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)

2 Organisasi BROK 2.10/MEN/2005 tentang Organisasi dan Tata Kerja Balai dan Observasi Kelautan menyatakan. Sejak terbentuknya Instalasi Observasi Kelautan dan Tambak Penelitian tahun 2005. . Salah satunya adalah bagaimana upaya – upaya yang dilakukan untuk merubah (convert) tata guna lahan yang awalnya merupakan lahan budidaya tambak. Balai Riset dan Obsevasi Kelautan (BROK) diresmikan pada tanggal 29 Agustus 2005 berdasarkan Peraturan Menteri Kelautan dan Perikanan No. menjadi suatu kawasan riset – terapan dan observasi kelautan yang handal berskala global. Perjalanan historis lahan Perancak jika disimak secara menyeluruh menggambarkan keunikan tersendiri. 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. SEACORM telah cukup aktif melaksanakan program kerjanya yang meliputi kegiatan riset. Pada Tahun Anggaran 2003 Bagian Proyek Inventarisasi untuk pertama kali dilaksanakan di Perancak yang pada saat itu bernama Laboratorium Alam. PER. diseminasi.5 2. bahwa BROK merupakan Unit Pelaksana Teknis (UPT) yang bertanggung jawab langsung kepada Pusat Riset Teknologi Kelautan (PRTK) – BRKP.2.1 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). kerjasama maupun pengembangan kelembagaan. Instalasi Observasi Kelautan merupakan cikal berkembangnya institusi penelitian ini menjadi Balai. Dua tahap pengembangan sarana dan infrastruktur riset dan observasi kelautan dilaksanakan pada tahun 2003 dan 2004 menginduk pada Pusat Riset Teknologi Kelautan.

Berdasarkan Peraturan Menteri Kelautan dan Perikanan Nomor 10/MEN/2005 Tentang Organisasi dan Tata Kerja Balai Riset dan Observasi Kelautan. Berdirinya Balai Riset dan Observasi Kelautan dapat dipandang sebagai wujud jawaban ide nasional dalam mengembangkan riset dan observasi kelautan. observasi dan pengelolaan sumberdaya kelautan.6 Inisiasi pendirian Balai Riset dan Observasi Kelautan sudah dimulai sejak tahun 2002 ketika masih berstatus sebagai Stasiun Bumi NOAA di Perancak-Bali. yaitu: 1. 2. 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 ilmu dasar kelautan dan pegelolaan sumberdaya kelautan. Adapun fungsinya. Brok bertugas melaksanakan riset strategis dan aplikasi teknologi observasi kelautan yang meliputi riset dasar. Pada tahun 2004 satuan kerja berkembang menjadi Instalasi Observasi Kelautan hingga Agustus 2005. 3. Perencanaan dan perumusan bahan kebijakan teknis dan penyerasian program serta kegiatan riset strategis. Penguasaan informasi kelautan nasional. Sebagai implementator dari program SEACORM. Tahap pengembangan sarana dan infrastruktur riset dan observasi kelautan dilaksanakan hingga tahun 2005 dengan menginduk pada Pusat Riset Teknologi Kelautan. Penguasaan teknologi dan aplikasi observasi kelautan. . Pembangunan sarana dan prasarana dimulai pada tahun 2003. Penguasaan teknologi sistem informasi. antara lain: 1. Balai Riset dan Observasi Kelautan menetapkan prioritas pengembangan program tahun 2006-2010. pengembangan dan aplikasi teknologi yang relevan berdasarkan arahan teknis Kepala Pusat Riset Teknologi Kelautan. 4.

Pelaksanaan. (Sumber: www. Pelaksanaan dokumentasi. Freddy Numberi Pada Tahun 2005. observasi dan pengelolaan sumberdaya kelautan.brok. pemantauan dan evaluasi program serta kegiatan riset strategis. Pelayanan jasa dan kerjasa. Pembinaan dan pengembangan sumberdaya riset. Riset strategis.dkp. Peresmian BROK oleh Menteri Kelautan dan Perikanan RI Periode 2004-2009. 3.7 2. Pengelolaan urusan tata usaha dan rumah tangga Balai. 4.go.id) . 7. publikasi dan komunikasi hasil riset. Gambar 2. observasi dan pengelolaan sumberdaya kelautan. 6. 5.

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.

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

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

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

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

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

Tanggap kasus kematian masal ikan diperairan Tabanan.3.id) 2. antara lain : 1. Satelit NOAA.17  Sekolah Menengah Kejuruan Kelautan dan Perikanan se-Indonesia. 2. Tim Ocean Remote Sensing memberikan bantuan dalam pengembangan materi diklat penginderaan jauh kelautan.go.dkp. Kerja sama riset dan pengembangan sumberdaya manusia dalam bidang penginderaan jauh kelautan.brok. (Sumber: www. Gambar 6.2 Tim Peneliti Marine Conservation Tim peneliti Marine Conservation mempunyai kegiatan yang berbasis ecological quality and biological monitoring. Monitoring dampak Lumpur Sidoarjo terhadap kualitas perairan dan ekosistem pesisir Porong. .  Collecte Localisation Satellites (CLS) Perancis sebagai penyedia perangkat penerima data satelit NOAA dan penyedia data satelit oseanografi.  APEC SAKE (Satellite Application for Knowledge-based Economy).

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

4. 3. Data dan informasi diharapkan dapat diberikan dengan lengkap dan mutakhir guna mendukung tercapainya kualitas perencanaan dan pengendalian pembangunan yang handal. Lembaga penyelenggara negara berkewajiban untuk memberikan data. 2. Disampaikan pula bahwa dasar pentingnya data dan informasi adalah sesuai dengan dikeluarkannya UU Nomor 31 Tahun 2004 tentang Perikanan Bab VI Pasal 47(2). Dari kegiatan tersebut menghasilkan : 1.id) 2. dan masyarakat berhak untuk mendapatkan data yang akurat. Data merupakan dasar dari semua hal dalam aspek pemerintahan (dalam hal pengambil kebijakan). Juga dapat digunakan sebagai perumus untuk menunjang pengambilan keputusan. Bioreef.2. yaitu sistem informasi dan data statistik perikanan harus dapat diakses dengan mudah dan cepat oleh seluruh pengguna.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.19 Gambar 8. Selain itu juga berdasarkan pada UU No 27 2007 Pasal 15(3) tentang pengelolaan wilayah .dkp.go. (Sumber: www.brok.

kurang perhatiannya terhadap data berkualitas. . menghasilkan telah terbitnya Keputusan Menteri Kelautan dan Perikanan yang menetapkan PUSDATIN sebagai unit Kliring. DKP melalui keputusan menteri. yaitu sebagai pengumpul data juga sebagai penyebar data dan informasi. 5. Manfaat e-government: efisiensi. Tindak lanjut implementasi Perpres 85/2007 tentang Infrastruktur IDSN. 9. 7.20 pesisir dan pulau-pulau kecil. melalui Pusdatin atau BRKP. Kendala: SDM terbatas. menetapkan pusdatin sebagai unit kliring. Konsep perencanaan dan pengembangan sistem informasi dan manajemen DKP: salah satunya bertujuan untuk menghindari duplikasi. transparansi. dana terbatas. Fokus kebijakan penyusunan data Kelautan dan Perikanan: salah satunya adalah kerjasama/data sharing. efektivitas. Manfaat pengelolaan data spasial: user dapat melakukan diskusi dua arah. juga sebagai penanggung jawab data oseanografi dan data kelautan dan perikanan lainnya. 12. Tujuan dari Pusdatin adalah menghasilkan: datik yang kaya dan jujur. belum ada penanganan khusus tentang data dan statistik. yaitu data dan informasi sebagaimana dimaksud pada ayat (1) dapat dimanfaatkan oleh setiap Orang dan/atau pemangku kepentingan. sarpras belum memadai. 6. 11. Pusdatin mengemban tugas untuk mengaplikasikan e-government. Pusdatin mempunyai dasar hukum sebagai pokja data dan statistik yang terdiri dari seluruh institusi eselon 1 DKP. 10. 8. Untuk itu. 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. mendukung administrasi perkantoran. dan pelayanan informasi untuk masyarakat. 13. dan akuntabilitas.

Laboratorium Kelautan BROK Saran yang disediakan untuk dapat menunjang tugas dan fungsi. LRK saay ini juga sedang dalam tahap proses menuju Akreditasi ISO 17025 : 2005 Gambar 9.2. jaringan antarpulau sudah dapat dimanfaatkan di tiga daerah. 15. Perancak (di BROK. Selain itu untuk memfasilitasi berbagai kepentingan yang membutuhkan pelayanan jasa laboratorium. yaitu: Papua (Sorong). pengembangan dan aplikasi teknologi kelautan di Indonesia. 2. untuk keperluan publikasi). WAN (wide area network)-vsat. Bitung. LRK dilengkapi berbagai fasilitas yang dapat mendukunh setiap pengujian yang terdiri dari .21 14. Visi Pusdatin: menjadi bank data KP (kelautan dan perikanan) yang kuat dan terpercaya.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.

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

. Selain itu partipasi di dalam kegiatan survey yang ada dengan membantu setiap kegiatan yang ada. 3. dan partisipasi.1 Materi Praktek Kerja Lapang Materi dalam praktek kerja lapang ini ada dua (2).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.2. serta diperoleh dari studi literatur.2 Partisipasi Partisipasi yang dimaksudkan disini adalah keterlibatan langsung dalam proses pengolahan data hasil citra satelit ALOS (AVNIR-2).2 Metode Praktek Kerja Lapang Metode praktek kerja lapang yang dilakukan adalah dengan cara observasi lapangan. 3.2. 3. 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 2009.23 BAB III KEGIATAN YANG DILAKUKAN 3.

4 Arc GIS Hasil Akhir Peta Perubahan Luasan Hutan Mangrove di TNBB Analisis dan Kesimpulan Gambar 10. Alur Metodelogi Praktek kerja lapang . Kegiatan PKL Pembuatan peta luasan hutan mangrove Survey lapangan Studi literature : Penginderaan Jauh (pengolahan data citra) Ekosistem Mangrove Pengumpulan Data Data Citra 1. Pengolahan Data Citra ALOS menggunakan ENVI 2.24 Alur metodologi pelaksanaan praktik kerja lapang yang dilakukan adalah sebagai berikut. Penghitungan NDVI untuk Pembagian Klasifikasi Kerapatan Mangrove Pengolahan data menggunakan : ENVI 4.

NDVI dan sebagainya serta ekosistem hutan mangrove itu sendiri.3 Studi Literature Studi literature disini maksudnya adalah untuk lebih memperdalam pengetahuan kita tentang penginderaan jauh baik apa itu citra satelit. daerah.3. Hasil pembentukan data dalam bentuk piktorial dan bentuk numerik Proses analisis data meliputi : 1. daerah atau fenomena yang dikaji (Lillesand dan Kiefer. Studi literature juga sebagai tinjauan pustaka pada laporan ini. Interaksi antara energi dengan kenampakan di muka bumi 4. Perjalanan energi melalui atmosfer 3. atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak lansung dengan objek. dan komputer untuk menganalisis data numerik. Caranya dengan mendeteksi gelombang elektro magnetik yang datang dari obyek tersebut. . Penginderaan Jauh Penginderaan jauh adalah ilmu memperoleh informasi tentang objek.1 Tinjauan Pustaka 1. Hal ini meliputi proses pengumpulan data dan analisis data. Pengujian data dengan menggunakan alat interpretasi dan alat pengamatan untuk menganalisis data piktorial. pantulan spectral. macam-macam citra. Proses pengumpulan data meliputi : 1. 3. baik yang dipantulkan. Studi literature dilakukan di perpustakaan BROK dan searching dari internet. Proses dan elemen yang terkait dalam penginderaaan jauh dengan energi elektromagnetik untuk sumber daya alam. 1990).25 3. diemisikan maupun dihambur balik. Sumber energi 2. Sensor wahana pesawat terbang dan satelit 5.

dan “merah” antara 0. 1994) . (3) interaksi antara tenaga dan obyek. Bagian spektrum “tampak” pada gambar logaritmik meratakan bagian yang kecil. Sistem Penginderaan Jauh (Sutanto. dan suatu bahasan tertulis atau laporan. karena kepekaan spektral mata manusia hanya berkisar antara ± 0. Informasi disajikan dalam bentuk peta. Informasi diperuntukan untuk para pengguna yang memanfaatkannya.7 µm (Lillesand dan Kiefer. (4) sensor. penggolongan gelombang elektromagnetik paling sering dilakukan menurut letak panjang gelombangnya di dalam spektrum elektromagnetik. ada empat komponen penting dalam sistem penginderaan jauh adalah (1) sumber tenaga elektromagnetik. Secara skematik dapat dilihat pada gambar 11. tabel. 3. Di dalam penginderaan jauh. Menurut Sutanto (1994).7 µ m.0. Warna “biru” terdapat kira-kira pada julat 0. Bagian spektrum elektromagnetik yang digunakan di dalam penginderaan jauh terletak secara berkesinambungan yang dicirikan dengan perubahan-perubahan besar tenaga dengan kelipatan 10 berpangkat banyak.5 µm.26 2.4 µm hingga sekitar 0. (2) atmosfer.6 – 0.6 µm.4 . ”hijau” antara 0. 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. 1990).5 – 0.

Pada data digital resolusi medan dinyatakan dengan pixel. Ada dua cara menyatakan resolusi spasial. Resolusi a. berarti sensor itu semakin baik karena dapat menyajikan data dan informasi yang semakin rinci.02 mm atau pada tiap mm ada 50 garis. Resolusi Medan (ground resolution) ialah ukuran terkecil obyek di medan yang dapat direkam pada data digital maupun pada citra. Disamping itu dinyatakan dengan ukuran dalam meter di lap atau dalam meter per pixel pada citra (Rm/pixel).430 garis/mm.01 mm. yakni: resolusi citra dan resolusi medan.27 Dengan menggunakan satelit akan memungkinkan untuk memonitor daerah yang sulit dijangkau dengan metode dan wahana lain. resolusi medan juga dapat dinyatakan dengan ukuran dalam meter di lapangan yang . Semakin kecil ukuran terkecil yang dapat direkam oleh suatu sistem sensor. Satelit-satelit yang digunakan dalam penginderaan jauh terdiri dari satelit lingkungan. Dengan kata lain maka resolusi spasial mencerminkan kerincian informasi yang dapat disajikan oleh suatu sistem sensor. Misal tiap garis tebalnya 0. cuaca. Resolusi Citra (image resolution) dapat diartikan sebagai kualitas lensa yang dinyatakan dengan jumlah maksimum garis pada tiap milimeter yang masih dapat dipisahkan pada citra. Satelit dengan orbit tertentu dapat memonitor seluruh permukaan bumi. Resolusi spasial yang baik dikatakan resolusi tinggi atau halus. dan sumberdaya alam. Secara teoritik maka resolusi citra yang terbaik 1.01 mm. Berarti tiap garis menempati ruang selebar 0. Resolusi Spasial Ialah ukuran terkecil obyek yang dapat direkam oleh suatu sistem sensor. Ruang pemisah antara tiap garis juga sebesar 0. sedang yang kurang baik berupa resolusi kasar atau rendah. Dalam contoh ini berarti resolusi citranya sebesar 50 garis/mm.

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

29 2. Satca NOAA : 12 jam 5. pengurangan luas hutan. Dengan sensor termal misalnya. maka yang dimaksud adalah resolusi spasial. dsb.2 C dan sensor 2 mampu merekam beda suhu terkecil 0. berarti resolusi radiometrik sensor 1 lebih baik dari pada sensor 2. Hubungan antara resolusi spasial dengan resolusi temporal menimbulkan pilihan yang tidak mudah antara keduanya. kalau sensor 1 mampu merekam beda suhu terkecil 0. karena persepsi pengenalan objek bagi orang2 yang berpengalaman biasanya lebih .5 jam d. SPOT : 26 hari atau 6-7 kali/bulan karena sensor dapat ditengokkan arah perekamannya 4. Sulit untuk memilih antara foto udara (rinci) atau citra satelit yang frekuensi perekaman ulangnya lebih sering. Kalau orang menyebut resolusi tanpa diikuti keterangan apapun. Pengalaman sangat menentukkan hasil interpretasi. Satca GMS : 0. Landsat generasi 2 : 16 hari 3. 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. Dari keempat jenis resolusi ini maka resolusi spasial merupakan resolusi yang terpenting. Resolusi radiometrik ialah kepekaan sensor terhadap perbedaan terkecil kekuatan sinyal.5 C. Kerincian penting untuk studi kekotaan misalnya dan resolusi temporal yang tinggi penting untuk memantau perubahan cepat seperti pemekaran kota.

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

Keadaan ini akan berbeda jika vegetasi terkena gangguan penyakit.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. yakni vegetasi sehat berdaun hijau. Tanah dan Air Gambar 11 merupakan suatu kurva pantulan spektral bagi tiga objek utama di bumi.(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. Pantulan Spektral Vegetasi.31 temporal yang akhirnya membentuk kelas atau tema keruangan (spasial) tertentu. Kurva Pantulan Spektral .65µm) sehingga mata kita mampu menangkap vegetasi sehat hijau. 1993) Daerah panjang gelombang yang diprgunakan pada tiap saluran ALOS Gambar 12.

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

air. Nilai NDVI yang tinggi menunjukan tumbuhan yang lebih hijau (lebih rapat) dan sebaliknya.20 >0.10-0. Kelas Kerapatan Mangrove dari Nilai Indeks Vegetasi No Tingkat Kerapatan Transformasi Indeks Vegetasi(NDVI) 1 2 3 Sumber: Dewanti.21 . nilai NDVI sebanding dengan kuantitas tutupan vegetasinya. nilai NDVI yang rendah (negatif) menunjukan tingkat vegetasi yang rendah seperti awan. Sala satu metode perhitungan indeks vegetasi yang umum digunakan adalah NDVI (Normalized Diverence Vegetation Index). 1999 Jarang Sedang Padat 0. bangunan.15 0. tanah kosong.16-0.33 intensitas vegetasi di permukaan bum. Kelas kerapatan mangrove dapat dilihat pada table : Tabel 1. Jadi. 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 . dan unsur non-vegetasi hijau yang tinggi (positif) menunjukan tingkat vegetasi hijau yang tinggi.

Advanced Visible and Near Infrared Radiometer type-2 (AVNIR-2) untuk pemantauan penutup lahan secara lebih tepat. 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 0.52-0. Hijau 2 0.42-0. Tabel 2. 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).60 10 Pengamatan pantulan vegetasi puncak pada saluran hijau yang terletak diantara penyerapan. Pembedaan vegetasi dan lahan. 2007). Manfaat penggunaalahan. dan vegetasi.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 . 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.50 Resolusi Spasial (m) 10 Penetrasi analisis tanah tubuh air.

Merah 3 0. ALOS dilengkapi dengan dua teknologi yang lebih maju : pertama teknologi yang mampu mengerjakan data dalam kapasitas yang sangat besar dengan kecepatan tinggi. Sumber : (Jaxa. lebih dari pada band 1 dan 2. 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 . dan selanjutnya kapasitas untuk menentukan posisi satelit dan ketinggian yang lebih tepat. Keterangan umum tentang ALOS disajikan pada tabel 2.76-0. 2007) Untuk dapat bekerja dengan ketiga instrumen diatas.89 10 Berguna untuk meneliti biomass tanaman dan juga membedakan batas tanahtanaman dan dratan-air.1. ALOS direncanakan akan diluncurkan dari Pusat Ruang Angkasa Tanegashima.61-0. Near Infrared 4 0.69 10 Band yang paling berguna untuk membedakan tipe tanaman.35 ini dimaksudkan untuk tanaman membedakan sehat terhadap tanaman tidak sehat. Jepang pada tahun 2004.

estuari atau muara sungai. Pengembangan teknologi : mengembangkan teknologi penginderaan jauh yang tepat untuk masa sekarang dan akan datang (NASDA. atau hutan . Monitoring Bencana : melakukan monitoring bencana alam 4. Kartografi : untuk menyediakan peta wilayah Jepang dan Wilayah AsiaPasifik 2. Survei Sumber daya : untuk survei sumber daya alam 5. 2003).36 Recurrent Period Tinggi Lintasan Inclinasi 46 hari Sub cycle 2 hari 692 km di atas Equator 0 98. Karena hidupnya di dekat pantai. 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.2 Misi dari satelit ALOS Secara ringkas ada 5 misi dari satelit ALOS adalah : 1. 2. Pemantauan Regional : melakukan pemantauan regional untuk pengembangan pembangunan yang berkelanjutan dan harmonisasi antara ketersediaan sumber daya alam pengembangan pembangunan 3. hutan payau. Mangrove Definisi Mangrove merupakan karakteristik dari bentuk tanaman pantai. hutan pasang surut. mangrove sering juga dinamakan hutan pantai.

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

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

pemijahan dan asuhan) biota laut seperti ikan dan udang). Fungsi Sosial Ekonomi  Tempat kegiatan wisata alam (rekreasi. . biawak dan burung. anatara lain: 1.39 7. buaya muara. yang selanjutnya menjadi sumber makanan bagi konsumen di atasnya dalam siklus rantai makanan dalam suatu ekosistem. Hara Fungsi Dan Peranan Mangrove Fungsi dan peranan mangrove ini dibagi menjadi tiga. pendidikan dan penelitian). Tanah 8. mencari makan. 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. 3. Fungsi Biologi  Tempat hidup (berlindung.  Tempat hidup berbagai satwa liar. kepiting dan golongan kerang/keong).  Sumber bahan organik sebagai sumber pakan konsumen pertama (pakan cacing. seperti monyet.

40  Penghasil kayu untuk kayu bangunan. lem. arang dan bahan baku kertas.5 – 3. dan obat- obatan (daun Bruguiera sexangula untuk obat penghambat tumor.4 1. serta daun nipah untuk pembuatan atap rumah.5 2. Bila dikehendaki untuk memberikan pembobotan kualitas lingkungan vegetasi untuk keperluan evaluasi dapat digunakan kriteria berikut : Tabel 3.  Tempat sumber mata pencaharian masyarakat nelayan tangkap dan petambak.5 1.5 < 1. 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. plastik. dan lain-lain).6 – 2. kayu bakar. pengawet net dan penyamakan kulit. Ceriops tagal dan Xylocarpus mollucensis untuk obat sakit gigi.  Penghasil bahan pangan (ikan/udang/kepiting.0 Sumber : (Cahyo. dan gula nira nipah).1 – 1. Klasifikasi keadaan hutan mangrove Keanekaragaman jenis (H) > 3.  Penghasil tannin untuk pembuatan tinta.

4 Pengolahan Citra di Perangkat Lunak ENVI 4. 2010) 2. Unduh citra dari citra ALOS analisis. antara lain : 1.41 3.4 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. tanggal 19 Maret 2008 dan 22 Juni 2009 (sumber citra :BROK.4 terdiri dari beberapa tahap. Gambar 13. Software ENVI 4. Komposit citra Komposit citra adalah menggabungkan tiga saluran pada citra ALOS dengan tujuan untuk mempermudah dan memperjelas kenampakan suatu .4 Pengolahan citra di perangkat lunak ENVI 4.4 Pengolahan Citra Pengolalahan citra dilakukan pada perangkat lunak ENVI 4. ArcGIS untuk membuat layout peta tutupan mangrove di Taman Nasional Bali Barat.

3. kemudian load RGB untuk menampilkan hasil citra yang telah dikomposit.lanagkah awal . 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. Citra yang tersimpan dalam computer dipanggil melalui File dan Open image file pada menu layer. Bali 3.2 untuk memperjelas kenampakan vegetasi (mangrove). seperti pada Gambar . Adapun tahapan komposit citra dilakuakan dengan membuka aplikasi ENVI 4..42 objek dalam identifikasi pada citra. Tiga saluran (band) yang dgunakan adalah 4.4 pada layar. Setelah itu.4 . Gambar 14. Pemisahan citra untuk vegetasi mangrove dan vegetasai bukan mangrove Pemotongan citra dilakukan agar daratan dan lautan lebih mudah dipisahkan. Proses Komposit Citra pada Program ENVI di Taman Nasional Bali Barat.

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

Muncul kotak Select Input Display. 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. Pilih menu Options dan klik Import ROIs dan Selected Areas “off” kemudian file diberi nama dengan memilih Choose untuk disimpan. Lalu klik OK. Contoh : pemisahan daratan dan lautan. Pilih RGB color (band 4. Muncul kotak Apply Mask dan pilih file telah diMasking lalu OK. .4 . band 4 dipilih pada kotak Band Treshold To Roi Input Band yang tampil. pilih Display #1 lalu tekan OK.3. Pada menu Basic Tools dipilih perintah Apply Mask. Menu Basic Tools dipilh untuk melakukan perintah Build Mask. Teknik masking dilakukan dengan memilih region of interest dan band Treshold To Roi pada menu Tools pada layer ENVI 4.2) dan Load RGB pada Layer yang muncul untuk menampilkan hasil citra yang telah di Masking. Fokuskan daerah pengamatan di daerah daratan dan lautan. Hal ini dilakukan agar daratan dan lautan lebih mudah dipisahkan. Nilai digital yang dikelompokan (kelas) akan menghaslkan layar dengan nilai digital baru dengan nilai biner (0-1). kemudian dilanjutkan dengan teknik masking.44 4.

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

Proses Transformasi NDVI .46 Gambar 17.

000000-1.47 Langkah kedua adalah memilih perintah Statistic dan Comute Statistic pada menu Basic Tools. Ambil data yang merupakan vegetasi yaitu data dari 0. Nilai minimal dan maksimal Digital Number yang akan muncul pada kotak Statistic Result dicatat. Gambar 18. 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 2003.00000(lampiran Microsoft Excel 2003) .

Options Band Threshold to RoImasukan klasifikasinya save ROI. Penghalusan Peta Membuat Image Class.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. Open RoIOptionsCreat class Image from ROISelect AllOK . Gambar 19. Proses pengklasifikasian keadaan mangrove 6.

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

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

Proses mendapat data vector pada ENVI 4. Proses mendapatkan data shapefile .51 Gambar 22.4 Langkah terakhir mengubah data vektor menjadi data Shapefile untuk digunakan pada software Arc GIS. pada kotak Vektors List pilih satu persatu data klasifikasinyaFile Export Layers to ShapefileOK Gambar 23.

Selain itu Arc GIS ini untuk mempercantik tampilan peta yang akan kita buat.52 3. Gambar 24.3 Buka Arc GIS. pilih ArcMap pada kotak pilihan. Software ArcGIS 9.3 Pengolahan citra menggunakan program Arc GIS 9.3 untuk membuat peta kerapatan hutan mangrove di sebagian Taman Nasional Bali Barat.5 Pengolahan Citra Menggunakan Perangkat Lunak ArcGIS 9.3 Langkah-langkahnya adalah : 1) Membuka aplikasi Arc GIS 9. Kemudian pilih A New Empty MapOK .

Tampilan awal ArcGIS 9. kemudian drag data shapefile yang kita simpan. Proses pemasukan data shp ke ArGIS 9.4.53 Gambar 25. Gambar 26.3 .3 Pada menu tools bar pilih Arccatalog untuk membuka data shapefile yang sebelumnya pernah di save menggunakan software ENVI 4.

3) Menambah Grid pada peta Untuk menambahkan grid koordinat cukup klik kanan pada layout peta. Gambar 27. Proses membuat layout dan menambahkan frame Macam-macam komponen pada gambar diatas dapat dipergunakan untuk menambah informasi pada peta yang kita buat.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. . properties dan pilih new gridnextnext(atur jarak koordinat)Finish. Caranya pilih pada menu InsertpilihOK. Beberapa komponen yang sering digunakan untuk menambah layout diantaranya . 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.

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. 3.56 Gambar 29. . 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 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.4. Tujuannya untuk mengetahui laju perubahan luas lahan hutan mangrove pada tahun 2008 dan tahun 2009 di sebagian Taman Nasional Bali Barat.

area laut berwarna biru kehitaman dan daratan yang berwarna merah.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. Hasil dari komposit citra dengan menggunakan band 4. Gambar 30.3 pada layout tahun 2008 dan tahun 2009 serta perubahan luasan hutan mangrove pada tahun 2008-2009. Software ENVI 4.57 perkembangan luasan yang didapat dari hasil pengklasifikasian dan luas area hutan mangrove. yaitu band 4 (infra merah). yaitu dengan menentukan terlebih dahulu nilai antar batas daratan dan lautan. dan perkembangan wilayah hutan mangrove yang didapat dari hasil pengolahan pada software Arc GIS 9. 3 (merah) dan 2 (hijau). 3. . 2 dapat dilihat pada Gambar …di bawah. Hal ini dilakukan agar daratan dan lautan lebih mudah dipisahkan sperti ditunjukan pada Gambar 31 di bawah ini. kemudian dilanjutkan dengan teknik masking. Komposit citra sebagian TNBB Saat memfokuskan daerah pengamatan di daerah darat/pesisir (untuk vegetasi mangrove) dapat menutup daerah yang bukan daerah pengamatan.

58 Gambar 31. Gambar 32. Nilai NDVI kemudian dicari nilai terbesar dan terkecilnya serta dibuat 5 kelas untuk menentukan klasifikasi kerapatan mangrove di sebagian Taman nasional Bali Barat. 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.4 di convert ke data shapefile.4 . NDVI hutan mangrove sebagian TNBB .3 yang sebelumnya data dari ENVI 4. 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.

Adapun klasifikasinya antara lain : . 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 nilai digital numbernya : Tabel 4.559322 Setelah mengetahui nilai digital number kemudian kita klasifikasikan nilai digital number tersebut dengan rumus statistika. 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.003518 0.004786 NILAI MAKSIMAL 0.59 Gambar 33.48503 0.

0033518 .292425 0.60 Tabel 5.004786 – 0.292426 – 0.226601 – 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. 1 2 3 4 5 Kelas Sangat Jarang Jarang Sedang Rapat Sangat Rapat Interval Kelas 0.115693 0.115694 – 0.196124 – 0.448415 0.388728 0.09982 0.226600 0. Klasifikasi hutan mangrove di sebagian TNBB tahun 2009 No.337509 – 0. Kemudian kita dapat melihat hasil data citranya sebagai berikut (Gambar 32): . 1 2 3 4 5 Kelas Sangat Jarang Jarang Sedang Rapat Sangat Rapat Interval Kelas 0.388729 – 0.337508 0. Klasifikasi hutan mangrove di sebagian TNBB tahun 2008 No.099821 – 0.448415 – 0.48503 Tabel 6.196123 0.0.

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. Adapun hasil peta tentatif kerapatan hutan mangrove tahun 2008 dan 2009. Hasil Citra ENVI 4. sebagai berikut : .4 Tahun 2008 dan Tahun 2009 Setelah mendapatkan hasil data citra tersebut kemudian di export data tersebut ke data shapefile. Kemudian buka software ArCGIS 9.61 Gambar 34. Adapun luasan tiap tahunnya dan luasan pengklasifikasiannya. sebagai berikut : Gambar 35.

1 2 3 4 5 Σ Kelas SangatJarang Jarang Sedang Rapat SangatRapat Jumlah Luas Area 398.100 Meters² 1.316. Luas Area tahun 2008 No.300 Meters² 719.885. Luas Area tahun 2009 No.800 Meters² Terakhir adalah melihat perkembangan wilayahnya yang diolah menggunakan software Arc GIS 9.600 Meters² 582.284.400 Meters² Tabel 8.600 Meters² 1.100 Meters² 1.500 Meters² 358.100 Meters² 325.700 Meters² 3. 1 2 3 4 5 Σ Kelas SangatJarang Jarang Sedang Rapat SangatRapat Jumlah Luas Area 172.083.62 Tabel 7.100 Meters² 811.3 dimana dapat dilihat perubahan luas wilayahnya menurut klasifikasi dan peta perubahannya dari tahun 2008 ke 2009 sebagai berikut : .100 Meters² 2.

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

56 1101.05 23826.86 135354.28 1356138.11 225264.62 901.01 59068.19 16618.40 10511. 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 101618.26 .79 518489.74 622705.92 500.46 2602.64 Tabel 9.84 100.93 219156.

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. penghalusan citra dan membuat layout peta(program Arc GIS).600 Meters². perkembangan luasan area hutan mangrove itu meningkat dari tahun 2008 ke 2009 yang luasnya 2. 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 0.400 Meters² menjadi 3.65 BAB IV PENUTUP 4.316.083.800 Meters² dan perkembangan wilayahnya. 3. Ekosisem Hutan mangrove di sebagian Taman Nasional Bali Barat pada tahun 2008 didominasi oleh klasifikasi kerapatan “sedang” dari 5 kelas yaitu sebesar 1.559322.500 Meters².885.284.4 untuk menduga kerapatan mangrove di sebagian Taman Nasional Bali Barat dapat diolah dengan cara mengkomposit citra (menggunakan band 4.48503 menjadi 0.003518 menjadi 0. Sedangkan pada tahun 2009 didominasi oleh kerapatan “rapat” dari 5 kelas yaitu sebesar 1. pemisahan citra untuk vegetasi mangrove dan bukan mangrove. 2). transformasi NDVI. masking citra. . Dalam artian adanya perubahan kelas dan penambahan/ perubahan pada ekosistem mangrove tersebut.

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

Comission on Ecology Papers No.pdf diakses tanggal 1 Juli 2010 FAO..Jakarta. 2005. University of Queensland. Dahuri. Jakarta.FAO. Bogor.. Arifin. N. Santoso. 2008. Jogjakarta.3 November 2001.P.3. Penginderaan Jauh dan Interpretasi Citra. London . Gadjah Mada University Press. 2007. Sitepu. dkk. Penginderaan Jauh Jilid 1.trans.W. Mulyadi.. IUCN Hutchings. PT. As-Syukur Rahman. Indonesia.W..J. Penginderaan jauh dan Interpretasi Citra. Lembaga Pengkajian dan Pengembangan Mangrove (LPP Mangrove). Jakarta. Faisal Ahmad dan Amran Anshar. 1998..06_ahmadfaisal.model. Prosiding Pelatihan Pengelolaan Wilayah Pesisir Terpadu. Pengelolaan Sumber Daya Wilayah Pesisir Secara Terpadu. Model Transformasi Indeks Vegetasi yang Efektif Untuk Prediksi Kerapata Mangrove Rhizopora Mucronata. I.Rais.E.G. Jogjakarta. J. Kusmowidagdo. 1982. 29 Oktober. M.pdf diakses tanggal 1 Juli 2010. Global Status of Mangrove Ecosystems. Ekosistem dan Sumber Daya Pesisir dan Laut serta Pengelolaan Secara Terpadu dan Berkelanjutan. Romimohtarto. 1996 . Ginting.unud. 2001. Sutanto. 1987. 1993.ejournal. Lembaga Penerbangan dan Antariksa Nasional (LAPAN) dan Universitas Negeri Semarang. www. M.J. Jakarta Bengen. FAO Environmental Paper 3. 2008. dan M.ac. Pradnya Paramita. D.67 DAFTAR PUSTAKA Lillesand.id. Kasijan. Analisa INdeks Vegetasi Menggunakan Citra Alos/Avnir-2 Dan Sistem Informasi (SIG) Untuk Evaluasi Tata Ruang Kota Denpasa. Djambatan. and J.id. dan Kiefer. Davie. Indonesia. 1994. Management and Utilization of Mangroves in Asia and the Pasific. P. Saenger. A dan Adnyana Sandi.S. www.P. H. Ekologi of mangroves. P and Peter. Rehabilitas Hutan Mangrove Pada Jalur Hijau Di Indonesia.ac. 1983. Sri Juwana.Hegerl. S. Rome. S. Biologi Laut. Gadjah Mada University Press.

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 .

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.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 .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 .

3867 .050725 0.112094 0.8087 61.5132 0.2786 64.78  Microsoft Excel nilai NDVI tahun 2008 Min -0.135698 0.71875 DN 0.055446 0.154581 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 -0.1302 60.9476 63.187625 Max 0.101 59.8146 71.1211 62.3849 67.6768 65.093211 0.102653 0.088491 0.5721 Acc Pct 58.7608 59.027121 0.3292 0.168743 0.2523 63.0444 61.5615 60.2099 0.2214 0.046004 0.079049 0.3726 62.1699 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 0.0043 0.008239 0.359823 Percent 0.041284 0.3747 70.2918 0.8552 58.1969 0.060166 0.4025 0.2774 0.107373 0.8213 70.1366 0.022401 0.130977 0.8974 60.3047 0.2472 0.01768 0.1711 0.2961 0.036563 0.121536 0.178184 0.268 66.7003 62.074329 0.5103 0.5534 0.2357 0.3277 0.3401 60.3047 0.3392 0.003518 0.012959 0.145139 0.6102 63.2329 0.7549 66.4399 0.126256 0.0477 65.3681 68.469 59.069608 0.4973 0.283 61.2645 0.14986 0.8952 68.9494 67.2386 0.5792 61.1984 0.4355 0.031842 0.9495 64.164022 0.8566 62.4729 0.08377 0.2415 0.4399 0.159301 0.3524 65.298 59.4571 0.2515 0.3982 0.3579 0.3737 0.064887 0.140418 0.3225 69.2472 0.116815 0.8252 69.097932 0.4988 0.9027 59.0474 0.5095 66.173463 0.3709 0.182905 0.4815 58.

6512 0.7963 0.5189 0.9874 75.201788 0.2041 0.230112 0.7043 0.804 86.5711 73.6198 79.7115 0.6261 90.6627 0.239553 0.197067 0.333967 0.2612 99.8838 78.9573 0.851 0.5879 0.4283 74.8452 0.0733 0.0269 99.4653 99.3737 0.0388 72.5698 83.348129 0.315085 0.9628 94.9846 1.2343 0.2167 84.736 0.296202 0.291481 0.677 0.2458 0.4801 0.267877 0.310364 0.0882 98.5076 82.1201 93.6713 0.4945 0.4181 91.6619 96.362292 0.0241 80.0302 0.7078 99.79 0.0349 0.248995 0.225391 0.381174 0.319805 0.277319 0.462 98.234833 0.206508 0.9171 85.8998 0.258436 0.2804 84.5879 0.3191 0.7838 76.35285 0.5693 98.367012 0.7613 87.455 77.7809 89.0637 0.376454 0.6684 0.7671 99.313 96.0623 0.2212 77.385895 0.22067 0.737 99.263157 0.404778 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 0.21595 0.371733 0.8869 0.192346 0.6368 0.3342 80.1711 0.0421 0.400057 0.244274 0.1107 0.8138 94.9848 95.9814 97.7357 81.69 0.395337 0.5592 0.6636 99.091 72.7144 0.8059 .746 88.6468 1.305643 0.7661 0.0877 0.28676 0.7748 0.272598 0.792 0.28204 0.6598 1.390616 0.329247 0.338688 0.324526 0.357571 0.211229 0.9429 0.063 93.576 99.0656 73.8404 74.253715 0.0779 92.7719 1.343409 0.300922 0.

433102 0.102343 0.461426 0.475589 0.023 0.0331 0.9986 99.9255 89.9943 99.957 89.470868 0.9885 99.056132 0.0345 0.092074 0.071535 0.097208 0.015055 0.0164 90.0978 .6276 89.0024 0.0387 Acc Pct 89.00992 0.0014 0 0.025324 0.423661 0.731 89.0014 99.9986 100  Microsoft Excel nilai NDVI tahun 2009 Min -0.839 99.0377 0.0316 0.9583 99.0072 0 0.020189 0.081805 0.8735 99.0231 0.9943 99.039 0.437823 0.428381 0.80 0.8902 89.0591 90.9238 99.7578 89.414219 0.559322 Npts 4 7 193 58 7 53 153 31 68 79 115 29 111 57 78 104 93 79 96 126 114 Mean -0.0428 0.030459 0.466147 0.9885 99.0353 0.6975 89.54 89.004786 0.708 89.0014 0.07667 0.8067 89.8637 89.0197 0.225857 Percent 0.41894 0.48503 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 0.7969 89.050997 0.0265 0.9838 90.9971 99.442544 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 0.035593 0.0268 0.0029 0.5376 89.0519 0.409499 0.0029 0.0345 0.061266 0.086939 0.9813 99.6455 89.0268 0.451985 0.75 DN 0.107478 Max 0.0115 0.447264 0.0024 0.0105 0.456706 0.0098 0.9727 99.0326 0.018 0.040728 0.8444 89.0158 0.6252 89.6055 89.9914 99.045862 0.908 99.0029 0 0.9468 99.0655 0.066401 0.480309 0.0193 0.0144 0.0086 0.

215304 0.9372 91.0098 91.116 0.261515 0.271785 0.0726 0.7937 90.5715 90.2364 92.1093 0.246112 0.292323 0.1018 0.2701 91.6914 92.14342 0.3651 91.8984 92.1446 93.148554 0.0509 0.0563 0.0991 0.0543 0.317996 0.3608 90.184497 0.0597 0.6831 90.9448 93.5165 90.0726 0.179362 0.240977 0.307727 0.328265 0.13 90.1011 0.133151 0.276919 0.1998 0.230708 0.8602 90.981 .077 0.1068 92.0122 0.0346 0.1523 0.4377 91.0077 92.2348 0 0.2505 90.0702 0.153689 0.1228 0.26665 0.4741 90.43 90.0512 0.4396 92.138285 0.7966 91.095 0.220439 0.0346 0.1425 91.163958 0.117747 0.0797 91.6806 91.2137 91.158824 0.225573 0.312861 0.81 0.04 0.297458 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 0.312 92.0628 0.1289 0.055 0.0645 0.1999 0.9182 93.0577 0.169093 0.0424 0.0628 90.429 93.3899 90.0526 0.5021 91.1296 0.1837 93.302592 0.0539 0.6638 93.287188 0.2453 0.0713 0.0699 0.6291 90.2159 90.0577 0.112612 0.039 0.338534 0.256381 0.0441 0.0292 0.1813 90.194766 0.21017 0.0757 0.1082 0.1276 0.282054 0.189631 0.122881 0.235842 0.205035 0.6104 91.8437 92.0322 0.3031 90.323131 0.734 90.5685 92.2545 0.128016 0.174227 0.6638 93.251246 0.3334 0.848 90.

4095 94.0007 94.8859 98.2521 0.528514 0.1656 0.9871 99.3229 95.0254 0.1727 0.7877 98.353938 0.0523 0.507976 0.1693 0.40015 0.2124 0.477169 0.559322 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 0.1853 0.497707 0.466899 0.2029 0.154 0.1502 98.2718 0.461765 0.1836 0.441226 0.518245 0.359073 0.017 0.405284 0.9756 99.999 99.9586 99.6149 99.502841 0.472034 0.4956 95.9993 100 .52338 0.5303 94.0115 0.2643 0.8127 99.2857 0.364207 0.1308 95.4023 98.492572 0.1009 96.487438 0.0037 0.0051 0.533649 0.1934 94.374477 0.384746 0.415553 0.549053 0.6791 95.2032 0.6996 97.0682 0.538784 0.420688 0.513111 0.543918 0.9358 95.9983 99.1208 0.451496 0.1462 0.3041 96.2202 0.0024 0.0855 0.436092 0.9533 99.2334 0.482303 0.8809 99.395015 0.1863 0.446361 0.1123 0.5543 98.9922 99.152 0.2853 0.410419 0.425823 0.38988 0.82 0.2161 0.7156 94.348804 0.7452 97.554187 0.4703 97.369342 0.1562 99.247 0.7272 99.192 0.3377 99.1951 0.0003 0.45663 0.2294 0.9332 99.4839 99.131 0.1846 97.1815 0.0003 0.1747 0.0003 0.9959 99.430957 0.4734 96.9986 99.0305 97.9261 96.379611 0.