BAB I PENDAHULUAN

1.1 Latar Belakang Dalam penyelesaian studi di Fakultas Perikanan dan Ilmu Kelautan, mahasiswa diwajibkan menempuh semua mata kuliah sebanyak 145 Satuan Kredit Semester (SKS), termasuk Praktek Kerja Lapang (PKL). PKL merupakan latihan bagi mahasiswa untuk berpartisipasi aktif dalam semua kegiatan di lembaga perusahaan perikanan ataupun ilmu kelautan agar memperoleh wawasan dan pengetahuan yang luas yang tidak didapatkan di bangku kuliah. Sehubungan dengan kegiatan Praktek Kerja Lapang tersebut maka dipilih SEACORM sebagai tempat kegiatan Praktek Kerja Lapang ini. Ketertarikan untuk melakukan Praktek Kerja Lapang di SEACORM ini dikarenakan SEACORM

merupakan suatu lembaga yang kegiatan-kegiatannya banyak dititik beratkan pada bidang kelautan dan perikanan, seperti ocean remote sensing, oceanografi, marine conservation dan Laboratorium Kelautannya. Bidang yang diambil dalam kegiatan Praktek Kerja Lapang di SEACORM ini adalah bidang Ocean Remote Sensing. Dengan mengambil judul laporan PKL “Pemetaan Laju Perubahan Luasan Lahan Hutan Mangrove Di Taman Nasional Bali Barat Menggunakan Data Citra Satelit Alos”. Yang merupakan pengaplikasian dari Ocean Remote Sensing dan berkaitan dengan Marine Conservation juga. Salah satu potensi yang ada di pesisir Indonesia adalah mangrove. Mangrove adalah salah satu tumbuhan yang hidup di daerah pesisir, estuari atau muara sungai, yang daerahnya terlindung (tidak secara langsung berhubungan dengan dinamika laut). Dengan demikian maka mangrove merupakan ekosistem yang terdapat di

antara daratan dan lautan dan pada kondisi yang sesuai mangrove akan membentuk hutan yang ekstensif dan produktif.

1

2

Luas hutan mangrove di seluruh Indonesia diperkirakan sekitar 4,25 juta hektar atau 3,98% dari seluruh luas hutan Indonesia. Areal hutan mangrove yang luas antar lain terdapat di pesisir timur Sumatera, Kalimantan, serta selatan dan utara Papua. Hutan mangrove di Pulau Jawa banyak yang telah mengalami kerusakan atau telah hilang sama sekali karena aktivitas manusia(Nontji, 2005). Menurut Dahuri, et al.,(2001), secara umum mangrove cukup tahan terhadap berbagai gangguan dan tekanan lingkungan. Namun demikian, permasalahan utama tentang pengaruh atau tekanan terhadap habitat mangrove berasal dari keinginan manusia untuk mengkonversi area hutan mangrove menjadi areal pemukiman, tambak dan pertanian. Selain itu, meningkatnya permintaan terhadap produksi kayu menyebabkan eksploitasi berlebihan terhadap hutan mangrove. Jika eksploitasi berlangsung terus menerus, dapat menyebabkan kematian dan berkurangnya luas hutan mangrove. Kegiatan lain yang menyebabkan berkurangnya luas hutan mangrove adalah pembukaan hutan mangrove untuk tambak. Dalam situasi seperti ini, habitat dasar dan fungsi hutan mangrove menjadi hilang, dan kehilangan ini jauh lebih besar dari nilai penggantinya. Informasi mengenai luas hutan mangrove daerah ini masih sedikit. Untuk itu perlu diadakan penelitian mengenai luasan mangrove di Pantai. Salah satu metode yang dapat digunakan dalam pemantauan luas hutan mangrove yaitu teknologi penginderaan jauh, dalam hal ini menggunakan data citra ALOS dan survey lapangan. Lahan mangrove dan non mangrove dibedakan dengan cara pengamatan visual, sedangkan untuk mengetahui tingkat tutupan mangrove digunakan transformasi indeks vegetasi NDVI. Survey lapangan dilakukan untuk mengetahui hubungan nilai NDVI dengan tutupan kanopi dan validitasnya, yang kemudian digunakan untuk mengklasifikasikan dan memprediksi laju perubahan lahan hutan mangrove. Hasil yang diharapkan dari pemanfaatan citra ALOS dan survey lapangan ini adalah terpetakannya laju dan prediksi perubahan lahan hutan mangrove.

3

1.2 Tujuan Tujuan dari Praktek Kerja Lapang ini adalah : 1. Memiliki keterampilan dan wawasan mengolah data satelit ALOS untuk memetakan laju perubahan hutan mangrove. 2. Mengetahui kerapatan hutan mangrove di sebagian Taman Nasional Bali Barat selama 2 tahun. 3. Mengetahui cara memprediksi laju perubahan lahan hutan mangrove di sebagian Taman Nasional Bali Barat

1.3 Tempat dan Waktu Praktek Kerja Lapangan ini dilakukan di Balai Riset dan Observasi Kelautan SEACORM yang beralamat Jalan Baru, Perancak, Negara, Bali Telp. (0365) 44266/44267 Faks. (0365) 44278. BROK terletak di sebelah barat 100 km dari ibu kota Provinsi Bali, Denpasar atau 35 km ke arah timur dari kota Gilimanuk atau 9 km kearah selatan kota Negara. pada tanggal 29 Juni sampai dengan 30 Juli 2010. Pengambilan data validasi di Taman Nasional Bali Barat tanggal 13 juli 2010.

4

BAB II KEADAAN UMUM TEMPAT PKL

2.1 Lokasi Kantor BROK terletak di desa Perancak, desa yang memiliki luas wilayah 374 ha, mempunyai lima banjar yakni Mekarsari, Perancak, Lemodang, Tibu Kleneng dan Dangin Berawah, sekitar 9 km atau 20 menit dari kota Negara. Desa ini berada 10 meter di atas permukaan laut. Di sebelah utara berbatasan dengan Sungai Perancak, selatan dengan pantai Perancak, barat dengan muara Sungai Perancak dan timur dengan Desa Yeh Kuning. Kantor BROK dikelilingi oleh tambak-tambak, sungaisungai kecil dan hutan mangrove hasil penanaman bersama dengan masyarakat, instansi-instansi pemerintahan, murid-murid sekolah, dan mahasiswa dari berbagai universitas yang ada di Indonesia yang tengah melakukan kegiatan di balai tersebut. Topografi daerah balai tersebut termasuk dalam daerah desa pantai dan daerah muara. Penggunaan lahan di daerah tersebut lebih didominasi oleh kegiatan pertambakan dan perikanan (nelayan), walupun masih terdapat penggunaan lahan seperti persawahan, dan perternakan lepas ternak sapi. Terdapat dua musim yang terjadi pada daerah tersebut yaitu musim kemarau dan musim hujan.

Gambar 1. Peta Lokasi Kantor BROK (Sumber: www.brok.dkp.go.id)

Instalasi Observasi Kelautan merupakan cikal berkembangnya institusi penelitian ini menjadi Balai. Balai Riset dan Obsevasi Kelautan (BROK) diresmikan pada tanggal 29 Agustus 2005 berdasarkan Peraturan Menteri Kelautan dan Perikanan No.10/MEN/2005 tentang Organisasi dan Tata Kerja Balai dan Observasi Kelautan menyatakan. Perjalanan historis lahan Perancak jika disimak secara menyeluruh menggambarkan keunikan tersendiri. diseminasi. Dua tahap pengembangan sarana dan infrastruktur riset dan observasi kelautan dilaksanakan pada tahun 2003 dan 2004 menginduk pada Pusat Riset Teknologi Kelautan.2 Organisasi BROK 2. Salah satunya adalah bagaimana upaya – upaya yang dilakukan untuk merubah (convert) tata guna lahan yang awalnya merupakan lahan budidaya tambak. menjadi suatu kawasan riset – terapan dan observasi kelautan yang handal berskala global. Sejak terbentuknya Instalasi Observasi Kelautan dan Tambak Penelitian tahun 2005. . Pada Tahun Anggaran 2003 Bagian Proyek Inventarisasi untuk pertama kali dilaksanakan di Perancak yang pada saat itu bernama Laboratorium Alam. kerjasama maupun pengembangan kelembagaan. bahwa BROK merupakan Unit Pelaksana Teknis (UPT) yang bertanggung jawab langsung kepada Pusat Riset Teknologi Kelautan (PRTK) – BRKP. SEACORM telah cukup aktif melaksanakan program kerjanya yang meliputi kegiatan riset. PER.2. Hal tersebut bermula pada bulan Oktober 2002 (Raker BRKP – DKP) ketika lahan tersebut diserahterimakan dari Pusat Riset Perikanan Budidaya ke Pusat Riset Teknologi Kelautan – BRKP.1 Sejarah Singkat Balai Riset dan Observasi Kelautan (BROK) adalah salah satu wadah pelaksanaan kegiatan – kegiatan the Southeast Asia Center for Ocean Research and Monitoring (SEACORM).5 2.

4. . observasi dan pengelolaan sumberdaya kelautan. Balai Riset dan Observasi Kelautan menetapkan prioritas pengembangan program tahun 2006-2010. yaitu: 1. 3. Penguasaan ilmu dasar kelautan dan pegelolaan sumberdaya kelautan. Berdirinya Balai Riset dan Observasi Kelautan dapat dipandang sebagai wujud jawaban ide nasional dalam mengembangkan riset dan observasi kelautan. Brok bertugas melaksanakan riset strategis dan aplikasi teknologi observasi kelautan yang meliputi riset dasar. Penguasaan teknologi dan aplikasi observasi kelautan. Tahap pengembangan sarana dan infrastruktur riset dan observasi kelautan dilaksanakan hingga tahun 2005 dengan menginduk pada Pusat Riset Teknologi Kelautan. Perencanaan dan perumusan bahan kebijakan teknis dan penyerasian program serta kegiatan riset strategis. Pada tahun 2004 satuan kerja berkembang menjadi Instalasi Observasi Kelautan hingga Agustus 2005. Rencana pengembangnannya disesuaikan dengan konsep program the Southeast Asia Center for Ocean Research and Monitoring (SEACORM) sehingga target pengembangan kapitasitas dan kompetensi kelembagaan serta infrastrukturnya adalah terciptanya intuisi riset dan observasi kelautan yang ideal. Penguasaan teknologi sistem informasi. pengembangan dan aplikasi teknologi yang relevan berdasarkan arahan teknis Kepala Pusat Riset Teknologi Kelautan. Adapun fungsinya. Berdasarkan Peraturan Menteri Kelautan dan Perikanan Nomor 10/MEN/2005 Tentang Organisasi dan Tata Kerja Balai Riset dan Observasi Kelautan. Sebagai implementator dari program SEACORM. Penguasaan informasi kelautan nasional. antara lain: 1.6 Inisiasi pendirian Balai Riset dan Observasi Kelautan sudah dimulai sejak tahun 2002 ketika masih berstatus sebagai Stasiun Bumi NOAA di Perancak-Bali. Pembangunan sarana dan prasarana dimulai pada tahun 2003. 2.

Pelayanan jasa dan kerjasa.brok. (Sumber: www. Peresmian BROK oleh Menteri Kelautan dan Perikanan RI Periode 2004-2009. 6. Pembinaan dan pengembangan sumberdaya riset. Pelaksanaan.id) .7 2. publikasi dan komunikasi hasil riset. observasi dan pengelolaan sumberdaya kelautan. 5. observasi dan pengelolaan sumberdaya kelautan.dkp.go. 3. 4. pemantauan dan evaluasi program serta kegiatan riset strategis. 7. Riset strategis. Pengelolaan urusan tata usaha dan rumah tangga Balai. Pelaksanaan dokumentasi. Freddy Numberi Pada Tahun 2005. Gambar 2.

8

A

B

C Gambar 3. Perkembangan Kantor BROK Berturut-turut A Tahun 2004, B Tahun 2005, dan C Tahun 2007. (Sumber: www.brok.dkp.go.id) 2.2.2 Visi dan Misi Visi : menjadi pusat unggulan (center of excellence) dalam pelaksanaan, penguasaan dan pengembangan riset terapan dan aplikasi teknologi observasi sumber daya kelautan.

9

Misi : 1. Pencapaian kapasitas sumberdaya riset dan observasi sumberdaya kelautan yang handal dan mandiri. 2. Penguasaan riset terapan dan IPTEK observasi sumberdaya kelautan yang didukung oleh system data dan informasi yang baik. 3. Penigkatan pemanfaatan riset dan observasi keluatan untuk kemaslahan masyarakat. 2.2.2 Struktur Organisasi Balai Riset dan Observasi Kelautan dipimpin oleh seorang Kepala Balai. Dalam pelaksanaan keorganisaisannya, Kepala Balai dibantu oleh 2 (dua) orang Kepala Seksi dan 1 (satu) orang Kepala Sub Bagian. Seksi Tata Operasional memiliki tugas melakukan koordinasi perencanaan dan perumusan bahan kebijakan teknis, penyusunan program, pemantauan serta evaluasi pelaksanaan riset strategis dan aplikasi observasi kelautan. Seksi Pelayanan Teknis mempunyai tugas melakukan pelaksanaan kerja sama riset, deseminasi, komunikasi, publikasi, dan dokumentasi hasil riset strategis dan aplikasi observasi kelautan. Sedangkan Sub Bagian Tata Usaha mempunyai tugas melakukan urusan administrasi kepegawaian dan jabatan fungsional, administrasi keuangan, persuratan, kearsipan, rumah tangga dan perlengkapan serta pengelolaan sarana riset.

10

Gambar 4. Struktur Organisasi BROK. (Sumber: www.brok.dkp.go.id) Sesuai dengan Peraturan Menteri Kelautan dan Perikanan No. PER. 10/MEN/2005, Balai Riset dan Observasi Kelautan mempunyai tugas melaksanakan riset strategis dan aplikasi observasi kelautan yang meliputi riset dasar serta pengembangan dan aplikasi teknologi yang relevan. Dalam Iptek Kleautan, Balai Riset dan Observasi Kelautan menyelenggarakan fungsi: 1. perencanaan dan perumusan bahan kebijakan teknis dan penyerasian program serta kegiatan riset strategis, observasi dan pengelolaan sumberdaya kelautan; 2. pembinaan, pelaksanaan, pemantauan, dan evaluasi program serta kegiatan riset startegis, observasi dan pengelolaan sumberdaya kelautan; dan 3. pelayanan jasa dan kerjasama riset sterategis, observasi dan pengelolaan sumberdaya kelautan. Struktur organisasi dan tata kerja BROK terdiri dari;

11

1. Kepala Balai Mempunyai Tugas melakukan koordinasi dan memberikan arahan seluruh kegiatan riset dan non riset serta membina bawahan di lingkungan BROK sesuai tata kerja dan peraturan yang berlaku untuk kelancaran pelaksanaan tugas. 2. Sub Bagian Tata Usaha Mempunyai tugas melakukan urusan administrasi kepegawaian dan jabatan fungsional, administrasi keuangan, persuratan, kearsipan, rumah tangga dan perlengkapan serta pengelolaan sarana riset. 3. Seksi Tata Operasional Mempunyai tugas melakukan koordinasi perencanaan dan perumusan bahan kebijakan teknis, penyusunan program, pemantauan, serta evaluasi pelaksanaan riset strategis dan aplikasi observasi kelautan. 4. Seksi Pelayanan Teknis Mempunyai tugas melakukan pelaksanaan kerjasama riset, diseminasi, komunikasi, publikasi dan dokumentasi hasil riset strategis dan aplikasi observasi kelautan. 5. Kelompok Jabatan Fungsional Mempunyai tugas melakukan kegiatan sesuai dengan jabatan fungsional masingmasing berdasarkan peraturan perundang-undangan yang berlaku. 2.3 Tim-Tim Peneliti BROK Dalam melaksanakan berbagai kegiatan riset dan observasi, Balai Riset dan Observasi Kelautan didukung oleh para peneliti muda yang menguasai bidangnya.

id) .brok. Setiap tim peneliti melakukan kegiatan riset dan observasi dalam mendukung visi.12 Sesuai dengan latar belakang pendidikan. Gambar 5. para peneliti di Balai Riset dan Observasi Kelautan terbagi atas 3 tim peneliti.dkp. Oceanography dan Marine Conservation Reseacrh Team. (Sumber: www. kepakaran dan minatnya.go. Tim-Tim Peneliti BROK dan Latar Belakang Pendidikannya. yaitu: Ocean Remote Sensing. misi dan tupoksi Balai Riset dan Observasi Kelautan.

3.produk yang dihasilkan oleh tim peneliti penginderaan jauh kelautan.1 Tim Peneliti Ocean Remote Sensing Tim peneliti Ocean Remote Sensing merupakan tim pionir sudah ada sejak BROK masih berstatus Stasiun Bumi (November 2002). dan anomali tinggi muka laut. Tugas dan produk awal pada saat itu adalah pengolahan data satelit NOAA untuk mendukung pembuaan PPDPI. Produk. b. tim peneliti ini mempunyai beberapa sasaran : 1. Dikuasainya teknologi pengembangan algoritma untuk wilayah perairan Indonesia. Peta Prakiraan Daerah Penangkapan Ikan (PPDPI) Disusun berdasarkan data : a. Dengan diawali oleh 2 peneliti muda. Sistem informasi data satelit oseanografi terpadu yang mendukung. 1. Meningkatnya validitas dan akurasi PPDPI. dimana fitoplankton dimakan oleh zooplankton kemudian . kegiatan maupun produknya. Sesuai dengan science plan yang telah disusun hingga tahun 2010. Data yang tersedia suhu permukaan laut. Tersusunnya PPDPI untuk ikan pelagis tertentu.3.13 2. Suhu permukaan laut Merupakan parameter fisik yang digunakan sebagai pemantau terjadinya front dan upwelling dengan ditandai perbedaan suhu yang ekstrim pada tempat-tempat tertentu. keberadaan tim saat ini sudah cukup berkembang baik dari personil. 2. konsentrasi klorofil – a permukaan laut. Konsentasi klorofil-a permukaan laut Merupakan parameter yang sangat penting untuk keberadan ikan sesuai dengan teori rantai makanan.

sehingga bisa menentukan pergerakan ikan. Data pendukung. Perairan Sumatera. dan daerah upwelling dengan anomali massa air yang lebih tinggi dari sekitarnya. Pemantauan Bencana Laut Pemantauan badai siklon tropis secara visual dengan citra Satelit NOAA-AVHRR yang diperoleh dari Ground Receiving Station secara real time. a. Bali dan Nusa Tenggara. Keahlian Tim : .14 zooplankton akan dimakan ikan kecil. sehingga dapat dijadikan sebagai informasi peringatan dini bagi nelayan akan bahaya di laut yang disebabkan oleh badai siklon tropis. Perairan PPN Kendar. 2. Anomali tinggi muka laut (altimetry data) Digunakan untuk mencari daerah front. Perairan PPN Ternate.  Angin dan Gelombang merupakan informasi yang diberikan kepada para nelayan dengan tujuan untuk memberikan peringatan akan bahaya di wilayah perairan jika gelombang tinggi dan angin bertiup kencang. Dengan adanya program pengembangan ini diharapkan implementasi PPDPI untuk wilayah pesisir dapat dicapai. dan ikan kecil akan dimakan ikan yang lebih besar. Sebagai wilayah uji coba adalah perairan sekitar Selat Bali. Dengan program ini dapat dibuat data distribusi suhu dan klorifil – a permukaan laut di wilayah pesisir. Perairan PPN Prigi. Sejak tahun 2007 telah dilakukan pengambangan yaitu program downscaling data satelit oseanografi. Wilayah produksi peta Perairan Jawa. Dari hasil pemantauan pergerakan awan dapat diprediksi arah dan proses terbentuknya badai sampai menghilang.  Arus digunakan untuk melhat pergerakan massa air yang membawa kandungan klorofil. Perairan Sulawesi. yang ditandai dengan pertemuan dua massa air yang memiliki pebedaan anomali. c. Perairan Kalimantan. Perairan Selat Bali. Perairan Maluku dan Papua.

16.  Melakukan pengolahan dan analisis data satelit oseanografi.  Pembuatan peta potensi wilayah pesisir dengan teknologi penginderaa jauh dan Sistem Informasi Geografis (SIG). 17 dan 18 serta Satelit Fengyun. Kepakaran Personil :  Geografi  Penginderaan Jauh  Ilmu Kelautan  Pemanfaatan Sumberdaya Perikanan  Manajemen Sumberdaya Perairan  Marine Biology c.  Pembuatan peta daerah penangkapan ikan pelagis dari data satelit oseanografi.  Pembuatan peta distribusi konsentrasi klorofil – a dari data Satelit MODIS Aqua.  Sistem Fax on Demand (FOD) dan Interactive Voice Response (IVR) Perangkat untuk distribusi Peta Prakiraan Daerah Penangkapan Ikan via fax secara otomatis.15  Pembuatan peta distribusi suhu permukaan laut dari data satelit NOAA – AVHRR. 14.  Computer Data Storage Komputer yang mempunyai kapasitas besar untuk penyimpanan data. 15.  Komputer Pengolahan Data Komputer yang mempunyai spesifikasi tertentu untuk pengelolahan data citra satelit dengan kualifikasi memori dan VGA display yang tinggi. Fasilitas :  Stasiun Bumi Penerima Data Satelit Antena penerima data dengan auto track dan auto receiver untuk data Satelit NOAA 12. b. .

Bali. Mapinfo. ENVI. PPN Prigi. PPN Sibolga. PPN Brondong.  Badan Pengkajian dan Penerapan Teknologi (BPPT) dalam kerjasama riset bidang penginderaan jauh kelautan. PPN Pemangkat.  Pemda Kabupaten Jembrana.  Pelabuhan Perikanan Nusantara (PPN) Pelabuhan Ratu.16  Software Pengolahaan Data Satelit ERMapper. PPS Cilacap.PPN Tanjungpandan. Tim Remote Sensing BROK melakukan kerjasama dalam pengembangan sumber daya manusia di bidang penginderaan jauh kelautan. Seadas.  Pemda Kabupaten Majene. PPS Jakarta. Kerjasama di bidang pengembangan potensi wilayah pesisir. Kerjasama :  Pelabuhan Perikanan Samudera (PPS) Kendari.  Lembaga Penerbangan dan Antariksa Nasional (LAPAN) kerjasama dalam pengembangan sumberdaya manusia bidang penginderaan jauh kelautan. ArcView. ArcGIS. PPS Bungus untuk distribusi Peta Prakiraan Daerah Penangkapan Ikan (PPDPI). Kalimantan Timur.  Pemda Kabupaten Kutai Kartanegara. PPS Belawan. PPN Ternate. d. Sulawesi Barat. PPN Pekalongan untuk distribusi Peta Prakiraan Daerah Penangkapan Ikan (PPDPI).  Badan Meteorologi dan Geofisika (BMG) sebagai penyedia data prakiraan angin dan gelombang. ERDAS. . PPN Ambon. PPN Bitung. PPN Kejawanan. PPN Tual. Tim Remote Sensing BROK memberikan bantuan teknis dalam bidang penginderaan jauh kelautan untuk pembangunan Stasiun Bumi NOAA di Kuta Kartanegara.

3.17  Sekolah Menengah Kejuruan Kelautan dan Perikanan se-Indonesia. Satelit NOAA.  Collecte Localisation Satellites (CLS) Perancis sebagai penyedia perangkat penerima data satelit NOAA dan penyedia data satelit oseanografi. Gambar 6. Tanggap kasus kematian masal ikan diperairan Tabanan.go. (Sumber: www.  APEC SAKE (Satellite Application for Knowledge-based Economy). Kerja sama riset dan pengembangan sumberdaya manusia dalam bidang penginderaan jauh kelautan. Monitoring dampak Lumpur Sidoarjo terhadap kualitas perairan dan ekosistem pesisir Porong. .2 Tim Peneliti Marine Conservation Tim peneliti Marine Conservation mempunyai kegiatan yang berbasis ecological quality and biological monitoring. antara lain : 1. Tim Ocean Remote Sensing memberikan bantuan dalam pengembangan materi diklat penginderaan jauh kelautan.brok. 2.id) 2.dkp.

Bali.id) . monitoring dinamika laut dan ekosistem pesisir dalam mendukung riset pengembangan struktur pelindung pantai yang ramah lingkungan. Program Pendukung Jejaring Konservasi 1. Struktur yang digunakan antara lain material geosintetik. 2. Monitoring kualitas perairan estuari Perancak. Pemantauan ekosistem laut. Gambar 7. terumbu karang dan struktur alam lainnya. Kajian dampak climate change terhadap terumbu karang dan mangrove. (Sumber: www.18 3. Design. pengelolaan dan monitoring ekosistem di kawasan konservasi laut (lihat gambar 7). Coastal protection. 4.brok. Peta Kawasan Konservasi Laut.dkp. mangrove.go. 3.

4.19 Gambar 8.2.brok. Selain itu juga berdasarkan pada UU No 27 2007 Pasal 15(3) tentang pengelolaan wilayah . Dari kegiatan tersebut menghasilkan : 1. (Sumber: www. 2. Data dan informasi diharapkan dapat diberikan dengan lengkap dan mutakhir guna mendukung tercapainya kualitas perencanaan dan pengendalian pembangunan yang handal.3 Tim Oceanografi Pertemuan Integrasi Basis Data Hasil Riset Kelautan dan Perikanan BRKP dalam rangka untuk kegiatan riset Aplikasi Data Satelit Altimetri untuk Monitoring Kerentanan Pulau-pulau Kecil terhadap Kenaikan Muka Laut. Disampaikan pula bahwa dasar pentingnya data dan informasi adalah sesuai dengan dikeluarkannya UU Nomor 31 Tahun 2004 tentang Perikanan Bab VI Pasal 47(2).dkp. dan masyarakat berhak untuk mendapatkan data yang akurat. Bioreef.go. Juga dapat digunakan sebagai perumus untuk menunjang pengambilan keputusan. yaitu sistem informasi dan data statistik perikanan harus dapat diakses dengan mudah dan cepat oleh seluruh pengguna.id) 2. Data merupakan dasar dari semua hal dalam aspek pemerintahan (dalam hal pengambil kebijakan). Lembaga penyelenggara negara berkewajiban untuk memberikan data. 3.

Tindak lanjut implementasi Perpres 85/2007 tentang Infrastruktur IDSN. efektivitas. 8. mendukung administrasi perkantoran. . DKP melalui keputusan menteri. 13. 12. menghasilkan telah terbitnya Keputusan Menteri Kelautan dan Perikanan yang menetapkan PUSDATIN sebagai unit Kliring. 10. menetapkan pusdatin sebagai unit kliring. 9. 7. Fokus kebijakan penyusunan data Kelautan dan Perikanan: salah satunya adalah kerjasama/data sharing. yaitu data dan informasi sebagaimana dimaksud pada ayat (1) dapat dimanfaatkan oleh setiap Orang dan/atau pemangku kepentingan. Pusdatin mempunyai dasar hukum sebagai pokja data dan statistik yang terdiri dari seluruh institusi eselon 1 DKP. Pusdatin mengemban tugas untuk mengaplikasikan e-government. Konsep perencanaan dan pengembangan sistem informasi dan manajemen DKP: salah satunya bertujuan untuk menghindari duplikasi. kurang perhatiannya terhadap data berkualitas. Manfaat e-government: efisiensi. dana terbatas. Kondisi data dan statistik kelautan dan perikanan saat ini: datik (data dan statistik) yang tersedia sampai dengan saat ini yaitu datik produksi perikanan tangkap dan datik produksi perikanan budidaya dan belum tersedianya datik pengolahan dan pemasaran hasil perikanan serta datik kelautan. melalui Pusdatin atau BRKP. 6. yaitu sebagai pengumpul data juga sebagai penyebar data dan informasi.20 pesisir dan pulau-pulau kecil. Untuk itu. Tujuan dari Pusdatin adalah menghasilkan: datik yang kaya dan jujur. belum ada penanganan khusus tentang data dan statistik. transparansi. dan pelayanan informasi untuk masyarakat. sarpras belum memadai. 5. Manfaat pengelolaan data spasial: user dapat melakukan diskusi dua arah. dan akuntabilitas. juga sebagai penanggung jawab data oseanografi dan data kelautan dan perikanan lainnya. Kendala: SDM terbatas. 11.

LRK saay ini juga sedang dalam tahap proses menuju Akreditasi ISO 17025 : 2005 Gambar 9. Laboratorium Kelautan BROK Saran yang disediakan untuk dapat menunjang tugas dan fungsi.21 14. Visi Pusdatin: menjadi bank data KP (kelautan dan perikanan) yang kuat dan terpercaya. 2. Bitung. WAN (wide area network)-vsat. Perancak (di BROK. yaitu: Papua (Sorong). pengembangan dan aplikasi teknologi kelautan di Indonesia. 15. untuk keperluan publikasi). Selain itu untuk memfasilitasi berbagai kepentingan yang membutuhkan pelayanan jasa laboratorium.2.4 Laboratorium Riset Kelautan Laboratorium Riset Kelautan (LRK) didirikan dalam upaya tercapainya pelaksanaan riset strategis dan aplikasi teknologi kelautan secara optimal yang meliputi riset dasar. LRK dilengkapi berbagai fasilitas yang dapat mendukunh setiap pengujian yang terdiri dari . jaringan antarpulau sudah dapat dimanfaatkan di tiga daerah.

analisa alkalinitas. analisa bakteri E. l. analisa silika. analisa khlorin. 4. m. f. analisa khlorofil 2. analisa salinitas.22 Laboratorium Kimia. analisa karbon dioksida (co 2 ). d. Analisa Biologi. nitrit. phosfat dan turbidity. . kecerahan. antara lain : 1. e. analisa nitrit. 3. Identifikasi Terumbu Karang. antara lain analisa bakteri total. analisa sulfida. b. analisa padatan terlarut (tds). analisa nitrat. Coli. g. antara lain DO. Analisa In Situ (dengan alat portable). nitrat. analisa fitoplankton dan analisa zooplankton. Jenis-jenis analisa yang dapat dilakukan di laboratorium riset kelautan. analisa phosfat. analisa total solid (ts). p. n. h. j. k. analisa bakteri Vibrio Cholera. c. dan q. analisa padatan tersuspensi (tss). Fisika dan Biologi Kelautan. i. analisa DO. pH air. analisa BOD. o. Analisa Kimia : a. analisa COD. pH tanah. analisa amonia.

antara lain mengenai metode yang dipakai dalam survei ekosistem mangrove dan pengolahan data citra satelit ALOS (AVNIR-2) untuk pembuatan peta luasan hutan mangrove di Taman Nasional Bali Barat dan membandingkan perubahan luasan hutan mangrovenya antara data citra satelit Alos 2008 dan data citra sateliit Alos 2009. dan partisipasi.1 Observasi Lapang Observasi yang dilakukan dalam Praktek Kerja Lapang ini dengan melakukan survei untuk validasi data citra dengan data lapangan dan mendapakan data in situ. wawancara. 3. Selain itu partipasi di dalam kegiatan survey yang ada dengan membantu setiap kegiatan yang ada.2.23 BAB III KEGIATAN YANG DILAKUKAN 3.2. 3. .2 Partisipasi Partisipasi yang dimaksudkan disini adalah keterlibatan langsung dalam proses pengolahan data hasil citra satelit ALOS (AVNIR-2). 3.1 Materi Praktek Kerja Lapang Materi dalam praktek kerja lapang ini ada dua (2). serta diperoleh dari studi literatur.2 Metode Praktek Kerja Lapang Metode praktek kerja lapang yang dilakukan adalah dengan cara observasi lapangan.

24 Alur metodologi pelaksanaan praktik kerja lapang yang dilakukan adalah sebagai berikut.4 Arc GIS Hasil Akhir Peta Perubahan Luasan Hutan Mangrove di TNBB Analisis dan Kesimpulan Gambar 10. Pengolahan Data Citra ALOS menggunakan ENVI 2. Kegiatan PKL Pembuatan peta luasan hutan mangrove Survey lapangan Studi literature : Penginderaan Jauh (pengolahan data citra) Ekosistem Mangrove Pengumpulan Data Data Citra 1. Alur Metodelogi Praktek kerja lapang . Penghitungan NDVI untuk Pembagian Klasifikasi Kerapatan Mangrove Pengolahan data menggunakan : ENVI 4.

pantulan spectral. Proses dan elemen yang terkait dalam penginderaaan jauh dengan energi elektromagnetik untuk sumber daya alam. diemisikan maupun dihambur balik. Hasil pembentukan data dalam bentuk piktorial dan bentuk numerik Proses analisis data meliputi : 1.25 3. daerah. Pengujian data dengan menggunakan alat interpretasi dan alat pengamatan untuk menganalisis data piktorial. Studi literature dilakukan di perpustakaan BROK dan searching dari internet. Caranya dengan mendeteksi gelombang elektro magnetik yang datang dari obyek tersebut. Sumber energi 2. macam-macam citra. 3. atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak lansung dengan objek. Penginderaan Jauh Penginderaan jauh adalah ilmu memperoleh informasi tentang objek. dan komputer untuk menganalisis data numerik. . Studi literature juga sebagai tinjauan pustaka pada laporan ini. Hal ini meliputi proses pengumpulan data dan analisis data.3. daerah atau fenomena yang dikaji (Lillesand dan Kiefer.1 Tinjauan Pustaka 1. Proses pengumpulan data meliputi : 1. baik yang dipantulkan.3 Studi Literature Studi literature disini maksudnya adalah untuk lebih memperdalam pengetahuan kita tentang penginderaan jauh baik apa itu citra satelit. NDVI dan sebagainya serta ekosistem hutan mangrove itu sendiri. Perjalanan energi melalui atmosfer 3. 1990). Interaksi antara energi dengan kenampakan di muka bumi 4. Sensor wahana pesawat terbang dan satelit 5.

5 µm. Informasi disajikan dalam bentuk peta.5 – 0. tabel. (4) sensor.0. 1990).7 µm (Lillesand dan Kiefer. (3) interaksi antara tenaga dan obyek.7 µ m. Secara skematik dapat dilihat pada gambar 11. Bagian spektrum “tampak” pada gambar logaritmik meratakan bagian yang kecil.4 µm hingga sekitar 0. Warna “biru” terdapat kira-kira pada julat 0.4 . 3. ”hijau” antara 0.26 2. ada empat komponen penting dalam sistem penginderaan jauh adalah (1) sumber tenaga elektromagnetik. Menurut Sutanto (1994).6 – 0. 1994) . Bagian spektrum elektromagnetik yang digunakan di dalam penginderaan jauh terletak secara berkesinambungan yang dicirikan dengan perubahan-perubahan besar tenaga dengan kelipatan 10 berpangkat banyak. Di dalam penginderaan jauh.6 µm. (2) atmosfer. dan suatu bahasan tertulis atau laporan. SUN SATELLITE Energy Emitted Reflected Scattered DATA Image Processing System GIS (Added Value) GROUND STATIONS Buildings Land Roads Grass Waters Forest USER/ APPLICATIO N Gambar 11. dan “merah” antara 0. Informasi diperuntukan untuk para pengguna yang memanfaatkannya. karena kepekaan spektral mata manusia hanya berkisar antara ± 0. Sistem Penginderaan Jauh (Sutanto. penggolongan gelombang elektromagnetik paling sering dilakukan menurut letak panjang gelombangnya di dalam spektrum elektromagnetik.

yakni: resolusi citra dan resolusi medan. Satelit-satelit yang digunakan dalam penginderaan jauh terdiri dari satelit lingkungan. Resolusi Spasial Ialah ukuran terkecil obyek yang dapat direkam oleh suatu sistem sensor. Disamping itu dinyatakan dengan ukuran dalam meter di lap atau dalam meter per pixel pada citra (Rm/pixel). Pada data digital resolusi medan dinyatakan dengan pixel.430 garis/mm. dan sumberdaya alam.01 mm. Dengan kata lain maka resolusi spasial mencerminkan kerincian informasi yang dapat disajikan oleh suatu sistem sensor.01 mm. berarti sensor itu semakin baik karena dapat menyajikan data dan informasi yang semakin rinci. sedang yang kurang baik berupa resolusi kasar atau rendah. Ada dua cara menyatakan resolusi spasial. Misal tiap garis tebalnya 0. Secara teoritik maka resolusi citra yang terbaik 1. Semakin kecil ukuran terkecil yang dapat direkam oleh suatu sistem sensor.27 Dengan menggunakan satelit akan memungkinkan untuk memonitor daerah yang sulit dijangkau dengan metode dan wahana lain. Resolusi Medan (ground resolution) ialah ukuran terkecil obyek di medan yang dapat direkam pada data digital maupun pada citra. Satelit dengan orbit tertentu dapat memonitor seluruh permukaan bumi. Resolusi Citra (image resolution) dapat diartikan sebagai kualitas lensa yang dinyatakan dengan jumlah maksimum garis pada tiap milimeter yang masih dapat dipisahkan pada citra. Ruang pemisah antara tiap garis juga sebesar 0. Dalam contoh ini berarti resolusi citranya sebesar 50 garis/mm. cuaca. Resolusi a. resolusi medan juga dapat dinyatakan dengan ukuran dalam meter di lapangan yang . Berarti tiap garis menempati ruang selebar 0.02 mm atau pada tiap mm ada 50 garis. Resolusi spasial yang baik dikatakan resolusi tinggi atau halus.

b. Kelemahannya ialah bahwa resolusi spasialnya menjadi lebih rendah. semakin besar skala semakin baik resolusinya. Artinya antara resolusi spasial dan resolusi spektral terjadi hubungan berkebalikan. Contoh resolusi spektral SPOT-XS lebih rinci daripada SPOT-P.28 dapat digambarkan oleh sepasang garis pada citra atau Rm/Lp (meter per line pairs). Resolusi Spasial dipengaruhi: a. Resolusi spektral Resolusi spektral menunjukkan kerincian λ yang digunakan dalam perekaman obyek. Landsat generasi 1 : 18 hari . Kisaran panjang gelombang b. Panjang gelombang tenaga elektromagnetik yang digunakan. Ingat formula e = hc/ λ a. Tiga data multi spektral hitam putih dapat dihasilkan citra berwarna. c. Sebagai contoh resolusi temporal ini: 1. Resolusi temporal ialah frekuensi perekaman ulang atas daerah yang sama. Ukuran butir-butir film (khusus bagi foto) b. Skala. Apabila data multispektral itu tersedia dalam digital akan dapat diolah dengan bantuan komputer. Keunggulan citra multispektral ialah meningkatkan kemampuan mengenali obyek karena perbedaan nilai spektralnya sering lebih mudah dilakukan pada saluran sempit.

Dengan sensor termal misalnya. Kerincian penting untuk studi kekotaan misalnya dan resolusi temporal yang tinggi penting untuk memantau perubahan cepat seperti pemekaran kota. Interpretasi Citra Penginderaan Jauh Estes dan Simonett (1975) dalam Sutanto (1992) mengatakan bahwa interpretasi citra merupakan perbuatan mengkaji foto udara dan atau citra dengan maksud untuk mengidentifikasi objek dan menilai arti pentingnya objek tersebut.29 2. karena persepsi pengenalan objek bagi orang2 yang berpengalaman biasanya lebih . Dari keempat jenis resolusi ini maka resolusi spasial merupakan resolusi yang terpenting. pengurangan luas hutan. maka yang dimaksud adalah resolusi spasial.5 C. kalau sensor 1 mampu merekam beda suhu terkecil 0. Landsat generasi 2 : 16 hari 3. Hubungan antara resolusi spasial dengan resolusi temporal menimbulkan pilihan yang tidak mudah antara keduanya. Satca NOAA : 12 jam 5. SPOT : 26 hari atau 6-7 kali/bulan karena sensor dapat ditengokkan arah perekamannya 4.2 C dan sensor 2 mampu merekam beda suhu terkecil 0.5 jam d. Sulit untuk memilih antara foto udara (rinci) atau citra satelit yang frekuensi perekaman ulangnya lebih sering. Resolusi radiometrik ialah kepekaan sensor terhadap perbedaan terkecil kekuatan sinyal. dsb. Satca GMS : 0. berarti resolusi radiometrik sensor 1 lebih baik dari pada sensor 2. Kalau orang menyebut resolusi tanpa diikuti keterangan apapun. Pengalaman sangat menentukkan hasil interpretasi.

Identifikasi atau pengenalan merupakan upaya mencirikan objek yang telah dideteksi dengan menggunkan keterangan yang cukup. asosiasi dan konvergensi bukti. 2001). Misalkan pada citra A dianggap sebuah pemukiman. Interpretasi citra penginderaan jauh dapat dilakukan dengan dua cara yaitu interpretasi secara manual dan interpretasi secara digital (Purwadhi. Ada tiga hal penting yang perlu dilakukan dalam proses interpretasi. yaitu deteksi. Dasar interpretasi citra digital berupa klasifikasi citra pixel berdasarkan nilai spektralnya dan dapat dilakukan dengan cara statistik. situs. maka pada citra B atau C pun tetap bisa dikenal sebagai pemukiman walaupun agak sedikit berbeda dalam penampakannya. misalkan pendeteksian objek disebuah daerah dekat perairan. Dalam pengklasifikasian citra secara digital. mempunyai tujuan khusus untuk mengkategorikan secara otomatis setiap pixel yang mempunyai informasi spektral yang sama dengan mengikutkan pengenalan pola spektral. Deteksi citra merupakan pengamatan tentang adanya suatu objek. tekstur. pola. Interpretasi secara manual adalah interpretasi data penginderaan jauh yang mendasarkan pada pengenalan ciri/karakteristik objek secara keruangan. Sedangkan analisis merupakan pengklasifikasian berdasarkan proses induksi dan deduksi. seperti penambahan informasi bahwa tambak tersebut adalah tambak udang dan dklasifikasikan sebagai daerah pertambakan udang.30 konstan atau dengan kata lain pengenalan objek yang sama pada berbagai bentuk citra akan selalu sama. misalnya mengidentifikasikan suatu objek berkotak2 sebagai tambak di sekitar perairan karena objek tersebut dekat dengan laut. identifikasi dan analisis. Interpretasi secara digital adalah evaluasi kuantitatif tentang informasi spektral yang disajikan pada citra. Karakteristik objek dapat dikenali berdasarkan 9 unsur interpretasi yaitu bentuk. pengenalan pola spasial dan pengenalan pola . bayangan. ukuran. rona/warna.

31 temporal yang akhirnya membentuk kelas atau tema keruangan (spasial) tertentu. 1993) Daerah panjang gelombang yang diprgunakan pada tiap saluran ALOS Gambar 12. Keadaan ini akan berbeda jika vegetasi terkena gangguan penyakit. yakni vegetasi sehat berdaun hijau.45-0. tanah gundul (lempung coklat kelabu) dan air danau yang jernih masing-masing membentuk kurva yang berbeda yang merupakan indicator jenis dan kondisi objek yang berkaitan.65µm) sehingga mata kita mampu menangkap vegetasi sehat hijau. Kurva Pantulan Spektral . Pantulan Spektral Vegetasi.(Lillesand dan Kiefer. Kurva pantulan spekteral dari vegetasi dipengaruhi oleh pigmen klorofil yang terdapa banyak di dalam daun dan banyak menyerap energi pada panjang gelombang tampak (0. Tanah dan Air Gambar 11 merupakan suatu kurva pantulan spektral bagi tiga objek utama di bumi.

Jika sensor hanya menerima pancaran tenaga dari objek yang mendapatkan radiasi matahari yang sifatnya alamiah. Tenaga ini akhirnya mengenai objek di permukaan bumi yang kemudian dipantulkan kembali dan diterima oleh sensor. Apabila sensor menerima radiasi balik dari tenaga yang dipancarkan atau yang dibangkitkan sendiri (buatan) maka disebut dengan penginderaan jauh system aktif. terdapat tiga kemungkinan pokok interaksi tenaga dengan benda yaitu dipantulkan. Semakin pendek panjang gelombang akan semakin besar energy yang dikandungnya. Besarnya energy dalam suatu paket gelombang dapat diukur dari panjang gelombang dan frekuensinya. Dengan menggunakan asas kekekalan energy. NDVI (Normalized Diverential Vegetation Index) Indeks vegetasi adalah pengukuran kuantitatif berdasarkan nilai digital dari data penginderaan jauh yang digunakan untuk mengukur biomassa atau . Jumlah tenaga yang diterima oleh sensor tersebut tergantung pada jumlah tenaga asal karakteristik objeknya. maka ketiga jenis interaksi tersebut dinyatakan dengan persamaan matematik (Lillesand dan Kiefer.32 Karakteristik Pantulan Objek Tenaga elektromagnetik mengenai suatu benda pada permukaan bumi. 1993) : E1(λ)=ER(λ)+EA(λ)+ET(λ) dimana : E1= Energi yang mengenai benda ER= Energi yang dipantulkan EA= Energi yang diserap ET= Energi yang ditransmisikan Matahari memancarkan tenaga elektromagnetik ke segala arah dengan cara radiasi. maka disebut penginderaan jauh system pasif. diserap dan ditransmisikan.

16-0. Formula untuk menghitung nilai NDVI adalah : NDVI Dimana : 2 2 2 1 1 = Band Infra Merah Dekat = Band Merah 1 NDVI = Normalized Difference Vegetation Index Nilai NDVI berkisar antara -1 hingga +1 . nilai NDVI sebanding dengan kuantitas tutupan vegetasinya.15 0. dan unsur non-vegetasi hijau yang tinggi (positif) menunjukan tingkat vegetasi hijau yang tinggi. nilai NDVI yang rendah (negatif) menunjukan tingkat vegetasi yang rendah seperti awan. tanah kosong. Kelas kerapatan mangrove dapat dilihat pada table : Tabel 1. bangunan.10-0. Jadi. Nilai NDVI yang tinggi menunjukan tumbuhan yang lebih hijau (lebih rapat) dan sebaliknya. Kelas Kerapatan Mangrove dari Nilai Indeks Vegetasi No Tingkat Kerapatan Transformasi Indeks Vegetasi(NDVI) 1 2 3 Sumber: Dewanti. Sala satu metode perhitungan indeks vegetasi yang umum digunakan adalah NDVI (Normalized Diverence Vegetation Index).33 intensitas vegetasi di permukaan bum.20 >0. 1999 Jarang Sedang Padat 0.21 . air.

Hijau 2 0. Tabel 2. 2007).60 10 Pengamatan pantulan vegetasi puncak pada saluran hijau yang terletak diantara penyerapan. dan Phased-Array type L-band Synthetic Aperture Radar (PALSAR) untuk pemantauan permukaan bumi dan cuaca pada siang dan malam hari. Karakterisitik Citra ALOS/AVNIR-2 Warna Band Panjang Gelombang(µm) Biru 1 0. Advanced Visible and Near Infrared Radiometer type-2 (AVNIR-2) untuk pemantauan penutup lahan secara lebih tepat. ALOS/ANVIR-2 merupakan citra yang digunakan untuk mengobservasi daratan dan pantai khususnya untuk menghasilkan peta tutupan lahan dan peta penggunaan lahan dalam memonitoring perubahan lingkungan (JAXA.42-0. Pembedaan vegetasi dan lahan. Manfaat penggunaalahan.34 ALOS ALOS singkatan dari Advanced Land Observing Satellite adalah satelit milik Jepang yang merupakan satelit generasi lanjutan dari JERS-1 dan ADEOS yang dlengkapi dengan teknologi yang lebih maju. dua saluran Pengamatan .52-0.50 Resolusi Spasial (m) 10 Penetrasi analisis tanah tubuh air. ALOS dilengkapi dengan 3 instrumen penginderaan jauh : yaitu Panchromatik Remote-sensing Instrument for Stereo Mapping (PRISM) yang dirancang untuk dapat memperoleh data Digital Terrain Model (DTM). dan vegetasi.

2007) Untuk dapat bekerja dengan ketiga instrumen diatas. Jepang pada tahun 2004. ALOS dilengkapi dengan dua teknologi yang lebih maju : pertama teknologi yang mampu mengerjakan data dalam kapasitas yang sangat besar dengan kecepatan tinggi.1.69 10 Band yang paling berguna untuk membedakan tipe tanaman. ALOS direncanakan akan diluncurkan dari Pusat Ruang Angkasa Tanegashima. Sumber : (Jaxa. lebih dari pada band 1 dan 2. dan selanjutnya kapasitas untuk menentukan posisi satelit dan ketinggian yang lebih tepat.76-0.61-0.89 10 Berguna untuk meneliti biomass tanaman dan juga membedakan batas tanahtanaman dan dratan-air. Merah 3 0.35 ini dimaksudkan untuk tanaman membedakan sehat terhadap tanaman tidak sehat. Keterangan umum tentang ALOS disajikan pada tabel 2. Near Infrared 4 0. Alat peluncuran Tempat peluncuran Berat Satelit Power Waktu Operasional Orbit Roket H-IIA Pusat Ruang Angkasa Tanagashima 4 000 Kg 7 000 W 3 sampai 5 Tahun Sun-Synchronous Sub-Recurr Orbit .

Kartografi : untuk menyediakan peta wilayah Jepang dan Wilayah AsiaPasifik 2. 2. atau hutan . mangrove sering juga dinamakan hutan pantai. Karena hidupnya di dekat pantai. Survei Sumber daya : untuk survei sumber daya alam 5.36 Recurrent Period Tinggi Lintasan Inclinasi 46 hari Sub cycle 2 hari 692 km di atas Equator 0 98. hutan pasang surut. dan delta di tempat yang terlindung daerah tropis dan sub tropis. Dengan demikian maka mangrove merupakan ekosistem yang terdapat di antara daratan dan lautan dan pada kondisi yang sesuai mangrove akan membentuk hutan yang ekstensif dan produktif. estuari atau muara sungai. 2003).2 Misi dari satelit ALOS Secara ringkas ada 5 misi dari satelit ALOS adalah : 1. Mangrove Definisi Mangrove merupakan karakteristik dari bentuk tanaman pantai. Pengembangan teknologi : mengembangkan teknologi penginderaan jauh yang tepat untuk masa sekarang dan akan datang (NASDA. hutan payau. Monitoring Bencana : melakukan monitoring bencana alam 4. Pemantauan Regional : melakukan pemantauan regional untuk pengembangan pembangunan yang berkelanjutan dan harmonisasi antara ketersediaan sumber daya alam pengembangan pembangunan 3.

. dan 2 jenis parasit (Nontji.37 bakau. Berkaitan dengan penggunaan istilah mangrove maka menurut FAO (1982) : mangrove adalah individu jenis tumbuhan maupun komunitas tumbuhan yang tumbuh di daerah pasang surut. Xylocarpus sp. zonasi campuran) dan zonasi yang komlpleks (beberapa zonasi). Zonasi Mangrove Tumbuhan mangrove secara alami tumbuh mulai dari pinggir pantai sampai pedalaman daratan. 1987). yang umum dijumpai di pesisir pantai adalah Avicennia sp. ahli ekologi menggunakan istilah mangrove untuk menerangkan individu jenis dan mangal untuk komunitasnya. Di Eropa. 29 jenis epifit. Hal ini juga dijelaskan oleh Macnae (1968) yang menyatakan bahwa kata nmangrove seharusnya digunakan untuk individu pohon sedangkan mangal merupakan komunitas dari beberapa jenis tumbuhan. Bruguiera sp. Ceriops sp. Dari 35 jenis pohon tersebut. 9 jenis liana. Jika dibandingkan dengan negara lain di dunia. Ekosistem mangrove bisa membentuk zonasi-zonasi yang sederhana ( satu zonasi. Istilah mangrove merupakan perpaduan dari dua kata yaitu mangue dan grove. 9 jenis perdu. dan Excocaria sp. Istilah bakau itu sendiri dalam bahasa Indonesia merupakan nama dari salah satu spesies penyusun hutan mangrove yaitu Rhizophora sp. Rizophora sp. Jumlah jenis mangrove di Indonesia mencapai 89 yang terdiri dari 35 jenis pohon.Sonneratia sp. 5 jenis terna. Sehingga dalam percaturan bidang keilmuan untuk tidak membuat rancu antara bakau dan mangrove maka hutan mangrove sudah ditetapkan merupakan istilah baku untuk menyebutkan hutan yang memiliki karakteristik hidup di daerah pantai.

serta mampu membantu dalam proses penimbunan sedimen. Zona ini merupakan zona pioner karena jenis tumbuhan yang ada memilliki perakaran yang kuat untuk menahan pukulan gelombang. Zona Rhizophora. namun kadar salinitasnya agak rendah. terletak di belakang zona Avicennia. Zona ini umumnya memiliki substrat lumpur lembek dan kadar salinitas tinggi. Iklim (cahaya. Oksigen terlarut . Gelombang dan arus 4. merupakan zona yang paling belakang dan berbatasan dengan daratan Faktor-faktor Lingkungan Hutan Mangrove Beberapa faktor lingkungan yang mempengaruhi pertumbuhan mangrove di suatu lokasi adalah : 1. suhu. 2. 3. Zona Avicennia.38 Hutan mangrove juga dapat dibagi menjadi zonasi-zonasi berdasarkan jenis vegetasi yang dominan. terletak paling luar dari hutan yang berhadapan langsung dengan laut. Fisiografi pantai (topografi) 2. Zona Nypa. 4. rentang) 3. mulai dari arah laut ke darat sebagai berikut: 1. Salinitas 6. Mangrove pada zona ini masih tergenang pada saat air pasang. Substratnya masih berupa lumpur lunak. Zona ini hanya terendam pada saat air pasang tertinggi atau 2 kali dalam sebulan. durasi. Zona Bruguiera. Pasang (lama.curah hujan. angin) 5. terletak di balakang zona Rhizophora dan memiliki substrat tanah berlumpur keras.

pendidikan dan penelitian). Fungsi Fisik  Menjaga garis pantai  Mempercepat pembentukan lahan baru  Sebagai pelindung terhadap gelombang dan arus  Sebagai pelindung tepi sungai atau pantai  Mendaur ulang unsur-unsur hara penting  Penahan instrusi air laut 2. yang selanjutnya menjadi sumber makanan bagi konsumen di atasnya dalam siklus rantai makanan dalam suatu ekosistem. mencari makan. seperti monyet. Tanah 8. Hara Fungsi Dan Peranan Mangrove Fungsi dan peranan mangrove ini dibagi menjadi tiga. kepiting dan golongan kerang/keong). 3. Fungsi Sosial Ekonomi  Tempat kegiatan wisata alam (rekreasi. Fungsi Biologi  Tempat hidup (berlindung. biawak dan burung.  Sumber bahan organik sebagai sumber pakan konsumen pertama (pakan cacing.39 7. pemijahan dan asuhan) biota laut seperti ikan dan udang). anatara lain: 1.  Tempat hidup berbagai satwa liar. . buaya muara.

dan lain-lain). Bila dikehendaki untuk memberikan pembobotan kualitas lingkungan vegetasi untuk keperluan evaluasi dapat digunakan kriteria berikut : Tabel 3.40  Penghasil kayu untuk kayu bangunan. plastik.  Penghasil bahan pangan (ikan/udang/kepiting. arang dan bahan baku kertas.  Penghasil tannin untuk pembuatan tinta.5 1. Ceriops tagal dan Xylocarpus mollucensis untuk obat sakit gigi. dan obat- obatan (daun Bruguiera sexangula untuk obat penghambat tumor. kayu bakar. 2007) Sangat mantap Mantap Cukup mantap Kurang mantap Tidak mantap Sangat baik Baik Sedang Buruk Sangat buruk 5 4 3 2 1 Sebutan Kategori Skala . dan pengrajin atap dan gula nipah.1 – 1. lem.5 < 1.6 – 2. pengawet net dan penyamakan kulit.  Tempat sumber mata pencaharian masyarakat nelayan tangkap dan petambak.4 1.5 – 3. serta daun nipah untuk pembuatan atap rumah.5 2.0 Sumber : (Cahyo. dan gula nira nipah).. Klasifikasi keadaan hutan mangrove Keanekaragaman jenis (H) > 3.

Unduh citra dari citra ALOS analisis.4 Pengolahan citra di perangkat lunak ENVI 4.4 terdiri dari beberapa tahap. ArcGIS untuk membuat layout peta tutupan mangrove di Taman Nasional Bali Barat. Gambar 13. Komposit citra Komposit citra adalah menggabungkan tiga saluran pada citra ALOS dengan tujuan untuk mempermudah dan memperjelas kenampakan suatu . antara lain : 1.41 3. tanggal 19 Maret 2008 dan 22 Juni 2009 (sumber citra :BROK.4 Pengolahan Citra di Perangkat Lunak ENVI 4. Software ENVI 4. 2010) 2.4 untuk menentukan klasifikasi kerapatan dan luas hutan mangrove tahun 2008 dan 2009 di Taman Nasional Bali Barat yang nantinya akan dibandingkan untuk menentukan laju perubahan luas hutan mangrove tersebut.4 Pengolahan Citra Pengolalahan citra dilakukan pada perangkat lunak ENVI 4.

4 .3. kemudian load RGB untuk menampilkan hasil citra yang telah dikomposit. Gambar 14. data dilakukan cropping image untuk memfokuskan pengamatan hanya pada suatu daerah dengan Resize Data (Spatial/Spectral) pada basic tools yang terdapat pada menuutma ENVI 4.42 objek dalam identifikasi pada citra. Tiga saluran (band) yang dgunakan adalah 4. Citra yang tersimpan dalam computer dipanggil melalui File dan Open image file pada menu layer.lanagkah awal . Adapun tahapan komposit citra dilakuakan dengan membuka aplikasi ENVI 4.4 pada layar. Setelah itu. Bali 3. Pemisahan citra untuk vegetasi mangrove dan vegetasai bukan mangrove Pemotongan citra dilakukan agar daratan dan lautan lebih mudah dipisahkan.2 untuk memperjelas kenampakan vegetasi (mangrove). Proses Komposit Citra pada Program ENVI di Taman Nasional Bali Barat.. seperti pada Gambar .

Pemotongan dilakukan pada layer RoI Tools. Proses pemisahan untuk vegetasi mangrove dan non mangrove . kemudian file diberi nama dengan memilih Choose untuk disimpan. Hasil pemotongan disimpan pada menu Save RoIs dan Choose untuk memberi nama file yang akan disimpanlalu OK. Menu Options dan perintah Import RoIs dan selected Areas “off” dipilih. Load (Gray Scale)untuk menampilkan hasil citra vegetasi mangrove setelah dilakukan pemisahan antara mangrove dan bukan mangrove. pilih perintah New Region dan Roy Type: Retangle. Langkah berikutnya adalah masking citra.43 pemisahan citra untuk vegetasi mangrove dan bukan vegetasi mangrove adalah melakukan pemotongan. Pada menu Basic Tools dipilih perintah Apply Mask. Muncul kotak Apply Mask dan pilih file yang telah diMasking lalu Ok. Gambar 15.teknik masking dilakukan dengan memilih menu Basic Tools untuk melakukan perintah Build Mask. Lalu klik OK.

Lalu klik OK. Pilih RGB color (band 4. Muncul kotak Select Input Display.3. Teknik masking dilakukan dengan memilih region of interest dan band Treshold To Roi pada menu Tools pada layer ENVI 4. band 4 dipilih pada kotak Band Treshold To Roi Input Band yang tampil.4 . Pada menu Basic Tools dipilih perintah Apply Mask.2) dan Load RGB pada Layer yang muncul untuk menampilkan hasil citra yang telah di Masking. Fokuskan daerah pengamatan di daerah daratan dan lautan. pilih Display #1 lalu tekan OK. kemudian dilanjutkan dengan teknik masking. Pilih menu Options dan klik Import ROIs dan Selected Areas “off” kemudian file diberi nama dengan memilih Choose untuk disimpan. Masking Citra (Pemisahan antara daratan dan laut) Masking citra merupakan teknik untuk memisahkan suatu objek tertentu (yang diinginkan) dengan objek lain (yang tidak diinginkan) dengan berdasarkan penelompokan nilai spektral pada data digital. Muncul kotak Apply Mask dan pilih file telah diMasking lalu OK. . Contoh : pemisahan daratan dan lautan. Nilai digital yang dikelompokan (kelas) akan menghaslkan layar dengan nilai digital baru dengan nilai biner (0-1). Hal ini dilakukan agar daratan dan lautan lebih mudah dipisahkan. Menu Basic Tools dipilh untuk melakukan perintah Build Mask.44 4.

Langkah pertama dengan menentkan cara mendapatkan NDVI. klik band yang menunjukan rumus NDVI lalu Enter output file name untuk manyimpan data NDVI nya. masukan rumus NDVI klik add to list lalu OK kemudian keluar kota Variables to Band Pairings. . Muncul kotak Band Math. Proses masking citra 5.OK. Kemudian terakhir Load Band keluar gambar citranya. Transformasi NDVI melalui perintah Band Math pada menu Basic Tools. Transformasi NDVI Transformasi yang digunakan adalah Normalized Difference Vegetation Index (NDVI).45 Gambar 16.

Proses Transformasi NDVI .46 Gambar 17.

000000-1. Nilai minimal dan maksimal Digital Number yang akan muncul pada kotak Statistic Result dicatat. Ambil data yang merupakan vegetasi yaitu data dari 0. Gambar 18.00000(lampiran Microsoft Excel 2003) .47 Langkah kedua adalah memilih perintah Statistic dan Comute Statistic pada menu Basic Tools. Proses mendapat nilai NDVI Setelah itu save nilai digital number pada kotak Statistics Result NDVI melalui perintah File kemudian Save Result to text File dan Open di Mircosoft Excel 2003.

Proses pengklasifikasian keadaan mangrove 6. Open RoIOptionsCreat class Image from ROISelect AllOK . Gambar 19. Penghalusan Peta Membuat Image Class.Options Band Threshold to RoImasukan klasifikasinya save ROI.48 Setelah itu pembagian klasifikasi kerapatan lahan hutan mangrove dengan menggunakan rumus : Data Maksimal – Data Minimal Jumlah kelas Kemudian buka Basic ToolsRegion Of InterestRoI Tools.

49 Gambar 20. Pada menu pilih ClassificationPost ClassClump classificationpilih 7ChooseOK. Proses creat image class Kemudian membuat clumpclass untuk memperhalus citra yang sudah diklasifikasikan. Image ClassOperator Size Row 7 dan .

kemudian keluar kotak Available Vektors ListSelect All LayersLoad Select . Proses penghalusan peta Setelah itu membuat Raster To Vektor. Open Vektor pada menu Raster To VektorInput BandClump ClassesSelect Alloutput(one layer per class)ChooseOK.50 Gambar 21.

Proses mendapat data vector pada ENVI 4. pada kotak Vektors List pilih satu persatu data klasifikasinyaFile Export Layers to ShapefileOK Gambar 23. Proses mendapatkan data shapefile .4 Langkah terakhir mengubah data vektor menjadi data Shapefile untuk digunakan pada software Arc GIS.51 Gambar 22.

3 untuk membuat peta kerapatan hutan mangrove di sebagian Taman Nasional Bali Barat.3 Pengolahan citra menggunakan program Arc GIS 9.3 Buka Arc GIS.5 Pengolahan Citra Menggunakan Perangkat Lunak ArcGIS 9. Kemudian pilih A New Empty MapOK . Software ArcGIS 9. pilih ArcMap pada kotak pilihan.3 Langkah-langkahnya adalah : 1) Membuka aplikasi Arc GIS 9.52 3. Gambar 24. Selain itu Arc GIS ini untuk mempercantik tampilan peta yang akan kita buat.

3 Pada menu tools bar pilih Arccatalog untuk membuka data shapefile yang sebelumnya pernah di save menggunakan software ENVI 4.3 . Proses pemasukan data shp ke ArGIS 9.53 Gambar 25. Tampilan awal ArcGIS 9. kemudian drag data shapefile yang kita simpan. Gambar 26.4.

54 2) Membuat Layout Setelah data shp dapat ditampilkan kemudian masukan juga data shp pulau Bali dan data citra alos serta kita layout peta menggunakan komponenkomponen alam Arc GIS tersebut baik dalam menu atau pun dari tools yang ada. 3) Menambah Grid pada peta Untuk menambahkan grid koordinat cukup klik kanan pada layout peta. Caranya pilih pada menu InsertpilihOK. Beberapa komponen yang sering digunakan untuk menambah layout diantaranya . Gambar 27. Proses membuat layout dan menambahkan frame Macam-macam komponen pada gambar diatas dapat dipergunakan untuk menambah informasi pada peta yang kita buat. . properties dan pilih new gridnextnext(atur jarak koordinat)Finish. tampilkan sesuai layout apa yang kita inginkan.

55 Gambar 28. hasilnya ditunjukan pada Gambar . Proses pembuatan grid pada peta 4) Hasil dari Layout Setelah melakukan tahap-tahap membuat layout di ats.

56 Gambar 29.4. Tujuannya untuk mengetahui laju perubahan luas lahan hutan mangrove pada tahun 2008 dan tahun 2009 di sebagian Taman Nasional Bali Barat. Kemudian yang dilihat perubahan luasan atau kerapatan hutan mangrove dari perkembangan digital number yang didapat dari hasil NDVI dan dasar pengklasifikasian menggunakan digital number.6 Menjelaskan Hasil dan Pembahasan Dalam mengolah data citra pada suatu wilayah baik itu vegetasi hutan mangrove atau ekosistem perairan dan sebagainya menggunakan software ENVI 4. 3. Hasil dari layout peta Catatan : pada software ArcGIS ini untuk mengatur layout yang akan ditampilkan pilih properties pada setiap frame yang digunakan dan atur sesuai apa yang kita inginkan. dalam laporan ini dilakukan pengolahan data citra Alos pada tahun 2008 dan tahun 2009. Pada pengolahan data citra baik yang dilakukan pada tahun 2008 dan tahun 2009 itu sama. .

Hasil dari komposit citra dengan menggunakan band 4. area laut berwarna biru kehitaman dan daratan yang berwarna merah. 3 (merah) dan 2 (hijau). yaitu dengan menentukan terlebih dahulu nilai antar batas daratan dan lautan. . Software ENVI 4.3 pada layout tahun 2008 dan tahun 2009 serta perubahan luasan hutan mangrove pada tahun 2008-2009. kemudian dilanjutkan dengan teknik masking. dan perkembangan wilayah hutan mangrove yang didapat dari hasil pengolahan pada software Arc GIS 9. Hal ini dilakukan agar daratan dan lautan lebih mudah dipisahkan sperti ditunjukan pada Gambar 31 di bawah ini.57 perkembangan luasan yang didapat dari hasil pengklasifikasian dan luas area hutan mangrove. Komposit citra sebagian TNBB Saat memfokuskan daerah pengamatan di daerah darat/pesisir (untuk vegetasi mangrove) dapat menutup daerah yang bukan daerah pengamatan. 3. 2 dapat dilihat pada Gambar …di bawah.4 ini digunakan untuk membedakan vegetasi mangrove dengan vegetasi bukan mangrove dan laut yang terdapat di sebagian hutan mangrove Taman Nasional Bali Barat (TNBB) melalui komposit beberapa band. yaitu band 4 (infra merah). Gambar 30.

Pemisahan antara daratan dan lautan sebagian TNBB Cropping image dapat dilakukan dengan cara memfokuskan pengamatan hanya pada suatu daerah dengan Resize Data (spatial/spectral) pada basic tools yang terdapat pada menu utama ENVI 4.4 di convert ke data shapefile. NDVI hutan mangrove sebagian TNBB .4 .3 yang sebelumnya data dari ENVI 4.58 Gambar 31. Nilai NDVI kemudian dicari nilai terbesar dan terkecilnya serta dibuat 5 kelas untuk menentukan klasifikasi kerapatan mangrove di sebagian Taman nasional Bali Barat. Gambar 32. Tampilkan nilai klasifikasi dalam bentuk layout peta menggunakan software Arc GIS 9. Kemudian data NDVI dan pengklasifikasian kelas tersebut kita perhalus tampilannya menggunakan clumpclass agar setelah kita convert ke data shapefile tampilannya bagus.

Clumpclasses hutan mangrove sebagian TNBB Perkembangan digital number yang dilakukan adalah melakukan analisa terhadap dasar pengklasifikasian kerapatan hutan mangrove dengan digital number yang kita dapat dari hasil pengolahan statistika. Adapun klasifikasinya antara lain : .004786 NILAI MAKSIMAL 0. Adapun nilai digital numbernya : Tabel 4.59 Gambar 33.003518 0. Hasil analisa perkembangan digital number NO 1 2 TAHUN 2008 2009 NILAI MINIMAL 0. yaitu : Klasifikasi= Data Maksimal – Data Minimal Jumlah kelas Pembagian klasifikasi ini agar kita mengetahui luas area di sebagian hutan mangrove Taman Nasional Bali Barat.559322 Setelah mengetahui nilai digital number kemudian kita klasifikasikan nilai digital number tersebut dengan rumus statistika.48503 0.

60 Tabel 5.115693 0.559322 Setelah nilai kelasnya diketahui kita tentukan klasifikasi mana yang akan digunakan pada kedua data citra tahun 2008 dan 2009 dilihat dari nilai digital numbernya yang paling besar kerapatannya.0.196124 – 0.196123 0.337509 – 0.448415 – 0. Kemudian kita dapat melihat hasil data citranya sebagai berikut (Gambar 32): .448415 0.337508 0. 1 2 3 4 5 Kelas Sangat Jarang Jarang Sedang Rapat Sangat Rapat Interval Kelas 0.388728 0.09982 0.0033518 .388729 – 0. 1 2 3 4 5 Kelas Sangat Jarang Jarang Sedang Rapat Sangat Rapat Interval Kelas 0.099821 – 0.48503 Tabel 6.226601 – 0.292425 0. Klasifikasi hutan mangrove di sebagian TNBB tahun 2008 No. Klasifikasi hutan mangrove di sebagian TNBB tahun 2009 No.115694 – 0.226600 0.004786 – 0.292426 – 0.

3 dimana kita dapat melayout peta sesuai yang kita inginkan dan menambahkan frameframe dalam peta tersebut. Hasil Peta Layout Arc GIS Selain dari perkembangan Digital Number dalam menginterpretasikan luas perubahan hutan mangrove juga dapat dilihat dari perkembangan Luasan. Hasil Citra ENVI 4. sebagai berikut : Gambar 35.61 Gambar 34. sebagai berikut : . Adapun luasan tiap tahunnya dan luasan pengklasifikasiannya. Kemudian buka software ArCGIS 9. Adapun hasil peta tentatif kerapatan hutan mangrove tahun 2008 dan 2009.4 Tahun 2008 dan Tahun 2009 Setelah mendapatkan hasil data citra tersebut kemudian di export data tersebut ke data shapefile.

500 Meters² 358.700 Meters² 3.300 Meters² 719.62 Tabel 7.100 Meters² 811. 1 2 3 4 5 Σ Kelas SangatJarang Jarang Sedang Rapat SangatRapat Jumlah Luas Area 172.100 Meters² 1.600 Meters² 1. 1 2 3 4 5 Σ Kelas SangatJarang Jarang Sedang Rapat SangatRapat Jumlah Luas Area 398.800 Meters² Terakhir adalah melihat perkembangan wilayahnya yang diolah menggunakan software Arc GIS 9. Luas Area tahun 2009 No.3 dimana dapat dilihat perubahan luas wilayahnya menurut klasifikasi dan peta perubahannya dari tahun 2008 ke 2009 sebagai berikut : .600 Meters² 582.083.100 Meters² 1.100 Meters² 325.316.100 Meters² 2.284.885.400 Meters² Tabel 8. Luas Area tahun 2008 No.

Peta perubahan kerapatan hutan mangrove tahun 2008-2009 .63 Gambar 36.

28 1356138.56 1101.62 901.86 135354. Perubahan luas lahan hutan mangrove tahun 2008-2009 No Kelas Perubahan Hutan Mangrove Luas Area (Meter²) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Sangat Jarang Sangat Jarang menjadi Sangat Jarang Sangat Jarang menjadi Jarang Jarang Jarang menjadi Sangat Jarang Jarang menjadi Jarang Jarang menjadi Rapat Sedang Sedang menjadi Sangat Jarang Sedang menjadi Jarang Sedang menjadi Rapat Rapat Rapat menjadi Sangat Jarang Rapat menjadi Jarang Rapat menjadi Rapat Sangat Rapat menjadi Sangat Jarang 101618.79 518489.93 219156.92 500.40 10511.64 Tabel 9.01 59068.84 100.74 622705.05 23826.19 16618.11 225264.26 .46 2602.

2).316.65 BAB IV PENUTUP 4.800 Meters² dan perkembangan wilayahnya.885.284.500 Meters². transformasi NDVI.559322.400 Meters² menjadi 3.600 Meters². 3.004786 dan nilai maksimalnya berubah dari 0. .1 Kesimpulan Berdasarkan hasil praktek kerja lapang di Balai Riset Obesrvasi Keautan (SEACORM) dapat disimpulkan pengolahan data citra ALOS menggunakan program ENVI 4.083.4 untuk menduga kerapatan mangrove di sebagian Taman Nasional Bali Barat dapat diolah dengan cara mengkomposit citra (menggunakan band 4.003518 menjadi 0. Ekosisem Hutan mangrove di sebagian Taman Nasional Bali Barat pada tahun 2008 didominasi oleh klasifikasi kerapatan “sedang” dari 5 kelas yaitu sebesar 1. Sedangkan pada tahun 2009 didominasi oleh kerapatan “rapat” dari 5 kelas yaitu sebesar 1. perkembangan luasan area hutan mangrove itu meningkat dari tahun 2008 ke 2009 yang luasnya 2. masking citra. Dalam artian adanya perubahan kelas dan penambahan/ perubahan pada ekosistem mangrove tersebut. penghalusan citra dan membuat layout peta(program Arc GIS). pemisahan citra untuk vegetasi mangrove dan bukan mangrove.48503 menjadi 0. Dalam memprediksi laju perubahan hutan mangrove pada tahun 2008 dan tahun 2009 ini dengan cara 3 analisa yaitu dengan perkembangan digital numbernya yang menunjukan nilai minimalnya berubah dari 0.

Perlu adanya ruangan khusus untuk mahasiswa yang PKL ataupun Tugas Akhir untuk melakukan diskusi/belajar dan bimbingan agar tidak mengganggu suasana kerja.2 Saran Perlu ditambahnya perlengkapan pustaka dan literature berbagai kegiatan riset kelautan pada perpustakaan BROK untuk mendukung kegiatan penelitian baik yang dilakukan oleh staf BROK maupun mahasiswa PKL ataupun Tugas Akhir. keep smile. Untuk mahasiswa selalu semangat dalam belajar dimana pun itu. Informasi dan hasil riset yang dilakukan peneliti BROK maupun mahasiswa harus terpublikasikan kepada masyarakat agar bermanfaat dan dapat mensejahterakan masyarakat Indonesia. never give up and you„re not alone. Apa yang kita dapat merupakan penghargaan yang sangat tak ternilai harganya. .66 4.

ejournal. Sri Juwana..67 DAFTAR PUSTAKA Lillesand. London . Indonesia.J. Lembaga Penerbangan dan Antariksa Nasional (LAPAN) dan Universitas Negeri Semarang. Jakarta.Rais.E. Prosiding Pelatihan Pengelolaan Wilayah Pesisir Terpadu. Sutanto.06_ahmadfaisal. Santoso. P and Peter. Penginderaan Jauh Jilid 1. and J. 2001.model.trans. Bogor.P.Jakarta. N.unud.ac. PT.W. Djambatan. 2008..FAO. dkk. S. Kasijan. 2005. Rehabilitas Hutan Mangrove Pada Jalur Hijau Di Indonesia. Mulyadi. Kusmowidagdo. 1982. Ginting.ac. 2007. Davie. dan Kiefer.. 1994.3. Indonesia.pdf diakses tanggal 1 Juli 2010.. H. Gadjah Mada University Press. Ekosistem dan Sumber Daya Pesisir dan Laut serta Pengelolaan Secara Terpadu dan Berkelanjutan. P. D. Analisa INdeks Vegetasi Menggunakan Citra Alos/Avnir-2 Dan Sistem Informasi (SIG) Untuk Evaluasi Tata Ruang Kota Denpasa. www. M. Dahuri. Penginderaan jauh dan Interpretasi Citra.id. Pradnya Paramita. 1996 .J. 1987.. University of Queensland.pdf diakses tanggal 1 Juli 2010 FAO. FAO Environmental Paper 3. Romimohtarto. Global Status of Mangrove Ecosystems. Sitepu. 1983.3 November 2001. Ekologi of mangroves. 2008.id. Arifin. Saenger. 1993. Management and Utilization of Mangroves in Asia and the Pasific. M.G. Penginderaan Jauh dan Interpretasi Citra. Comission on Ecology Papers No. S. A dan Adnyana Sandi.W. Jogjakarta. Jakarta Bengen. Lembaga Pengkajian dan Pengembangan Mangrove (LPP Mangrove).P. I. Rome.S. Jogjakarta. IUCN Hutchings. 1998. www. J. As-Syukur Rahman. Pengelolaan Sumber Daya Wilayah Pesisir Secara Terpadu. Jakarta. Biologi Laut. Model Transformasi Indeks Vegetasi yang Efektif Untuk Prediksi Kerapata Mangrove Rhizopora Mucronata. dan M. 29 Oktober.Hegerl. Gadjah Mada University Press. Faisal Ahmad dan Amran Anshar.

68 Lampiran  Jadwal kegiatan selama PKL di Balai Riset Observasi Kelautan (SEACORM) NO TANGGAL KEGIATAN TEMPAT KETERANGAN 1 26-27 Juni 2010 Kepergian dari bandung ke bali Bandung-Bali Perjalanan 2 3 29 Juni 2010 30 Juni-2 Juli 2010 Presentasi Awal Studi literatur untuk menambah informasi dalam pelaksanaan PKL Aula BROK Perpustakaan BROK 4 5-6 Juli 2010 Belajar software GIS menggunakan data citra Perpustakaan BROK Aula BROK 5 7 Juli 2010 Kuliah umum bersama tim Ocean Remote Sensing 6 8 Juli 2010 Penanaman mangrove di Desa Perancak bersama siswa SMP 2 Pekutatan Lahan Tambak yang akan dikonservasi Hutan Mangrove Perancak Kabuaten Jembrana 7 9-10 Juli 2010 Survey mangrove menggunakan metode quadran point center 8 11 Juli 2010 Simulasi Ground Check Area .

29 Juli 2010 Belajar analisa data olahan Latihan pengambilan sampel air menggunakan water sampler 13 27 Juli 2010 14 28 Juli 2010 Seminar Sehari Kelautan Balai Riset Observasi Kelautan Hotel Jimbarwana 15 30 Juli 2010 Pengumpulan dan koreksi laporan akhir Kantor BROK Aula BROK Pembimbing 16 31 Juli 2010 Persentasi Akhir .69 9 12-16 Juli 2010 Survey Pemantauan Suhu permukaan laut untuk Budidaya laut dan penyusunan rencana zonasi wilayah pesisir dan pulau-pulau kecil Kabupaten Buleleng.27. Singaraja(Bali Utara) Ground Check 10 19-23 Juli 2010 Pengolahan Data Citra Kantor BROK 11 5-25 Juli 2010 Pengolahan data dan pembuatan laporan akhir Kantor BROK dan Mess Kantor BROK Sungai Perancak Proses 12 26.

70  Foto-foto kegiatan selama PKL a) presentasi awal b) Studi literature c) Belajar GIS Menggunakan Data citra .

71 d) Kuliah Umum bersama Tim ORS e) Penanaman mangrove f) Survey mangrove menggunakan metode point quadran center .

72 g) Simulasi Ground Check Area .

73 h) Survey Pemantauan Suhu permukaan laut untuk Budidaya laut dan penyusunan rencana zonasi wilayah pesisir dan pulau-pulau kecil. i) Latihan pengambilan sampel air menggunakan water sampler .

74 j) Seminar Sehari Kelautan k) Presentasi akhir .

75  Peta Tentatif Kerapatan Hutan Mangrove Tahun 2008 Sebagian Taman Nasional Bali Barat .

76  Peta Tentatif Kerapatan Hutan Mangrove Tahun 2009 Sebagian Taman Nasional Bali Barat .

77  Peta Tentatif Perubahan Kerapatan Hutan Mangrove Tahun 2008-2009 Sebagian Taman Nasional Bali Barat .

154581 0.9495 64.1699 Total 40685 40945 40978 41116 41253 41372 41575 41670 41832 41978 42132 42304 42468 42634 42840 43033 43217 43392 43620 43792 44004 44253 44489 44718 44995 45253 45465 45745 46102 46270 46576 46879 47234 47563 47881 48227 48574 48959 49265 49663 Stdev 0.7549 66.097932 0.3292 0.469 59.4025 0.7003 62.036563 0.5095 66.5534 0.069608 0.3681 68.01768 0.121536 0.4815 58.126256 0.9476 63.8952 68.1366 0.71875 DN 0.4988 0.088491 0.187625 Max 0.1984 0.3737 0.012959 0.116815 0.064887 0.074329 0.8566 62.5132 0.4571 0.5721 Acc Pct 58.5103 0.159301 0.8087 61.135698 0.022401 0.060166 0.283 61.3277 0.093211 0.3849 67.140418 0.003518 0.027121 0.0477 65.3709 0.178184 0.1969 0.008239 0.268 66.2786 64.182905 0.4355 0.1211 62.3726 62.0444 61.9027 59.055446 0.3982 0.2961 0.2386 0.08377 0.3047 0.48503 Npts 3 260 33 138 137 119 203 95 162 146 154 172 164 166 206 193 184 175 228 172 212 249 236 229 277 258 212 280 357 168 306 303 355 329 318 346 347 385 306 398 Mean -0.3225 69.6768 65.4399 0.1302 60.0474 0.107373 0.3867 .359823 Percent 0.6102 63.102653 0.8552 58.050725 0.14986 0.3392 0.2357 0.2099 0.3047 0.2918 0.145139 0.8213 70.046004 0.5615 60.3579 0.4729 0.2329 0.8146 71.9494 67.3401 60.2515 0.2472 0.5792 61.031842 0.298 59.168743 0.2214 0.4973 0.0043 0.8974 60.2523 63.130977 0.041284 0.101 59.78  Microsoft Excel nilai NDVI tahun 2008 Min -0.164022 0.2415 0.7608 59.3747 70.3524 65.4399 0.2645 0.079049 0.112094 0.2774 0.1711 0.2472 0.173463 0.8252 69.

258436 0.6598 1.248995 0.851 0.9429 0.272598 0.2212 77.7043 0.6713 0.28204 0.2458 0.792 0.0779 92.3191 0.338688 0.310364 0.357571 0.0241 80.8404 74.9848 95.3342 80.2612 99.2041 0.0656 73.390616 0.091 72.211229 0.296202 0.201788 0.206508 0.4653 99.0637 0.736 0.28676 0.0349 0.5711 73.737 99.1201 93.6619 96.0302 0.79 0.0623 0.0388 72.343409 0.197067 0.4181 91.239553 0.7115 0.324526 0.371733 0.6627 0.376454 0.8138 94.267877 0.9628 94.4801 0.6261 90.804 86.305643 0.5076 82.5879 0.0882 98.291481 0.225391 0.576 99.746 88.7357 81.1107 0.9814 97.5879 0.1711 0.21595 0.192346 0.677 0.385895 0.7963 0.319805 0.5189 0.400057 0.0421 0.0877 0.9874 75.6684 0.329247 0.5693 98.7719 1.0733 0.9171 85.3737 0.69 0.277319 0.333967 0.313 96.455 77.4283 74.8869 0.244274 0.2167 84.404778 490 334 344 539 409 389 554 467 533 461 512 497 480 495 537 739 450 740 443 617 666 685 720 588 551 459 725 656 626 592 119 471 453 465 409 361 260 171 222 163 142 77 61 51 21 27 50153 50487 50831 51370 51779 52168 52722 53189 53722 54183 54695 55192 55672 56167 56704 57443 57893 58633 59076 59693 60359 61044 61764 62352 62903 63362 64087 64743 65369 65961 66080 66551 67004 67469 67878 68239 68499 68670 68892 69055 69197 69274 69335 69386 69407 69434 0.300922 0.22067 0.35285 0.6636 99.7838 76.6198 79.6512 0.5592 0.7613 87.4945 0.8452 0.395337 0.0269 99.381174 0.7144 0.7661 0.7809 89.230112 0.7078 99.9573 0.263157 0.234833 0.8059 .063 93.6368 0.2343 0.7748 0.315085 0.5698 83.362292 0.253715 0.367012 0.8998 0.348129 0.6468 1.2804 84.462 98.7671 99.8838 78.9846 1.

9583 99.0326 0.0353 0.030018 Total 263897 263904 264097 264155 264162 264215 264368 264399 264467 264546 264661 264690 264801 264858 264936 265040 265133 265212 265308 265434 265548 Stdev 0.025324 0.0345 0.0024 0.9885 99.7578 89.470868 0.0072 0 0.0655 0.423661 0.066401 0.0377 0.8444 89.9986 100  Microsoft Excel nilai NDVI tahun 2009 Min -0.0158 0.0098 0.6276 89.018 0.475589 0.731 89.9914 99.086939 0.0014 0 0.480309 0.039 0.092074 0.451985 0.708 89.0978 .54 89.0231 0.6975 89.061266 0.8067 89.6055 89.102343 0.071535 0.9986 99.0193 0.414219 0.9971 99.0029 0.428381 0.050997 0.0144 0.456706 0.80 0.75 DN 0.0115 0.081805 0.7969 89.6252 89.409499 0.8637 89.0024 0.0265 0.9943 99.0086 0.0591 90.9838 90.5376 89.48503 23 24 24 11 16 8 10 6 5 0 2 2 0 2 1 0 1 69457 69481 69505 69516 69532 69540 69550 69556 69561 69561 69563 69565 69565 69567 69568 69568 69569 0.0331 0.040728 0.020189 0.0029 0.839 99.9727 99.107478 Max 0.41894 0.030459 0.9255 89.437823 0.442544 0.9468 99.0014 0.0029 0 0.0316 0.9813 99.0197 0.433102 0.097208 0.0345 0.9885 99.015055 0.908 99.447264 0.0268 0.07667 0.00992 0.9943 99.0387 Acc Pct 89.8902 89.6455 89.559322 Npts 4 7 193 58 7 53 153 31 68 79 115 29 111 57 78 104 93 79 96 126 114 Mean -0.225857 Percent 0.035593 0.0014 99.957 89.466147 0.0428 0.8735 99.0268 0.004786 0.056132 0.0164 90.023 0.0105 0.0519 0.045862 0.9238 99.461426 0.

848 90.1296 0.43 90.0346 0.0757 0.328265 0.0597 0.6914 92.179362 0.5715 90.9372 91.21017 0.1446 93.2453 0.3899 90.6831 90.5685 92.153689 0.230708 0.2505 90.0509 0.0424 0.095 0.0563 0.261515 0.0726 0.0577 0.7966 91.4377 91.6806 91.3031 90.0797 91.2348 0 0.1011 0.9448 93.2137 91.174227 0.3651 91.116 0.0726 0.04 0.307727 0.077 0.122881 0.0077 92.302592 0.235842 0.6104 91.1837 93.2159 90.3608 90.1998 0.0543 0.133151 0.039 0.1999 0.297458 0.338534 0.1068 92.1228 0.3334 0.220439 0.312861 0.2701 91.251246 0.6638 93.128016 0.0699 0.5165 90.14342 0.0526 0.0512 0.184497 0.0346 0.215304 0.205035 0.0628 0.117747 0.282054 0.2364 92.7937 90.6291 90.13 90.225573 0.0441 0.0122 0.0991 0.148554 0.4396 92.0577 0.163958 0.981 .26665 0.189631 0.6638 93.1276 0.0292 0.138285 0.0702 0.1082 0.1093 0.169093 0.0713 0.9182 93.0322 0.8437 92.1018 0.0628 90.0645 0.343669 95 151 102 102 155 170 86 118 130 125 162 170 159 150 176 160 36 227 214 206 185 210 166 280 214 190 319 207 342 300 322 292 382 223 376 380 362 449 298 589 115 723 692 0 750 185 265643 265794 265896 265998 266153 266323 266409 266527 266657 266782 266944 267114 267273 267423 267599 267759 267795 268022 268236 268442 268627 268837 269003 269283 269497 269687 270006 270213 270555 270855 271177 271469 271851 272074 272450 272830 273192 273641 273939 274528 274643 275366 276058 276058 276808 276993 0.0098 91.2545 0.317996 0.81 0.194766 0.1289 0.287188 0.429 93.292323 0.0539 0.323131 0.734 90.256381 0.055 0.1523 0.276919 0.271785 0.1813 90.158824 0.246112 0.112612 0.1425 91.312 92.240977 0.8984 92.4741 90.8602 90.5021 91.

40015 0.405284 0.0682 0.446361 0.425823 0.1462 0.4095 94.017 0.0024 0.3041 96.9922 99.999 99.1562 99.1009 96.559322 626 637 356 546 649 575 566 509 541 728 515 599 499 801 841 454 842 676 549 779 743 448 688 488 598 535 431 386 331 252 201 154 75 50 34 15 11 7 1 1 1 2 277619 278256 278612 279158 279807 280382 280948 281457 281998 282726 283241 283840 284339 285140 285981 286435 287277 287953 288502 289281 290024 290472 291160 291648 292246 292781 293212 293598 293929 294181 294382 294536 294611 294661 294695 294710 294721 294728 294729 294730 294731 294733 0.513111 0.2643 0.5543 98.4956 95.2294 0.0007 94.472034 0.374477 0.2202 0.9756 99.1123 0.543918 0.2521 0.379611 0.2032 0.430957 0.4023 98.9533 99.5303 94.8809 99.8127 99.154 0.82 0.497707 0.1853 0.0037 0.1308 95.1502 98.9983 99.0003 0.152 0.1846 97.1836 0.9358 95.9332 99.482303 0.1815 0.1863 0.4734 96.415553 0.7156 94.549053 0.0855 0.2029 0.395015 0.2857 0.2334 0.533649 0.420688 0.451496 0.3377 99.45663 0.466899 0.6791 95.1656 0.2718 0.0003 0.4839 99.2161 0.502841 0.359073 0.518245 0.9959 99.6996 97.528514 0.410419 0.369342 0.1934 94.7272 99.1208 0.9993 100 .348804 0.477169 0.0254 0.461765 0.0003 0.538784 0.9986 99.9871 99.2124 0.1747 0.7452 97.8859 98.441226 0.6149 99.384746 0.7877 98.52338 0.364207 0.1951 0.9261 96.192 0.0115 0.131 0.492572 0.0523 0.436092 0.487438 0.38988 0.554187 0.0305 97.0051 0.247 0.9586 99.4703 97.507976 0.1693 0.2853 0.3229 95.1727 0.353938 0.

Sign up to vote on this title
UsefulNot useful