<![CDATA[Mangrove memiliki peranan penting baik secara ekologi maupun secara sosialekonomi. Telah banyak dilakukan penelitian tentang mangrove dengan menggunakan teknologi penginderaan jauh. Penelitian ini bertujuan untuk menilai keakuratan pendekatan analisis citra berbasis piksel pada metode klasifikasi Support Vector Machine (SVM) dan Random Forest untuk mengklasifikasikan mangrove dan memperkirakan luas mangrove. Lokasi penelitian berada dikawasan hutan mangrove Kecamatan Talibura, Kabupaten Sikka. Penelitian ini menggunakan citra satelit Sentinel-2A. Pengambil data lapangan menggunakan metode Random Sampling dan jumlah data yang dikumpulkan sebanyak 160 titik untuk uji akurasi. Hasil analisis klasifikasi berbasis piksel menunjukkan bahwa SVM memiliki akurasi keseluruhan sebesar 90 % (Kappa = 0.89) dan klasifikasi Random Forest memiliki akurasi keseluruhan sebesar 88 % (Kappa = 0.87). Kemampuan SVM dalam membentuk ruang dimensi cukup efektif dalam mengkelaskan data, selain itu kemempuan SVM dalam mencari hyperplane terbaik dan titik maksimal tiap kelas yang dinilai mampu menghasilkan akurasi tinggi. Hasil estimasi berdasarkan penilaian menunjukkan bahwa SVM yang menggunakan mangrove memiliki luas 234.51 Ha dan menggunakan Random Forest memiliki luas 193.95 Ha. Hubungan tutupan Kanopi dan nilai NDVI tinggi (r = 0,86) dan Koefien Determinasi sebesar r²=0.75 yang berarti tutupan kanopi mangrove berpengaruh terhadap NDVI sedangkan sisanya dipengaruhi oleh variable lainnya.]]>
Copyrights © 2024
