KABUPATEN ACEH TAMIANG) SALSABILLA Primary Author mixed material bibliography Banda Aceh Fakultas Pertanian 2025 id Indonesia

Skripsi

Kabupaten Aceh Tamiang merupakan salah satu wilayah pesisir di Provinsi Aceh yang memiliki ekosistem hutan mangrove yang sangat penting dalam menjaga keseimbangan lingkungan hidup, baik secara ekologis, ekonomis, maupun sosial. Ekosistem ini berfungsi sebagai pelindung alami pesisir dari abrasi serta pendukung kehidupan masyarakat pesisir. Namun, seiring dengan meningkatnya aktivitas pembangunan dan alih fungsi lahan di wilayah pesisir, terjadi tekanan terhadap ekosistem mangrove yang dapat menyebabkan penurunan luasan areal mangrove secara signifikan. Oleh karena itu, dibutuhkan upaya pemetaan dan pemantauan yang akurat untuk mengetahui kondisi sebaran mangrove saat ini. Penelitian ini bertujuan untuk memetakan tutupan mangrove serta mengevaluasi tingkat akurasi hasil klasifikasi menggunakan empat jenis metode klasifikasi citra berbasis piksel, yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Maximum Likelihood (MLC), dan Random Trees (RT), dengan memanfaatkan data citra satelit Sentinel-2A. Pengolahan data dilakukan melalui serangkaian tahapan yaitu pra-klasifikasi berupa komposit band, mosaik dan pemotongan citra, kemudian dilanjutkan dengan klasifikasi terbimbing (supervised classification), validasi lapangan, serta uji akurasi dengan metode stratified random sampling yang dirancang untuk memastikan keterwakilan kelas secara proporsional. Berdasarkan hasil klasifikasi, diketahui bahwa metode SVM menghasilkan luas tutupan mangrove paling besar yaitu sebesar 13.758,90 ha. Disusul oleh metode RT dengan luas 13.703,02 ha, kemudian KNN sebesar 13.526,31 ha, dan yang terkecil diperoleh dari metode MLC dengan luas 13.508,75 ha. Variasi hasil luasan ini mencerminkan perbedaan kemampuan masing-masing metode dalam membedakan objek mangrove berdasarkan karakteristik spektralnya. Secara visual, SVM memberikan hasil yang cukup baik. Bentuk objek mangrove terdeteksi cukup konsisten, dengan batas klasifikasi yang tergolong tajam Selanjutnya, pengujian akurasi terhadap hasil klasifikasi menunjukkan bahwa metode SVM unggul dibandingkan metode lainnya dengan nilai overall accuracy sebesar 93,33% dan nilai kappa accuracy mencapai 86,67%. Metode RT berada di urutan kedua dengan nilai akurasi keseluruhan 90,00% dan kappa accuracy 80,00%. Sedangkan metode KNN dan MLC menunjukkan nilai akurasi yang sama yaitu 86,67%, namun nilai kappa-nya sedikit berbeda, masing-masing sebesar 73,45% dan 73,33%. Nilai-nilai ini menunjukkan bahwa seluruh metode masih memenuhi standar minimum akurasi klasifikasi penginderaan jauh dengan nilai overall accuracy >75% dan koefisien kappa yang masuk dalam kategori tinggi. Kesimpulan dari penelitian ini menunjukkan bahwa pemilihan metode klasifikasi citra sangat mempengaruhi kualitas dan akurasi hasil pemetaan tutupan mangrove. Classifier SVM terbukti sebagai metode yang paling optimal dalam mengklasifikasikan vegetasi mangrove di wilayah studi karena mampu mengenali pola spektral secara lebih efektif. Pemanfaatan data citra Sentinel-2A yang dikombinasikan dengan pendekatan klasifikasi berbasis piksel memberikan hasil pemetaan yang akurat, efisien, dan representatif terhadap kondisi ekosistem mangrove yang sebenarnya. Informasi spasial ini sangat penting untuk mendukung pengambilan kebijakan pengelolaan wilayah pesisir secara berkelanjutan, baik untuk konservasi, rehabilitasi, maupun pengawasan terhadap perubahan penggunaan lahan di kawasan pesisir Kabupaten Aceh Tamiang. MANGROVE SWAMPS - ECOLOGY COASTAL ZONES 577.698 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 169421 2025-08-14 12:41:02 2025-08-14 14:56:45 machine generated