Electronic Theses and Dissertation

Pinus (merkusii jungh. et de vriese), sebagai salah satu komoditas hutan yang penting bagi manusia, memiliki nilai ekonomi, sosial, dan ekologi yang signifikan. secara ekonomi, pinus dapat menghasilkan berbagai produk; secara sosial, hutan pinus memberikan manfaat kepada masyarakat sekitar; sementara secara ekologi, tegakan pinus berperan sebagai pengendali tata air dan pencegah tanah longsor. pinus termasuk dalam jenis pohon serba guna yang terus-menerus dikembangkan, dan penanamannya penting untuk masa depan dalam hal penghasilan kayu, produksi getah, dan konservasi lahan. tanaman pinus telah lama ditanam di berbagai wilayah di indonesia sebagai bagian dari program reboisasi. di aceh, khususnya di kabupaten aceh tengah, pengembangan usaha hutan tanaman pinus menjadi salah satu prioritas dalam pemanfaatan kawasan hutan. namun belum adanya data luasan hutan pinus maka dilakukannya penelitian dengan memetakan hutan pinus dengan memanfaatkan teknologi penginderaan jauh. penelitian ini menggunakan pendekatan object based image analysis (obia) untuk memetakan hutan pinus. obia merupakan pendekatan yang proses klasifikasinya tidak hanya mempertimbangkan aspek spektral namun juga aspek spasial objek. objek dibentuk melalui proses segmentasi yang merupakan proses pengelompokkan piksel berdekatan dengan kualitas yang sama (kesamaan spektral). hasil klasifikasi object based image analysis yaitu pada level 1, kelas vegetasi mendominasi dengan luas 441,293,73 ha, mencakup 97,47% dari luas keseluruhan. sementara itu, kelas non-vegetasi memiliki luas 11,459,67 ha, atau 2,53% dari total. pada level 2 menghasilkan 5 kelas turunan dari 2 kelas sebelumnya. turunan kelas vegetasi terbagi menjadi hutan dengan luas 359,506,54 ha (79,40%) dan vegetasi non - hutan dengan luas 81,787,19 ha (18,06%). sementara turunan dari kelas non-vegetasi meliputi badan air seluas 6,,445,44 ha 1,42%), lahan terbuka seluas 2,341,70 ha (0,52%), dan pemukiman seluas 2,672,53 ha (0,59%). berdasarkan klasifikasi level 3 yang menghasilkan kelas hutan pinus dan non pinus, di dapatkan sebaran hutan pinus dengan luas. 34.440,98 ha. dengan akurasi pada level 3 menghasilkan nilai producers accuracy untuk kelas pinus 97,1%, untuk nilai users accuracy pada kelas pinus 85,0%. pada kelas non pinus 418.312,41 dengan persentase 86,6%, sedangkan nilai users accuracy yang dihasilkan 97,5%. nilai overall accuracy yang dihasilkan kedua kelas yaitu 91 % dengan nilai kappa sebesar 82%.

Pinus (Merkusii Jungh. Et de Vriese), as one of the forest commodities that is important for humans, has significant economic, social, and ecological values. Economically, pine can produce various products; Socially, pine forests provide benefits to the surrounding community; While ecologically, pine stands act as a controller of the water system and the prevention of landslides. Pine is included in a type of multipurpose tree that is constantly developed, and its planting is important for the future in terms of wood income, sap production, and land conservation. Pine plants have long been planted in various regions in Indonesia as part of the reforestation program. In Aceh, especially in Central Aceh Regency, the development of the pine forest business is one of the priorities in the use of forest areas. However, there is no data about the pine forest area, research is carried out by mapping pine forests by utilizing remote sensing technology. This study uses an image analysis -based approach (OBIA) to map pine forests. OBIA is an approach whose classification process does not only consider spectral aspects but the spatial aspects of the object. Objects are formed through the segmentation process which is the process of grouping the same quality adjacent pixels (spectral safety). The results of the classification of object -based image analysis, namely at level 1, the vegetation class dominates the area of 441,293.73 ha, covering 97.47% of the total area. Meanwhile, the non-vegetation class emits an area of 11,459.67 ha, or 2.53% of the total. Paya Level 2 produced 5 classes derived from the previous 2 classes. Vegetation class derivatives are divided into an area of 359,506.54 ha (79.40%) and non -vegetation of Non - Gelan forest area of 81,787.19 ha (18.06%). While derivatives from non-vegetation classes include a water body covering an area of 6 ,, 445.44 ha 1.42%), open land area of 2,341.70 ha (0.52%), and settlement of 2,672.53 ha (0.59% ). Based on the level 3 classification which produces pine and non -pine forest classes, the distribution of gangan pine forests is wide. 34,440.98 ha. The accuracy delay at level 3 produces the producer value of accuracy tentar pine class 97.1%, for the value of akucuracy paya pine class 85.0%. Non pinus class 418,312.41 users percentage 86.6%, while the accuracy value produced is 97.5%. The overall accuracy of the value produced class 91 % Kappa value is 82 %.