PEMETAAN HABITAT BENTIK MENGGUNAKAN CITRA

PLANETSCOPE DI PULAU BENGKOANG TAMAN NASIONAL

KARIMUNJAWA KABUPATEN JEPARA

TUGAS AKHIR

Diajukan sebagai salah satu persyaratan

Untuk memperoleh gelar Ahli Madya

Program Studi Penginderaan Jauh dan Sistem Informasi Geografi

Diajukan Oleh:

Anji Auliya Irfanda

15/384588/SV/08945

Kepada :

Sekolah Vokasi Universitas Gadjah Mada

Yogyakarta

PROGRAM DIPLOMA

PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFI

SEKOLAH VOKASI

UNIVERSITAS GADJAH MADA

YOGYAKARTA

2019

ii

iii

iv

KATA PENGANTAR

Segala puji dan syukur penulis panjatkan kepada Allah SWT yang telah

memberikan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan

laporan tugas akhir. Tugas Akhir yang diusulkan dengan judul “Pemetaan Habitat

Bentik Menggunakan Citra PlanetScope di Pulau Bengkoang, Taman Nasional

Karimunjawa, Kabupaten Jepara” merupakan salah satu persyaratan perkuliahan

dalam memperoleh gelar Ahli Madya.

Penulis menyadari bahwa dalam menyelesaikan penulisan laporan tugas

akhir ini tidak terlepas dari bimbingan, arahan dan bantuan serta motivasi dari

berbagai pihak. Oleh karena itu, melalui kesempatan ini penulis mengucapkan

terimakasih kepada:

1. Dr. Taufik Hery Purwanto, M.Sc. selaku Kepala Departemen Teknologi

Kebumian Sekolah Vokasi Universitas Gadjah Mada.

2. Dr. Pramaditya Wicaksono, M.Sc. selaku dosen pembimbing Tugas

Akhir, yang juga telah memberikan banyak kritik dan saran serta

pengaplikasian metode penelitian terkait pembuatan Tugas Akhir agar

lebih baik

3. Karen Slamet Hardjo, S.Si, M.Sc. selaku dosen penguji Tugas Akhir,

yang telah banyak memberikan kritik dan saran terkait pembuatan Tugas

Akhir ini agar lebih baik.

4. Orang tua saya, Bapak Suyono dan Ibu Umi Nurhayati yang selalu

memberikan dukungan baik materiil, moril dan semangat untuk

menyelesaikan Tugas Akhir ini.

5. Pihak pengelola Balai Taman Nasional Karimunjawa yang telah

memberikan ijin penelitian.

6. Diandra Agatha yang banyak membantu momotivasi penulis untuk

menyelesaikan tugas akhir.

7. Nicho Nursidiq dan Amin Ma’ruf yang telah banyak membantu selama

melakukan survei lapangan di Perairan Kemujan Taman Nasional

Karimunjawa

v

8. Wahyu Lazuardi yang telah banyak membantu terkait metode pengolahan

citra serta pengambilan sampel lapangan yang digunakan peneliti.

9. Danny Pradoko, Ifnu Saladin, Yossa Bimo, dan Febri Dwi Saputra yang

telah banyak membantu memotivasi penulis untuk menyelesaikan tugas

akhir.

10. Teman-teman sepenanggungan Selysa, Ulfa, Ririn, Alfian, Oddy, Rifqi,

Putra, Rio, Jihad, Bang Yanto, Qastari, Fahrudin, Cahyo, Krisna, Thariiq

yang senantiasa memberikan dukungan, kritik saran dan semangat.

11. Teman-teman PJSIG 2015 yang selalu membantu dan memberi motivasi

dan semangat.

12. Serta pihak-pihak yang telah mendukung dalam penyusunan tugas akhir

yang tidak bisa disebutkan satu per satu.

Penulis menyadari bahwa laporan ini belum sempurna dan berharap semoga

laporan ini bermanfaat bagi diri pribadi penulis dan juga bagi pembaca.

Yogyakarta, 25 Maret 2019

(Anji Auliya Irfanda)

vi

PEMETAAN HABITAT BENTIK MENGGUNAKAN CITRA PLANETSCOPE

DI PULAU BENGKOANG TAMAN NASIONAL KARIMUNJAWA

KABUPATEN JEPARA

Oleh

Anji Auliya Irfanda

15 / 384588 / SV / 08945

ABSTRAK

Citra satelit penginderaan jauh sering digunakan sebagai dasar untuk

melakukan berbagai jenis pemetaan, salah satunya adalah untuk pemetaan habitat

bentik. Citra Planetscope adalah citra yang masih baru dan belum banyak

digunakan untuk melakukan pemetaan, khususnya pemetaan habitat bentik.

Penelitian ini bertujuan untuk memetakan habitat bentik di perairan Pulau

Bengkoang kawasan Taman Nasional Karimunjawa. Data citra yang digunakan

adalah citra Planetscope dengan resolusi spasial 3 m.

Metode klasifikasi yang digunakan pada penelitian adalah metode

klasifikasi hybrid OBIA supervised yang merupakan integrasi pendekatan

berbasis objek dan berbasis piksel. Algoritma supervised yang digunakan adalah

Maximum Likelihood. Hasil penelitian ini menunjukan bahwa akurasi pemetaan

habitat bentik di perairan Pulau Bengkoang sebesar 62,96% dengan 4 kelas

habitat bentik yaitu pasir, lamun, makro alga, dan terumbu karang.

Kata Kunci : Citra Planetscope, Habitat Bentik, Hybrid OBIA Supervised, Pulau

Bengkoang, Taman Nasional Karimunjawa.

vii

MAPPING OF BENTHIC HABITATS USING PLANETSCOPE IMAGERY

IN BENGKOANG ISLAND, KARIMUNJAWA NATIONAL PARK, JEPARA

DISTRICT

Anji Auliya Irfanda

15 / 384588 / SV / 08945

ABSTRACT

Remote sensing satellite imagery is used as a basis for conducting various

mapping, one for mapping of benthic habitats. Planetscope imagery is a new

image that has not been widely used for mapping, especially mapping of benthic

habitats. This study aims to map benthic habitats in the waters of the Bengkoang

island in the Karimunjawa National Park area. The image data used is the

Planetscope image with a spatial resolution 3 m.

The classification method used in the study is the OBIA supervised hybrid

classification method which is an integration of object-based and pixel-based

approaches. The supervised algorithm used is Maximum Likelihood. The results

of this study indicate that the accuracy of benthic habitat mapping in the waters of

Bengkoang Island is 62.96% with 4 classes of benthic habitats namely sand,

seagrass, macro algae, and coral reefs.

Keywords: Image Planetscope, Benthic Habitat, Hybrid OBIA Supervised,

Bengkoang Island, Karimunjawa National Park.

viii

DAFTAR ISI

LEMBAR JUDUL ................................................................................................. ii

HALAMAN PENGESAHAN .............................................................................. iii

HALAMAN PENYATAAN BEBAS PLAGIASI ............................................. iv

KATA PENGANTAR ........................................................................................... v

ABSTRAK ............................................................................................................ vi

ABSTRACT .......................................................................................................... vii

DAFTAR ISI ....................................................................................................... viii

DAFTAR TABEL ................................................................................................ xi

DAFTAR GAMBAR ........................................................................................... xii

BAB I PENDAHULUAN ...................................................................................... 1

1.1 Latar Belakang Penelitian ........................................................................ 1

1.2 Rumusan Masalah .................................................................................... 3

1.3 Tujuan Penelitian ...................................................................................... 3

1.4 Manfaat Penelitian .................................................................................... 3

1.5 Batasan Penelitian .................................................................................... 4

BAB II TINJAUAN PUSTAKA ........................................................................... 5

2.1 Perairan Laut ............................................................................................ 5

2.2 Habitat Bentik ........................................................................................... 6

2.2.1 Terumbu Karang .................................................................................. 8

2.2.2 Substrat Terbuka .................................................................................. 8

2.2.3 Lamun................................................................................................... 8

2.2.4 Makro Alga .......................................................................................... 8

2.3 Penginderaan Jauh ................................................................................... 9

2.4 Citra PlanetScope ................................................................................... 10

2.5 Klasifikasi Hybrid OBIA Supervised ...................................................... 12

2.5.1 Klasifikasi Berbasis Objek ................................................................ 12

2.5.2 Klasifikasi Multispektral Supervised (Maximum Likelihood) ............ 13

2.5 Penginderaan Jauh untuk Habitat Bentik ............................................... 14

2.7 Kerangka Pemikiran ............................................................................... 15

2.8 Penelitian Sebelumnya ........................................................................... 17

2.9 Batasan Ilmiah ........................................................................................ 20

ix

BAB III METODE PENELITIAN .................................................................... 21

3.1 Deskripsi Wilayah .................................................................................. 21

3.2 Alat dan Bahan Penelitian ...................................................................... 23

3.2.1 Alat ..................................................................................................... 23

3.2.2 Bahan .................................................................................................. 23

3.3 Tahap Pra Lapangan ............................................................................... 23

3.3.1 Koreksi Citra ...................................................................................... 23

3.3.1.1 Koreksi Sunglint ......................................................................... 24

3.3.1.2 Koreksi Kolom Air ..................................................................... 24

3.3.2 Masking Citra ..................................................................................... 25

3.3.3 Pembuatan Peta Survei Lapangan ...................................................... 25

3.4 Tahap Lapangan ..................................................................................... 26

3.4.1 Rencana Transek Lapangan ............................................................... 26

3.4.2 Pengambilan Data Lapangan .............................................................. 26

3.5 Tahap Pasca Lapangan ........................................................................... 23

3.5.1 Identifikasi Foto Sampel Lapangan.................................................... 27

3.5.2 Klasifikasi Citra.................................................................................. 28

3.5.2.1 Klasifikasi Berbasis Objek ......................................................... 28

3.5.2.2 Klasifikasi Supervised (Maximum Likelihood) .......................... 28

3.5.3 Uji Akurasi ......................................................................................... 29

3.5.4 Layouting Peta .................................................................................... 30

3.6 Diagram Alir Penelitian .......................................................................... 31

BAB IV HASIL DAN PEMBAHASAN ............................................................ 32

4.1 Pra Lapangan .......................................................................................... 32

4.1.1 Koreksi Sunglint ................................................................................. 32

4.1.2 Masking Wilayah Kajian .................................................................... 35

4.1.3 Koreksi Kolom Air ............................................................................. 36

4.1.4 Pembuatan Peta Survei Lapangan ...................................................... 40

4.2 Survei Lapangan ..................................................................................... 43

4.3 Pasca Lapangan ...................................................................................... 47

4.3.1 Identifikasi Sampel Habitat Bentik .................................................... 47

x

4.3.2 Klasifikasi Hybrid OBIA Supervised (Maximum Likelihood) ............ 48

4.3.3 Uji Akurasi ......................................................................................... 51

4.3.4 Luas dan Persentase Persebaran Habitat Bentik ............................... 52

BAB V KESIMPULAN DAN SARAN .............................................................. 54

5.1 Kesimpulan ............................................................................................. 54

5.2 Saran ....................................................................................................... 54

DAFTAR PUSTAKA .......................................................................................... 55

LAMPIRAN ......................................................................................................... 58

xi

DAFTAR TABEL

Tabel 2.1. Hirarki Skema Klasifikas Habitat Bentik .............................................. 7

Tabel 2.2. Spesifikasi Citra PlanetScope .............................................................. 12

Tabel 2.3. Penelitian Sebelumnya ......................................................................... 17

Tabel 3.1. Uji akurasi kelas Habitat Bentik .......................................................... 29

Tabel 4.1. Perbandingan Nilai Regresi Koreksi Sunglint ..................................... 33

Tabel 4.2. Perbandingan Nilai Regresi Kolom Air ............................................... 37

Tabel 4.3. Perbandingan Nilai Variansi ................................................................ 39

Tabel 4.4. Perbandingan Nilai Kovariansi dan Koefisien Atenuasi Kolom Air ... 39

Tabel 4.5. Rumus Algoritma Lyzenga................................................................... 39

Tabel 4.6. Sebagian Data Sampel Lapangan Kelas Habitat Bentik ...................... 48

Tabel 4.7. Uji Akurasi Kelas Habitat Bentik ........................................................ 52

Tabel 4.8. Luas dan Persentase Habitat Bentik Perairan Bengkoang ................... 53

xii

DAFTAR GAMBAR

Gambar 2.1. Diagram alir kerangka pemikiran penelitian .................................... 16

Gambar 3.1. Lokasi Penelitian .............................................................................. 22

Gambar 3.2. Rencana Transek Pengambilan Sampel ........................................... 26

Gambar 3.3. Sketsa Pengambilan Sampel Menggunakan Foto Transek .............. 27

Gambar 3.4. Diagram Alir Penelitian ................................................................... 31

Gambar 4.1. Tampilan Sampel Training Area Sunglint ....................................... 32

Gambar 4.2. Scatter Plot Perbandingan Nilai Piksel Saluran Koreksi Sunglint ... 33

Gambar 4.3. Tampilan Citra Hasil Masking ......................................................... 36

Gambar 4.4. Tampilan Training Area Objek Pasir pada Kedalaman Berbeda ..... 37

Gambar 4.5. Scatter Plot Perbandingan Nilai Regresi Kolom Air ....................... 37

Gambar 4.6. Tampilan Citra Sebelum dan Sesudah Terkoreksi Kolom Air ......... 40

Gambar 4.7. Hasil Klasifikasi Unsupervised Isodata pada Software ENVI ......... 41

Gambar 4.8. Peta Rencana Survei Lapangan Perairan Pulau Bengkoang ............ 42

Gambar 4.9. Foto Kegiatan Lapangan .................................................................. 44

Gambar 4.10. Foto Sampel Lapangan ................................................................... 44

Gambar 4.11. Peta Jalur Transek Habitat Bentik Perairan Pulau Bengkoang ..... 46

Gambar 4.12. Proses Sinkronisasi Data Foto dengan Data Tracking GPS ........... 47

Gambar 4.13. Data Sampel Lapangan dengan Atribut Kelas Habitat Bentik ....... 48

Gambar 4.14. Klasifikasi Supervised Maximum Likelihood ................................. 50

Gambar 4.15. Hasil Segmentasi Citra dengan Software IDRISI .......................... 51

Gambar 4.16. Peta Habitat Bentik Klasifikasi Hybrid OBIA Supervised ............. 53

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Penelitian

Indonesia merupakan negara kepulauan terbesar di dunia dengan 17.499

pulau dari Sabang sampai Merauke, Luas total wilayah Indonesia adalah 7,81 juta

km2

yang terdiri dari 2,01 juta km2 daratan, 3,25 juta km

2 lautan, dan 2,55 juta

km2 Zona Ekonomi Eksklusif (ZEE) (Kementrian Kelautan dan Perikanan, 2015).

Hal ini menyebabkan luas wilayah perairan Indonesia mencapai sekitar 62% dari

luas teritorialnya, serta memiliki potensi dan keanekaragaman jenis hayati yang

sangat besar, sehingga merupakan wilayah produktif (Supriharyono, 2000).

Secara ekologis, habitat bentik memiliki pengaruh yang sangat penting dalam

sebuah ekosistem laut. Habitat bentik merupakan sebuah tempat tinggal dan juga

tempat berlindung bagi beberapa jenis spesies laut yang berada di perairan laut

dangkal dan habitat bentik juga memiliki fungsi lain sebagai penangkap sedimen,

pendaur zat hara, serta pelindung bagi ekosistem laut.

Menurut Peraturan Menteri KKP No.23 Tahun 2016 bahwa Pengelolaan

Wilayah Pesisir dan Pulau-pulau Kecil adalah suatu pengkordinasian perencanaan,

pemanfaatan, pengawasan, dan pengendalian sumber daya pesisir dan pulau-pulau

kecil yang dilakukan oleh Pemerintah dan Pemerintah Daerah, antarsektor, antara

ekosistem darat dan laut, serta antara ilmu pengetahuan dan manajemen untuk

meningkatkan kesejahteraan rakyat. UU No. 1 Tahun 2014 menjelaskan bahwa

wilayah pesisir dan pulau-pulau kecil memiliki keanekaragaman sumber daya

alam yang tinggi, dan sangat penting bagi pengembangan sosial, ekonomi,

budaya, lingkungan, dan penyangga kedaulatan bangsa. Berdasarkan undang-

undang tersebut keanekaragaman sumber daya hayati perlu dikelola secara

berkelanjutan untuk menunjang dalam perencanaan pengelolaan sumber daya

alam.

Informasi data spasial mengenai sumber daya hayati di Kepulauan

Karimunjawa dirasa masih kurang karena dilihat dari fungsi Kepulauan

2

Karimunjawa yang diperuntukan sebagai Balai Taman Nasional, yang memiliki

fungsi lindung untuk keanekaragaman hayati wilayah pesisir Indonesia.

Sumberdaya hayati menurut UU No.1 tahun 2014 berupa ikan, padang lamun,

terumbu karang, mangrove, dan biota laut lain. Sumberdaya nonhayati berupa air

laut, mineral dasar laut, dan pasir. Sehingga perlu adanya inventarisasi pemetaan

secara real-time dan berkelanjutan dengan tujuan pengawasan serta agar

mendapatkan gambaran secara utuh mengenai kondisi sumber daya alam hayati

wilayah pesisir di pulau yang akan dikaji serta dapat dijadikan sebagai informasi

dasar dalam melakukan perencanaan dan pengembangan suatu kawasan sehingga

pemanfaatan dapat dilakukan secara maksimal dan optimal.

Pemetaan membutuhkan teknologi yang mampu memberikan informasi

tentang habitat bentik secara efektif dan efisien serta akurat secara menyeluruh.

Penginderaan jauh merupakan teknologi yang mampu menjawab tantangan

tersebut (LIPI, 2014). Perkembangan teknologi dalam pemanfaatan dan

pengelolaan sumber daya alam menggunakan data penginderaan jauh dan sistem

informasi geografi merupakan salah satu langkah yang sangat tepat dalam

penyediaan informasi untuk mengetahui informasi mengenai habitat bentik di

Kepulauan Karimunjawa, khususnya dalam bidang penginderaan jauh dengan

memanfaatkan kualitas citra atau resolusi yang lebih baik. Pemanfaatan kualitas

citra pada saat ini dapat digunakan untuk inventarisasi dan monitoring suatu objek

di lapangan dengan tingkat keakuratan yang tinggi. Citra satelit sendiri banyak

dimanfaatkan karena mampu menggambarkan berbagai jenis objek permukaan

bumi secara spesifik dan efisien. Pemanfaatan data penginderaan jauh sudah

banyak digunakan untuk pemantauan aktifitas lingkungan, khususnya daerah

perairan pesisir dan laut dangkal, dengan demikian penginderaan jauh telah

memberikan kontribusi yang cukup signifikan dalam proses pemahaman kondisi

wilayah pesisir. Dalam penelitian ini akan dilakukan pemetaan habitat bentik

yang berada di Pulau Bengkoang Kepulauan Karimunjawa.

Pemanfaatan citra satelit dalam pemetaan habitat bentik di perairan Indonesia

dinilai berguna, dengan mengingat sulitnya memetakan habitat bentik jika

3

dilakukan secara konvensional karena akan membutuhkan banyak tenaga, waktu

dan biaya yang besar (Bima, 2015). Lokasi pemetaan yang dipilih adalah Pulau

Bengkoang, yang merupakan salah satu bagian dari Kepulauan Karimunjawa.

Pemetaan dilakukan di Pulau Bengkoang karena masih kurangnya pengelolaan

sumber daya alam di pulau ini, sehingga masih sedikit informasi mengenai

sebaran habitat bentik. Pulau Bengkoang dengan luas 105 Ha di perlukan

pemetaan habitat bentik secara detail, maka dibutuhkan citra dengan resolusi

spasial yang tinggi agar menghasilkan kenampakan objek habitat bentik yang jelas

sehingga memiliki akurasi yang cukup tinggi.

Pemetaan habitat bentik skala besar memerlukan citra dengan resolusi spasial

yang tinggi. Salah satunya adalah citra PlanetScope yang memiliki resolusi spasial

sebesar 3 m. Citra ini dalam melakukan perekaman menggunakan empat band

yang terdiri dari band 1 (blue), band 2 (green), band 3 (red), band 4 (near

infrared). Dengan resolusi spasial tersebut, citra PlanetScope diharapkan mampu

mengidentifikasi objek habitat bentik secara detail.

1.2 Rumusan Masalah

Pulau Bengkoang merupakan salah satu Pulau yang berada di Taman

Nasional Karimunjawa yang memiliki banyak sumber daya alam hayati

diantaranya habitat bentik yang terdiri dari pasir, lamun, makro alga, dan terumbu

karang. Namun, masih sedikit pemetaan mengenai habitat bentik, sehingga perlu

dilakukan pemetaan habitat bentik menggunakan citra PlanetScope.

1.3 Tujuan Penelitian

Memetakan habitat bentik di Pulau Bengkoang Kawasan Taman Nasional

Karimunjawa dengan menggunakan citra PlanetScope.

1.4 Manfaat Penelitian

Manfaat dari penelitian ini adalah membantu dalam pengelolaan kawasan

Taman Nasional di Karimunjawa sehingga dapat merencanakan dan

mengembangkan serta mengatur strategi dalam pengelolaan kawasan habitat

4

bentik kedepannya agar lebih efisien dan dapat menambah informasi mengenai

habitat bentik di Pulau Bengkoang Taman Nasional Karimunjawa dan Indonesia.

1.5 Batasan Penelitian

1. Data pemginderaan jauh yang digunakan penelitian ini adalah citra

PlanetScope SR

2. Ruang lingkup penelitian ini adalah fokus pada habitat bentik di

Pulau Bengkoang Kepulauan Karimunjawa Kabupaten Jepara.

5

BAB II

TINJAUAN PUSTAKA

2.1 Perairan Laut

Perairan laut merupakan salah satu unsur yang memiliki banyak manfaat

bagi kehidupan manusia, hal ini lantaran didalam laut terdapat kekayaan yang bisa

dimaksimalkan dalam kehidupan. Menurut Adisasmita (2006), wilayah pesisir

dibedakan menjadi 4 zona/wilayah antara lain sebagai berikut.

1. Zona Lithoral

Zona lithoral adalah wilayah pantai atau pesisir atau shore. Zona

lithoral merupakan perbatasan atau pertemuan antara batas daratan dengan

batas laut yang mana terdapat pasang tertinggi dan pasang terendah.

Banyak potensi yang terdapat pada zona ini, seperti vegetasi ganggang

yang hidup sebagai bentos, teripang, binatang laut, udang, kepiting, cacing

laut, dan tanaman bakau atau mangrove.

Zona lithoral dipengaruhi oleh siklus harian pasang surut laut.

Organisme yang hidup di pantai memiliki adaptasi struktural sehingga

dapat melekat erat di substrat keras. Daerah paling atas pantai hanya

terendam saat pasang naik tinggi. Daerah ini dihuni oleh beberapa jenis

ganggang, moluska, dan remis yang menjadi konsumsi bagi kepiting dan

burung pantai. Daerah tengah pantai terendam saat pasang tinggi dan

pasang rendah. Daerah ini dihuni oleh ganggang, porifera, anemon laut,

remis dan kerang, siput herbivora dan karnivora, kepiting, landak laut,

bintang laut, dan ikan-ikan kecil. Daerah pantai terdalam terendam saat air

pasang maupun surut. Daerah ini dihuni oleh beragam invertebrata dan

ikan serta rumput laut.

2. Zona Meritic

Zona Meritic (wilayah laut dangkal), yaitu dari batas wilayah pasang

surut hingga kedalaman 150 m. Pada zona ini masih dapat ditembus oleh

sinar matahari sehingga wilayah ini paling banyak terdapat berbagai jenis

kehidupan baik hewan maupun tumbuhan-tumbuhan, contoh laut Jawa,

6

Laut Natuna, Selat Malaka dan laut-laut disekitar kepulauan Riau.

(Adisasmita, 2006).

3. Zona Bathyal

Zona Bathyal (wilayah laut dalam), adalah wilayah laut yang memiliki

kedalaman antara 150 hingga 1800 m. Zona ini memiliki kedalaman 200-

2500 meter dengan kondisi yang tidak lebih baik bagi kehidupan vegetasi

laut seperti di zona meritik. Zona ini kurang mendapat cahaya matahari

sampai ke dasar laut seperti di Zona meritik. Sehingga kehidupan vegetasi

laut jarang. Kehidupan laut di zona bathyal ini banyak dihuni oleh ikan –

ikan dengan ukuran yang cukup besar yang memiliki daya jelajah yang

luas seperti ikan hiu, paus, lumba – lumba, ikan marlin, dan ikan – ikan

lain. (Adisasmita, 2006).

4. Zona Abysal

Zona Abysal (wilayah laut sangat dalam), yaitu wilayah laut yang

memiliki kedalaman lebih dari 1800 m. Di wilayah ini suhunya sangat

dingin dan tidak ada tumbuh-tumbuhan, jenis hewan yang hidup di

wilayah ini sangat terbatas. Zona ini memiliki kedalaman rata – rata lebih

dari 1800 meter dimana kehidupan vegetasi laut sulit ditemukan di zona

ini. Hal ini karena tidak terdapatnya produsen makanan sehingga sulit bagi

ikan – ikan dan hewan laut lainnya untuk bertahan hidup. Zona ini sendiri

tidak terjangkau oleh cahaya matahari, sehingga memiliki kondisi yang

gelap dan dingin. Sama halnya dengan zona bathial daerah ini juga rawan

terjadinya gempa vulkanik dan tektonik yang berdampak pada terjadinya

tsunami (Adisasmita, 2006).

2.2 Habitat Bentik

Menurut FGDC (2010), laut dangkal optis merupakan perairan yang

memiliki kedalaman kurang dari 30 m. Laut dangkal optis merupakan perairan

yang mampu di tembus oleh sinar matahari hingga kedasar perairan tersebut.

Perairan laut dangkal dapat memiliki beberapa ekosistem habitat bentik yang

dikelaskan berdasarkan variasinya. Habitat bentik adalah ekosistem yang

7

terbentuk di bawah permukaan air baik air danau maupun laut. Habitat bentik

terdiri atas struktur sedimen dasar perairan, mikrodinamika kolom air dan cahaya

matahari yang menembus dari permukaan air (Green, et al., 1995 dalam Putra,

2014).

Menurut Wicaksono (2014), variasi klasifikasi habitat bentik di laut dangkal

secara garis besar dapat dikelompokkan ke dalam empat ekosistem dasar, yaitu

makroalga, substrat terbuka, terumbu karang, dan lamun. Tabel 2.1 menampilkan

tiga level skema klasifikasi kelas habitat bentik berdasarkan empat ekosistem

dasar .

Tabel 2.1. Hirarki skema klasifikasi habitat bentik.

Level 1 Level 2 Level 3

Makro alga

Alga terumbu karang Alga terumbukarang

Alga pasir Alga pasir

Alga rubble

Alga lamun Alga lamun

Makro alga Makro alga

Substrat terbuka

Pasir alga Pasir alga

Pasir terumbu karang Pasir terumbu karang

Pasir rubble

Pasir rubble

Rubble alga

Rubble

Pasir

Pasir lamun Pasir lamun

Terumbu karang

Terumbu karang pasir Terumbu karang rubble

Terumbu karang pasir

Terumbu karang Terumbu karang

Terumbu karang alga Terumbu karang alga

Lamun Lamun alga Lamun alga

Lamun pasir Lamun pasir

Sumber: Wicaksono (2014).

8

2.2.1 Terumbu karang

Terumbu karang dapat dikatakan sebagai hutan tropis ekosistem laut.

Ekosistem ini terdapat di laut dangkal dengan kedalaman kurang lebih 50 m

Ekosistem terumbu karang merupakan ekosistem yang sangat penting dan

memiliki keanekaragaman hayati yang sangat tinggi. Biasanya terumbu karang

hidup di perairan tropis dengan temperatur 21-30o

C. Menurut Zitello (2000),

terumbu karang dapat dibedakan berdasarkan lokasi komunitas bentik dan tidak

didasarkan pada tipe penutup komponen biologi.

2.2.2 Substrat terbuka

Substrat terbuka pada skema klasifikasi level satu terdiri dari pasir dan rubble

(pecahan terumbu karang). Pasir yang tergolong dalam klasifikasi ini adalah pasir

yang terendam oleh air laut yang terdapat pada perairan laut dangkal optis. Pasir

yang terendam adalah pasir yang tampak dan perairan laut dapat ditembus oleh

sinar matahari.

2.2.3 Lamun

Lamun merupakan satu-satunya kelompok tumbuh-tumbuhan berbunga yang

terdapat di perairan laut, seperti halnya rumput di darat, lamun memiliki tunas

berdaun yang tegak. Ciri utama dari tumbuhan lamun menurut Endrawati, et al.

(2000) adalah.

1) Memiliki toleransi yang tinggi terhadap kadar garam lingkugan;

2) Tumbuh pada perairan yang selamanya terendam;

3) Mampu bertahan dan mengakar pada lahan dari hempasan ombak dan

arus;

4) Menghasilkan benang sari yang tahan terhadap kondisi perairan.

2.2.4 Makro Alga

Menurut Kuncoro (2004), alga adalah golongan tumbuhan yang hidup baik di

air laut maupun air tawar, yang hidup menempel pada substrat tertentu, seperti

pasir, karang atau keduanya. Secara garis besar alga dapat digolongkan menjadi

mikroalga dan makroalga. Alga yang banyak hidup di air laut adalah jenis makro

alga. Makro alga yang tumbuh diperairan Indonesia meliputi 27 genus, yang

9

terbagi menjadi tiga kelas, yaitu Chyloropyceae, Phaeophyceae, dan

Rhodophyceae. Bentuk tanaman tersebut masing-masing berbeda pada susunan

kerangka antara akar, batang dan daun. Makro alga mampu tumbuh di seluruh

pantai hingga batas kedalaman 200 m. temperatur yang baik untuk pertumbuhan

makro alga adalah antara 27-300C di perairan laut tropis.

2.3 Penginderaan Jauh

Penginderaan Jauh (remote sensing) adalah seni dan ilmu untuk

mendapatkan informasi tentang objek, area atau fenomena melalui

analisa terhadap data yang diperoleh dengan menggunakan alat tanpa kontak

langsung dengan objek, daerah ataupun fenomena yang dikaji (Lillesand dan

Kiefer, 1990). Alat yang dimaksud dalam pengertian diatas adalah alat

penginderan atau sensor. Data penginderaan jauh diperoleh dari hasil perekaman

suatu wahana satelit, pesawat udara, balon udara maupun wahana lainnya.

Dari pendapat beberapa ahli di atas dapat disimpulkan bahwa penginderaan

jauh terdiri atas tiga komponen utama yaitu objek yang diindera, sensor

untuk merekam objek, dan gelombang elektronik yang dipantulkan atau

dipancarkan oleh permukaan bumi. Interaksi dari ketiga komponen ini

menghasilkan data penginderaan jauh yang selanjutnya melalui proses

interpretasi dapat diketahui jenis objek area ataupun fenomena yang ada.

Penginderaan Jauh memiliki komponen – komponen seperti:

a. Sumber tenaga

Terdiri atas tenaga alamiah (sinar matahari) dan tenaga buatan (berupa

gelombang mikro).

b. Atmosfer

Atmosfer adalah lapisan udara yang terdiri atas berbagai jenis gas, antara

lain; karbondioksida,nitrogen dan oksigen. Oleh karena itu di dalam

penginderaan jauh terdapat istilah jendela atmosfer yaitu bagian spektrum

gelombang elektromagnetik yang dapat mencapai bumi.

c. Interaksi antara tenaga dan objek dapat terlihat pada rona yang dihasilkan.

d. Sensor dan wahana.

10

Sensor merupakan alat pemantau yang dipasang pada wahana. Sensor dapat

dibedakan menjadi dua.

- Sensor fotografik merekam objek melalui proses kimiawi yang dapat

dipasang pada pesawat udara maupun satelit.

- Sensor elektronik merupakan sensor yang bekerja secara elektrik dalam

bentuk sinyal, direkam pada pita magnetik selanjutnya dapat diproses

menjadi data visual atau digital dengan menggunakan komputer.

e. Wahana adalah kendaraan yang digunakan untuk membawa sensor yang

berguna untuk mendapatkan data penginderaan jauh. Wahana dapat

dibedakan menjadi tiga kelompok.

1) Pesawat terbang rendah sampai menengah (low to medium

altitude aircraft) yaitu ketinggian peredaran antara pesawat 1000 –

9.000 m diatas permukaan bumi

2) Pesawat terbang tinggi (high altitude aircraft), ketinggian

peredaran pesawat lebih dari 18.000 m diatas permukaan bumi

3) Satelit ketinggian peredaran satelit antara 400 – 900 km diatas

permukaan bumi.

f. Perolehan data

Secara manual diperoleh melalui interpretasi citra. Secara numerik diperoleh

dengan menggunakan komputer.

g. Pengguna data

Data penginderaan jauh sangat bermanfaat untuk memperoleh data spasial

yang dapat digunakan dalam berbagai bidang.

h. Citra penginderaan jauh adalah gambaran suatu objek sebagai hasil rekaman

dari sebuah sensor, baik dengan cara optik, maupun elektronik.

2.3 Citra PlanetScope

Tingkat ketelitian informasi geometrik citra dibedakan berdasarkan resolusi

spasial rendah, resolusi spasial sedang/menengah, dan resolusi spasial tinggi. Citra

dengan resolusi tinggi mampu menampilkan kenampakan objek permukaan bumi

yang detil sehingga menyerupai bentuk dan ukuran aslinya, dan salah satunya

11

adalah citra PlanetScope. PlanetScope yang dikembangkan oleh Planet Labs Inc,

yang didirikan oleh tim mantan NASA Robbie Schingler, Will Marshall, dan

Chris Boshuizen di Mountain View, California. Planet Labs Inc yang sejak 12

juni 2016 telah berganti nama menjadi Planet ini meluncurkan 6 Skysat dan empat

Flocks 3 m yang termasuk PlanetScope didalamnya memiliki tujuan untuk

melakukan perekaman seluruh bumi pada setiap hari dalam resolusi tinggi. Citra

ini memiliki resolusi spasial 3 m dan mampu merekam 150 juta km2/hari. Citra

resolusi tinggi ini memiliki 4 band terdiri dari band 1 (blue), band 2 (green), band

3 (red), band 4 (near infrared). Spesifikasi lebih rinci dapat dilihat pada Tabel 2.2

sebagai berikut.

Tabel 2.2. Spesifikasi citra PlanetScope.

Missions

Characteristics

International Space Station

Orbit Sun-synchronous Orbit

Orbit altitude

(Reference) 400 km (51,6

o Inclination) 475 km (~ 98

o inclination)

Max/Min Latitude

Coverage ± 52

o (depending on season) ± 81,5

o (depending on season)

Equator Crossing Time Variable 9.30-11.30 (Local Solar Time)

Spectral Bands

Blue Green Red NIR

455–515 nm 500–590 nm 590-670 nm 780-860 nm

Sensor Type Three-band frame imager or four-band frame imager with a

split-frame NIR filter

Ground Sample

Distance (nadir) 3,0 m ( approximate )

3,5 – 4,0 m (depending on

flock)

Frame Size 20 x 12 km ( approximate )

24,6 x 16,4 km

(approximate)

12

Missions

Characteristics

International Space Station

Orbit Sun-synchronous Orbit

Maximum Image Strip

per Orbit 8.100 km

2 20.000 km

2

Revisit Time Variable Daily at nadir (early 2017)

Image Capture

Capacity Variable 340 million km

2 /day

Camera Dynamic

Range 12 – bit 12 – bit

Sumber: www.planet.com/docs/spec-sheets/sat-imagery/ (diakses 6 Juli 2018

pukul 16.34 WIB.

2.5 Klasifikasi Hybrid OBIA-Supervised

Klasifikasi hybrid adalah metode pengolahan citra untuk mengelompokan

suatu objek berdasarkan karakteristik tertentu yang terbentuk dari dua klasifikasi

yang berbeda, yaitu pendekatan objek dan piksel. Metode hybrid OBIA-

supervised dapat digunakan dalam aplikasi berbagai tema dan mampu menjadi

acuan ilmiah untuk analisis integrasi data penginderaan jauh secara kuantitatif

(Ma et al., 2017). Penelitian ini menggunakan metode hybrid OBIA-supervised

karena mampu mengintegrasikan pendekatan objek dan piksel, sehingga

kemampuan tersebut memungkinkan untuk melakukan penilaian kualitas sebuah

klasifikasi secara kuantitatif (Lazuardi, 2018).

2.5.1 Klasifikasi Berbasis Objek (OBIA)

OBIA adalah sebuah metode klasifikasi citra berbasis objek yang

berdasarkan aspek bentuk, tekstur, dan hubungan antar objek (Mafanya et al.,

2017 dalam Lazuardi, 2018). Klasifikasi berbasis objek memiliki keunggulan pada

pemisahan antar objek yang sangat akurat dan presisi. Selain itu klasifikasi ini

melakukan klasifikasi berdasarkan segmentasi objek, bukan hanya berdasarkan

13

piksel tetapi juga aspek spasialnya, klasifikasi digital ini juga memiliki kelebihan

dalam efisiensi waktu pengerjaan. Penelitian ini tidak menggunakan OBIA karena

proses OBIA dalam melakukan klasifikasi data penginderaan jauh sangat

dipengaruhi oleh rule yang dibangun. Sedangkan kesalahan atau kebenaran rule

yang dibangun sulit untuk diketahui secara pasti, sehingga dalam membangun

rule membutuhkan pengetahuan dan pengalaman yang baik. Maka dari itu,

pembuatan rule sangat dipengaruhi oleh jumlah kelas yang akan digunakan. Jika

jumlah kelas sangat banyak, maka rule yang dibangun harus memakan waktu

yang sangat lama, karena membutuhkan percobaan berulang untuk memperoleh

rule yang baik untuk setiap kelasnya.

2.5.2 Klasifikasi Multispektral Supervised (Maximum Likelihood)

Klasifikasi supervised adalah proses pengkelasan objek yang terekam

pada citra satelit penginderaan jauh dengan didasari pada sampel yang

dimasukkan oleh operator seperti melakukan klasifikasi manual, namun dalam

hal ini dapat terjadi perbedaan persepsi terhadap sampel antara analis dan

komputer. Operator menginterpretasi citra yang tampak pada layar monitor

komputer sebagai objek yang menempati ruang misalnya pasir, lamun, dan

terumbu karang, namun komputer hanya akan mengenali sebagai kumpulan

piksel dengan nilai di tiap pikselnya yang kemudian dilakukan komputasi

statistik terhadap sampel yang telah diberikan oleh operator. Penelitian ini

menggunakan klasifikasi supervised maximum likelihood. Menurut Danoedoro

(2012), klasifikasi multispektral maximum likelihood adalah algoritma

klasifikasi yang paling bagus. Hal ini dikarenakan algoritma ini mengkelaskan

piksel sebagai suatu objek menggunakan dasar perhitungan probabilitas, bukan

berdasarkan pengukuran jarak seperti pada algoritma lainnya. Shresta (1991)

dalam Danoedoro (2012) menerangkan pada algortima ini, piksel yang

dikelaskan sebagai objek spesifik bukan karena jarak, melainkan berdasarkan

bentuk, ukuran, dan orientasi sampel pada feature space. Algortitma maximum

likelihood diasumsikan bahwa semua objek memiliki kemungkinan yang sama

tetapi pada kenyataannya tidak semua kelas diperlakukan sama yang mana

14

setiap kelas memiliki faktor pembobot masing-masing yang akan ditampilkan

pada citra (Curran, 1985 dalam Danoedoro, 2012).

2.6 Penginderaan Jauh untuk Habitat Bentik

Pentingnya sumber daya alam wilayah pesisir akan berdampak pula pada

pentingnya inventarisasi pemetaan secara real-time dan berkelanjutan guna

melakukan monitoring terhadap objek kajian. Peran penginderaan jauh akan

sangat membantu dalam hal tersebut, mengingat bahwa kajian ilmu dan terapan

penginderaan jauh mampu mengakomodir berbagai jenis fenomena dipermukaan

bumi tanpa harus melakukan survei lapangan. Apabila kegiatan monitoring

kekayaan bahari Indonesia dilakukan dengan survei lapangan secara real-time

maka akan dibutuhkan biaya yang sangat tinggi mengingat bahwa Indonesia

memiliki kekayaan bahari yang sangat luas di samping wilayah keseluruhannya

yang luas. Solusi terbaik dalam menjawab kebutuhan monitoring kekayaan bahari

tersebut adalah penggunaan data Penginderaan Jauh multispektral (Green et al.

2000).

Salah satu kegunaan penginderaan jauh untuk aplikasi pesisir dan kelautan

adalah melakukan pemetaan kondisi tutupan dasar perairan. Kondisi tutupan dasar

yang dipetakan oleh data penginderaan jauh adalah kedalaman dasar perairan

yang masih dapat dipenetrasi oleh panjang gelombang penginderaan jauh. Pada

kondisi perairan yang jernih seperti perairan Karimunjawa, panjang gelombang

penginderaan jauh saluran biru, mampu melakukan penetrasi kedalaman hingga

25 m (Jupp, 1998). Akan tetapi kemampuan penetrasi akan semakin berkurang

pada perairan yang semakin keruh (Wicaksono, 2010). Data penginderaan jauh

yang digunakan adalah PlanetScope yang memiliki resolusi tinggi yaitu 3 m. citra

tersebut juga memiliki resolusi temporal yang waktu perekaman dilakukan setiap

hari.

Kepulauan Karimunjawa sebagai salah satu objek wisata bahari di

Indonesia yang terkenal hingga mancanegara menyajikan berbagai objek wisata

bahari yang beragam, mulai dari ekosistem terumbu karang yang juga merupakan

habitat ikan-ikan karang dan invertebrata, ekosistem padang lamun, ekosistem

15

hutan mangrove, ekosistem hutan pantai, serta makro alga (Karimunjawa Escort,

2005). Turis-turis baik dari lokal maupun mancanegara yang semakin bertambah

tiap tahunnya membuat kekayaan bahari Taman Nasional Karimunjawa perlu

untuk dimonitor karena kekayaan tersebut merupakan potensi utama wilayah

pesisir dan pulau-pulau kecil di Taman Nasional Karimunjawa. Salah satunya

adalah Pulau Bengkoang yang merupakan bagian dari Taman Nasional

Karimunjawa. Pulau yang memiliki luas sebesar 105 Ha ini masih sedikit

memiliki informasi mengenai sumber daya alam pesisirnya khususnya habitat

bentik.

2.7 Kerangka Pemikiran

Penelitian ini bertujuan untuk pemetaan habitat bentik di Kepulauan

Karimunjawa yang tepatnya pada Pulau Bengkoang. Pemetaan habitat dilakukan

karena Indonesia memiliki kekayaan sumber daya bahari yang melimpah dan

masih kurangnya informasi spasial mengenai sumber daya alamnya khususnya

habitat bentik. Salah satu wilayah Indonesia yang memiliki potensi untuk

dikembangkan sumber daya baharinya adalah Kepulauan Karimunjawa,

khususnya Pulau Bengkoang. Salah satu cara yang dapat diterapkan untuk

mengembangkan sumber daya alam Indonesia yang dilakukan adalah melakukan

pemetaan. Pemetaan yang digunakan sebagai informasi dasar untuk melakukan

perencanaan dan pengembangan sumber daya alam wilayah pesisir.

Penginderaan Jauh dapat memudahkan dalam melakukan penelitian ini,

mengingat bahwa kajian ilmu dan terapan penginderaan jauh mampu

mengakomodir pengamatan berbagai jenis fenomena dipermukaan bumi.

Pemetaan dengan menggunakan metode klasifikasi berbasis objek dengan

memanfaatkan data penginderaan jauh citra PlanetScope dengan resolusi sebesar

3 m yang dirasa cukup untuk mengambil informasi terkait habitat bentik secara

real-time dan detil. Secara sederhana kerangka pemikiran digambarkan pada

Gambar 2.1 sebagai berikut.

16

Gambar 2.1. Diagram alir kerangka pemikiran penelitian.

Pemetaan Habitat Bentik menggunakan

citra PlanetScope (Surface Reflectance)

Penentuan Jumlah Kelas Habitat

Bentik

Peta Habitat Bentik Pulau

Bengkoang

Klasifikasi Hybrid OBIA

Supervised (Maximum Likelihood)

Survei Lapangan

Uji Akurasi

17

2.8 Penelitian Sebelumnya

Tabel 2.3 Penelitian sebelumnya yang terkait dengan pemetaan habitat bentik.

Peneliti dan Judul

Penelitian Tujuan Penelitian Metode Penelitian Hasil Penelitian

Dwianasari (2016)

Kajian Koreksi Kolom Air

untuk Pemetaan Habitat

Bentik Melalui Citra

Penginderaan Jauh Resolusi

Spasial Tinggi di Sebagian

PerairanTaman Nasional

Karimunjawa, Kabupaten

Jepara.

- Memetakan Habitat

Bentik di perairan

Karimunjawa.

- Membandingan

akurasi pemetaan

dengan dan tanpa

koreksi kolom air

- Mengkaji faktor

yang berpengaruh

terhadap koefisien

kolom air.

- Interpretasi citra dengan

algoritma Lyzenga

- Pengambilan sampel

lapangan menggunakan

metode transek garis

- Hasil klasifikasi citra terkoreksi kolom air luas

wilayah alga lebih luas dibandingkan dengan alga

yang terdapat pada hasil akurasi citra tanpa koreksi

kolom

- Hasil uji akurasi dari klasifikasi citra tanpa koreksi

kolom air kelas major menunjukan akurasi sebesar

76,53% dan kelas detail sebesar 58,16%, sedangkan

hasil klasifikasi dengan koreksi kolom air kelas

detail menunjukan akurasi sebesar 73,46% dan

kelas detail sebesar 53,06%. Akurasi antara citra

sebelum dan sesudah koreksi terdapat perbedaan

sebesar 3,07% pada kelas major, sedangkan pada

kelas detail 5,1%.

- Faktor yang berpengaruh terhadap nilai koefisien

kolom air adalah lokasi pengambilan titik sampel

dan banyaknya jumlah sampel tetapi kedua faktor

tersebut tidak berpengaruh pada hasil klasifikasi

citra serta uji akurasi citra.

18

Peneliti dan Judul

Penelitian Tujuan Penelitian Metode Penelitian Hasil Penelitian

Adhimah (2016)

Perbandingan Klasifikasi

Berbasis Piksel dan

Klasifikasi Berbasis Objek

pada Citra Satelit Pleiades-

1A untuk Pemetaan Habitat

Bentik di Pulau Kemujan

Kepulauan Karimunjawa

- Membandingkan

akurasi pemetaan

dengan

menggunakan

klasifikasi berbasis

piksel dan klasifikasi

berbasis objek .

- Klasifikasi berbasis objek

dan Klasifikasi berbasis

piksel.

- Hasil klasifikasi berbasis piksel dan berbasis objek

(OBIA) pada citra Pléiades-1A menghasilkan overall

accuracy masing-masing sebesar 71,52% dan 86,89%.

Hasil uji akurasi pada skema klasifikasi 7 kelas habitat

bentik dengan menggunakan klasifikasi OBIA

memberikan hasil yang baik dengan adanya

peningkatan akurasi sebesar 15,37% lebih tinggi dari

hasil klasifikasi berbasis piksel.

Aviezena (2017)

Aplikasi Citra Sentinel-2

untuk Pemetaan Habitat

Bentik di Wilayah Taman

Nasional Baluran Kabupaten

Situbondo

- Mengkaji Citra

sentinel dalam

ekstraksi data habitat

bentik

- Memetakan sebaran

habitat bentik di

perairan Bama

- Interpretasi citra

menggunakan Algoritma

Lyzenga

- Pengambilan sampel

lapangan menggunakan

metode transek garis

- Habitat bentik memiliki akurasi total sebesar 70,80%

yang di koreksi kolom air dan pada hasil klasifikasi

habitat bentik menggunakan citra yang telah

terkoreksi kolom air memiliki akurasi total sebesar

72,99%.

- Objek habitat bentik yang terklasifikasi

menggunakan citra Sentinel-2 pada laut dangkal

onjek substrat dan lamun lalu diikuti terumbu karang

dan makro alga.

19

Peneliti dan Judul

Penelitian Tujuan Penelitian Metode Penelitian Hasil Penelitian

Wicaksono (2015)

Pemetaan Habitat Bentik

Sebagai Dasar Pengelolaan

Wilayah Pesisir dan Pulau-

Pulau Kecil, Studi Kasus

Pulau Menjangan Besar dan

Menjangan Kecil

Kepualauan Karimunjawa

- Memetakan habitat

bentik di pulau

Mejangan Besar dan

Menjangan Kecil

menggunakan integrasi

data PJ dan survei

lapangan.

- Klasifikasi berbasis objek

- Klasifikasi berbasis piksel

- Pemodelan empiris

- Citra WorldView-2 menghasilkan peta habitat bentik

dengan akurasi 69,87% dari klasifikasi per-piksel

dan 70,68% dari klasifikasi segmentasi. Persentase

tutupan terumbu karang hidup dapat dipetakan

dengan SE sebesar 27,47% melalui pemodelan

empiris dan 64,46% melalui klasifikasi

segmentasi. Hasilnya menunjukkan bahwa

terumbu karang di kedua pulau masih baik dengan

tutupan dominan adalah kelas tutupan 50-75% yang

diprediksi seluas 172,88 - 179,54 ha dan diikuti

dengan kelas tutupan 75-100% seluas 40,66 - 47,63

ha.

Wicaksono dan Adhimah

(2016)

Accuracy Assessments of Pan-sharpened Image for Benthic Habitats Mapping

- Membandingkan

akurasi pemetaan

habitat bentik

menggunakan band

asli dengan band

pankromatik yang

ditajamkan

- Mengkaji

kemampuan band

pankromatik yang

ditajamkan untuk

melakukan pemetaan

habitat bentik

- Klasifikasi berbasis Piksel

- Klasifikasi berbasis objek

- Tranformasi PCA

(Principle Component

Analysis)

- Image Sharpening

- Terjadi penurunan akurasi pada hasil pemetaan

tingkat kasar hingga 10,20% menggunakan DII dan

PCA dibandingkan dengan band asli, sementara ada

peningkatan akurasi hasil pemetaan sebesar 6,12%

untuk hasil IM.

- Pemetaan detail habitat bentik menggunakan band

pankromatik yang ditajamkan menghasilkan akurasi

yang lebih rendah hingga 11,58%.

20

2.9 Batasan Istilah

1. Penginderaan jauh adalah ilmu dan seni yang digunakan untuk

mendapatkan informasi atau fenomena melalaui analisis data yang

diperoleh dari hasil rekaman objek, daerah atau fenomenya yang dikaji

tanpa adanya kontak langsung dengan objek terkait (Lillesand dan Kiefer,

1990).

2. Habitat bentik adalah ekosistem yang terbentuk di bawah permukaan baik

air danau maupun laut. Habitat bentik terdiri atas struktur sedimen dasar

perairan, mikrodinamika kolom air dan cahaya matahari yang menembus

dari permukaan air (Green, et al., 1995 dalam Putra, 2014).

3. Laut dangkal optis merupakan perairan yang memiliki kedalaman kurang

dari 30 m (FGDC, 2010).

4. Alga adalah golongan tumbuhan yang hidup baik di air laut maupun air

tawar, yang hidup menempel pada substrat tertentu, seperti pasir, karang

atau keduanya (Kuncoro, 2014).

5. Resolusi spektral adalah kemampuan sistem perekaman penginderaan jauh

untuk membedakan jenis objek berdasarkan pantulannya atau pancaran

spektralnya (Danoedoro, 2012).

6. Resolusi spasial adalah ukuran terkecil objek yang dapat direkam oleh

sistem perekaman citra (Jensen, 2016).

21

BAB III

METODE PENELITIAN

3.1 Deskripsi Wilayah

Berdasarkan Surat Keputusan Menhut No. 74/Kpts-II/2001 pada tanggal 15

Maret 2001 Kepulauan Karimunjawa merupakan salah satu area yang memiliki

keanekaragaman biota laut terbesar. Menurut Lembaga Konservasi Kawasan dan

Jenis Ikan, Kepulauan Karimunjawa memiliki 45 spesies mangrove, 34 spesies

flora hutan pantai, 11 spesies lamun, dan 18 spesies rumput laut. Kondisi tersebut

Kepulauan Karimunjawa ditetapkan sebagai kawasan pelestarian alam (KPA).

Penelitian ini dilakukan di Pulau Bengkoang yang terdapat pada Gambar 3.1.

Pulau yang tidak berpenduduk ini berada pada posisi geografis 05° 46' 24" LS

sampai 05° 59' 16" LS dan 110° 24' 28" BT sampai 110° 29' 38" BT dengan luas

wilayah Pulau sebesar 105 Ha (Direktori Pendayagunaan Pulau-Pulau Kecil, 2012).

Batas-batas wilayah Pulau Bengkoang adalah sebagai berikut:

o Sebelah Utara : Laut Jawa

o Sebelah Timur : Laut Jawa

o Sebelah Selatan : Pulau Karimunjawa

o Sebelah Barat : Laut Jawa

22

Gambar 3.1. Lokasi Penelitian Pulau Bengkoang Kepulauan Karimunjawa.

23

3.2 Alat dan Bahan Penelitian

3.2.1 Alat

1. Seperangkat Laptop.

2. Perangkat lunak pengolahan data ;

a. ArcGIS 10.2 untuk pengolahan data shapefile dan layouting

peta

b. ENVI 5.0 untuk pengolahan citra

c. IDRISI SELVA 17.0 untuk pengolahan citra

3. Perangkat lunak pendukung:

a. Microsoft Office 2010 untuk penyajian, pengolahan data

dan penyusunan laporan.

b. DNR Garmin untuk geotagging Sampel foto.

4. Peralatan pendukung survei:

a. GPS Garmin Dakota 10 (penentuan posisi objek di

lapangan)

b. Alat dasar selam untuk snorkling (pengamatan objek di

lapangan) dan kamera (untuk dokumentasi)

c. Kapal (transportasi menuju titik penelitian)

3.2.2 Bahan

Data citra PlanetScope level 3B (3m) Pulau Bengkoang

perekaman 3 Agustus 2018

3.3 Tahap Pra-Lapangan

3.3.1 Koreksi Citra

Citra multispektral yang digunakan adalah PlanetScope (3 m) yang tanggal

perekamannya sebisa mungkin disesuaikan dengan pengambilan data lapangan.

Citra PlanetScope yang digunakan memiliki level koreksi 3B yang menunjukkan

bahwa citra tersebut telah terkoreksi geometri dan radiometrik, sehingga proses

koreksi selanjutnya dilanjutkan dengan koreksi sunglint dan kolom air.

24

3.3.1.1 Koreksi Sunglint

Koreksi sunglint dilakukan untuk menghilangkan efek cermin atau

pantulan sinar yang terjadi pada perairan. Pengaruh sunglint dapat diketahui

dengan membandingkan antara band visible dan band NIR yang dapat dilihat

dengan menetapkan training area pada citra yang mengandung sunglint

(Anggoro, 2014). Koreksi ini menggunakan formula sebagai berikut (Hedley, et

al. 2005):

Bi [L (Nir) Lmin (Nir)…….(3.1)

Keterangan:

Li (Vis)’ = Saluran terkoreksi sunglint

Li (Vis) = Saluran visible

Bi = Nilai regression slope

L (Nir) = Saluran NIR

Lmin (Nir) = Nilai piksel minimum dari Saluran NIR

Koreksi kolom air

Koreksi kolom air pada citra menggunakan pendekatan algoritma yang

dikembangkan oleh Lyzenga (1978). Koreksi kolom air dilakukan dengan

mengambil training area untuk substrat pasir yang terendam pada kedalaman

yang berbeda. Persamaan Algoritma Lyzenga (1978) sebagai berikut:

*(

) +

√

25

Keterangan :

Ln (Bi) = Nilai Ln dari Band i

Var (Bi) = Nilai varian dari Ln band i

Cov (Bij) = Nilai covarian dari Ln Band i dan Band j

Pengambilan area of interest untuk substrat pasir dilakukan pada daerah

pasir yang berada pada berbagai kedalaman, yaitu pada pasir terendam dangkal,

terendam sedang dan terendam dalam.

3.3.2 Masking Citra

Masking citra digunakan untuk proses memisahkan antara wilayah daratan

dengan wilayah perairan laut dangkal dan wilayah perairan laut dalam. Proses ini

dilakukan agar wilayah daratan dan perairan laut dalam tidak ikut

terklasifikasikan karena yang akan diklasifikasikan adalah objek bawah air

perairan laut dangkal berupa habitat bentik. Adapun band yang digunakan sebagai

acuan dalam melakukan proses masking adalah band 4 yaitu Near Infrared. Band

4 digunakan karena memiliki rona yang cukup gelap sehingga dinilai mampu

memisahkan kedua objek secara jelas dengan interpretasi visual saja. Proses

masking citra dapat dilakukan secara manual yaitu melakukan digitisasi batas

antara wilayah perairan laut dalam, wilayah perairan laut dangkal dan wilayah

daratan.

3.3.3 Pembuatan Peta Survei Lapangan

Peta survei lapangan pemetaan habitat bentik dibuat menggunakan metode

klasifikasi unsupervised. Klasifikasi unsupervised yang digunakan adalah Isodata

pada software ENVI. Jumlah kelas yang digunakan adalah 4 kelas mayor habitat

bentik yaitu pasir, lamun, makro alga dan terumbu karang. Hasil klasifikasi

unsupervised digunakan untuk penentuan jalur transek. Jalur survei berbentuk

transek lurus yang dipilih berdasarkan keberagaman kelas yang ada pada citra

hasil klasifikasi.

26

3.4 Tahap Lapangan

3.4.1 Rencana Transek Sampel Lapangan

Transek sampel lapangan ditentukan berdasarkan pada daerah yang

memiliki kenampakan habitat bentik yang bervariasi berdasarkan kelas mayor dan

memperhatikan pasang surut air laut agar mampu mewakili kenampakan objek

pada kondisi lingkungan perairan laut dangkal yang berbeda (Gambar 3.2).

Transek dilakukan pada daerah perairan laut dangkal optis dengan batas jurang

laut atau tubir pantai. Garis transek digunakan untuk memperoleh sampel habitat

bentik yang bervariasi di lapangan.

Gambar 3.2 Rencana transek pengambilan sampel.

3.4.2 Pengambilan Data Lapangan

Metode pengambilan sampel yang digunakan adalah metode foto transek

(Gambar 3.3) (Roelfsema and Phinn, 2009). Pengambilan foto habitat bentik

membutuhkan peralatan berupa alat snorkeling, GPS handheld dan kamera

underwater. Metode ini memanfaatkan fitur tracking point yang ada pada

perangkat GPS, fitur ini merupakan fitur untuk melakukan plotting lokasi sesuai

dengan koordinat objek dan interval waktu.

27

Gambar 3.3 Gambar pengambilan sampel dengan Transek Foto Bawah Air

(UPT) (Roelfsema and Phinn, 2009, halaman 15).

Pengambilan sampel foto habitat bentik menggunakan kamera underwater

dengan melakukan snorkeling di perairan laut dangkal optis. Proses pengambilan

sampel foto habitat bentik dengan variasi kedalaman objek habitat bentik yang

berbeda diatur menggunakan bandul sehingga memiliki area luasan yang sama.

GPS diatur kedalam mode tracking berdasarkan interval waktu 5 detik dan

kamera disamakan waktu dengan GPS. Penyamaan waktu tersebut bertujuan

untuk memudahkan dalam melakukan plotting dan sinkronisasi foto dengan

koordinat tracking pada GPS berdasarkan kesamaan waktu keduanya.

3.5 Tahap Pasca Lapangan

3.5.1 Identifikasi Foto Sampel

Informasi atau data sampel mengenai persebaran habitat bentik yang akan

digunakan untuk melakukan pemetaan habitat bentik diperoleh dengan identifikasi

sampel foto hasil survei secara manual dengan menyesuaikan jam perekaman

antara sampel foto dengan koordinat titik sampelnya. Kelas yang digunakan untuk

interpretasi foto terdiri dari kategori kelas mayor (habitat bentik). Golongan kelas

mayor yang digunakan terdiri dari kelas terumbu karang, lamun, makro alga, dan

substrat terbuka, identifikasi foto menggunakan data atribut titik sampel dengan

foto sampel.

3.5.2 Klasifikasi Citra

Klasifikasi citra dilakukan dengan proses klasifikasi berbasis objek dan

kalsifikasi supervised yaitu maximum likelihood. Skema klasifikasi dilakukan

dengan dasar kelas habitat bentik level 1 berjumlah empat kelas. Proses klasifikasi

citra dilakukan menggunakan software IDRISI Selva Versi 17.

28

3.5.2.1 Klasifikasi berbasis Objek (Hybrid OBIA Supervised)

Klasifikasi berbasis objek pada penelitian ini dilakukan melalui proses

Multiresolution segmentation, Multiresolution segmentation merupakan langkah

segmentasi objek kajian yang mengelompokkan berdasarkan area yang memiliki

kemiripan dan piksel bersebelahan kedalam sebuah objek berdasarkan ciri-ciri

homogenitasnya. Tingkat heterogenitas segmen objek yang dihasilkan akan

dipengaruhi oleh nilai parameter skala segmen yang digunakan dalam

pembentukan segmen, nilai window width sebesar 3, weight mean factor sebesar

0,5, similarity tolerance sebesar 10, dan weight variance factor sebesar 0,5. Nilai

parameter skala segmen yang digunakan sesuai dengan default dari software,

karena penelitian ini tidak mengkaji nilai parameter skala segmen yang optimal

pada citra. Segmentasi yang didapatkan kemudian diklasifikasi supervised

menggunakan maximum likelihood.

3.5.2.2 Klasifikasi Supervised (Maximum Likelihood)

Proses klasifikasi merupakan tahap mengelompokan objek berdasarkan

suatu karakteristik. Metode klasifikasi yang digunakan adalah klasifikasi

supervised maximum likelihood. Maximum likelihood merupakan metode

klasifikasi yang menghasilkan akurasi pemetaan yang paling tinggi dibandingkan

dengan skema klasifikasi lainnya (Wicaksono, 2014). Klasifikasi supervised

dilakukan dengan menggunakan titik data sampel hasil dari hasil survei lapangan

yang telah diidentifikasi dengan cara menyesuaikan waktu perekaman titik

koordinat dan foto sampel.

3.5.3 Uji Akurasi

Uji akurasi hasil klasifikasi habitat bentik dilakukan menggunakan teknik

confusion matrix Metode confusion matrix akan menghasilkan nilai akurasi user’s

accuracy, producer’s accuracy, dan overall accuracy untuk menunjukan akurasi

dari tiap kelas habitat bentik pada skema klasifikasi. Uji akurasi dilakukan

menggunakan data hasil survei lapangan.

29

Tabel 3.1. Tabel Uji Akurasi Kelas Habitat Bentik.

Perhitungan akurasi:

% Akurasi Interpretasi Keseluruhan = (Jumlah sampel benar/Jumlah

sampel keseluruhan) x 100 % .......................................(3.5)

Confusion matrix digunakan untuk membandingkan antara hasil klasifikasi

citra dengan data validasi sampel lapangan yang dianggap benar dari skema

klasifikasi. Besarnya persentase akurasi yang diperoleh akan tergantung pada

kesesuaian antara hasil klasifikasi citra dengan data validasi sampel lapangan.

Penelitian ini melakukan proses perhitungan akurasi hasil klasifikasi citra habitat

bentik dengan validasi sampel lapangan.

Uji Lapangan Makro

Karang Pasir Lamun

Total User’s Accuracy Hasil

Alga

Klasifikasi

Karang

Makro Alga

Pasir

Lamun

Total

Producer’s

Accuracy

Overall Accuracy

30

3.5.4 Layouting Peta

Layout peta merupakan tahapan paling akhir dari penelitian. Layout peta

dilakukan pada data hasil pengolahan data atau hasil dari klasifikasi OBIA yang

telah di uji akurasinya. Layout peta dilakukan dengan mengikuti aturan kartografi

yang mengutamakan komponen tepi peta, seperti judul, grid, orientasi arah utara,

legenda, inset peta, dan skala.

31

3.6 Diagram Alir Penelitian

Diagram alir penelitian pemetaan habitat bentik di pulau Bengkoang

Kepulauan Karimunjawa dapat dilihat pada Gambar 3.4 sebagai berikut.

Keterangan :

: Data

: Proses

: Output

Gambar 3.4. Diagram alir penelitian.

Citra PlanetScope Level 3B

Koreksi Sunglint

Koreksi Kolom Air

Masking Daerah Kajian

Klasifikasi ISODATA

kelas mayor Habitat

Bentik

Peta Tentatif Habitat Bentik

Pulau Bengkoang

Data

Klasifikasi

Peta Habitat Bentik Pulau

Bengkoang

Data Uji

Akurasi Klasifikasi hybrid OBIA

supervised

Uji Akurasi

Survei Lapangan

32

BAB IV

HASIL DAN PEMBAHASAN

4.1 Pra-Lapangan

Kegiatan pra-lapangan dilakukan sebagai langkah awal menentukan citra

yang akan digunakan dan menentukan cakupan daerah kajian pemetaan habitat

bentik, serta disesuaikan dengan tujuan pemetaan yang akan dilakukan. Selain

menentukan citra yang akan digunakan, kegiatan pra-lapangan ini juga melakukan

studi literatur terkait metode penelitian, dan konsep pengambilan sampel habitat

bentik. Pengolahan data citra yang akan dilakukan untuk pemetaan habitat bentik

terdiri dari beberapa proses diantaranya, koreksi sunglint, koreksi kolom air,

masking citra dan klasifikasi unsupervised untuk penentuan jalur survei lapangan.

4.1.1 Koreksi Sunglint

Koreksi sunglint digunakan untuk menghilangkan efek pantulan matahari

seperti cermin dan tekstur gelombang akibat ombak pada permukaan perairan.

Pengaruh sunglint dapat diketahui dengan membandingkan antara band visible

dan band NIR yang dapat dilihat dengan menetapkan training area. Pemilihan

titik sampel dilakukan dengan memilih objek homogen yang merupakan efek

pantulan matahari seperti cermin pada permukaan perairan.

Gambar 4.1. Tampilan sampel training area sunglint.

33

Sampel yang telah dipilih lalu di eksport menjadi data ASCII untuk

mencari nilai regresi menggunakan software Microsoft Excel. Nilai regresi

dihasilkan dari perbandingan nilai reflectance band red, green, blue masing-

masing dengan band near infrared menggunakan scatter plot. Hasil nilai regresi

perbandingan antar band citra adalah sebagai berikut

Tabel 4.1 Perbandingan nilai regresi koreksi Sunglint.

Perbandingan Band

Koefisien Nilai Regresi

(R2)

Blue vs Infrared 0,964

Green vs Infrared 0,967

Red vs Infrared 0,966

y = 0.4502x - 54.295 R² = 0.9646

0

200

400

600

800

1000

1200

1400

1600

0 500 1000 1500 2000 2500 3000 3500

Ba

nd

1

Band 4

Band 1 vs Band 4

B1vB4

34

Gambar 4.2. Scatter Plot perbandingan nilai piksel koreksi Sunglint.

y = 0.4447x + 1.2098 R² = 0.9679

0

200

400

600

800

1000

1200

1400

1600

0 500 1000 1500 2000 2500 3000 3500

Ba

nd

2

Band 4

Band 2 vs Band 4

B2vB4

y = 0.4348x + 87.414 R² = 0.9667

0

200

400

600

800

1000

1200

1400

1600

0 500 1000 1500 2000 2500 3000 3500

Ba

nd

3

Band 4

Band 3 vs Band 4

B3vB4

35

a. Sebelum koreksi

b. Sesudah koreksi

Gambar 4.3. Tampilan citra sebelum dan sesudah terkoreksi sunglint.

4.1.3 Masking Wilayah Kajian

Masking citra dilakukan untuk menampilkan wilayah kajian penelitian

secara spesifik pada peta pemetaan habitat bentik. Masking citra meliputi

pemisahan antara daratan dan lautan. Adapun band yang digunakan sebagai acuan

dalam proses masking tersebut adalah band 4 yaitu near infrared. Pemilihan band

near infrared mampu memisahkan kedua objek secara jelas dengan interpretasi

visual karena memiliki rona gelap dan terang pada masing-masing objek. Hasil

36

pemisahan daratan dan lautan merupakan shapefile hasil digitasi visual pada citra,

untuk selanjutnya dijadikan data training area untuk ditampalkan pada citra. Hasil

dari masking citra adalah sebagai berikut:

Gambar 4.4. Tampilan citra hasil Masking.

4.1.3 Koreksi Kolom Air

Koreksi kolom air dilakukan untuk menghilangkan efek kedalaman

perairan pada citra. Efek kedalaman perairan dapat mengganggu akurasi

klasifikasi sehingga koreksi ini perlu dilakukan dan juga untuk memunculkan

variasi warna pada permukaan laut, khususnya perairan dangkal. Metode koreksi

kolom air yang digunakan adalah metode algoritma Lyzenga. Metode ini

menggunakan perbandingan nilai pantulan pada band red, green dan blue untuk

menghasilkan nilai piksel baru. Nilai piksel baru dihasilkan melalui perhitungan

nilai variansi, kovariansi, dan koefisien ateunasi kolom air. Perhitungan tersebut

memerlukan training area untuk mendapatkan nilai pantulan dari masing-masing

saluran.

Pemilihan training area untuk koreksi kolom air diperlukan objek yang

homogen dan mudah dikenali pada tiga tempat berbeda yaitu perairan dangkal,

agak dangkal dan perairan dalam. Penelitian ini menggunakan sampel perairan

dangkal terwakili oleh sebaran substrat pasir karena objek pasir yang dianggap

37

lebih mudah dikenali dibandingan dengan objek lain, sementara pada kedalaman

sedang hingga tinggi terwakili oleh terumbu karang. Penentuan objek pada variasi

kedalaman untuk sampel koreksi kolom air juga berpengaruh pada hasil peta yang

didapatkan, serta hasil klasifikasi multispectral citra yang dilakukan. Banyaknya

jumlah sampel yang digunakan untuk proses klasifikasi juga mempengaruhi

persebaran habitat bentik pada peta yang dihasilkan.

Gambar 4.5. Tampilan sampel objek pasir pada kedalaman berbeda.

Sampel objek pasir dengan variansi kedalaman yang telah dipilih

digunakan untuk menghitung nilai regresi dari korelasi kedalaman setiap saluran.

Nilai regresi dihasilkan dari scatter plot perbandingan nilai pantulan antara band

red, green, dan blue. Nilai regresi yang dihasilkan adalah sebagai berikut

Tabel 4.2. Perbandingan nilai regresi koreksi kolom air.

Perbandingan Band Koefisien Nilai Regresi (R2)

Blue vs Green 0,981

Green vs Red 0,938

Blue vs Red 0,905

38

Gambar 4.6. Scatter Plot perbandingan nilai piksel koreksi kolom air.

y = 1.2086x - 286.78 R² = 0.9816

0

500

1000

1500

2000

2500

3000

0 500 1000 1500 2000 2500

Ba

nd

1

Band 2

Blue vs Green

B1vB2

Linear (B1vB2)

y = 1.5191x - 1472.7 R² = 0.9388

0

500

1000

1500

2000

2500

0 1000 2000 3000

Ba

nd

2

Band 3

Green vs Red

B2vB3

Linear (B2vB3)

y = 1.82x - 1876.2 R² = 0.9056

0

500

1000

1500

2000

2500

0 500 1000 1500 2000 2500

Ba

nd

1

Band 3

Blue vs Red

B1vB3

Linear (B1vB3)

39

Nilai regresi digunakan untuk menghitung nilai variansi, kovariansi dan

juga nilai koefisien atenuasi kolom air. Nilai variansi digunakan untuk

mengetahuti sebaran data pada setiap saluran dengan variasi kedalaman dan

dikaitkan dengan nilai pelemahan kolom air. Nilai kovariansi digunakan untuk

mengetahui nilai keterkaitan antar band yang berpengaruh terhadap nilai

pelemahan kolom air. kedua nilai ini juga digunakan untuk melakukan

perhitungan nilai koefisien atenuasi kolom air.

Tabel 4.3. Perbandingan Nilai Variansi.

Band Nilai Variansi

Blue 0,008

Green 0,010

Red 0,043

Tabel 4.4 Perbandingan nilai kovariansi dan nilai koefisien atenuasi kolom air.

Band Kovariansi Koefisien a Rasio Atenuasi

kolom air

Blue dan Green 0,008 -0,146 0,864

Green dan Red 0,020 -0,800 0,480

Blue dan Red 0,017 -1,016 0,409

Perhitungan nilai variansi dan kovariansi yang menghasilkan nilai

koefisien atenuasi kolom air. Nilai tersebut akan digunakan untuk menghitung

nilai piksel baru dengan menggunakan algoritma Lyzenga. algoritma Lyzenga

mentranformasikan nilai pantulan saluran citra menjadi nilai piksel yang baru,

sehingga menghilangkan efek kedalaman perairan dan memberikan variasi rona

pada citra.

40

Tabel 4.5. Rumus algoritma Lyzenga.

Band Algoritma Lyzenga

Blue dan Green (alog(B1))-( 0,864093027*(alog(B2))) Green dan Red (alog(B2))-( 0,48053749*(alog(B3))) Blue dan Red (alog(B1))-( 0,409336834*(alog(B3)))

Gambar 4.7. Tampilan citra Planetscope sebelum terkoreksi kolom air (kiri) dan

setelah terkoreksi kolom air (kanan).

Citra hasil koreksi kolom air dengan algoritma Lyzenga tidak memiliki

perbedaan yang signifikan secara visual daripada citra yang belum terkoreksi

41

kolom air, hal ini dikarenakan dalam pemgambilan sampel kolom air pada citra

yang telah terkoreksi kolom air terlihat memiliki variasi rona pada wilayah

perairan dangkal. Citra yang belum terkoreksi cenderung memiliki rona warna

yang sama dan memiliki tidak lebih banyak variasi rona dibanding dengan citra

yang telah terkoreksi. Citra hasil koreksi kolom air kemudian diolah untuk

menentukan jalur survei lapangan terkait pemetaan habitat bentik.

4.1.4 Pembuatan Peta Survei Lapangan

Peta survei lapangan digunakan sebagai acuan dalam penentuan jalur

pengambilan sampel lapangan. Peta survei lapangan dibuat menggunakan

klasifikasi unsupervised. Klasifikasi unsupervised Isodata dalam pembuatan peta

survei lapangan adalah Isodata dengan menggunakan software ENVI. Klasifikasi

objek kemudian dibagi kedalam 4 kelas yang terdiri dari objek makro alga, lamun,

pasir dan terumbu karang.

Gambar 4.8. Hasil Klasifikasi Unsupervised Isodata pada software ENVI.

Pemilihan lokasi jalur pengambilan titik sampel untuk survei berdasarkan

keragaman dari hasil klasifikasi unsupervised yang memiliki tingkat variasi kelas

objek yang banyak dengan menarik garis transek lurus dari tepi pantai.

Panjangnya garis transek ditentukan sesuai dengan banyaknya variasi objek.

Terdapat total 6 transek survei lapangan yang tersebar di seluruh area kajian.

42

Gambar 4.9. Peta rencana survei lapangan perairan Pulau Bengkoang.

43

4.2. Survei Lapangan

Kegiatan survei lapangan memiliki tujuan untuk mengetahui objek

bawah air berupa habitat bentik berdasarkan peta rencana survei lapangan

klasifikasi unsupervised. Survei lapangan ini menggunakan 2 alat utama dalam

melakukan survei lapangan yaitu GPS handheld sebagai alat untuk merekam

titik koordinat lokasi objek habitat bentik yang serta kamera underwater untuk

memotret objek bawah air berupa habitat bentik di lapangan. Pemilihan 2 alat

tersebut untuk mengidentifikasi kenampakan objek bawah air. Alat kamera

yang digunakan belum mendukung fitur geotagging sehingga data foto objek di

lapangan tidak memiliki informasi koordinat, sehingga hasil foto sampel akan

disinkronkan dengan titik koordinat GPS berdasarkan waktu perekaman. Selain

GPS dan kamera underwater ada beberapa alat pendukung lainya yaitu alat

snorkel untuk membantu mengamati objek bawah air dengan jelas, sepatu

katak untuk membantu dalam berenang, safety jacket sebagai alat keamanan,

dry bag untuk membantu GPS mengapung, dry bag untuk melindungi

perangkat GPS handheld mengapung, serta perahu sebagai alat transportasi

menuju lokasi survei.

Lokasi survei lapangan pengambilan sampel ditentukan berdasarkan

peta rencana survei lapangan klasifikasi unsupervised. Survei dilakukan dengan

metode transek garis yang telah ditentukan berdasarkan keragaman objek

bawah air habitat bentik pada peta rencana survei lapangan hasil klasifikasi

unsupervised. Survei dilakukan selama 1 hari pada tanggal 11 september 2018

pada pukul delapan siang hingga pukul empat sore. Kegiatan survei lapangan

hanya dilakukan 1 hari karena melihat kondisi angin musim timur dan

gelombang air laut yang cukup besar sehingga terlalu berbahaya untuk

melakukan survei. Lokasi survei yang lumayan jauh dari wilayah Karimunjawa

yang mampu ditempuh dengan kapal nelayan dengan waktu lebih dari 1 jam.

44

Gambar 4.10. Foto kegiatan menuju lokasi survei (kiri) dan kegiatan snorkel

(kanan).

Pengambilan data sampel habitat bentik berupa foto yang diambil

menggunakan kamera dengan mengacu pada kayuhan saat melakukan snorkel

yang disesuaikan dengan waktu perekaman titik koordinat tracking area. Sebelum

pengambilan sampel lapangan terlebih dahulu mengatur kalibrasi alat dengan

menyesuaikan waktu lokal wilayah kajian pada alat GPS dan kamera underwater.

Kemudian mengambil foto sampel habitat bentik sesuai jalur transek yang telah

ditentukan. Interval waktu yang digunakan untuk tracking GPS adalah 10 detik,

dan pengambilan foto yang dilakukan dengan interval setiap 2-4 kayuhan. Hasil

dari kegiatan survei lapangan menghasilkan data titik koordinat dengan

keterangan waktu dan foto objek habitat bentik, yang akan digunakan sebagai ROI

(Region of Interest) untuk klasifikasi Hybrid OBIA supervised untuk pemetaan

habitat bentik. Sampel lapangan terbagi menjadi dua yaitu sampel untuk

klasifikasi dan sampel untuk melakukan uji akurasi.

A

(a) (b) (c) (d)

Gambar 4.11. Foto sampel lapangan (a) pasir (b) lamun (c) makro alga

(d) terumbu karang.

45

Objek habitat bentik yang ada di wilayah perairan pulau Bengkoang

terbagi dengan baik yang mana pada sekitar pantai terdiri atas pasir kemudian

padang lamun. Pada wilayah perairan yang tepatnya pada batas pecah gelombang

di sebelah timur ke selatan wilayah perairan Pulau Bengkoang hingga selatan

terdapat objek terumbu karang, pada wilayah utara dengan arus yang tenang

cenderung didominasi oleh lamun dengan kepadatan yang tinggi. Objek makro

alga banyak tersebar antara lamun dan terumbu karang di sekeliling perairan pulau

Bengkoang.

Data sampel survei lapangan dengan rencana 6 jalur hanya memperoleh 3

jalur transek dikarenakan tidak memungkinkannya pengambilan sampel pada

daerah tertentu di perairan pulau Bengkoang. Kendala yang di alami dalam

pengambilan sampel data yang hanya memperoleh 3 jalur transek tidak sesuai

dengan rencana awal 6 jalur transek adalah pada bagian barat pulau terdapat

banyak ikan pari dan ular laut yang membahayakan dalam pengambilan data

sampel di daerah tersebut, sedangkan daerah utara sampai timur pulau memiliki

arus yang sangat deras dan gelombang yang cukup besar sehubung dengan musim

angin timur sehingga tidak memungkinkan dan membahayakan mengambil data

sampel pada bagian wilayah tersebut. Terdapat 405 foto sampel yang diperoleh

dari 3 jalur transek survei lapangan wilayah perairan pulau Bengkoang. 405

sampel terdiri dari 120 sampel makro alga, 120 sampel terumbu karang, 85

sampel lamun dan juga 80 sampel pasir. Berikut adalah peta transek habitat

bentik di perairan Pulau Bengkoang, Taman Nasional Karimunjawa

46

Gambar 4.12. Citra transek Habitat Bentik perairan pulau Bengkoang.

47

4.3. Pasca Lapangan

4.3.1. Identifikasi Sampel Habitat Bentik

Identifikasi habitat bentik menggunakan hasil foto sampel dilapangan

disesuaikan berdasarkan waktu perekaman titik koordinat tracking GPS. Sampel

titik koordinat hasil survei lapangan dilakukan pengecekan akurasi sehingga titik

sampel dapat mewakili satu piksel dalam klasifikasi yang dilakukan. Hal ini

digunakan agar ketika data bergeser melebihi resolusi citra maka data dapat

diperbaiki. Hasil pengecekan control point adalah 3 m sehingga data titik

koordinat sampel GPS dapat digunakan. Data titik koordinat yang digunakan

sebagai acuan sinkronisasi dengan foto adalah informasi waktu perekaman lokal

pada titik koordinat GPS. Data tracking kemudian di download dengan format

data berupa .shp untuk kemudian melakukan select by atribut pada data shapefile

hasil download gps kemudian memilih informasi pada atribut ltime yang

disesuaikan dengan informasi direktori foto sampel berupa waktu perekaman.

Gambar 4.13. Proses sinkronisasi data foto dengan data tracking GPS.

Sampel hasil sinkronisasi waktu perekaman foto dengan titik koordinat

kemudian dilakukan identifikasi habitat bentik yang terdiri dari makro alga,

lamun, pasir dan terumbu karang. Identifikasi habitat bentik tersebut juga

dilakukan penentuan kelas habitat bentik dengan melihat kelas dominan tutupan

permukaan dan hal ini didasarkan pada objek yang terekam pada citra merupakan

48

objek yang berada di permukaan. Seperti halnya terumbu karang yang ditutup

oleh makro alga sehingga di identifikasi sebagai makro alga dan juga lamun yang

tumbuh di atas pasir dan lebih dominan oleh lamun sehingga di identifikasi objek

lamun. Hasil dari identifikasi tersebut kemudian digunakan sebagai data sampel

klasifikasi multispectral melalui koversi menjadi training area dari koordinat

GPS yang telah ditambahkan atribut kelas mayor habitat bentik.

Tabel 4.6. Sebagian Data Sampel Lapangan Kelas Habitat Bentik.

4.3.2. Klasifikasi Hybrid OBIA Supervised (Maximum Likelihood)

Metode klasifikasi untuk pemetaan habitat bentik di pulau Bengkoang

Taman Nasional Karimunjawa menggunakan metode klasifikasi supervised.

Metode klasifikasi supervised metode yang menggunakan data lapangan untuk

sabagai data acuan dalam melakukan pengkelasan objek. Klasifikasi yang

digunakan untuk mengkelaskan habitat bentik adalah klasifikasi multispektral

supervised Maximum Likelihood, mengingat metode klasfikasi ini menggunakan

perhitungan probabilitas dan tidak menggunakan perhitungan jarak sehingga

dianggap sesuai untuk melakukan pemetaan habitat bentik. Selain itu, menurut

No Koordinat Y Koordinat X Tanggal dan waktu Keterangan

1 9364949.344 434789.462 2018/09/11 13:07:00 Lamun

2 9364948.243 434793.671 2018/09/11 13:07:10 Lamun

3 9364947.475 434799.651 2018/09/11 13:07:20 Lamun

4 9364935.887 434818.265 2018/09/11 13:08:10 Lamun

5 9364885.517 434857.181 2018/09/11 13:11:20 Makro Alga

6 9364880.543 434857.186 2018/09/11 13:11:30 Makro Alga

7 9364874.686 434859.628 2018/09/11 13:11:40 Makro Alga

8 9364869.161 434861.405 2018/09/11 13:11:50 Makro Alga

9 9364954.496 434747.270 2018/09/11 13:06:00 Substrat

10 9364953.731 434755.686 2018/09/11 13:06:10 Substrat

11 9364954.733 434762.439 2018/09/11 13:06:20 Substrat

12 9364955.624 434769.193 2018/09/11 13:06:30 Substrat

13 9364797.027 434591.088 2018/09/11 12:34:00 Terumbu Karang

14 9364804.097 434586.098 2018/09/11 12:34:10 Terumbu Karang

15 9364808.072 434581.776 2018/09/11 12:34:20 Terumbu Karang

49

Danoedoro (2012), klasifikasi supervised Maximum Likelihood dianggap sebagai

metode klasifikasi paling bagus.

Klasifikasi Maximum Likelihood dalam melakukan pengelompokan objek

habitat bentik memerlukan data sampel berupa training area yang telah

didapatkan melalui kegiatan survei lapangan yang di lakukan pada tanggal 11

september 2018. Data titik koordinat sampel memiliki akurasi rata-rata 3 m

sehingga sampel tersebut dapat digunakan dan dapat diolah. Data yang diperoleh

sebanyak 405 sampel, data tersebut dibagi menjadi dua data sampel untuk

klasifikasi dan untuk uji akurasi. Data sampel hasil survei lapangan di konversi

menjadi Region of Interest (ROI) untuk dapat dilakukan klasifikasi Maximum

Likelihood.

Gambar 4.14. Sampel training area proses klasifikasi Maximum Likelihood.

Data sampel penelitian berjumlah 405 yang terbagi dalam kelas mayor

habitat bentik yaitu terumbu karang, lamun, alga dan pasir. Jumlah sampel

tersebut dibagi menjadi 2 yaitu sampel untuk uji akurasi dan klasifikasi. Data

lapangan yang dirasa telah mewakili sampel pada setiap piksel citra PlanetScope

yaitu data yang terdapat satu kelas habitat bentik yang ada didalamnya. Akurasi

data sampel yang dapat digunakan harus sesuai dengan resolusi spasial citra

planetscope yang memiliki resolusi 3x3 m. Berikut hasil klasifikasi Supervised

Maximum Likelihood perairan pulau Bengkoang Taman Nasional Karimunjawa.

50

Gambar 4.15. Klasifikasi Supervised Maximum Likelihood.

Pemetaan habitat bentik dilakukan dengan menerapkan skema klasifikasi

yang dibangun dengan metode Supervised Maximum Likelihood pada citra

PlanetScope dengan input citra yang telah terkoreksi hingga level koreksi kolom

air. Skema klasifikasi pada citra tersebut nantinya akan diterapkan pada hasil

segmen objek habitat bentik pada citra hasil masking yang menggunakan software

IDRISI. Hasil segmentasi yang telah di proses akan diterapkan pada citra hasil

klasifikasi maximum likelihood sehingga klasifikasi dalam pemetaan kelas habitat

bentik yang selanjutnya akan dikelaskan berdasarkan piksel dan dikelaskan ulang

berdasarkan bentuk objek yang telah terkelaskan pada klasifikasi Maximum

Likelihood.

51

Gambar 4.16. Hasil Segmentasi citra dengan software IDRISI.

4.3.3 Uji Akurasi

Uji akurasi dilakukan untuk mengetahui akurasi dari hasil klasifikasi

Hybrid OBIA supervised. Uji akurasi menggunakan metode confusion matrix.

Metode menggunakan ground truth ROI hasil klasifikasi dan roi reklasifikasi

menggunakan software pengolahan citra yaitu ENVI. Adapun hasil dari uji

akurasi dari klasifikasi multispectral Hybrid OBIA Supervised Maximum

Likelihood adalah sebagai berikut.

Berdasarkan hasil uji akurasi total akurasi yang diperoleh adalah 62,96%.

Hasil tersebut dapat dikatakan baik berdasarkan SNI 7716:2011 tentang Pemetaan

Habitat dasar perairan laut dangkal, yaitu sebesar 60%. Besaran nilai producer’s

accuracy adalah besaran nilai akurasi klasifikasi, yang didapatkan dari jumlah

benar sampel yang terklasifikasikan pada setiap kategori habitat bentik, sementara

untuk nilai user’s accuracy yaitu besaran keandalan sampel yang digunakan

peneliti yang didapatkan dari hasil nilai benar sampel reklasifikasi dibagi dengan

jumlah piksel di setiap kelas habitat bentik.

52

Tabel 4.7. Uji Akurasi Kelas Habitat Bentik.

Hasil uji akurasi yang mencapai angka 62% dengan 4 kelas habitat bentik

dari hasil sampel sejumlah 405 dan 3 jalur transek di bagian selatan pulau

bengkoang. Hal ini di karenakan objek habitat bentik di perairan pulau Bengkoang

cenderung memiliki susunan habitat bentik yang teratur. Objek habitat bentik

yang paling dekat dengan pantai adalah Pasir , lalu objek selanjutnya lamun,

berikutnya makro alga, dan objek bawah air yang paling jauh dan sekaligus

berada di zona pecah gelombang adalah terumbu karang. Sehingga sampel yang

hanya berada pada selatan dirasa cukup dalam melakukan pemetaan habitat bentik

walaupun tidak maksimal.

4.3.4 Luas dan Persentase Persebaran Habitat Bentik Perairan Bengkoang

Perhitungan persentase luasan habitat bentik menggunakan software

pengolahan SIG yaitu ArcGIS dengan menampilkan luasan dari masing-masing

habitat bentik hasil klasifikasi. Adapun metode yang digunakan dengan menu

Uji Lapangan Hasil

Klasifikasi

Makro

Karang Pasir Lamun

Total User’s Accuracy

Alga

%

Karang 88 13 1 5 185

82,84

Makro Alga 23 99 43 20 101

53,51

Pasir 0 1 10 1 12 83,33

Lamun 10 7 26 58 107

57,43

Total 121 120 80 84 405

Producer’s 72,73 82,50 12,50 69,05 Accuracy

%

Overall Accuracy

(255/405) 62,96 %

53

calculate geometry. Berikut adalah hasil luasan dan persentase habitat bentik

perairan Pulau Bengkoang Taman Nasional Karimunjawa.

Tabel 4.8. Luas dan Persentase Habitat Bentik perairan Bengkoang.

NO Habitat Bentik Luas (Ha) Persentase (%)

1 Terumbu Karang 54,3 25,9

2 Makro Alga 23,5 11,2

3 Lamun 116,4 55,6

4 Pasir 15,2 7,3

Total Luasan Area 209,2 100

Hasil klasifikasi habitat bentik menggunakan citra PlanetScope

menghasilkan nilai akurasi sebesar 62,96%. Hasil klasifikasi habitat bentik

menggunakan citra PlanetScope pada wilayah kajian perairan Pulau Bengkoang

memiliki luas sebesar 209,2 ha. Ditinjau dari hasil perhitungan luas sebaran kelas

habitat bentik, objek lamun adalah kelas terluas dengan luas sebesar 116,2 ha,

sedangkan objek makro alga dan terumbu karang memiliki luas sebesar 23,5 dan

54,3 ha dan objek pasir adalah kelas dengan luas tersempit dengan luas sebesar

15,2 ha hanya 7,3% dari wilayah kajian.

Peta habitat bentik yang diperoleh memiliki sebaran objek yang sesuai

dengan kondisi lapangan, dengan 4 kelas habitat bentik adalah pasir, lamun,

terumbu karang dan makro alga. objek lamun yang terklasifikasi mengalami

overestimate pada bagian timur pulau dan perairan agak dalam, objek makro alga

yang terdistribusi acak sedikit overestimate, dan sebaran objek pasir dan terumbu

karang underestimate. Banyak sedikitnya misklasifikasi objek habitat bentik dapat

dipengaruhi oleh banyak tidaknya jumlah sampel yang digunakan untuk proses

klasifikasi, hal ini juga mempengaruhi persebaran habitat bentik pada peta yang

dihasilkan.

54

Gambar 4.17. Peta Habitat Bentik Klasifikasi Hybrid OBIA Supervised (Maximum Likelihood).

55

BAB V

KESIMPULAN DAN SARAN

5.1 KESIMPULAN

Pemetaan habitat bentik menggunakan citra PlanetScope level 3B

terkoreksi hingga kolom air dengan menggunakan klasifikasi Hybrid OBIA

Supervised dengan algoritma Maximum Likelihood di Pulau Bengkoang,

Taman Nasional Karimunjawa dengan luas perairan sebesar 209,2 ha

menghasilkan 4 kelas habitat bentik yaitu pasir dengan luas sebesar 15,2

ha, lamun sebesar 116,4 ha , makro alga sebesar 23,5 ha, dan terumbu

karang sebesar 54,3 ha dengan nilai akurasi keseluruhan hasil klasifikasi

sebesar 62,96%.

5.2 SARAN

Pemilihan citra dan metode penelitian juga harus memperhatikan objek

dan wilayah kajian yang akan di teliti yang nantinya akan berpengaruh terhadap

hasil akhir penelitian tersebut.

56

DAFTAR PUSTAKA

Adisasmita, R. (2006). Pembangunan Kelautan dan Kewilayahan. (Danoedoro,

2012) Yogyakarta: Graha Ilmu. (Danoedoro, 2012) (Danoedoro, 2012)

Anggoro, A. (2014). Pengaruh Sunglint dari Citra Worldview-2 untuk Klasifikasi

Habitat Bentik Perairan Dangkal di Perairan Pulau Panggang. Bogor:

Institut Pertanian Bogor.

Anggoro, A. (2015). Pemetaan Zona Geomorfologi dan Habitat Bentik

Menggunakan Citra Worldview-2 dengan Metode OBIA di Gugus Pulau

Pari. Bogor: Institut Pertanian Bogor.

Bima, D. P. S. (2015). Pemetaan Ekologi dan Morfologi Habitat Bentik

Menggunakan Citra Penginderaan Jauh Resolusi Tinggi di Pulau

Kemujan Karimunjawa Provinsi Jawa Tengah. Yogyakarta: Universitas

Gadjah Mada.

Danoedoro, P. (2012). Pengantar Penginderaan Jauh Digital. Yogyakarta.

Penerbit ANDI

Kuncoro, E. B. (2004). Akuarium Laut. Yogyakarta: Penerbit Kanisius (Anggota

IKAPI).

Lazuardi, W. (2018). Kajian Citra Multiresolusi untuk Pemetaan Life-Form

Terumbu Karang Studi Kasus Pulau Parang, Kepulauan Karimunjawa.

Skripsi. Fakultas Geografi Universitas Gadjah Mada.

Lillesand, T., & Kiefer, R. (1990). Penginderaan Jauh dan Interpretasi Citra

(Diterjemahkan oleh Dulbahri, Prapto Suharsono, Hartono, dan

Suharyadi) Yogyakarta: Gadjah Mada University Press.

Lyzenga, D. R. (1981). Passive Remote Sensing Techniques for Mapping Water

Depth and Bottom Features. Applied Optics, 379–383.

57

Putra, F. M. G. (2014). Pemetaan Habitat Bentik Menggunakan Citra Quickbird

di Sebagian Pulau Kemunjan Kepulauan Karimunjawa. Skripsi. Fakultas

Geografi Universitas Gadjah Mada.

Planet Labs Inc. (2018).Spesification Planet Imagery. (Online). Diakses pada

tanggal 6 Juli 2018 (pukul 16.34 WIB). www.planet.com/docs/spec-

sheets/sat-imagery/.

Ramadhani, Y. H., Rokhmatullah, Aris P. K., & Rahmatia S. (2015). Pemetaan

Pulau Kecil dengan Pendekatan Berbasis Objek Menggunakan Data

Unmanned Aerial Vehicle (Studi Kasus di Pulau Pramuka, Kepulauan

Seribu). Majalah Ilmiah Globe Volume 17 No. 2 desember 2015: 125 –

134.

Supriharyono. (2000). Pengelolaan Ekosistem Terumbu Karang. Jakarta:

Djambatan.

Sutanto. (1992). Penginderaan Jauh Jilid 1. Yogyakarta: Gadjah Mada

University Press.

Undang-undang Republik Indonesia Nomor 1 Tahun 2014 tentang Pengelolaan

Wilayah Pesisir dan Pulau-Pulau Kecil. Lembaran Negara Republik

Indonesia Nomor 2 Tahun 2014. Direktorat Jenderal Peraturan

Perundang-undangan Kementrian Hukum dan HAM, Jakarta.

Wicaksono, P. (2010). Integrated Model of Water Column Correction Technique

for Improving Satellite-based Benthic Habitat Mapping, A Case Study on

Part of Karimunjawa Islands, Indonesia. Universitas Gadjah Mada.

Yogyakarta: Faculty of Geography, Universitas Gadjah Mada.

Wicaksono, P. (2014). The Use of Image Rotations on Multispectral-Based

Benthic Habitats Mapping. The 12t h

Biennial Conference of PORSEC

2014. Denpasar, Bali: PORSEC.

58

Wicaksono, P., Prama, A., & Hidayat, A. (2015). Pemetaan Habitat Bentik

Sebagai Dasar Pengelolaan Wilayah Pesisir dan Pulau-Pulau Kecil

(Studi Kasus Pulau Menjangan Besar dan Menangan Kecil Kepulauan

Karimunjawa). Seminar Nasional Pengelolaan Pesisir & Daerah Aliran

Sungai ke-1, 370-383.

Zitello, G. A., Laurie, B., Tmothy, B., Peter, M., Matthew, K., Mark, M.

(2009). Shallow-Water Benthics Habitats of St. John. US. Virgin

Islands. NOAA Technical Memorandum NOS NCCOS 96. Silver

Spring, MD. 53 pp.

59

LAMPIRAN

60

61

Lampiran 2. Tabel Uji Akurasi.

Lampiran 3. Tabel Luas dan Persentase Habitat Bentik.

No Habitat Bentik Luas (Ha) Persentase (%)

1 Terumbu Karang 54,3 25,9

2 Makro Alga 23,5 11,2

3 Lamun 116,4 55,6

4 Pasir 15,2 7,3

Total Luasan Area 209,2 100

Uji Lapangan Hasil

Klasifikasi

Makro

User’s Accuracy % Karang Pasir Lamun

Total

Alga

Karang 88 13 1 5 185 82,84

Makro Alga 23 99 43 20 101

53,51

Pasir 0 1 10 1 12 83,33

Lamun 10 7 26 58 107 57,43

Total 121 120 80 84 405

Producer’s

Accuracy

% 72,73 82,50 12,50 69,05

Overall Accuracy

(255/405) 62,96 %

62

Lampiran 4. Tabel Kelas Habitat Bentik

Koordinat Y Koordinat X Tanggal dan waktu Keterangan

9364949.344 434789.462 2018/09/11 13:07:00 Lamun

9364948.243 434793.671 2018/09/11 13:07:10 Lamun

9364947.475 434799.651 2018/09/11 13:07:20 Lamun

9364935.887 434818.265 2018/09/11 13:08:10 Lamun

9364932.573 434820.815 2018/09/11 13:08:20 Lamun

9364929.922 434822.478 2018/09/11 13:08:30 Lamun

9364927.823 434824.141 2018/09/11 13:08:40 Lamun

9364926.609 434825.803 2018/09/11 13:08:50 Lamun

9364924.179 434828.353 2018/09/11 13:09:00 Lamun

9365061.534 434346.664 2018/09/11 14:00:38 Lamun

9365061.312 434345.890 2018/09/11 14:00:48 Lamun

9365061.091 434345.890 2018/09/11 14:00:58 Lamun

9365060.648 434345.005 2018/09/11 14:01:08 Lamun

9365060.648 434345.005 2018/09/11 14:01:18 Lamun

9365060.648 434345.005 2018/09/11 14:01:28 Lamun

9365060.648 434345.005 2018/09/11 14:01:38 Lamun

9365060.759 434345.004 2018/09/11 14:01:48 Lamun

9365051.554 434317.111 2018/09/11 14:02:48 Lamun

9365050.336 434314.676 2018/09/11 14:02:58 Lamun

9365049.562 434314.677 2018/09/11 14:03:08 Lamun

9365047.679 434311.247 2018/09/11 14:03:18 Lamun

9365047.675 434307.039 2018/09/11 14:03:28 Lamun

9365048.779 434305.377 2018/09/11 14:03:38 Lamun

9365048.330 434299.398 2018/09/11 14:03:48 Lamun

9365046.005 434296.079 2018/09/11 14:03:58 Lamun

9365047.109 434294.306 2018/09/11 14:04:08 Lamun

9365046.773 434290.099 2018/09/11 14:04:18 Lamun

9365044.339 434288.440 2018/09/11 14:04:28 Lamun

9365043.895 434286.780 2018/09/11 14:04:38 Lamun

9365044.001 434282.572 2018/09/11 14:04:48 Lamun

9365043.336 434280.801 2018/09/11 14:04:58 Lamun

9365041.676 434279.142 2018/09/11 14:05:08 Lamun

9365039.797 434279.144 2018/09/11 14:05:18 Lamun

9365037.465 434269.071 2018/09/11 14:05:58 Lamun

9365145.118 434249.471 2018/09/11 14:24:38 Lamun

9365147.224 434255.337 2018/09/11 14:24:48 Lamun

9365149.439 434258.768 2018/09/11 14:24:58 Lamun

63

9365152.871 434263.857 2018/09/11 14:25:08 Lamun

9365154.091 434268.064 2018/09/11 14:25:18 Lamun

9365157.523 434272.268 2018/09/11 14:25:28 Lamun

9365160.512 434276.472 2018/09/11 14:25:38 Lamun

9365167.367 434277.351 2018/09/11 14:25:48 Lamun

9365176.100 434277.342 2018/09/11 14:25:58 Lamun

9365183.291 434282.428 2018/09/11 14:26:08 Lamun

9365188.934 434287.405 2018/09/11 14:26:18 Lamun

9365196.012 434290.830 2018/09/11 14:26:28 Lamun

9365200.105 434293.372 2018/09/11 14:26:38 Lamun

9365206.851 434295.912 2018/09/11 14:26:48 Lamun

9365216.471 434298.449 2018/09/11 14:26:58 Lamun

9365220.564 434300.881 2018/09/11 14:27:08 Lamun

9364779.563 434593.653 2018/09/11 12:33:30 Lamun

9364814.478 434576.787 2018/09/11 12:34:30 Lamun

9364820.886 434572.572 2018/09/11 12:34:40 Lamun

9364862.427 434442.427 2018/09/11 12:41:32 Lamun

9364856.893 434435.678 2018/09/11 12:41:42 Lamun

9364852.685 434428.928 2018/09/11 12:41:52 Lamun

9364850.140 434426.384 2018/09/11 12:42:02 Lamun

9364847.483 434422.955 2018/09/11 12:42:12 Lamun

9364847.483 434422.955 2018/09/11 12:42:22 Lamun

9364845.935 434422.070 2018/09/11 12:42:32 Lamun

9364841.067 434418.754 2018/09/11 12:42:42 Lamun

9364841.067 434418.754 2018/09/11 12:42:52 Lamun

9364841.067 434418.754 2018/09/11 12:43:02 Lamun

9364841.067 434418.754 2018/09/11 12:43:12 Lamun

9364840.072 434417.869 2018/09/11 12:43:22 Lamun

9364808.762 434394.317 2018/09/11 12:44:02 Lamun

9364778.450 434372.314 2018/09/11 12:45:02 Lamun

9364778.843 434432.327 2018/09/11 12:52:02 Lamun

9364781.945 434438.192 2018/09/11 12:52:12 Lamun

9364783.718 434442.508 2018/09/11 12:52:22 Lamun

9364785.047 434444.943 2018/09/11 12:52:32 Lamun

9364787.928 434451.805 2018/09/11 12:52:42 Lamun

9364789.701 434455.125 2018/09/11 12:52:52 Lamun

9364792.580 434460.215 2018/09/11 12:53:02 Lamun

9364794.353 434464.421 2018/09/11 12:53:12 Lamun

9364796.460 434470.287 2018/09/11 12:53:22 Lamun

9364799.228 434474.492 2018/09/11 12:53:32 Lamun

9364799.342 434477.924 2018/09/11 12:53:42 Lamun

64

9364801.116 434483.016 2018/09/11 12:53:52 Lamun

9364805.209 434486.333 2018/09/11 12:54:02 Lamun

9364808.087 434489.763 2018/09/11 12:54:12 Lamun

9364812.954 434492.305 2018/09/11 12:54:22 Lamun

9364817.158 434495.622 2018/09/11 12:54:32 Lamun

9364822.135 434498.164 2018/09/11 12:54:42 Lamun

9364826.670 434500.706 2018/09/11 12:54:52 Lamun

9364885.517 434857.181 2018/09/11 13:11:20 Makro Alga

9364880.543 434857.186 2018/09/11 13:11:30 Makro Alga

9364874.686 434859.628 2018/09/11 13:11:40 Makro Alga

9364869.161 434861.405 2018/09/11 13:11:50 Makro Alga

9364861.976 434862.188 2018/09/11 13:12:00 Makro Alga

9364856.227 434861.419 2018/09/11 13:12:10 Makro Alga

9364851.359 434857.991 2018/09/11 13:12:20 Makro Alga

9364848.811 434852.125 2018/09/11 13:12:30 Makro Alga

9364844.494 434847.036 2018/09/11 13:12:40 Makro Alga

9364839.073 434842.834 2018/09/11 13:12:50 Makro Alga

9364832.437 434839.409 2018/09/11 13:13:00 Makro Alga

9364826.574 434836.093 2018/09/11 13:13:10 Makro Alga

9364789.070 434808.229 2018/09/11 13:14:20 Makro Alga

9364783.207 434804.027 2018/09/11 13:14:30 Makro Alga

9364777.455 434800.601 2018/09/11 13:14:40 Makro Alga

9364771.146 434793.078 2018/09/11 13:15:00 Makro Alga

9364740.058 434769.415 2018/09/11 13:16:10 Makro Alga

9364735.633 434766.873 2018/09/11 13:16:20 Makro Alga

9364725.897 434759.353 2018/09/11 13:16:40 Makro Alga

9364722.466 434755.039 2018/09/11 13:16:50 Makro Alga

9364703.327 434741.550 2018/09/11 13:17:30 Makro Alga

9364699.786 434738.232 2018/09/11 13:17:40 Makro Alga

9364642.044 434701.973 2018/09/11 13:19:40 Makro Alga

9364635.518 434698.548 2018/09/11 13:19:50 Makro Alga

9364632.309 434696.004 2018/09/11 13:20:00 Makro Alga

9364616.156 434683.398 2018/09/11 13:20:40 Makro Alga

9364611.844 434682.517 2018/09/11 13:20:50 Makro Alga

9364612.286 434681.741 2018/09/11 13:21:00 Makro Alga

9364612.397 434682.516 2018/09/11 13:21:10 Makro Alga

9364612.397 434682.516 2018/09/11 13:21:20 Makro Alga

9364612.397 434682.516 2018/09/11 13:21:30 Makro Alga

9364612.397 434682.516 2018/09/11 13:21:40 Makro Alga

9364612.728 434681.741 2018/09/11 13:21:50 Makro Alga

9364612.728 434681.741 2018/09/11 13:22:00 Makro Alga

65

9364612.728 434681.741 2018/09/11 13:22:10 Makro Alga

9364612.728 434681.741 2018/09/11 13:22:20 Makro Alga

9364612.948 434680.855 2018/09/11 13:22:30 Makro Alga

9364612.948 434680.855 2018/09/11 13:22:40 Makro Alga

9364612.948 434680.855 2018/09/11 13:22:50 Makro Alga

9364612.948 434680.855 2018/09/11 13:23:00 Makro Alga

9364612.948 434680.855 2018/09/11 13:23:10 Makro Alga

9364612.948 434680.855 2018/09/11 13:23:20 Makro Alga

9364612.948 434680.855 2018/09/11 13:23:24 Makro Alga

9364612.948 434680.855 2018/09/11 13:23:32 Makro Alga

9365038.357 434276.599 2018/09/11 14:05:28 Makro Alga

9365037.691 434273.278 2018/09/11 14:05:38 Makro Alga

9365037.909 434270.731 2018/09/11 14:05:48 Makro Alga

9365035.359 434263.094 2018/09/11 14:06:08 Makro Alga

9365034.139 434259.773 2018/09/11 14:06:18 Makro Alga

9365036.347 434257.224 2018/09/11 14:06:28 Makro Alga

9365037.119 434254.677 2018/09/11 14:06:38 Makro Alga

9365035.235 434250.471 2018/09/11 14:06:48 Makro Alga

9365033.903 434245.379 2018/09/11 14:06:58 Makro Alga

9365034.124 434245.379 2018/09/11 14:07:08 Makro Alga

9365034.454 434243.717 2018/09/11 14:07:18 Makro Alga

9365035.001 434238.623 2018/09/11 14:07:28 Makro Alga

9365031.572 434236.080 2018/09/11 14:07:58 Makro Alga

9365031.239 434235.195 2018/09/11 14:08:08 Makro Alga

9365031.681 434234.419 2018/09/11 14:08:18 Makro Alga

9365031.789 434232.648 2018/09/11 14:08:28 Makro Alga

9365031.232 434227.666 2018/09/11 14:08:38 Makro Alga

9365030.455 434225.120 2018/09/11 14:08:48 Makro Alga

9365030.233 434224.234 2018/09/11 14:08:58 Makro Alga

9365030.343 434223.459 2018/09/11 14:09:08 Makro Alga

9365029.790 434223.459 2018/09/11 14:09:18 Makro Alga

9365029.787 434220.913 2018/09/11 14:09:28 Makro Alga

9365029.120 434216.706 2018/09/11 14:09:38 Makro Alga

9365029.230 434216.706 2018/09/11 14:09:48 Makro Alga

9365029.340 434215.820 2018/09/11 14:09:58 Makro Alga

9365029.116 434213.273 2018/09/11 14:10:08 Makro Alga

9365029.664 434208.179 2018/09/11 14:10:18 Makro Alga

9365029.329 434204.858 2018/09/11 14:10:28 Makro Alga

9365029.329 434204.858 2018/09/11 14:10:38 Makro Alga

9365028.220 434202.312 2018/09/11 14:10:48 Makro Alga

9365027.998 434201.427 2018/09/11 14:10:58 Makro Alga

66

9365028.215 434197.219 2018/09/11 14:11:08 Makro Alga

9365028.102 434194.672 2018/09/11 14:11:18 Makro Alga

9365026.770 434189.580 2018/09/11 14:11:28 Makro Alga

9365025.876 434180.280 2018/09/11 14:11:58 Makro Alga

9365091.496 434137.140 2018/09/11 14:18:38 Makro Alga

9365095.037 434140.569 2018/09/11 14:18:48 Makro Alga

9365096.475 434141.453 2018/09/11 14:18:58 Makro Alga

9365096.146 434143.889 2018/09/11 14:19:08 Makro Alga

9365096.370 434146.436 2018/09/11 14:19:18 Makro Alga

9365097.145 434147.321 2018/09/11 14:19:28 Makro Alga

9365096.925 434148.207 2018/09/11 14:19:38 Makro Alga

9365096.925 434148.207 2018/09/11 14:19:48 Makro Alga

9365097.367 434148.206 2018/09/11 14:19:58 Makro Alga

9365096.372 434148.207 2018/09/11 14:20:08 Makro Alga

9365102.145 434171.786 2018/09/11 14:21:18 Makro Alga

9365112.447 434192.038 2018/09/11 14:22:38 Makro Alga

9365114.330 434196.244 2018/09/11 14:22:48 Makro Alga

9365114.330 434196.244 2018/09/11 14:22:58 Makro Alga

9365116.102 434198.789 2018/09/11 14:23:08 Makro Alga

9365116.102 434198.789 2018/09/11 14:23:18 Makro Alga

9365116.102 434198.789 2018/09/11 14:23:28 Makro Alga

9365120.200 434206.425 2018/09/11 14:23:38 Makro Alga

9365122.194 434210.630 2018/09/11 14:23:48 Makro Alga

9365124.741 434214.835 2018/09/11 14:23:58 Makro Alga

9364709.193 434641.005 2018/09/11 12:31:10 Makro Alga

9364729.411 434629.247 2018/09/11 12:31:30 Makro Alga

9364732.723 434625.036 2018/09/11 12:31:40 Makro Alga

9364736.477 434620.714 2018/09/11 12:31:50 Makro Alga

9364741.007 434618.163 2018/09/11 12:32:00 Makro Alga

9364744.210 434614.838 2018/09/11 12:32:10 Makro Alga

9364746.750 434612.289 2018/09/11 12:32:20 Makro Alga

9364750.947 434608.962 2018/09/11 12:32:30 Makro Alga

9364774.689 434370.657 2018/09/11 12:45:12 Makro Alga

9364773.030 434369.773 2018/09/11 12:45:22 Makro Alga

9364773.030 434369.773 2018/09/11 12:45:32 Makro Alga

9364767.061 434369.779 2018/09/11 12:45:42 Makro Alga

9364742.855 434374.122 2018/09/11 12:49:32 Makro Alga

9364744.739 434378.328 2018/09/11 12:49:42 Makro Alga

9364746.623 434382.534 2018/09/11 12:49:52 Makro Alga

9364748.286 434387.625 2018/09/11 12:50:02 Makro Alga

9364751.055 434392.605 2018/09/11 12:50:12 Makro Alga

67

9364771.086 434413.733 2018/09/11 12:51:22 Makro Alga

9364773.855 434418.823 2018/09/11 12:51:32 Makro Alga

9364775.405 434421.368 2018/09/11 12:51:42 Makro Alga

9364777.289 434425.574 2018/09/11 12:51:52 Makro Alga

9364954.496 434747.270 2018/09/11 13:06:00 Substrat

9364953.731 434755.686 2018/09/11 13:06:10 Substrat

9364954.733 434762.439 2018/09/11 13:06:20 Substrat

9364955.624 434769.193 2018/09/11 13:06:30 Substrat

9364953.420 434775.949 2018/09/11 13:06:40 Substrat

9364953.096 434783.590 2018/09/11 13:06:50 Substrat

9364943.506 434809.731 2018/09/11 13:07:40 Substrat

9364940.192 434812.281 2018/09/11 13:07:50 Substrat

9364938.759 434816.490 2018/09/11 13:08:00 Substrat

9364921.750 434830.902 2018/09/11 13:09:10 Substrat

9364919.210 434833.451 2018/09/11 13:09:20 Substrat

9364919.212 434835.112 2018/09/11 13:09:30 Substrat

9364917.335 434837.661 2018/09/11 13:09:40 Substrat

9364913.579 434840.211 2018/09/11 13:09:50 Substrat

9364912.034 434842.759 2018/09/11 13:10:00 Substrat

9364910.047 434845.308 2018/09/11 13:10:10 Substrat

9364907.507 434847.857 2018/09/11 13:10:20 Substrat

9364905.964 434852.842 2018/09/11 13:10:30 Substrat

9364903.314 434855.391 2018/09/11 13:10:40 Substrat

9364900.331 434857.166 2018/09/11 13:10:50 Substrat

9364895.578 434857.946 2018/09/11 13:11:00 Substrat

9364892.814 434857.949 2018/09/11 13:11:10 Substrat

9364768.270 434791.420 2018/09/11 13:15:10 Substrat

9364752.676 434784.571 2018/09/11 13:15:40 Substrat

9364748.249 434779.593 2018/09/11 13:15:50 Substrat

9364744.374 434774.504 2018/09/11 13:16:00 Substrat

9364717.598 434751.722 2018/09/11 13:17:00 Substrat

9364711.294 434748.296 2018/09/11 13:17:10 Substrat

9364707.090 434744.978 2018/09/11 13:17:20 Substrat

9364628.437 434692.686 2018/09/11 13:20:10 Substrat

9364624.896 434689.258 2018/09/11 13:20:20 Substrat

9364620.581 434685.940 2018/09/11 13:20:30 Substrat

9365060.200 434339.137 2018/09/11 14:01:58 Substrat

9365061.742 434334.042 2018/09/11 14:02:08 Substrat

9365057.869 434329.838 2018/09/11 14:02:18 Substrat

9365056.646 434323.085 2018/09/11 14:02:28 Substrat

9365055.648 434320.539 2018/09/11 14:02:38 Substrat

68

9365027.098 434186.258 2018/09/11 14:11:38 Substrat

9365026.430 434181.166 2018/09/11 14:11:48 Substrat

9365024.657 434176.960 2018/09/11 14:12:08 Substrat

9365104.694 434177.763 2018/09/11 14:21:28 Substrat

9365105.248 434179.423 2018/09/11 14:21:38 Substrat

9365105.248 434179.423 2018/09/11 14:21:48 Substrat

9365105.248 434179.423 2018/09/11 14:21:58 Substrat

9365105.802 434180.197 2018/09/11 14:22:08 Substrat

9365105.802 434180.197 2018/09/11 14:22:18 Substrat

9365109.676 434185.287 2018/09/11 14:22:28 Substrat

9365130.941 434224.130 2018/09/11 14:24:08 Substrat

9365137.365 434235.971 2018/09/11 14:24:18 Substrat

9365141.685 434244.381 2018/09/11 14:24:28 Substrat

9364630.512 434668.214 2018/09/11 12:27:50 Substrat

9364630.512 434668.214 2018/09/11 12:28:00 Substrat

9364630.512 434668.214 2018/09/11 12:28:10 Substrat

9364630.512 434668.214 2018/09/11 12:28:20 Substrat

9364645.204 434658.012 2018/09/11 12:29:10 Substrat

9364655.481 434653.794 2018/09/11 12:29:20 Substrat

9364655.481 434653.794 2018/09/11 12:29:30 Substrat

9364677.582 434646.131 2018/09/11 12:30:30 Substrat

9364704.663 434642.781 2018/09/11 12:30:50 Substrat

9364704.663 434642.781 2018/09/11 12:31:00 Substrat

9364755.698 434606.411 2018/09/11 12:32:40 Substrat

9364760.780 434602.973 2018/09/11 12:32:50 Substrat

9364766.747 434601.306 2018/09/11 12:33:00 Substrat

9364772.382 434597.868 2018/09/11 12:33:10 Substrat

9364776.469 434594.542 2018/09/11 12:33:20 Substrat

9364825.301 434566.589 2018/09/11 12:34:50 Substrat

9364830.602 434560.715 2018/09/11 12:35:00 Substrat

9364833.309 434506.567 2018/09/11 12:40:02 Substrat

9364832.991 434412.894 2018/09/11 12:43:42 Substrat

9364824.031 434406.924 2018/09/11 12:43:52 Substrat

9364799.580 434387.572 2018/09/11 12:44:12 Substrat

9364794.822 434383.369 2018/09/11 12:44:22 Substrat

9364787.523 434380.830 2018/09/11 12:44:32 Substrat

9364786.306 434379.946 2018/09/11 12:44:42 Substrat

9364781.326 434374.858 2018/09/11 12:44:52 Substrat

9364758.106 434369.013 2018/09/11 12:45:52 Substrat

9364755.230 434367.355 2018/09/11 12:46:02 Substrat

9364751.690 434365.587 2018/09/11 12:46:12 Substrat

69

9364747.598 434363.931 2018/09/11 12:46:22 Substrat

9364829.329 434505.796 2018/09/11 12:55:02 Substrat

9364945.712 434805.521 2018/09/11 13:07:30 Terumbu Karang

9364820.050 434834.439 2018/09/11 13:13:20 Terumbu Karang

9364813.967 434831.013 2018/09/11 13:13:30 Terumbu Karang

9364808.214 434826.811 2018/09/11 13:13:40 Terumbu Karang

9364803.014 434822.609 2018/09/11 13:13:50 Terumbu Karang

9364798.144 434817.520 2018/09/11 13:14:00 Terumbu Karang

9364793.275 434812.432 2018/09/11 13:14:10 Terumbu Karang

9364764.289 434790.538 2018/09/11 13:15:20 Terumbu Karang

9364757.765 434788.884 2018/09/11 13:15:30 Terumbu Karang

9364730.433 434762.670 2018/09/11 13:16:30 Terumbu Karang

9364694.698 434734.804 2018/09/11 13:17:50 Terumbu Karang

9364691.600 434732.261 2018/09/11 13:18:00 Terumbu Karang

9364685.073 434728.060 2018/09/11 13:18:10 Terumbu Karang

9364680.094 434723.858 2018/09/11 13:18:20 Terumbu Karang

9364675.116 434720.541 2018/09/11 13:18:30 Terumbu Karang

9364669.806 434717.114 2018/09/11 13:18:40 Terumbu Karang

9364665.828 434718.004 2018/09/11 13:18:50 Terumbu Karang

9364661.181 434714.576 2018/09/11 13:19:00 Terumbu Karang

9364656.867 434712.034 2018/09/11 13:19:10 Terumbu Karang

9364651.779 434708.718 2018/09/11 13:19:20 Terumbu Karang

9364647.354 434706.175 2018/09/11 13:19:30 Terumbu Karang

9365035.001 434238.623 2018/09/11 14:07:38 Terumbu Karang

9365033.342 434237.739 2018/09/11 14:07:48 Terumbu Karang

9365024.983 434171.866 2018/09/11 14:12:18 Terumbu Karang

9365023.763 434167.660 2018/09/11 14:12:28 Terumbu Karang

9365023.763 434167.660 2018/09/11 14:12:38 Terumbu Karang

9365023.763 434167.660 2018/09/11 14:12:48 Terumbu Karang

9365025.419 434165.997 2018/09/11 14:12:58 Terumbu Karang

9365024.862 434161.790 2018/09/11 14:13:08 Terumbu Karang

9365027.292 434160.016 2018/09/11 14:13:18 Terumbu Karang

9365029.281 434159.239 2018/09/11 14:13:28 Terumbu Karang

9365033.148 434157.463 2018/09/11 14:13:38 Terumbu Karang

9365036.131 434155.024 2018/09/11 14:13:48 Terumbu Karang

9365039.003 434153.250 2018/09/11 14:13:58 Terumbu Karang

9365039.003 434153.250 2018/09/11 14:14:08 Terumbu Karang

9365039.885 434150.702 2018/09/11 14:14:18 Terumbu Karang

9365045.521 434149.035 2018/09/11 14:14:28 Terumbu Karang

9365049.612 434149.917 2018/09/11 14:14:38 Terumbu Karang

9365049.502 434149.917 2018/09/11 14:14:48 Terumbu Karang

70

9365049.502 434149.917 2018/09/11 14:14:58 Terumbu Karang

9365049.833 434149.917 2018/09/11 14:15:08 Terumbu Karang

9365054.475 434148.251 2018/09/11 14:15:18 Terumbu Karang

9365058.008 434144.815 2018/09/11 14:15:28 Terumbu Karang

9365061.432 434141.489 2018/09/11 14:15:38 Terumbu Karang

9365064.746 434138.939 2018/09/11 14:15:48 Terumbu Karang

9365066.510 434134.619 2018/09/11 14:15:58 Terumbu Karang

9365068.278 434133.842 2018/09/11 14:16:08 Terumbu Karang

9365068.278 434133.842 2018/09/11 14:16:18 Terumbu Karang

9365068.278 434133.842 2018/09/11 14:16:28 Terumbu Karang

9365071.150 434132.178 2018/09/11 14:16:38 Terumbu Karang

9365072.033 434130.406 2018/09/11 14:16:48 Terumbu Karang

9365072.033 434130.406 2018/09/11 14:16:58 Terumbu Karang

9365072.033 434130.406 2018/09/11 14:17:08 Terumbu Karang

9365077.006 434128.740 2018/09/11 14:17:18 Terumbu Karang

9365077.337 434127.854 2018/09/11 14:17:28 Terumbu Karang

9365077.337 434127.854 2018/09/11 14:17:38 Terumbu Karang

9365078.218 434125.417 2018/09/11 14:17:48 Terumbu Karang

9365078.992 434125.416 2018/09/11 14:17:58 Terumbu Karang

9365081.537 434127.849 2018/09/11 14:18:08 Terumbu Karang

9365084.967 434130.392 2018/09/11 14:18:18 Terumbu Karang

9365087.291 434132.937 2018/09/11 14:18:28 Terumbu Karang

9365096.373 434148.982 2018/09/11 14:20:18 Terumbu Karang

9365096.153 434150.644 2018/09/11 14:20:28 Terumbu Karang

9365096.822 434155.736 2018/09/11 14:20:38 Terumbu Karang

9365097.043 434155.736 2018/09/11 14:20:48 Terumbu Karang

9365097.043 434155.736 2018/09/11 14:20:58 Terumbu Karang

9365099.153 434165.035 2018/09/11 14:21:08 Terumbu Karang

9364613.488 434669.007 2018/09/11 12:25:30 Terumbu Karang

9364613.488 434669.007 2018/09/11 12:25:40 Terumbu Karang

9364613.488 434669.007 2018/09/11 12:25:50 Terumbu Karang

9364613.488 434669.007 2018/09/11 12:26:00 Terumbu Karang

9364613.600 434669.892 2018/09/11 12:26:10 Terumbu Karang

9364613.600 434669.892 2018/09/11 12:26:20 Terumbu Karang

9364613.600 434669.892 2018/09/11 12:26:30 Terumbu Karang

9364613.600 434669.892 2018/09/11 12:26:40 Terumbu Karang

9364615.148 434669.891 2018/09/11 12:26:50 Terumbu Karang

9364616.583 434668.228 2018/09/11 12:27:00 Terumbu Karang

9364618.462 434668.226 2018/09/11 12:27:10 Terumbu Karang

9364623.878 434667.335 2018/09/11 12:27:20 Terumbu Karang

9364623.878 434667.335 2018/09/11 12:27:30 Terumbu Karang

71

9364623.878 434667.335 2018/09/11 12:27:40 Terumbu Karang

9364632.058 434666.441 2018/09/11 12:28:30 Terumbu Karang

9364632.058 434666.441 2018/09/11 12:28:40 Terumbu Karang

9364632.058 434666.441 2018/09/11 12:28:50 Terumbu Karang

9364645.204 434658.012 2018/09/11 12:29:00 Terumbu Karang

9364668.300 434649.573 2018/09/11 12:29:40 Terumbu Karang

9364668.300 434649.573 2018/09/11 12:29:50 Terumbu Karang

9364668.300 434649.573 2018/09/11 12:30:00 Terumbu Karang

9364668.300 434649.573 2018/09/11 12:30:10 Terumbu Karang

9364670.289 434648.685 2018/09/11 12:30:20 Terumbu Karang

9364691.066 434643.571 2018/09/11 12:30:40 Terumbu Karang

9364721.788 434633.463 2018/09/11 12:31:20 Terumbu Karang

9364787.187 434590.323 2018/09/11 12:33:40 Terumbu Karang

9364791.720 434591.094 2018/09/11 12:33:50 Terumbu Karang

9364797.027 434591.088 2018/09/11 12:34:00 Terumbu Karang

9364804.097 434586.098 2018/09/11 12:34:10 Terumbu Karang

9364808.072 434581.776 2018/09/11 12:34:20 Terumbu Karang

9364738.528 434358.847 2018/09/11 12:46:32 Terumbu Karang

9364738.528 434358.847 2018/09/11 12:46:42 Terumbu Karang

9364733.109 434356.306 2018/09/11 12:46:52 Terumbu Karang

9364729.348 434354.649 2018/09/11 12:47:02 Terumbu Karang

9364729.348 434354.649 2018/09/11 12:47:12 Terumbu Karang

9364728.575 434354.650 2018/09/11 12:47:22 Terumbu Karang

9364718.618 434347.906 2018/09/11 12:47:32 Terumbu Karang

9364717.845 434347.906 2018/09/11 12:47:42 Terumbu Karang

9364717.845 434347.906 2018/09/11 12:47:52 Terumbu Karang

9364716.407 434347.908 2018/09/11 12:48:02 Terumbu Karang

9364718.067 434349.567 2018/09/11 12:48:12 Terumbu Karang

9364720.611 434350.450 2018/09/11 12:48:22 Terumbu Karang

9364724.483 434352.993 2018/09/11 12:48:32 Terumbu Karang

9364728.575 434354.650 2018/09/11 12:48:42 Terumbu Karang

9364731.565 434359.740 2018/09/11 12:48:52 Terumbu Karang

9364734.442 434363.059 2018/09/11 12:49:02 Terumbu Karang

9364736.767 434366.489 2018/09/11 12:49:12 Terumbu Karang

9364740.862 434370.692 2018/09/11 12:49:22 Terumbu Karang

9364752.165 434396.922 2018/09/11 12:50:22 Terumbu Karang

9364753.935 434398.581 2018/09/11 12:50:32 Terumbu Karang

9364762.227 434399.348 2018/09/11 12:50:42 Terumbu Karang

9364765.881 434405.323 2018/09/11 12:50:52 Terumbu Karang

9364767.873 434406.982 2018/09/11 12:51:02 Terumbu Karang

9364770.088 434411.187 2018/09/11 12:51:12 Terumbu Karang

72

Lampiran 5. Foto Lapangan

Foto 1. Objek Terumbu Karang

Foto 2. Objek Terumbu Karang

Foto 3.Objek Makro Alga

Foto 4. Objek Makro Alga

Foto 5. Objek Pasir

Foto 6. Objek Pasir

73

Foto 7. Objek Lamun

Foto 8. Objek Lamun

Foto 9. Navigasi menuju lokasi survei

transek

Foto 10. Survei transek tanggal 11

September 2018 menggunakan kapal

Foto 11. Alat survei lapangan berupa

(kiri-kanan) pelampung, snorkel, GPS

Dakota 10, dan Pita ukur.

Foto 12. Pengambilan salah satu

sampel.