PEMANFAATAN CITRA LANDSAT 8 UNTUK PEMETAAN SEBARAN DAN KERAPATAN EKOSISTEM MANGROVE DI KECAMATAN CIJULANG KABUPATEN PANGANDARAN The Utilization of Landsat 8 Imagery for Mapping the Distribution and Density of Mangrove Ecosystems Using NDVI and MSARVI Methods

Main Article Content

Fakhra Annaba Piawai Arry Sakti Al Faridzi Permana Agung Mi'raj Fajar Riki Ridwana Lili Somantri

Abstract

The use of technology and methods in mapping continues to develop. Remote sensing images from the Landsat 8 satellite can be used for mapping mangrove vegetation. The advantages of mapping using remotely sensed imagery are that it is better in terms of time, cost, and effort, but the level of accuracy is quite small compared to terrestrial mapping. The purpose of this study was to determine the distribution and extent of mangrove vegetation in the administrative area of ​​Cijulang District, Pangandaran Regency. The composite used in this mapping is the RGB 563 composite in the Landsat 8 image because it is considered to highlight the different aspects of mangrove vegetation with non-mangrove vegetation. Classification of mangrove vegetation density classes using the Normalized Difference Vegetation Index (NDVI) and Modified Soil and Atmospheric Resistant Vegetation Index (MSARVI) methods which are divided into sparse, medium, and dense classes. It is known that the mangrove ecosystem in the Cijulang District, Pangandaran Regency is only found in Cijulang Village, Kondangjajar Village, and Batukaras Village. From the results of the calculation of the area of ​​​​the mangrove ecosystem in Cijulang District, Pangandaran Regency, it is about 260 hectares

Downloads

Download data is not yet available.

Article Details

Section
Articles

References

Buanget, A., & Kasim, F. (2012). DINAMIKA MANGROVE KAWASAN PAMEKASAN PROVINSI JAWA
TIMUR DENGAN ... 6.
Chandra, D., Frananda, H., Geografi, P. P., Padang, U. N., Barat, S., Chandra, D., Frananda, H., & Pendahuluan, A. (2018). Pemanfaatan Citra Landsat 8 Untuk Pemetaan Ekosistem Mangrove
Di Kota Padang sangat melimpah , dan salah satunya adalah 75 % dari total mangrove Asia Tenggara , satu obyek yang bisa di indentifikasi mangrove juga merupakan salah satu penyebab. Jurnal Georafflesia : Artikel Ilmiah Pendidikan Geografi, 3(1), 56–63.
Fawzi, N. I., & Iswari, M. Y. (2018). Penginderaan Jauh Untuk Kajian Pesisir. Oseana, 43(2), 66–77. https://doi.org/10.14203/oseana.2018. vol.43no.2.22
Fudloly, A. R. L., Fuad, M. A. Z., & Purwanto, A. D. (2020). Perubahan sebaran dan kerapatan hutan mangrove di Pesisir Pantai Bama, Taman Nasional Baluran menggunakan citra satelit SPOT 4 dan SPOT 6. Depik, 9(2), 184–192. https://doi.org/10.13170/depik.9.2.144
94
Giarrastowo, G., & Nandika, M. R. (2019). Pemanfaatan Penginderaan Jauh untuk
Pemantauan Rencana Zonasi
Mangrove ( Studi Kasus : Kabupaten Pemalang ) Utilization of Remote Sensing Technology for Monitoring Mangrove Zoning Plan ( Case Study : Pemalang Regency ). Seminar
Nasional Penginderaan Jauh, 6, 380– 387.
Hendrawan, Gaol, J. L., & Susilo, D. S. B. (2018). Study of Density and Change of Mangrove Cover using Satellite Imagery in Sebatik Island North Borneo. Jurnal Ilmu Dan Teknologi Kelautan Tropis, 10(1), 99–109.
Khomarodin, R. (2014). Bunga Rampai Pemanfaatan Penginderaan Jauh untuk Pemantauan , Deteksi , dan Kajian Lingkungan. In Bunga Rampai
Peanfaatan Penginderaan Jauh untuk Pemantauan, Deteksi, dan Kajian Lingkungan (Vol. 7, Issue 1).
Laut, A., & Kunci, K. (2009). Alumni Jurusan Ilmu Kelautan Universitas Trunojoyo Dosen Jurusan Ilmu Kelautan Universitas Trunojoyo Jurusan Ilmu Kelautan Universitas Trunojoyo Jl.Raya Telang PO.BOX 2 Kamal Bangkalan Madura East Java. 2(2), 117–124.
Prayudha, B., Hafizt, M., & Vimono, I. B. (2020). Pemanfaatan Citra Satelit Penginderaan Jauh dan Sistem Informasi Geografi Untuk Analisis Nilai Ekonomi Ekosistem Pesisir. Studi kasus: Desa Teluk Limau, Kecamatan Jebus, Kabupaten Bangka Barat, Provinsi Bangka Belitung. Oseanologi Dan Limnologi Di Indonesia, 5(1), 33. https://doi.org/10.14203/oldi.2020.v5i 1.203
Brown, G., & Hausner, V. H. (2017). An empirical analysis of cultural ecosystem values in coastal landscapes. Ocean & Coastal Management, 142, 49-60.
Bremer, S., & Glavovic, B. (2013). Mobilizing knowledge for coastal governance: re-framing the science–policy interface for integrated coastal management. Coastal Management, 41(1), 39-56.
Purwanto, A. D., Asriningrum, W., Winarso, G., & Parwati, E. (2014). Analisis Sebaran dan Kerapatan Mangrove Menggunakan Citra Landsat 8 di Segara Anakan, Cilacap. Seminar Nasional Penginderaan Jauh 2014, 21 April 2, 232–241.
Rahma, I. Y. (2020). Analisis Komparasi Metode Pemetaan Ekosistem Mangrove Menggunakan Penginderaan Jauh dan Sistem Informasi Geografis. Jurnal Geografi : Media Informasi Pengembangan Dan Profesi Kegeografian, 17(2), 49–55. https://doi.org/10.15294/jg.v17i2.24417
Suwargana, N. (2008). Analisis Perubahan Hutan Mangrove Menggunakan Data Penginderaan Jauh Di Pantai Bahagia, Muara Gembong, Bekasi. Jurnal
Penginderaan Jauh, 5, 64–74.
Jensen JR, (2007), Remote Sensing of the Environment: An Earth Resource Perspective. 2nd Edition, Pearson Prentice Hall, Upper Saddle River.
Jensen, J. R. (1986). Introductory digital image processing: a remote sensing perspective. Univ. of South Carolina, Columbus.
Syahidin, M., Surabaya, U. N., Data, P., Jauh, P., Pasuruan, D., Mengetahui, U., Kemiringan, P., Sebagai, L., Didirikan, T., & Rumah, P. (2019). Pemanfaatan Data Penginderaan Jauh Daerah Pasuruan Untuk Mengetahui Penggunaan Kemiringan Lahan Sebagai Tempat Didirikan Pembangunan Rumah Penduduk. November.
Utami, F., Prasetyo, Y., & Sukmono, A. (2016). Analisis Spasial Perubahan Luasan Mangrove Akibat Pengaruh Limpasan Sedimentasi Tersuspensi Dengan Metode Penginderaan Jauh (Studi Kasus : Segara Anakan Kabupaten Cilacap, Jawa Tengah). Jurnal Geodesi Undip, 5(1), 305–315.
Winarso, G. (2018). METODE CEPAT PEMANTAUAN HUTAN MANGROVE MENGGUNAKAN (Rapid Method for Mangrove Forest Monitoring using Remote Sensing Data). Seminar Nasional Geomatika, 901–910.
Danoedoro, P. 1996. Pengolahan Citra Digital, Teori dan Aplikasinya dalam Bidang Penginderaan Jauh. Diktat kuliah. Fakultas Geografi Universitas Gadjah Mada. Yogyakarta.
Danoedoro, P. 2012. Pengantar Penginderaan Jauh Digital. Andi Press. Yogyakarta.
Lilliesand T. M., R. W. Kiefer and J. W. Chipman. 2008. Remote Sensing and Image Interpretation. Sixth Edition. Jhon Wiley and Sons. New York.
Dwi Yanti, Indri Megantara, Akbar, M., Sabila Meiwanda, Syauqi Izzul, M. Dede Sugandi, & Riki Ridwana. (2020). Analisis Kerapatan Vegetasi di Kecamatan Pangandaran melalui Citra Landsat 8. Jurnal Geografi, Edukasi Dan Lingkungan (JGEL), 4(1), 32–38. https://doi.org/10.29405/jgel.v4i1.4229
Firmansyah, A., Triana, E., Arifin, N., Nurfalah, I., & Ridwana, R. (2021). Pemanfaatan Citra Satelit Landsat 8 Dan Sentinel 2A Dalam Identifikasi Lahan Kritis Mangrove Di Wilayah Kecamatan Ciemas Kabupaten Sukabumi. 6(1), 21–34.
Himayah, S., Ismail, A., Nandi, Ridwana, R., Arrasyid, R., Affriani, A. R., & Ihsan, M. (2019). Correlation between Land Surface Temperature and Vegetation Greenness using Multi-temporal Images. IOP Conference Series: Earth and Environmental Science, 286(1). https://doi.org/10.1088/1755-1315/286/1/012043
Purboyo, A. A., Ramadhan, A. H., Safitri, E., Ridwana, R., & Himayah, S. (2021). Identifikasi Ruang Terbuka Hijau Menggunakan Metode Normalized Difference Vegetation Index Di Kota Depok. Jurnal Sains Informasi Geografi (SIG), 4(1), 12–21. https://journal.umgo.ac.id/index.php/GEOUMGo/index
Rahmawan, A. D., Pawestri, D. A., Fakhriyah, R. A., Pasha, H. D. S., Ferryandy, M., Sugandi, D., Ridwana, R., & Somantri, L. (2020). Penggunaan Metode Unsupervised (ISO Data) untuk Mengkaji Kerapatan Vegetasi di Kecamatan Pangandaran. Jurnal Pendidikan Geografi Undiksha, 8(1), 01. https://doi.org/10.23887/jjpg.v8i1.22752
Wahrudin, U., Atikah, S., Habibah, A. Al, Paramita, Q. P., Tampubolon, H., Sugandi, D., & Ridwana, R. (2019). Pemanfaatan Citra Landsat 8 Untuk Identifikasi Sebaran Kerapatan Vegetasi di Pangandaran. Geodika: Jurnal Kajian Ilmu Dan Pendidikan Geografi, 3(2), 90.https://doi.org/10.29408/geodika.v3i2.1790