusat dapat dilakukan dengan formula Carvhalo dan Jones (2001) menggunakan persamaan (1) berikut: = ∑ , dan = ∑ .............................................................................................................(1) Dimana: - 621 - Study Mesoscale Convective Complexes di BenuaMaritim Indonesia Menggunakan Data Satelit (Nuryanto, D.E., et al.) Xiadalah posisi piksel ke-i pada sumbu X, Yi adalah posisi piksel ke-i pada sumbu Y, X0 dan Y0 adalah titik pusat dan N adalah luasan area (total piksel). Tabel 2 Kriteria MCC berdasarkan analisis citra satelit inframerah (IR) Karakteristik Ukuran: A 100.000 km2 B 50.000 km2 Suhu Tutupan Awan: A ≤ -32 oC B ≤ -52 oC Mulai: Salah satu kondisi A dan B terpenuhi Durasi: Kondisi A dan B berlangsung bersama untuk periode ≤ 6 jam Kondisi Maksimum: Suhu tutupan awan ≤ -32 o C mencapai ukuran maksimum Bentuk: Eksentrisitas 0.7 saat kondisi maksimum Berakhir: Kondisi A dan B tidak lagi terpenuhi (Sumber: Maddox, 1980) Dalam kriteria MCC menurut Maddox (1980) harus mempunyai eksentrisitas ≥ 0.7, sehingga perlu dilakukan terlebih dahulu pengujian terhadap suatu data biner contoh ideal MCC untuk memastikan batas eksentrisitas tersebut (menggunakan persamaan 2, 3, 4, 5 dan 6). Metode dikembangkan oleh Machado et al. (1998) pada prinsipnya menghitung sebaran tiap grid data (yang menjadi sistem awan) antara sumbu x dan sumbu y. Prosesnya adalah pertama-tama dari sebaran grid sistem awan (xi,yi) dihitung kecenderungan garis lurus dengan least square seluruh posisi piksel dalam sistem awan, garis ini menjadi sumbu koordinat baru. Sedangkan proses selanjutnya dilakukan proyeksi masing-masing piksel lintang dan piksel bujur kedalam koordinat baru (Machado et al., 1998): = ∑ = = = = 3. ∑ ∑ ( ( ∑ ∑ ….....................................................................................................(2) ...............................................................................................................................(3) cos + sin .....................................................................................................(4) sin + cos .....................................................................................................(5) ) ( ) ................................................................................................................(6) ) ( ) HASIL PEMBAHASAN 3.1 Sistem MCC di Daerah Pasifik Barat Siklus hidup dari MCC di daerah Pasifik Barat sangat mirip dengan yang ada di Amerika Serikat dengan kecenderungan hidup nocturnal. Pertama awan guntur muncul pada sore hari (16.00 LT) pembentukan MCC selama sore hingga malam sekitar pukul 22.00 LT. Saat pengembangan maximumnya terjadi antara pukul 23.00 LT – 05.00 LT. Fase akhir (menghilangnya MCC) sekitar pukul 08.00 LT – 10.00 LT. Lama hidup MCC di daerah Pasifik Barat secara rata-rata sekitar 11 jam lebih lama daripada di Amerika Serikat. Luasan area MCC antara 200.000 km² - 300.000 km², dengan luasan paling besar yang pernah terjadi 1.000.000 km². Bagian bumi selatan MCC terjadi pada sekitar bulan Januari, sedangkan belahan bumi utara terjadi sekitar bulan Juli, Oktober dan April (Miller dan Fritsch, 1991). Gambar 1 merupakan distribusi spasial dan bulanan MCC hasil penelitian Miller dan Fritsch (1991) di wilayah Pasifik barat menggunakan data citra satelit Geostasionary Meteorological Satellite (GMS) periode 1983 - 1985. Gambar 1 menunjukkan adanya pusat populasi MCC yang berbeda, yaitu: utara Australia, Papua New Guinea, barat laut India/Bangladesh dan China/Laut China Selatan. Terdapat kecenderungan bahwa MCC terkonsentrasi pada beberapa area kecil, dibanyak tempat mempunyai frekuensi lebih banyak dan konveksi tinggi yang luas (Velasco dan Fritsch, 1987). Secara spesifik sistem MCC mempunyai kecenderungan untuk terbentuk di darat, di bawah angin pegunungan, di area stratosfer bawah dengan uap air tinggi, energi convective available potential energy (CAPE) lebih besar dibanding sekelilingnya. Hal menarik pada Gambar 1 terlihat bahwa jumlah MCC di wilayah BMI sangat sedikit dibandingkan di wilayah lain. Sistem MCC di Benua Maritim tumbuh di daerah antara lain bagian utara Kalimantan, Lautan Hindia selatan Jawa, Papua, dan bagian utara Australia.Berdasarkan studi kasus November 2002 Shibagaki et al. (2006) menunjukkan bahwa MCC muncul juga di Lautan Hindia dekat Pulau Sumatera. Penelitian terbaru dari Yuan dan Houze (2010) juga menunjukkan keberadaan MCC banyak muncul di Lautan Hindia. - 622 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Hal ini menarik karena BMI merupakan salah satu wilayah dengan massa uap air terbesar dibanding dengan wilayah tropis lainnya (Ramage, 1968), seharusnya MCC banyak muncul di wilayah BMI. Gambar 1. Distribusi spasial dan bulananMCCdi wilayah Pasifik barat. Lokasi yang ditunjukkan merupakan kejadian MCC saat fase maksimum (Sumber: Miller dan Fritsch,1991) 3.2Sistem MCC di Daerah Benua Maritim Indonesia Kompleksnya sirkulasi diurnal BMI akibat perbedaan darat-laut dan banyaknya pulau-pulau yang dikelilingi laut merupakan peran penting bagi pembentukan MCC. Ciri khas ini menjadikan BMI menjadi wilayah yang banyak di kaji oleh banyak ahli. Setidaknya sudah ada tiga pulau besar di BMI yang diteliti beberapa ahli terkait sirkulasi diurnal. Liberti et al. (2001) dengan data brightness temperature dari infrared (IR) Geostationary Meteorological Satellite-4(GMS-4), mempelajari variabilitas awan dengan menganalisis data satu jam-an brightness temperature pada 15o LS - 15o LU dan 130oBT - 180o BT dalam periode 1 November 1992 – 28 Februari 1993. Data black body temperature dipelajari Sakurai et al. (2005) untuk memperlihatkan siklus diurnal migrasi sistematis sistem awan yang diamati menggunakan data GMS IR1 di seluruh wilayah Sumatera pada periode Mei 2001 – April 2002. Siklus diurnal aktivitas konvektif di atas Pulau Sumatera pada November 2001 (Gambar 1) menurut hasil analisis Sakurai et al. (2005) berdasarkan data temperatur puncak awan GMS menunjukkan bahwa konveksi terbentuk di atas dan sisi barat pegunungan Pulau Sumatera pada sore hari (jam 15.00 WIB). Sistem awan tinggi terpusat pada sore menjelang malam (jam 18.00 WIB) di atas Pulau Sumatera sebelah barat. Pada malam hari hingga dini hari (jam 21.00 – 03.00 WIB) sistem awan terpisah dan bergerak ke arah barat dan arah timur. Pada pagi harinya (jam 06.00 – 09.00 WIB) sistem awan mati pada kedua garis pantai Pulau Sumatera. Ichikawa dan Yasunari (2006) dengan data Tropical Rainfall Measuring Mission (TRMM) Precipitation Radar (PR) pada 1,5oLS - 4o LU dan 111oBT – 116,5o BT, periode data 1998 – 2002, menunjukkan sistematika modulasi siklus diurnal di atas dan sekitar wilayah Kalimantan yang berasosiasi dengan variabilitas intraseasonal pada pola sirkulasi skala-luas, dimana berasosiasi dengan angin timuran atau baratan level-rendah di atas pulau. Dari studi sebelumnya (Yang dan Slingo, 2001) dinyatakan bahwa klimatologi dari siklus diurnal data brightness temperature, dihimpun dari gabungan beberapa satelit yang dikembangkan oleh Uni Eropa dalam proyek Cloud Archive User Service (CLAUS), menunjukkan bahwa konveksi tinggi lautan cenderung mencapai maksimumnya pada dini hari. Sedangkan konveksi kontinental secara umum mencapai puncak pada siang hari. - 623 - Study Mesoscale Convective Complexes di BenuaMaritim Indonesia Menggunakan Data Satelit (Nuryanto, D.E., et al.) Berdasarkan hasil study Ismanto (2013) menggunakan data IR1 suhu puncak awan periode 2001 – 2005 diperoleh distribusi MCC tersebar di Samudera Hindia (barat Sumatera), Papua, Samudera Pasifik (utara Papua), Kalimantan dan utara Australia (Tabel 3). Menurutnya hanya sebagian kecil MCC muncul di perairan dalam (perairan diantara pulau-pulau) BMI yang menunjukkan bahwa membutuhkan lapisan batas dengan udara hangat dan lembab dengan wilayah yang luas guna terbentuknyasistem MCC. Tabel 3 Prosentase kemunculan MCC pada wilayah tertentu Wilayah Prosentase (%) Samudera Hindia (barat Sumatera) 35 Papua 15 Samudera Pasifik (utara Papua) 13 Kalimantan 12 Utara Australia 9 (Sumber: Ismanto, 2013) Sementara itu luasan MCC berdasarkan wilayah pada Tabel 2 dapat ditunjukkan pada Gambar 2. Terlihat pada Gambar 2 bahwa wilayah yang memiliki dominasi luasan MCC terbesar adalah wilayah sekitar Samudera Hindia (barat Sumatera) dengan luas mencapai lebih dari 500.000 km2. Menurut Ismanto (2013) jumlah prosentase kemunculan MCC untuk wilayah Kalimantan dan Papua identikdengan tipe curah hujan ekuatorial. Kemunculan terbesar saat periode Maret-April-Mei (MAM)dansaatperiodeSeptember-OktoberNovember (SON). Gambar 2. Distribusi spasial MCC saat fase maksimum, lingkaran menunjukkan luasan area cakupan (luasan x 1000 Km²), warna menunjukkan musim DJF (merah), MAM (hijau), JJA (biru), SON (kuning). Pengolahan data IR12001-2005. Kotak dengan warna biru tua menunjukkan area MCC SamuderaHindia barat Pulau Sumater, kotak warna hijau area Samudera Hindia utaraAustralia, kotak warna coklat area MCC Pulau Kalimantan, kotak warna oranyearea MCC Samudera Pasifik Barat, kotak warna biru menunjukkan area MCCPulau Papua. (Sumber: Ismanto, 2013) Ismanto (2013) juga menunjukkan bahwa secara zonal tidak ditemukan adanya indikasipergerakan frekuensi MCC arah timur - barat. Namun terlihat frekuensi MCC arah meridional menunjukkan adanya frekuensi MCC yangmengikuti migrasi sistem monsoon. Gambar 3 memperlihatkan frekuensi kejadian MCC meridional (frekuensi total MCC antara bujur 90 BT -150 BT tiap lintang pada periode 2001 - 2005). Saat menjelang periode Desember-Januari-Februari (DJF) sebagianbesar frekuensi MCC muncul di khatulistiwabergerak ke selatan. Sedangkanmenjelang periode MAM ada dua frekuensi MCC bergerak utara –selatan yaitu; dari 13 oLS ke 6 oLS dan dari khatulistiwa ke 6 oLU. Pergerakan frekuensi sistem MCCdidominasi pengaruh radiasi matahari yang menyebabkan pergerakan frekuensi arahmeridional. - 624 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Gambar 3. Frekuensi kejadian MCC meridional (total MCC antara bujur 90 BT -150 BT tiap lintang). Garis merah putus-putusdengan arah panah menunjukkan pola arah pergerakan frekuensi MCC secarameridional. (Sumber: Ismanto, 2013) Sementara itu Trismidianto (2012) telah mengidentifikasi 553 kejadian MCC di Samudera Hindia selama 10 tahun (2000 – 2009). Dimana secara rata-rata ada 55 MCC setiap tahunnya dengan frekuensi terbesar terjadi pada musim MAM dengan kemunculan MCC terbanyak pada bulan April dengan frekuensi 5 – 12 kejadian MCC setiap bulannya.MCC di Samudera Hindia muncul lebih awal dengan fase awal terjadi malam menjelang tengah malam hingga pagi hari (23.00 – 03.00 WIB). Fase maksimumnya terjadi sekitar pukul 05.00 – 07.00 WIB. Selanjutnya fase punah MCC di Samudera Hindia pada pukul 17.00 – 19.00 WIB. Dengan demikian secara umum siklus hidup MCC di Samudera Hindia lebih lama yang berisar 12 – 15 jam. 4. KESIMPULAN Meskipun ada diseluruh dunia, MCC lebih merupakan fenomena yang muncul di darat dan cenderung terkumpul pada daerah yang tertentu (terbatas) saja. Sebagian besar MCC muncul dengan siklus hidup nocturnal dimana mulai pada sore hari, puncaknya pada tengah malam dan berakhir setelah pagi hari. Sementara itu BMI merupakan salah satu wilayah dengan massa uap air terbesar dibanding dengan wilayah tropis lainnya. Namun MCC di Benua Maritim tumbuh di daerah antara lain bagian utara Kalimantan, Lautan Hindia, Papua, dan bagian utara Australiadengan batasan kriteria luas cakupan MCC dari Maddox. Dengan demikian dalam penelitian selanjutnya perlu diberikan definisi kompleks konvektif BMI yang secara prinsip sama dengan definisi MCC secara umum namun dengan luas cakupannya pada skala puluhan hingga ratusan kilometer. UCAPAN TERIMAKASIH Penulis mengucapkan terima kasih kepada tim reviewer yang telah memberi masukan/saran bagi penulis untuk menampilkan hasil penelitian kami. - 625 - Study Mesoscale Convective Complexes di BenuaMaritim Indonesia Menggunakan Data Satelit (Nuryanto, D.E., et al.) DAFTAR PUSTAKA Ahrens, C.D. (2008). Essentials of Meteorology – An Invitation to the Atmosphere. Fiftth Edition. Thomson Higher Education, Belmont CA. USA. 504 pp. Ashley, W.S., Mote, T.L., Dixon, P.G., Trotter, S.L., Powell, E.J., Durkee, J.D., dan Grundstein, A.J. (2003). Distribution of Mesoscale Convective Complex Rainfall in the United States. Monthly Weather Review. 131(12):3003–3017. http://doi.org/10.1175/1520-0493(2003)131<3003:DOMCCR>2.0.CO;2. Baker, R.D., Lyn, B.H., Boone, A., Tao, W.K., dan Simpson, J. (2001). The Influence of Soil Moisture, Coasline Coasline Curvature, and Land-Breeze Circulations on Sea-Breeze Initiated Precipitation. Journal of Hydrometeorology. 2:193 – 211. Carvalho, L.M.V., dan Jones, C. (2001). A Satellite Method to Identify Structural Properties of Mesoscale Convective Systems Based on the Maximum Spatial Correlation Tracking Technique (MASCOTTE). Journal of Applied Meteorology. 40:1683-1701. Chang, C.P., Wang, Z., McBride, J., dan Liu, C.H. (2005). Annual Cycle of Southeast Asia – Maritime Continent Rainfall and the Asymmetric Monsoon Transition.Journal of Climate. 18:287 – 301. Chen, Y.L., dan Lim, J. (1995). Large-scale conditions favorable for the development of heavy rainfall during TAMEX IOP 3. Monthly Weather Review. 123:2978 – 3002. Durkee, J.D., dan Mote, T.L. (2009). A climatology of warm-season mesoscale convective complexes in subtropical South America. International Journal of Climatology. 30(3):418 – 431. Durkee, J.D., Mote, T.L., dan Shepherd, J.M. (2009). The Contribution of Mesoscale Convective Complexes to Rainfall across Subtropical South America. Journal of Climate. 22:4590 – 4605. Fritsch, J.M., Kane, R.J., dan Chelius, C.R. (1986). The Contribution of Mesoscale Convective Weather Systems to the Warm-Season Precipitation in the United States. Journal of Climate and Applied Meteorology. 25:1333 – 1345. Gray, W.M., dan Jacobson, R.W. (1977). Diurnal Variation of Deep Convective System in The Tropics. Monthly Weather Review. 105:1171-1188. Hara, M., Yoshikane, T., dan Kimura, F. (2006). Mechanism of Diurnal Cycle of Convective Activity over Borneo Island. 7th WRF User’s Workshop. Boulder. Colorado. US. Hara, M., Yoshikane, T., Takahashi, H.G., Kimura, F., Noda, A., dan Tokioka, T. (2009). Assesment of the Diurnal Cycle of Precipitation over the Maritime Continent Simulated by A 20 km Mesh GCM using TRMM PR Data. Journal of the Meteorological Society of Japan. 87A:413 – 424. Hendon, H.H. (2003). Indonesian Rainfall Variability: Impacts of ENSO and Local Air-Sea Interaction. Journal of Climate. 16:1775 – 1790. Holton, J.R. (2004) An Introduction to Dynamic Meteorology. Fourth Edition, Elsevier Academic Press. ISBN: 0-12354015-1. 529pp. Houze, R.A., Geotis, S.G., Marks, F.D., dan West, A.K. (1981). Winter monsoon convection in the vicinity of North Borneo. Part I: Structure and time variation of the clouds and precipitation. Monthly Weather Review.109(8):1595– 1614. Houze, R.A. Jr. (2004). Mesoscale Convective System.Reviews of Geophysics.42pp. RG4003. doi:10.1029/2004RG000150. Ichikawa, H., dan Yasunari, T. (2006). Time–Space Characteristics of Diurnal Rainfall over Borneo and Surrounding Oceansas Observed by TRMM-PR.Journal of Climate. 19:1238 – 1260. Ichikawa, H., dan Yasunari, T. (2008). Intraseasonal Variability in Diurnal Rainfall over New Guinea and the Surrounding Oceans during Austral Summer.Journal of Climate. 21:2852 – 2868. Ismanto, H. (2013). Distribusi Spasial dan Temporal Mesoscale Convective Complexes di Benua Maritim. Buletin Megasains. 4(2):74 – 81. Kajikawa, Y., Wang, B., dan Yang, J. (2009). A Multi-time Scale Australian Monsoon Index. International Journal of Climatology. DOI: 10.1002/joc.1955. Kitoh, A., dan Arakawa, O. (2005). Reduction in Tropical Rainfall Diurnal Variation by Global Warming Simulated by A 20-km Mesh Climate Model. Geophysical Research Letters. 32. doi:10.1029/2005GL023350. Laing, A., dan Fritsch, J.M. (1993a). Mesoscale convective complexes over the Indian monsoon region. Journal of Climate. 6:911-919. Laing, A.G., dan Fritsch. J.M. (1993b). Mesoscale Convective Complexes in Africa. Monthly Weather Review. 121:2254 – 2263. Laing, A.G. (2003). Mesoscale Meteorology: Mesoscale Convective System. In Holton, J.R., Curry J.A. and Pyle. J.A. (ed) Encyclopedia of Atmospheric Sciences. London: Academic Press, pp. 1251 - 1261. Liberti, G.L., Chéruy, F., dan Desbois, M. (2001), Landeffect on the diurnal cycle of clouds over the TOGACOARE area, as observed from GMS IR Data.Monthly Weather Review. 129:1500-1517. Machado, L.A.T., Rossow, W.B., Guedes, R.L., dan Walker, A.W. (1998). Life Cycle Variations of Mesoscale Convective Systems over the Americas. Monthly Weather Review. 126(6):1630–1654. Maddox, R.A. (1980). Mesoscale Convective Complexes. Bulletin American Meteorological Society. 61(11):1374 – 1387. Maddox, R.A. (1981). Picture of the Month: Satellite Depiction of the Life Cycle of a Mesoscale Convective Complex. Monthly Weather Review. 109:1583 – 1586. - 626 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 Maddox, R.A. (1983). Large Scale Meteorological Conditions Associated with Midlatitude Mesoscale Convective Complexes. Monthly Weather Review. 111:1475-1493. McAnelly, R.L., dan Cotton, W.R. (1989). The Precipitation Life Cycle of Mesoscale Convective Complexes over the Central United States. Monthly Weather Review. 117:784 – 808. McBride, J.L., Haylock, M.R., dan Nicholls, N. (2003). Relationship between the Maritime Continent Heat Source and the El Nino-Southern Oscillation Phenomenon. Journal of Climate. 16:2905 – 2914. Meyers, G., McIntosh. P., Pigot, L., dan Pook, M. (2007). The Years of El Nino, La Nina, and Interactions with the Tropical Indian Ocean. Journal of Climate. 20:2872 – 2880. Miller, D., dan Fritsch, J.M. (1991). Mesoscale Convective Complexes in the Western Pacific Region. Monthly Weather Review. 119:2978 – 2992. Mori, S,, Jun-Ichi, H,, Tauhid, Y.I, Yamanaka, M.D., Okamoto, N., Murata, F., Sakurai, N., Hashiguchi, H., dan Sribimawati, T. (2004). Diurnal Land-Sea Rainfall Peak Migration over Sumatera Island, Indonesia Maritime Continent, observed by TRMM Satellite and Intensive Rawinsonde Soundings. Monthly Weather Review. 132:2021 – 2039. Motoi, T., dan Kitoh, A. (2005). Role of the Maritime Continent in a Coupled Atmosphere-Ocean-Land Surface Model. American Geophysical Union. Fall Meeting 2005. abstract #OS31B-1445. http://adsabs.harvard. edu/abs/2005AGUFMOS31B1445M. Neale, R., dan Slingo, J. (2003). The Maritime Continentand its Role in the Global Climate: A GCM study.Journal of Climate. 16:834 – 848. Pribadi, A., Wongwises, P., Humphries, U., Limsakul, A., dan Wangwongchai, A. (2012). Diurnal Rainfall Variation over Three Rainfall Regions within Indonesia Based on Ten Years of TRMM Data.Journal of Sustainable Energy dan Environment. 3:81–86. Qian, J.H. (2008). Why Precipitation Is Mostly Concentrated over Islands in the Maritime Continent. Journal of the Atmospheric Sciences. 65:1428 – 1441. Ramage, C.S. (1968). Role of a Tropical “Maritime Continent” in the Atmospheric Circulation. Monthly Weather Review. 96:365 – 370. Saito, K., Keenan, T., Holland, G., dan Puri, K. (2001).Numerical Simulation of the Diurnal Evolution of Tropical Island Convection over the Maritime Continent.Monthly Weather Review. 129:378 – 400. Sakurai, N., Murata, F., Yamanaka, M.D., Mori, S., Hamada, J.I., Hashiguchi, H., Tauhid, Y.I., Sribimawati, T., dan Suhardi, B. (2005). Diurnal Cycle of Cloud System Migration over Sumatera Island.Journal of the Meteorological Society of Japan.83:835 – 850. Shibagaki, Y., Shimomai, T., Kozu, T., Mori, S., Fujiyoshi, Y., Hashiguci, H., Yamamoto, M.K., Fukao, S., dan Yamanaka, M.N. (2006). Multiscale aspects of convective systems associated with an intraseasonal oscillation over the Indonesian Maritime Continent. Monthly Weather Review. 134:1682–1696. Trismidianto (2012) Kajian Pengaruh Kompleks Konvektif Skala Meso di Samudera Hindia terhadap Pola Cuca di atas Wilayah Sumatera. Tesis Sekolah Pascasarjana Institut Teknologi Bandung. Yang, G.Y., dan Slingo, J. (2001). The Diurnal Cycle in the Tropics. Monthly Weather Review. 129:784 – 801. Yuan, J., dan Houze, R.A. (2010). Global variability of mesoscale convective system anvil structure from A-train satellite data. Journal of Climate, 23(21):5864–5888. http://doi.org/10.1175/2010JCLI3671.1. Zhou, L., dan Wang, Y. (2006). Tropical Rainfall Measuring Mission Observation and Regional Model Study of Precipitation Diurnal Cycle in the New Guinean Region. Journal of Geophysical Research. 111. D17104, doi:10.1029/2006JD007243. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA POSTER PRESENTASI ILMIAH SINAS INDERAJA 2015 Judul Makalah Pemakalah Jam Tempat Diskusi : Studi Mesoscale Convective Complexes di Benua Maritim Indonesia Menggunakan Data Satelit : Danang Eko N : 10.30-15.00 : Ball Room 2 dan 3 : Erna Sri Adiningsih (Pustekdata, LAPAN): Perlu dijelaskan periode data yang digunakan. Apakah hasil yang diperoleh menunjukkan kondisi MCC klimatologis atau hanya berlaku untuk periode tertentu? Jawaban: Periode data yang digunakan adalah periode tahun 1983 – 1985 (Miller dan Fritsch, 1991) dan periode tahun 2001 – 2005 (Ismanto, 2013). Keduanya menggunakan data IR1 suhu puncak awan dari satelit pengamatan. Hasil yang - 627 - Study Mesoscale Convective Complexes di BenuaMaritim Indonesia Menggunakan Data Satelit (Nuryanto, D.E., et al.) diperoleh tersebut tidak mencerminkan kondisi MCC klimatologis, akan tetapi hanya berlaku untuk periode tertentu saja seperti yang sudah disebutkan di atas. - 628 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 POSTER PRESENTATION Analisis Kondisi Laguna Segara Anakan Menggunakan Citra Landsat Multitemporal Anang Dwi Purwanto1,*) dan Wikanti Asriningrum1 1 Pusat Pemanfaatan Penginderaan Jauh (Pusfatja) - LAPAN *) E-mail: [email protected] / [email protected] ABSTRAK - Keberadaan Laguna Segara Anakan di kabupaten Cilacap, Jawa Tengah mempunyai fungsi dan peran yang sangat penting bagi kehidupan masyarakat di sekitarnya. Hal itu salah satunya ditandai dengan melimpahnya hasil perikanan di kawasan tersebut. Akan tetapi, kondisi terkini dari Laguna Segara Anakan semakin memprihatinkan sebagai akibat dari semakin menumpuknya sedimentasi, pembukaan tambak yang kurang terawat dengan baik serta adanya penebangan pohon mangrove di sekitar kawasan laguna. Penelitian ini bertujuan untuk menganalisa kondisi Laguna Segara Anakan, Cilacap dalam kurun waktu 20 tahun terakhir dengan menggunakan teknologi penginderaan jauh. Citra satelit yang digunakan diantaranya citra Landsat 5 akuisisi tanggal 24 Februari 1990, citra Landsat 7 akuisisi tanggal 19 Januari 2003 dan citra Landsat 8 akuisisi tanggal 1 Mei 2014. Identifikasi obyek perairan di kawasan laguna dengan menggunakan komposit RGB band buatan yaitu Red = NIR+SWIR, Green = NIR dan Blue = NIR-Red. Pemisahan obyek perairan dan non perairan dengan menggunakan metode klasifikasi unsupervised. Hasil penelitian menunjukkan pada periode tahun 1990 - 2013 terjadi penurunan luasan kawasan Laguna Segara Anakan sebesar 2.010,51 Ha, dengan rincian penurunan luasan pada tahun 1990 - 2003 sebesar 1.390,86 Ha, sedangkan tahun 20032013 terjadi penurunan luasan sebesar 619,65 Ha. Kata kunci: Laguna, Landsat 5, 7, 8, Band Buatan, Segara Anakan, Penginderaan Jauh ABSTRACT - The existence of Segara Anakan Lagoon in Cilacap District, Central Java has a function and a very important role for the life of the surrounding community. It is marked by an abundance of fishery products in the region. However, the current condition of the lagoon immediately saplings growing concern as a result of the growing of sedimentation, the opening of the ponds that are less well maintained and the felling of mangrove trees in the area around the lagoon. This study aims to analyze the condition of Segara Anakan Lagoon, Cilacap within the last 20 years using remote sensing technology. Satellite imagery that used including Landsat 5 image of the acquisition date of February 24, 1990, Landsat 7 imagery acquisition on 19 January 2003 and 8 Landsat image acquisition date of May 1, 2014. The identification of objects in the waters of the lagoon area by using a composite RGB artificial band, Red = NIR + SWIR, Green = NIR and Blue = NIR-Red. The separation of water and non-water objects by using unsupervised classification method. The results showed in the period 1990 - 2013 decreased extents Segara Anakan Lagoon area of 2010.51 ha, with details of the extent of the decline in the year from 1990 to 2003 amounted to 1390.86 ha, while the 2003-2013 decline in area of 619.65 ha. Keywords: Lagoon, Landsat 5, 7, 8, Artificial Band, Segara Anakan, Remote Sensing 1. PENDAHULUAN Segara Anakan merupakan suatu laguna yang terletak di kabupaten Cilacap, Jawa Tengah. Di depan kawasan ini membentang sepanjang kurang lebih 30 kilometer arah timur - barat adalah Pulau Nusakambangan yang melindungi teluk tersebut dari gelombang Samudera Hindia. Dengan dukungan kondisi perairan yang tenang menjadikan kawasan ini sebagai salah satu kawasan yang memiliki potensi mangrove terbesar di Pulau Jawa (Purwanto, 2014). Keberadaan Laguna Segara Anakan di kabupaten Cilacap, Jawa Tengah mempunyai fungsi dan peran yang sangat penting bagi kehidupan masyarakat di sekitarnya. Hal itu salah satunya ditandai dengan melimpahnya hasil perikanan di kawasan tersebut. Seiring dengan bertambahnya waktu, pada kawasan ini terjadi konversi penggunaan lahan dari penutup lahan yang satu menjadi penutup lahan lain yang dilakukan oleh sekelompok orang. Hal ini dapat digunakan sebagai salah satu indikator terkait menurunnya kualitas lingkungan di kawasan Segara Anakan (Parwati, 2001). Salah satu fungsi dari keberadaan Laguna Segara Anakan adalah sebagai tempat bermuaranya sungaisungai besar diantaranya: sungai Citanduy, sungai Cikonde, sungai Cibeureum, sungai Palidukan dan sungaisungai lainnya. Sungai-sungai tersebut berpengaruh besar terhadap kelancaran fungsi sistem drainasi Sidareja-Cihaur seluas 22.500 ha, daerah irigasi Lakbok Selatan seluas 4.050 ha dan daerah irigasi Lakbok Utara seluas 6.700 ha (Data Konservasi dan Pengendalian Daya Rusak Laguna Segara Anakan, 2010). Oleh - 629 - Analisis Kondisi Laguna Segara Anakan Menggunakan Citra Landsat Multitemporal. (Purwanto, A.D., et al.) karena itu keberadaan laguna ini harus senantiasa dijaga kelestariannya dan rutin dilakukan monitoring terkait luasan perairannya serta terkait penggunaan lahan di sekitar laguna dan aktivitas penduduk. Teknologi penginderaan jauh dapat digunakan untuk mengidentifikasi obyek perairan dengan jelas terutama di kawasan laguna Segara Anakan, Cilacap. Salah satu teknik yang pernah dikembangkan adalah dengan menggunakan komposit RGB Band Buatan (Red = NIR+SWIR), (Green = NIR) dan (Blue = NIRRed) yang telah dikembangkan oleh Trisakti et al (2012) dimana komposit ini digunakan untuk mengidentifikasi vegetasi air. Hasil dari kombinasi band buatan ini salah satunya akan menampilkan warna kegelapan yang khas pada bagian perairan. Kondisi luasan perairan dari Laguna Segara Anakan, Cilacap dari tahun ke tahun semakin menyusut. Luas semula Segara Anakan pada tahun 1900-an menurut Badan Pengelola Kawasan Segara Anakan (BPKSA) adalah 6.450 ha, namun sejak tahun 1987 luas laguna ini semakin menyempit akibat adanya pendangkalan akibat dari tingginya sedimetasi di kawasan tersebut (Data dan Informasi Segara Anakan dari Kantor Pengelola Sumber Daya Kawasan Segara Anakan Kabupaten Cilacap, 2009 dan Data Konservasi dan Pengendalian Daya Rusak Laguna Segara Anakan, 2010). Akan tetapi, kondisi terkini dari laguna segara anakan semakin memprihatinkan sebagai akibat dari semakin menumpuknya sedimentasi, pembukaan tambak yang kurang terawat dengan baik serta adanya penebangan pohon mangrove di sekitar kawasan laguna. Tujuan penelitian ini adalah untuk menganalisa kondisi Laguna Segara Anakan, Cilacap dalam kurun waktu 20 tahun terakhir dengan menggunakan citra satelit Landsat multitemporal. 2. METODE Lokasi penelitian dilakukan di kawasan Laguna Segara Anakan, Kabupaten Cilacap, Provinsi Jawa Tengah dengan batasan koordinat 7°35’51”-7°42’2” LS dan 108°45’55”-108°53’6” BT (Gambar 1). Gambar 1. Lokasi Penelitian Citra satelit yang digunakan adalah citra Landsat 5 akuisisi tanggal 24 Februari 1990, citra landsat 7 akuisisi tanggal 19 Januari 2003 dan citra landsat 8 akuisisi tanggal 1 Mei 2014. Diagram alir pengolahan untuk identifikasi obyek perairan di kawasan Laguna Segara Anakan, Cilacap dapat dilihat pada Gambar 2. Metode yang dikembangkan dalam penelitian ini adalah menganalisis secara visual nilai spektral Landsat-5, Landsat-7 dan Landsat 8 berdasarkan citra komposit diantaranya RGB band buatan yaitu (Red = NIR+SWIR), (Green = NIR) dan (Blue = NIR-Red). Penggunaan citra komposit dilakukan untuk mendapatkan ketajaman obyek dan menghasilkan warna komposit guna memperoleh informasi citra yang optimal. Proses fusi multispektral diawali dengan memilih 3 (tiga) kanal yang digunakan untuk membuat citra warna komposit dengan memasukkan setiap kanal ke dalam filter merah, hijau, dan biru (RGB) sehingga diperoleh citra warna komposit RGB yang dapat mengidentifikasi obyek perairan dengan baik. Kemudian klasifikasi citra satelit yang digunakan dalam penelitian ini adalah klasifikasi secara digital. Klasifikasi ini merupakan suatu proses mendapatkan nilai digital spektral tiap-tiap obyek. Pada penelitian ini - 630 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 dilakukan klasifikasi dengan metode klasifikasi tidak terbimbing (unsupervised classification) yaitu analis memerintahkan komputer untuk mencari rata-rata kelas dan matrik ragam-peragamnya yang akan digunakan dalam klasifikasi. Gambar 2. Diagram Alir Penelitian 3. HASIL PEMBAHASAN Laguna Segara Anakan, Cilacap mempunyai fungsi dan peran yang sangat penting untuk menopang kehidupan masyarakat beserta ekosistem di sekitarnya. Jika dicermati kondisi Laguna pada tahun sebelum 1990 terlihat jelas dimana kondisi Laguna Segara Anakan yang masih sangat luas dibanding tahun-tahun setelahnya. Pengolahan citra diawali dengan melakukan penggabungan band dilanjutkan dengan pembatasan (cropping) citra pada daerah penelitian dan diteruskan dengan melakukan komposit RGB. Untuk mengidentifikasi obyek perairan dengan data citra satelit Landsat multitemporal digunakan pasangan RGB komposit band buatan (Red = NIR+SWIR), (Green = NIR) dan (Blue = NIR-Red). Pada Tabel 1 ditampilkan perbandingan spesifikasi band antara Landsat 5, Landsat 7 dan Landsat 8. Tabel 1. Perbandingan Spesifikasi Band Landsat 5, Landsat 7 dan Landsat 8 (Sumber : NASA, 2008) L5 TM Band Spesifikasi L7 ETM+ Band Spesifikasi LDCM OLI/TIRS Band Band Spesifikasi Band 1 Coastal/Aerosol, (0.433 – 0.453 µm) Band 1 Blue (0.45 - 0.52 µm) Band 1 Blue, (0.450 – 0.515 µm) Band 2 Blue, (0.450 – 0.515 µm) Band 2 Green (0.52 - 0.60 µm) Band 2 Green, (0.525 – 0.605 µm) Band 3 Green, (0.525 – 0.600 µm) Band 3 Red (0.63 - 0.69 µm) Band 3 Red, (0.630 – 0.690 µm) Band 4 Red, (0.630 – 0.680 µm) Band 4 Near-Infrared (0.76 - 0.90 µm )µm Band 4 Near-Infrared, (0.775 – 0.900 µm) Band 5 Near-Infrared, (0.845 – 0.885 µm) Band 5 Near-Infrared (1.55 - 1.75 µm) Band 5 SWIR 1, (1.550 – 1.750 µm) Band 6 SWIR 1, (1.560 – 1.660 µm) Band 7 Mid-Infrared (2.08 - 2.35 µm) Band 7 SWIR 2, (2.090 – 2.350 µm) Band 7 SWIR 2, (2.100 – 2.300 µm) Band 8 Pan, (0.520 – 0.900 µm) Band 8 Pan, (0.500 – 0.680 µm) - 631 - Analisis Kondisi Laguna Segara Anakan Menggunakan Citra Landsat Multitemporal. (Purwanto, A.D., et al.) Band 6 LWIR, (10.00– 12.50 µm) Band 9 Cirrus, (1.360 – 1.390 µm) Band 10 LWIR 1, (10.3 – 11.3 µm) Band 11 LWIR 2, (11.5 – 12.5 µm) Penggunaan komposit RGB tersebut sebelumnya pernah digunakan oleh Trisakti et al (2012) untuk mengidentifikasi obyek vegetasi perairan. Sedangkan penelitian saat ini penulis mencoba untuk mengaplikasikan formulasi tersebut untuk mengidentifikasi obyek perairan di kawasan laguna Segara Anakan. Pada citra Landsat 5 dan landsat 7, band yang digunakan diantaranya band 3 (Red), band 4 (NIR) dan band 5 (SWIR), sedangkan pada citra Landsat 8 band yang digunakan diantaranya band 4 (Red), band 5 (NIR) dan band 6 (SWIR 1) Hasil dari pembuatan komposit RGB band buatan pada citra Landsat multitemporal tersebut dapat dilihat pada Gambar 1 dimana obyek perairan berwarna kegelapan dan mampu membedakan dengan obyek lainnya. 24 Februari 1990 19 Januari 2003 (a) (b) 1 Mei 2014 Keterangan: (a) RGB band buatan Landsat 5 (b) RGB band buatan Landsat 7 (c) RGB band buatan Landsat 8 (c) Gambar 3. Tampilan RGB Citra Hasil penelitian menunjukkan bahwa terjadinya perubahan luasan perairan yang cukup besar khususnya pada kawasan laguna. Hal itu ditandai dengan semakin menyempitnya area perairan dan bertambahnya area - 632 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 daratan di sekitar laguna. Gambar 4 merupakan hasil pemisahan obyek perairan dan non perairan kawasan Laguna Segara Anakan. 24 Februari 1990 19 Januari 2003 1 1 2 2 3 3 (a) (b) 1 Mei 2014 Keterangan: (a) Hasil klasifikasi perairan dan non perairan citra Landsat 5 tahun 1990 1 (b) Hasil klasifikasi perairan dan non perairan 2 citra Landsat 7 tahun 2003 (c) Hasil klasifikasi perairan dan non perairan citra Landsat 8 tahun 2014 3 (c) Gambar 4. Hasil klasifikasi Laguna Segara Anakan Jika dilihat dari Gambar 4 tersebut, terlihat jelas bahwa ada 3 bagian yang perlu mendapat perhatian khusus yaitu pada ketiga area yang dilingkari warna merah. Pada area 1 merupakan bagian aliran sungai Cibeureum dimana kondisi pada tahun 1990 menunjukkan kondisi perairan dan lebar sungai masih dalam kondisi baik. Begitu juga dengan kondisi laguna (area 2) pun juga masih baik dan belum menunjukkan adanya penyempitan perairan. Selain itu daratan yang terbentuk pada area 3 juga masih sedikit (sekitar 2 buah). Pada tahun 2003, kondisi kawasan Laguna Segara Anakan mengalami penurunan kualitas. Hal itu ditandai dengan adanya penyempitan bagian sungai Cibeureum (area 1) obyek perairan yang seharusnya menjadi bagian aliran anak sungai Cibeureum tidak terlihat, berkurangnya luasan area pada bagian laguna (area 2) serta bertambahnya daratan yang terbentuk pada salah satu bagian laguna (area 3). Kemudian pada tahun 2014 kondisi kawasan Laguna Segara Anakan semakin memprihatinkan karena luasan laguna semakin berkurang drastis dan daratan baru yag terbentuk semakin luas dan bahkan antara daratan yang satu dengan yang lainnya hampir menyambung. Hasil pengamatan yang lain juga menunjukkan kondisi celah plawangan yang ada di bagian barat semakin menyempit akibat banyaknya sedimentasi yang menumpuk sehingga - 633 - Analisis Kondisi Laguna Segara Anakan Menggunakan Citra Landsat Multitemporal. (Purwanto, A.D., et al.) menghambat transport sedimen dan air ke laut lepas. Fungsi dari celah plawangan ini adalah sebagai penghubung antara Laguna Segara Anakan dengan laut lepas (Yulianti et al., 2012). Berdasarkan perbandingan ketiga data hasil pengolahan citra pada Gambar 4, diperoleh informasi bahwa kondisi laguna pada tahun 2003 mulai mengalami banyak tekanan terutama masalah sedimentasi dimana berdasarkan hasil analisis data, permasalahan tersebut kemungkinan besar sangat dipengaruhi oleh bagian hulu (sungai-sungai besar yang bermuara di laguna). Terlihat jelas bahwa hasil pengolahan data pun tidak diidentifikasi adanya obyek perairan pada area tersebut sehingga bisa dipastikan area tersebut sudah berubah menjadi obyek non perairan atau dengan kata lain sudah dikonversi menjadi peruntukan yang lain dimana sebagai salah satu pemicu terjadinya sedimentasi di Laguna Segara Anakan. Hal ini juga diperkuat dengan penelitian yang pernah dilakukan oleh Carolita et al., (2005) dimana kawasan laguna Segara Anakan, Cilacap sangat dipengaruhi oleh aktivitas atau kegiatan yang terjadi di sekitar kawasan tersebut. Permasalahan pendangkalan pada kawasan perairan di laguna segara anakan yang sampai saat ini masih menjadi pembicaraan banyak pihak sangat dipengaruhi oleh erosi yang terjadi pada aliran sungai di sebelah utara kawasan ini. Penelitian yang pernah dilakukan Parwati et al., (2006) menunjukkan telah terjadinya konversi lahan besar-besaran di sepanjang aliran ketiga sungai besar yang bermuara di Laguna Segara Anakan sehingga menyebabkan erosi dan banyak partikel tanah yang terbawa ke sungai hingga akhirnya masuk ke dalam laguna. Beberapa usaha telah dilakukan untuk mengurangi pendangkalan di Laguna Segara Anakan, diantaranya pengerukan dan normalisasi sungai yang bermuara di kawasan tersebut. Hasil perhitungan luasan laguna Segara Anakan, Cilacap diperlihatkan pada Tabel 2. NO Tabel 2. Perubahan Luasan Perairan Laguna Segara Anakan OBYEK 1990 2003 2014 1. PERAIRAN 2,747.43 ha 1,356.57 ha 736.92 ha 2. NON PERAIRAN 12,511.62 ha 13,902.48 ha 14,522.13 ha TOTAL 15,259.05 ha 15,259.05 ha 15,259.05 ha Berdasarkan tabel 3 terlihat bahwa luasan perairan di Laguna Segara Anakan terus menerus mengalami penurunan dari tahun 1990 sampai dengan 2014 yaitu sebesar 2.010,51 ha. Perlu diketahui bahwa data hasil pengamatan dalam penelitian ini belum dilakukan uji akurasi dan validasi di lapangan sehingga belum dapat diketehui tingkat ketelitiannya. Selain itu, sumber data resmi yang dikeluarkan dari pihak pengelola yang berkaitan dengan inventarisasi dan monitoring luasan Laguna Segara Anakan beserta batasan area yang jelas juga masih sangat minim. Salah satu penyebab terjadinya degradasi luasan tersebut adalah tingginya laju sedimentasi sungai-sungai besar yang bermuara di kawasan tersebut diantaranya sungai Citanduy, Cibeureum dan Cikoneng. Selain hal itu juga disebabkan kondisi drainase yang buruk dan dipengaruhi oleh pasang surut Samudera Indonesia yang berdampak pada berkurangnya luasan perairan di Laguna Segara Anakan. Bahkan menurut penelitian yang dilakukan oleh Balai Data dan Informasi SDA telah menghasilkan sebuah prediksi pada tahun 2025 mendatang keberadaan Laguna Segara Anakan akan tinggal kenangan. Cara yang bisa dilakukan agar kerusakan laguna yang terjadi saat ini tidak meluas adalah dengan tetap menjaga keasrian hutan mangrove di sisi timur Pulau Nusakambangan. Selain itu langkah rehabilitasi dan konservasi terutama di hulu-hulu sungai yang bermuara ke laguna perlu ditingkatkan intensitasnya untuk mengurangi kerusakan yang terjadi saat ini (Ardli, 2015). 4. KESIMPULAN Berdasarkan analisa dan pembahasan dapat diperoleh kesimpulan bahwa kondisi Laguna Segara Anakan dari tahun ke tahun semakin memprihatinkan, hal itu ditandai dengan semakin menyempitnya wilayah perairan dan bertambahnnya wilayah daratan pada kawasan tersebut. Hal ini diperlukan penanganan dan langkah penyelesaian khusus guna menyelamatkan kawasan laguna beserta ekosistem yang ada di sekitarnya. UCAPAN TERIMAKASIH Terima kasih saya sampaikan kepada Dr. Ety Parwati, Dr. Muchlisin Arief, dan Syarif Budhiman, M.Sc yang telah memberikan bimbingan, ide dan gagasan dalam menganalisa distribusi spasial citra Landsat-8. Dan kami juga tak lupa mengucapkan terima kasih kepada Kuncoro Teguh Setiawann, M.Si dan Gathot Winarso, M.Sc serta teman-teman lainnya yang telah membantu dalam penyusunan tulisan ini. - 634 - SEMINAR NASIONAL PENGINDERAAN JAUH 2015 DAFTAR PUSTAKA http://nasional.tempo.co/read/news/2015/05/21/206668179/laguna-segara-anakan-cilacap-kini-tinggal-sedengkul [diakses tanggal 12 Oktober 2015]. Balai Data dan Informasi SDA Dinas PSDA Propinsi Jawa Barat, Konservasi dan Pengendalian Daya Rusak Laguna Segara Anakan, Balai Data dan Informasi SDA Dinas PSDA Propinsi Jawa Barat (2010). Konservasi dan Pengendalian Daya Rusak Laguna Segara Anakan. Bandung. Carolita, I., Parwati, E., Trisakti, B., Kartika, T., dan Nugroho, G. (2005). Model Prediksi Perubahan Lingkungan Di Kawasan Perairan Segara Anakan. Prosiding PIT MAPIN XIV. Surabaya. Kantor Pengelola Sumberdaya Kawasan Segara Anakan, Data dan Informasi Segara Anakan (2009). Laguna Unik di Pantai Selatan Jawa, Cilacap. NASA (2010). Landsat Data Continuity Mission Brochure. http://www.landsat.gsfc.nasa.gov [diakses tanggal 20 September 2015]. Parwati, E. (2001). Analisis inderaja dalam evaluasi turunnya kualitas lingkungan (studi kasus perairan segara anakan, Cilacap). Artikel Tesis Perpustakaan Universitas Indonesia (belum dipublikasikan). Parwati, E., Trisakti, B., Carolita, I., Kartika, T., dan Dewanti, R. (2006). Analisis Hubungan Penutup/Penggunaan Lahan Dengan Total Suspended Matter (TSM) Kawasan Perairan Segara Anakan Menggunakan Data Inderaja. Jurnal Penginnderaan Jauh. Purwanto, A.D., Asriningrum, W., Winarso, G., dan Parwati, E. (2014). Analisis Sebaran dan Kerapatan Mangrove Menggunakan Citra Landsat 8 Di Segara Anakan, Cilacap. Prosiding Seminar Nasional Penginderaan Jauh LAPAN 2014. Trisakti, B., Suwargana, N., dan Cahyono, J.S. (2014). Pemanfaatan Data Penginderan Jauh Untuk Memantau Parameter Status Ekosistem Perairan Danau (Studi Kasus: Danau Rawa Pening). Prosiding Seminar Nasional Penginderaan Jauh LAPAN 2014. Yulianti, R.A., dan Ariastita, P.G. (2012). Arahan Pengendalian Konversi Hutan Mangrove Menjadi Lahan Budidaya di Kawasan Segara Anakan. Jurnal Teknik ITS. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA POSTER PRESENTASI ILMIAH SINAS INDERAJA 2015 Judul Makalah Pemakalah Jam Tempat Diskusi : Analisis Kondisi Laguna Segara Anakan Menggunakan Citra Landsat Multitemporal : Anang Dwi P : 10.30-15.00 : Ball Room 2 & 3 : Erna Sri Adiningsih (Pustekdata, LAPAN): Berapa tingkat ketelitian yang diperoleh dalam pemetaan kondisi dengan metode tersebut? Apakah ketelitiannya memadai? Jawaban: Sebelumnya kami mengucapkan terima kasih atas pertanyaan dan masukannya. Terkait pertanyaan Ibu tentang ketelitian pemetaan kondisi laguna, dengan ini kami sampaikan bahwa penelitian yang kami lakukan ini belum pernah dilakukan uji akurasi di lapangan sehingga belum bisa diketahui apakah tingkat ketelitiannya sudah memadai atau belum. Di samping itu, kami juga berusaha mencari sumber data resmi yang dikeluarkan dari pihak pengelola yang berkaitan dengan inventarisasi luasan laguna segara anakan beserta batasan area yang jelas akan tetapi hasilnya juga nihil. - 635 -
