<![CDATA[Perubahan tutupan lahan pada ekosistem pesisir merupakan isu lingkungan global yang signifikan karena berdampak langsung terhadap fungsi ekologis dan keberlanjutan hayati. Tanjung Tiram, Sulawesi Tenggara, merupakan kawasan pesisir yang rentan terhadap degradasi akibat tekanan aktivitas antropogenik, sehingga memerlukan pendekatan pemantauan yang otomatis dan akurat. Penelitian ini mengembangkan sistem klasifikasi dan kuantifikasi perubahan tutupan lahan pesisir yang berfokus pada ekosistem mangrove, terumbu karang, dan padang lamun. Data utama menggunakan citra Sentinel-2 Level-2A yang diproses melalui Google Earth Engine, dengan penerapan arsitektur Deep Learning hybrid UNet–ResNet34 untuk melakukan segmentasi semantik tingkat piksel. Hasil penelitian menunjukkan kinerja klasifikasi yang kuat dengan nilai akurasi sebesar 84,31% untuk mangrove, 95,99% untuk terumbu karang, dan 89,41% untuk padang lamun. Kemampuan segmentasi model dinilai representatif dengan capaian Mean IoU sebesar 0,6124 secara keseluruhan. Analisis multi-temporal periode 2018–2025 mengungkapkan dinamika spasial yang signifikan, ditandai dengan peningkatan luas mangrove sebesar 35,53% (95,20 ha), namun terjadi penurunan luas terumbu karang dan padang lamun masing-masing sebesar 32,39% (29,20 ha) dan 26,68% (98,76 ha). Temuan ini menegaskan bahwa integrasi Sentinel-2 dan Deep Learning mampu menyediakan informasi spasial yang andal untuk mendukung pengelolaan pesisir berkelanjutan. Sistem ini dapat diadopsi oleh pemerintah daerah sebagai platform pemantauan ekosistem pesisir secara real-time guna mendukung pengambilan keputusan konservasi yang responsif dan berbasis data.]]>
Copyrights © 2026
