Bunga Rampai 2020

Pemetaan Daerah Rawan Tsunami di Kabupaten Gunungkidul, Yogyakarta..................................................... (Dyah Laila Putri Santoso) ������������������������ = ∑(������������������������×������������������������)������������������������������������−∑(������������������������×������������������������)������������������������������������ ...........................(1) Tabel 4. Keterlindungan Daratan. 5 dimana: No. Jarak (km)* Skor Bobot Total Rs = Rentang skor Skor Bi = bobot pada tiap kriteria 1. Terbuka/Tidak 1 15 Si = skor pada tiap kriteria terlindung 2 15 15 (Mutaqin, 2009) 2. Terlindung 30 *Sumber: Hajar (2006) Pengolahan data dilakukan menggunakan Tabel 5. Jarak dari Sungai. software ENVI 4.3 untuk praprocessing data citra dan ArcMap 10.3 untuk pengolahan data No. Jarak (m)* Skor Bobot Total parameter serta overlay peta parameter agar Skor didapat peta kerawanan tsunami. Terdapat 5 1. 0 – 450 1 10 macam data yang digunakan, yakni data citra, peta 2. 450 – 900 2 10 10 Rupa Bumi Indonesia (RBI) Kabupaten 3. 900 – 1.350 3 10 20 Gunungkidul, peta tutupan lahan, data koordinat 4. 1.350 – 1.800 4 10 30 titik gempa dan hasil survey. Data citra yang 5. 1.800 – 2.250 5 10 40 digunakan adalah ASTER GDEM V3 perekaman 6. > 2.250 6 10 50 tahun 2000-2013 untuk pengolahan data *Sumber: Hajar (2006) 60 parameter kemiringan dan ketinggian lahan dan LANDSAT 8 OLI perekaman tahun 2018 untuk Tabel 6. Keberadaan Pulau Penghalang. pengolahan data parameter morfologi pantai dan keberadaan pulau penghalang. Peta RBI No. Keberadaan Skor Bobot Total Kabupaten Gunungkidul publikasi Geoportal DIY Skor tahun 2019 digunakan dalam pengolahan data 1. Tidak ada 1 10 parameter jarak dari pantai dan jarak dari sungai. 2. Ada (ukuran 2 10 10 Peta tutupan lahan didapat dari Kementrian 20 Kehutanan publikasi tahun 2011. Data koordinat kecil) 3 10 gempa dari USGS tahun 2006-2019 digunakan 3. Ada (ukuran 30 untuk pengolahan data parameter jarak dari pemicu tsunami. Hasil survey digunakan dalam besar) analisis kecocokan peta rawan tsunami *Sumber: Hajar (2006) dengankondisi lapang. Berikut adalah tabel skor dan bobot dari masing-masing parameter: Tabel 7. Morfologi Pantai. No. Morfologi Skor Bobot Total Skor 10 10 1. Pantai 1 10 20 berteluk 2. Pantai tidak 2 Tabel 1. Jarak Pantai dari Pemicu Tsunami. berteluk *Sumber: Hajar (2006) No. Jarak (km)* Skor Bobot Total Skor Tabel 8. Jarak dari Garis Pantai. 1. 0 – 150 1 10 10 Total Skor 2. 151 – 260 2 10 20 No. Jarak (m)* Skor Bobot 20 3. > 260 3 10 30 1. < 556 1 20 40 *Sumber: Diposaptono dan Budiman (2008) 60 2. 556 – 1.400 2 20 80 100 Tabel 2. Elevasi Daratan. 3. 1.400 – 2.404 3 20 No. Tinggi (m)* Skor Bobot Total Skor 4. 2.404 – 3.528 4 20 1. 0 – 5 1 15 15 5. > 3.528 5 20 15 30 *Sumber: Bretscgneider dan Wibro (1976) 2. 6 – 10 2 15 45 15 60 3. 10 – 15 3 15 75 Alat dan Bahan 4. 15 – 20 4 5. > 20 5 Berikut adalah tabel alat dan bahan yang *Sumber: Lida (1963) digunakan dalam proses pemetaan daerah rawan tsunami: Tabel 3. Kemiringan Daratan. No. % Jenis Skor Bobot Total Tabel 9. Alat. Lereng* Lereng 15 Skor No. Alat 15 15 1. Laptop 1. 0 – 2 Datar 1 15 30 Fungsi 15 45 2. Ms. Untuk proses pengolahan 2. 2 – 6 Landai 2 60 Word data 15 Untuk pengerjaan artikel 3. 6 – 13 Agak 3 75 3. ENVI 4.3 miring Untuk penggabungan data citra 4. 13 – 20 Miring 4 5. 20 – 55 Curam 4 6. > 55 Sangat 6 curam *Sumber: Van Zuidam (1982) 43

Bunga Rampai Kepesisiran dan Kemaritiman No. Alat Fungsi No. Alat Fungsi 4. ArcMap Untuk mengolah data kerawanan tsunami keberadaan pulau 10.3 penghalang Tabel 10. Bahan. 3. Peta RBI Pengolahan data jarak No. Alat 1. ASTER Fungsi dari sungai dan pantai GDEM V3 Pengolahan data 4. Data Pengolahan data jarak 2. LANDSAT 8 OLI koordinat dari pemicu tsunami ketinggian dan kemiringan titik gempa daratan 5. Peta Pengolahan data Pengolahan data penggunaan keterlindungan daratan morfologi pantai dan lahan Skema Kerja Berikut adalah skema kerja penelitian: Gambar 2. Skema Kerja. PEMBAHASAN pertemuan Lempeng Indo-Australia dan Lempeng Eurasia. Letak tersebut sangat mendukung Analisis Parameter Kerawanan Tsunami terjadinya gempa bumi (Diposaptono dan Budiman, 2008). Berikut adalah peta dan penjelasan parameter kerawanan tsunami: 1. Jarak Daratan Dari Pusat Gempa Pemicu tsunami yang dimaksud adalah gempa bumi, baik gempa bumi tektonik maupun vulkanik serta akibat longsor bawah laut. Parameter jarak dari pemicu tsunami diketahui dengan mengklasifikasikan jarak dari pemicu tsunami. Persebaran titik gempa dan jarak terdekat dengan daratan dapat dilihat pada Gambar 3. Daerah penelitian menghadap langsung ke Samudera Hindia dan dekat dengan titik 44

Pemetaan Daerah Rawan Tsunami di Kabupaten Gunungkidul, Yogyakarta..................................................... (Dyah Laila Putri Santoso) Gambar 3. Jarak Daratan dari Pusat Gempa. Seluruh wilayah Kabupaten Gunungkidul memiliki kelas jarak < 150 km dari pusat gempa sehingga parameter ini memiliki nilai yang homogen. Jarak tersebut termasuk pada jarak yang rawan terhadap bencana tsunami. Data titik gempa merupakan data dari tahun 2006-2019 degan skala gempa > 3,5 SR dan kedalaman < 100 km yang didapat dari USGS. Data magnitude dan tahun kejadian gempa dapat dilihat pada Tabel 11. Tabel 11. Data Gempa Latitude Longitude Kedalaman (Km) Magnitude (SR) Titik Tanggak Kejadian -8,4318 110,1697 103,93 4,3 1 11 Agustus 2017 -8,4134 110,2925 10 4,2 2 22 Mei 2016 -8,5845 110,5484 4,1 3 6 Oktober 2014 -8,533 110,493 70,72 4,3 4 14 Juni 2012 -8,333 109,981 110,5 4,3 5 14 April 2012 -8,644 109,888 102,2 5,1 6 24 November 2011 -8,634 110,026 5,4 7 9 November 2010 -8,652 110,526 90 3,6 8 21 Maret 2010 -8,081 110,279 63 4,2 9 22 Agustus 2009 -8,21 109,966 64,4 4,1 10 31 Desember 2008 -8,677 110,677 36,4 4,6 11 27 Januari 2008 -8,54 110,305 35 4,3 12 31 Desember 2006 -8,132 110,389 35 3,7 13 4 Juli 2006 -8,099 110,269 10 4,7 14 24 Juni 2006 -8,19 110,009 35 4,8 15 24 Juni 2006 -8,463 110,480 10 4,8 16 21 Juni 2006 -8,401 110,123 35 4,1 17 17 Juni 2006 -7,989 110,193 10 4,1 18 9 Juni 2006 -8,424 110,478 35 4,5 19 8 Juni 2006 -8,115 110,353 11,5 4,4 20 27 Mei 2006 -8,497 110,162 10 4,5 21 4 Januari 2006 35 Sumber: USGS (2020) 56,1 2. Ketinggian Daratan Menurut Aprianti (2005), ketinggian daratan Gambar 4. Ketinggian Daratan Kab. Gunungkidul akan mempengaruhi seberapa jauh sapuan gelombang tsunami. Parameter ketinggian daratan memiliki keterkaitan dengan kemiringan lahan dan jarak dari garis pantai dimana semakin curam dan semakin tinggi daratan maka sapuan gelombang tsunami juga semakin sempit. Berdasarkan peta ketinggian daratan pada Gambar 4. dapat diketahui bahwa Kabupaten Gunungkidul memiliki topografi yang unik. Pesisir Gunungkidul merupakan kawasan karst hasil pengangkatan lempeng. Karst tersebut cenderung miring ke arah selatan. Hasil klasifikasi ketinggian daratan menunjukkan bahwa daerah pantai Kabupaten Gunungkidul memiliki ketinggian yang beragam dan cenderung curam dimana kawasan pantai diapit oleh dua tebing. Tebing-tebing yang berhadapan langsung ke laut menjadikan 45

Bunga Rampai Kepesisiran dan Kemaritiman 4. Keterlindungan Daratan beberapa daerah di Kabupaten Gunungkidul tidak Parameter keterlindungan daratan memiliki garis pantai. Hal tersebut dapat dilihat dari perbedaan warna pada peta yakni merah ( >20 m) menunjukkan daratan yang relatif terlindung dan dan hijau (0 – 10 m). Luasan masing-masing kelas ketinggian daratan dapat dilihat pada Tabel 12. tidak mengalami kerugian besar akibat terjangan Tabel 12. Luasan Kelas Ketinggian Daratan gelombang tsunami. Keberadaan bentukan alami 3. Kemiringan Daratan Brikut adalah peta kemiringan daratan di di daratan akan mempengaruhi seberapa besar Kabupaten Gunungkidul: kerusakan dan kerugian yang ditimbulkan. Penggunaan lahan akan mempengaruhi keterlindungan daratan. Daratan yang digunakan sebagai pemukiman, pertanian, industri serta hutan sekunder (Hajar, 2006). Gambar 5. Kemiringan Daratan Kabupaten Gunungkidul Gambar 6. Penggunaan Lahan Kab. Gunungkidul Parameter kemiringan atau kelerengan Seperti yang terlihat pada Gambar 6. daerah daratan menunjukkan seberapa landai atau ini memiliki penggunaan lahan sebagian besar sebarapa curam daratan. Menurut Van Zuidam sebagai pertanian lahan keringdan sisanya berupa (1982), kemiringan lahan akan mempengaruhi hutan tanaman industri, pemukiman, hutan lahan sejauh mana gelombang tsunami dapat melaju. kering sekunder dan sawah. Luasan pengguaan Semakin landai suattu daratan maka akan semakin lahan dapat dilihat pada Tabel 14. Skor untuk luas sapuan daratan. Hal tersebut berlaku pada keterlindungan daratan dari semua jenis daratan yang sejajar dengan garis pantai. Daratan penggunaan lahan di Kabupaten Gunungkidul dengan kemiringan yang curam dan tegak lurus adalah kelas satu dan memiliki tingkat kerawanan dengan garis pantai akan menyebabkan laju tsunami yang tinggi. Hal tersebut dikarenakan sapuan gelombang tsunami semakin cepat dan besarnya kerugian yang diterima akibat sapuan jauh. gelombang tsunami (Hajar, 2006). Klasifikasi kemiringan lahan yang digunakan Tabel 14.Luasan Penggunaan Lahan menggunakan satuan persen (%). Berdasarkan peta kemiringan lahan pada Gambar 5. dapat 5. Jarak Daratan dari Sungai diketahui bahwa kawasan pesisir memiliki Parameter jarak daratan dari sungai memiliki kemiringan yang beragam. Beberapa daerah pesisir yang memiliki tingkat kemiringan 20 – 55 % konsep yang sama dengan keberadaan teluk di (agak curam) hingga > 55 % (curam) menunjukkan pantai. Muara sungai atau sudetan kanal yang keberadaan pantai dan/atau teluk. Klasifikasi dekat dari muara sungai dapat mempercepat laju kemiringan dibagi menjadi enam kelas dimana dan mendorong gelombang tsunami lebih jauh ke yang paling tinggi luasannya adalah kelas kedua daratan. Keberadaan sungai yang bermuara ke dan yang paling rendah adalah kelas keenam. Berikut adalah tabel luasan masing-masing kelas kemiringan daratan: Tabel 13. Luasan Kelas Kemiringan Daratan 46

Pemetaan Daerah Rawan Tsunami di Kabupaten Gunungkidul, Yogyakarta..................................................... (Dyah Laila Putri Santoso) laut menjadikan daerah sekitar sungai tersebut rawan terhadap bencana tsunami (Ikawati, 2005). Gambar 8. Keberadaan Pulau Penghalang Gambar 8. Peta Jarak Daratan dari Sungai Gambar 9. Pulau Drini Seperti yang terlihat pada Gambar 7., wilayah Pemberian kelas keberadaan pulau yang rawan bencana tsunami berada di bagian penghalang dibagi berdasarkan administrasi desa timur. Daerah tersebut memiliki ketinggian daratan yang berada di pesisir. Berdasarkan Gambar 8. yang lebih rendah daripada bagian barat. Pantai di desa yang memiliki pulau penghalang besar daerah tersebut cenderung landai. Luasan kelas adalah Banjarejo, Ngestirejo, Tepus, Jepitu dan jarak daratan dari sungai dapat dilihat pada Tabel Songbanyusedangkan desa yang memiliki pulau 15. penghalang kecil adalah Kemadang dan Pucung. Desa pesisir yang tidak memiliki pulau penghalang Tabel 15. Luasan Kelas Jarak Daratan dari Sungai adalah Girijati, Giricahyo, Giripurwo, Giriwungu, Girikerto, Krambilsawit, Kanirogo, Sidoharjo, 6. Keberadaan Pulau Penghalang Purwodadi, Balong dan. Luasan daerah dengan Keberadaan pulau penghalang memiliki peran kelas keberadaan pulau penghalang dapat dilihat pada Tabel 16. Persentase luasan daerah adalah penting dalam perlindungan daratan. Pulau perbandingan dari luas daerah dengan masing- penghalang dapat menghalau hantaman masing kelas parameter dibandingkan dengan luas gelombang tsunami sehingga tidak langsung seluruh daerah Kabupaten Gunungkidul. mengenai daratan. Ukuran pulau penghalang menjadi pertimbangan tersendiri dalam Tabel 16. Luasan Kelas Keberadaan Pulau Penghalang menentukan kerawanan daerah terhadap tsunami. Pulau penghalang ini merupakan pulau tersendiri 7. atau tidak menyatu dengan pulau jawa, salah 8. satunya Pulau Drini yang dapat dilihat pada 9. Morfologi Pantai Gambar 9. Klasifikasi pulau penghalang dibagi menjaadi 3, yakni tidak ada, ada dengan ukuran Parameter morfologi pantai diklasifikasikan besar dan ada dengan ukuran kecil. Pulau menjadi dua kelas, yakni pantai berteluk dan pantai penghalang dengan ukuran kecil memiliki luas berteluk. Pantai tidak berteluk memiliki skor 1 <2000 m2 sedangkan pulau penghalang besar sedangkan pantai berteluk memiliki skor 2. memiliki luas ≥2000 m2 (UU No. 1 Th. 2014). Klasifikasi ini didasarkan pada sifat sapuan gelombang yang cenderung akan melaju lebih cepat pada celah yang sempit. Daerah dengan morfologi pantai berteluk akan cenderung 47

Bunga Rampai Kepesisiran dan Kemaritiman Parameter jarak daratan dari garis pantai dapat digunakan untuk memprediksi seberapa mengalami kerusakan yang lebih besar jauh sapuan gelombang tsunami. Suatu wilayah dibandingkan dengan daerah dengan pantai tidak yang semakin dekat dengan garis pantai makan berteluk. Hajar (2006) mengatakan bahwa akan semakin rawan terkena hempasan gelombang akan mengalami refleksi sehingga gelombang tsunami. Adapun jika daerah tersebut energi gelombang tsunami terfokuskan pada tidak memiliki garis pantai maka tingkat kerawanan cekungan tersebut. Hal ini mengakibatkan adanya akan diukur berdasarkan ketinggian tebing peningkatan ketinggian gelombang tsunami. (Diposaptono dan Budiman, 2008). Berdasarkan hal tersebut, maka sapuan gelombang tsunami juga akan meluas ke daerah yang ada di sekitar teluk. Gambar 10. Morfologi Pantai Kabupaten Gunungkidul Gambar 12. Peta Jarak Daratan dari Garis Pantai Gambar 11. Pantai desa Girikarto Pesisir Gunungkidul memiliki banyak tebing Klasifikasi morfologi pantai pada daerah yang berhadapan langsung dengan laut sehingga pada beberapa titik daerah yang tidak memiliki penelitian dipetakan berdasarkan daerah garis pantai. Berdasarkan peta jarak daratan dari administrasi desa. Hal ini disebabkan karena garis pantai pada Gambar 12., dapat diketahui luasanya daerah penelitian dan teluk yang sempit bahwa Kabupaten Gunungkidul bagian barat dan bila dilakukan digitasi maka teluk tersebut tidak terdapat daerah tebing dan tidak memiliki garis terlihat dengan jelas. Salah satu pantai berteluk pantai. Daerah yang memiliki pantai dan dekat yang terletak di Desa Girikarto dapat dilihat pada dengan pantai akan memenuhi semua kelas Gambar 11.. Berdasarkan Gambar 10., klasifikasi sedangkan daerah yang tidak memiliki keberadaan teluk di pesisir Kabupaten garis pantai dan jauh dari pantai hanya akan Gunungkidul terletak di Desa Girikarto, Kanigoro, memiliki beberapa kelas klasifikasi saja. Berikut Kemadang, Pucung dan Songbanyu. Luasan adalah tabel luasan daerah pada parameter jarak daerah pada parameter morfologi pantai dapat dari garis pantai: dilihat pada Tabel 17. Persentase luasan daerah pada parameter morfologi pantai adalah Tabel 18. Luasan Kelas Jarak Daratan dari Garis Pantai perbandingan dari luas daerah masing-masing kelas parameter dengan dengan luas seluruh Analisis Peta Kerawanan Tsunami daerah penelitian. Tabel 17. Luasan Kelas Morfologi Pantai Pembuatan peta kerawanan tsunami menggunakan teknik overlay intesect. Menurut 10. Jarak Daratan dari Garis Pantai GIS Konsorsium (2007), pada overlay intersect dilakukan penggabungan fitur titik, garis dan polygon yang saling berpotongan dimana hanya fitur dengan susunan tumpang tindih yang digabungkan dan direkam dalam output. Data yang digunakan adalah data paremeter yang telah diklasifikasi dan diberi bobot pada masing-masing kelas parameter. Data yang akan di-overlay intersect memiliki format shapefile (.shp). Pemilihan teknik overlay intersect dilakukan agar koreksi kesalahan pada pemberian bobot dan skor 48

Pemetaan Daerah Rawan Tsunami di Kabupaten Gunungkidul, Yogyakarta..................................................... (Dyah Laila Putri Santoso) setiap parameter pada output peta kerawanan 90.675,51 tsunami lebih mudah dilakukan. (61,05%) Kerawanan tsunami menunjukkan seberapa Luas (Ha) 7.774,33 11.602,46 33.734,17 besar suatu daerah terkena dampak dari tsunami. (5,23%) (7,81%) (22,71%) Semakin rawan suatu daerah maka kerugian yang diterima akibat tsunami juga akan semakin besar. 4.749,53 Kelas kerawanan dibuat berdasarkan parameter- (3,20%) parameter yang mempengaruhi kerawanan tsunami, yakni jarak dari pantai, jarak dari sungai, Sangat Rawan Agak rawan Aman Sangat jarak dari pusat gempa, elevasi, kemiringan, rawan Kelas Kerawanan aman morfologi pantai, keberadaan pulau penghalang dan keterlindungan lahan. Gambar 14. Grafik Luasan Kelas Kerawanan Tsunami Kelas kerawanan agak rawan memiliki luasan yang paling besar dari luas wilayah Kabupaten Gunungkidul karena sebagian besar daerah Kabupaten Gunungkidul memiliki morfologi yang mirip, yakni banyaknya bukit dengan ketinggian dan bentuk lereng yang hampir sama. Hal ini dikarenakan adanya campur tangan manusia dalam perubahan morfologi bukit yang terlihat pada dominansi hutan lahan sekunder di Kabupaten Gunungkidul. Masing-masing luasan daerah kelas kerawanan dapat dilihat pada Tabel 19. Gambar 13. Peta Rawan Tsunami Kabupaten Tabel 19. Luasan Kelas kerawanan Tsunami Gunungkidul Terdapat 5 kelas kerawanan tsunami yang Tingkat kerawanan tsunami di Kabupaten didapat dari hasil overlay parameter kerawanan Gunungkidul banyak dipengaruhi oleh morfologi tsunami. Berdasarkan peta kerawanan tsunami pantai, keberadaan teluk dan pulau penghalang (Gambar 13.) yang telah dibuat dapat diketahui serta jarak dari sungai. Daerah dengan kelas bahwa daerah pesisir Kabupaten Gunungkidul kerawanan sangat rawan tidak memiliki pulau memiliki lima kelas kerawanan, yakni sangat penghalang, berada di sekitar teluk dan sungai rawan, rawan, agak rawan dan aman dan sangat sedangkan pada kelas rawan, suatu daerah hanya aman. Sebagian besar daerah pesisir kabupaten memiliki pulau penghalang dengan ukuran kecil Gunungkidul memiliki kelas kerawanan “agak atau bahkan tidak ada dan berada di sekitar sungai rawan”. Wilayah desa pesisir yang memiliki tingkat atau teluk. Daerah dengan kelas kerawanan agak kerawanan tsunami sangat rawan di Kabupaten rawan, aman dan sangat aman merupakan daerah Gunungkidul adalah Desa Giricahyo, Giriwungu, yang terletak pada jarak >3.528 m dari garis pantai Girikerto, Krambilsawit, Kanigoro Kemadang, dan >1.800 m dari sungai. Ketinggian dan Banjarejo, Ngestirejo, Sidoharjo, Purwodadi, kemiringan akan mempengaruhi tingkat Balong, Jepitu, Tileng, Pucung dan Songbanyu kerawanan bencana tsunami dimana semakin sedangkan desa dengan kelas rawan adalah tinggi dan semakin curam suatu daerah maka akan seluruh desa pesisir termasuk Desa Girijati, semakin aman daerah tersebut. Hal tersebut Giripurwo dan Giricahyo, Tepus dan Sidoharjo. ditunjukkan pada daerah puncak karst dimana Masing-masing kelas kerawanan memiliki luasan menempati kelas kerawanan sangat aman. daerah yang berbeda. Grafik luasan masing- masing kelas kerawanan dapat dilihat pada Gambar 14. KESIMPULAN Pemetaan daerah rawan tsunami dilakukan dengan beberapa tahap, yakni persiapan dan image processing, ekstraksi data spasial, penentuan parameter-parameter yang mempengaruhi, analisis dan penentuan daerah rawan tsunami. Berdasarkan hasil penelitian, dapat disimpulkan bahwa tingkat kerawanan 49

Bunga Rampai Kepesisiran dan Kemaritiman Bretschneider, C. L. Dan Wibro P. G. (1976). Tsunami Inundation Prediction. Proceedings 15th Coastal bencana tsunami di Kabupaten Gunungkidul terdiri Engineering Conference. Honolulu: ASCE. dari lima kelas, yakni sangat rawan dengan luas 7.774,33 Ha, rawan dengan luas 11.602,46 Ha, Diposaptono, S. dan Budiman. (2008). Hidup Akrab agak rawan dengan luas 90.675,51 Ha, aman dengan Gempa dan Tsunami. Bogor: Buku Ilmiah dengan luas 33.734,17 Ha dan sangat aman Populer. dengan luas 4.749,53 Ha. Kelas kerawanan agak rawan memiliki luasan yang paling besar karena Hajar, M. (2006). Pemetaan Tingkat Kerawanan sebagian besar daerah Kabupaten Gunungkidul Bencana Tsunami Menggunakan Data memiliki morfologi yang mirip, yakni banyaknya Penginderaan Jauhdan Sistem Informasi bukit dengan ketinggian dan kemiringan yang Geografi (SIG) Studi Kasus: Kota Padang. hampir sama. Wilayah desa pesisir yang memiliki Skripsi. Fakultas Perikanan dan Ilmu Kelautan, tingkat kerawanan tsunami sangat rawan di Institut Pertanian Bogor, Bogor. Kabupaten Gunungkidul adalah Desa Giricahyo, Giriwungu, Girikerto, Krambilsawit, Kanigoro Lida, K. (1963). Magnitude, Energy and Generation Kemadang, Banjarejo, Ngestirejo, Sidoharjo, Mechanism of Tsunamis and a Catalogue of Purwodadi, Balong, Jepitu, Tileng, Pucung dan Earthquakes Associated with Tsunamis. Songbanyu sedangkan desa dengan kelas rawan International Geodesy and Geophysics adalah seluruh desa pesisir termasuk Desa Girijati, Monograph. XXIV:7-17. Giripurwo dan Giricahyo, Tepus dan Sidoharjo. Mutaqin, B. W. (2009). Pemetaan Tingkat Kerawanan UCAPAN TERIMA KASIH Bencana Tsunami di Kabupaten Gunungkidul. Prosiding Simposium Sains Geoinformasi-1: Ucapan terimakasih penulis ucapkan kepada Meningkatkan Peran dan Kualitas Data Spasial seluruh staff PGSP yang telah membantu penulis untuk Melayani Masyarakat. Yogyakarta: dalam menyelesaikan penelitian ini. Penulis juga Fakultas Geografi Universitas Gadjah Mada mengucapkan terimakasih kepada teman-teman Yogyakarta, 17-18 Novenmber 2009. magang periode Desember 2019 yang telah memberikan dukungan dalam penelitian yang Prasetya, T. (2006). Gempa Bumi (Ciri dan Cara dilakukan penulis. Bantuan dan dukungan staff Menanggulanginya). Yogyakarta: Gita Nagari. PGSP dan teman-teman magang periode Desember 2019 sangat membantu penulis dalam Subardjo, P. dan Raden A. (2015). Uji Kerawanan menyelesaikan penelitian ini. Terhadap Tsunami dengan Sistem Informasi Geografis (SIG) di Pesisir Kecamatan Kretek, DAFTAR PUSTAKA Kabupaten Bantul, Yogyakarta. Jurnal Kelautan Tropis. 18(2):82-97. Aprianti, Y. (2005). “Hidup Harmonis” dengan Gempa dan Tsunami. dalam P. Cahanar. Bencana Sugiharyanto, Taat W. dan Satriyo W. (2014). Persepsi Gempa dan Tsunami. Jakarta: Kompas. Mahasiswa Pendidikan IPS Terhadap Mitigasi Bencana Gempa Bumi. JIPSINDO. 2(1):164-182. Badan Pusat Statistik Kabupaten Gunungkidul. (2019). Kabupaten Gunungkidul dalam Angka 2019. Undang-Undang Nomor 1 Tahun 2014 Tentang Gunungkidul: Badan Pusat Statistik. Pengelolaan Wilayah Pesisir dan Pulau-Pulau Kecil. Undang-Undang Nomor 24 Tahun 2007 Tentang Penanggulangan Bencana. USGS. (2020). Search Earthquake Catalog. https://earthquake.usgs.gov/earthquakes/search/ diakses pada Kamis, 2 Januari 2020. Van Zuidam, R.A. (1982). Consideration on Systematic Medium-Scale Geomorphologycal Mapping. Geomorphol. 36(4): 473-480. 50

Pemetaan Kerentenan Terhadap Tsunami Menggunakan Sistem Informasi Geografis (SIG) .............................. (Fauzi Ananda Yudistira) PEMETAAN KERENTANAN TERHADAP TSUNAMI MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS (SIG) DI PESISIR KABUPATEN PANDEGLANG, PROVINSI BANTEN (Mapping of Tsunami Vulnerability Using Geographic Information System (GIS) in Coastal of Pandeglang Regency, Banten Province) Fauzi Ananda1, Fajrun Wahidil Muharram2 Jurusan Ilmu Kelautan, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya1 Parangtritis Geomaritime Science Park2 E-mail: [email protected] ABSTRAK Pembuatan peta kerentanan bencana tsunami adalah salah satu cara mengetahui kerentanan suatu daerah terhadap bencana tsunami sehingga dapat dilakukan mitigasi untuk meminimalisir korban jiwa akibat bencana tsunami. Tujuan dilakukannya penelitian ini adalah untuk mengetahui keretnanan daerah pesisir Teluk Lada Kabupaten Pandeglang, Provinsi Banten. Parameter yang digunakan dalam penelitian ini adalah elevasi daratan (elevation), kemiringan lahan (slope), jarak dari garis pantai, dan penggunaan lahan. Metode yang digunakan dalam penelitian ini dengan pemberian skor (scoring) serta menggunakan metode tumpang susun (overlay). Hasil penelitian ini menunjukkan bahwa pada daerah pesisir Teluk Lada, Kabupaten Pandeglang, Provinsi Banten rentan cenderung aman. Kata kunci: Mitigasi Tsunami, Tsunami, Sistem Informasi Geografis ABSTRACT Making a tsunami vulnerability map is one way to find out the vulnerability of an area to a tsunami disaster so that mitigation can be done to minimize casualties due to the tsunami disaster. The purpose of this study was to determine the vulnerability of the Lada Bay coastal area Pandeglang Regency, Banten Province. The parameters used in this study are the elevation, slope, distance from the coastline, and land use. The method used in this study is by scoring and overlaying. The results of this study indicate that in the coastal areas of Lada Bay, Pandeglang Regency, Banten Province, it tends to be safe. Keywords: Tsunami Vulnerability, Tsunami, Geographic Information System PENDAHULUAN atau jenis, bahkan ada juga tsunami yang tidak dapat terlihat oleh kasat mata (Iskandar, 2013). Tsunami adalah perpindahan masa air dari kecepatan yang tinggi di lautan dalam dengan Berdasarkan hasil survey Badan Koordinasi tinggi gelombang yang rendah, tetapi ketika Survey dan Pemetaan Nasional (Bakosurtanal) mencapai perairan yang dangkal dan hampir menunjukkan, bahwa semua garis pantai di mencapai daratan, kecepatan gelombangnya kepulauan Indonesia adalah rawan tsunami, tetapi mulai menurun akan tetapi ketinggian dengan tingkat kerawanan yang berbeda-beda gelombangnya meningkat. Gelombang tsunami ini yaitu minimum dan tinggi. Indonesia merupakan terjadi karena disebabkan oleh beberapa faktor, tempat pertemuan tiga lempeng yaitu lempeng seperti gempa bumi, letusan gunung api bawah Aurasia, lempeng Australia dan lempeng Pasifik laut, longsoran besar di dasar laut dan akibat (Utomo et al. 2018). benturan benda langit (meteor). Dari beberapa kejadian tsunami yang pernah terjadi di permukaan Dari aktifitas lempeng-lempeng tersebut bumi, hampir 90% diakibatkan oleh gempa bumi di menjadikan Indonesia rawan akan gempa bumi dasar laut (Pramana, 2015). Indonesia merupakan negara kepulauan yang dua pertiga wilayahnya adalah laut, maka terjadinya Gelombang tsunami di tengah lautan luas tsunami akibat gempa bumi berpotensi besar di tidak terasa bahkan tidak teramati, seperti ayunan Indonesia seperti bencana tsunami yang terjadi di gelombang laut yang lembut tetapi gelombang ini provinsi Nanggroe Aceh Darussalam pada tahun menjelma sebagai gelombang ganas yang mampu 2004 dan Provinsi Banten 2018 (Rusli et al. 2010). menghantam semua benda yang ada di hadapannya setelah mencapai daratan. Bencana Secara geografis, wilayah Kabupaten ini kerap mengancam wilayah yang mempunyai Pandeglang yang secara letak sudah tatanan geologi di sekitar pergerakan lempeng menunjukkan bahwa rawan akan terjadinya bumi yang aktif. Tsunami memiliki banyak macam bencana tsunami, terlebih lagi permasalahannya yaitu wilayah penelitian sangat dekat dengan gunung Krakatau atau masyarakat sekitar 51

Bunga Rampai Kepesisiran dan Kemaritiman Sunda dan Gunung Merapi Krakatau. Kabupaten Pandeglang terdiri dari 35 kecamatan, 13 menyebutnya dengan anak gunung Krakatau, kelurahan dan 326 desa dengan jumlah penduduk yang waktu tahun 1883 gunung Krakatau Meletus pada tahun 2017 diperkirakan sebesar 1.175.148 dan menimbulkan geombang besar yang disebut (Hakim, 2018). tsunami dan menyebabkan ribuan korban jiwa penduduk disekitar serta kerusakan bangunan. Gambar 1. Peta Lokasi Penelitian Wilayah pesisir Kabupaten Pandeglang ini memiliki pemukiman yang cukup padat dan yang tentunya 2. Alat dan Bahan memiliki banyak penduduk serta memiliki bentuk pantai yang landai (Miftarokhah et al. 2015). Alat dan bahan yang digunakan bisa dilihat pada Tabel 1. Pembangunan pariwisata khususnya di wilayah pesisir yang massif di Kabupaten Tabel 1. Alat dan Bahan Fungsi Pandeglang tanpa diiringi mitigasi bencana No. Alat dan Bahan tsunami, menjadikan sector tersebut paling parah 1. Laptop/Komputer Melakukan dampaknya pada saat kejadian Tsunami Selat pengolahan data Sunda Desember 2018. Kerusakan dan kerugian 2. Software ArcGIS masing-masing berjumlah sebesar Rp. 3. Data ASTER Mengolah data 16.425.350.000,- (kerusakan) dan Rp. 63.669.600.000,- (kerugian). Total kerusakan dan GDEM V3 Data yang akan kerugian mencapai Rp. 80.094.950.000,-. Sektor pariwisata merupakan sektor terdampak paling 4. Data Tutupan diolah untuk parah dibandingkan sektor pembangunan lainnya Lahan parameter slope dan (Shalih O et al. 2019). hillshade 5. Bencana tsunami memang jarang terjadi Peta Rupa Bumi Data yang akan tetapi bencana tsunami memiliki daya hancur yang Indonesia besar dan dapat menelan korban jiwa yang sangat diolah banyak. Bencana tsunami tidak dapat dihindari tetapi akibat yang ditimbulkan oleh tsunami dapat Sumber data garis diminimalisir dengan melakukan tindakan pencegahan. Salah satu teknologi informasi yang pantai dan batas dapat digunakan untuk mitigasi bencana alam, ialah Sistem Informasi Geografis (SIG) (Iskandar, administrasi 2013). 3. Metode Pengolahan Data Sistem Informasi Geografis merupakan jenis perangkat lunak yang berfungsi untuk Metode yang digunakan dalam pengolahan memasukan, menyimpan, memanipulasi, data kerentanan bencana tsunami ini adalah menampilkan, dan keluaran informasi geografis metode pemberian bobot (scoring) serta metode beserta atibut-atributnya. Dari pengertian SIG tumpang susun (overlay). Adapun parameter yang tersebut diketahui bahwa dengan SIG kita dapat digunakan dalam penelitian ini yaitu jarak dari garis menandai suatu daerah yang kemudian diolah pantai, tutupan lahan, kemiringan lahan, dan yang nantinya ditampilkan dalam bentuk informasi elevasi daratan. Pengolahan data ini dilakukan geografis (Setiawan et al. 2017). dengan software ArcGIS 10.3 dimana pada software tersebut. Setiap parameter akan diberi 5 Dengan Sistem Informasi Geografis (SIG) ini kelas kerentanan yaitu sangat rentan, rentan, agak kita dapat mengetahui risiko suatu daerah yang rentan, aman, dan sangat aman. Setelah diberi 5 rentan terhadap bencana tsunami sehingga dapat kelas setiap parameter, akan dilakukan metode dilakukan mitigasi untuk meminimalisir korban jiwa pemberian bobot (scoring) dan metode tumpang akibat bencana tsunami dan perlu diidentifikasi susun (overlay). Metode pemberian bobot adalah daerah-daerah yang rentan terhadap bahaya pemberian nilai pada setiap parameter sedangkan tsunami dengan cara membuat peta tingkat resiko metode tumpang susun adalah menggabungkan bencana tsunami METODE 1. Lokasi Penelitian Lokasi penelitian ini berada di sebagian Kabupaten Pandeglang, Provinsi Banten. Secara geografis Kabupaten Pandeglang ini berada pada koordinat 6˚21’ - 7˚10’ Lintang Selatan dan 104˚ 48’ - 106˚ 11’ Bujur Timur. Lokasi penelitian yang berbatasan langsung dengan selat Sunda dimana di selat Sunda tersebut terdapat anak gunung Krakatau atau disebut juga gunung Krakatau. Kabupaten Pandeglang berdekatan dengan Selat 52

Pemetaan Kerentenan Terhadap Tsunami Menggunakan Sistem Informasi Geografis (SIG) .............................. (Fauzi Ananda Yudistira) peta yang berkaitan dengan faktor-faktor yang yang sesuai lalu dilakukan pembobotan atau berpengaruh terhadap penilaian kerentanan. scoring. Setelah data parameter sudah berbentuk polygon dan sudah diberi skor dengan sesuai Pemberian kelas parameter kemiringan acuan, data semua parameter di overlay atau lahan dan elevasi daratan berdasarkan dari menggabungkan semua data parameter. Eliminate literatur acuan Lida (1969) dan Van Zuidam (1983) adalah langkah terakhir dalam pengolahan data dapat dilihat pada Gambar 2. kerentanan terhadap tsunami ini. 4. Diagram Alir HASIL DAN PEMBAHASAN Diagram alir dalam pengolahan data 1. Jarak dari Garis Pantai kerentanan bencana tsunami ini bisa dilihat pada Gambar 3. Gambar 3. Diagram Alir Pengolahan Data Gambar 4. Peta Jarak dari Garis Pantai Dilihat pada Gambar 3. Data yang Gambar diatas merupakan peta jarak dari digunakan adalah data Digital Elevation Model garis pantai di sebagian Kabupaten Pandeglang. (DEM), data Rupa Bumi Indonesia (RBI) dan data Dalam pemetaan kerentanan terhadap tsunami dari Kemenhut yaitu data tutupan lahan. Data DEM menggunakan Sistem Informasi Geografis (SIG) diubah menjadi data Slope dan Hillshade di jarak dari garis pantai merupakan salah satu dari Software ArcMap 10.5 kemudian di clipping ke parameternya. wilayah penelitian. Data yang sudah di clipping akan diubah dari data raster menjadi polygon agar Jarak dari garis pantai termasuk salah satu data tersebut sama dengan data yang lainnya. parameter dari kerentanan terhadap tsunami Data polygon tersebut di kelaskan dengan tools dikarenakan jarak garis pantai berkaitan dengan Reclassify dan disesuaikan dengan literatur acuan wilayah yang terdekat dari pantai atau laut. pada Gambar 2. Wilayah yang berdekatan dengan laut akan terhitung sangat rentan terhadap tsunami. Untuk data Rupa Bumi Indonesia (RBI) terdiri dari data garis pantai dan batas administrasi. Dari gambar diatas wilayah yang berwarna Data batas administrasi ini hanya digunakan untuk merah adalah wilayah yang hanya berjarak kurang Clipping parameter yang digunakan seperti Slope, dari 556 m dan terbilang wilayah yang sangat Hillshade, Garis Pantai, dan Tutupan Lahan. rentan terhadap tsunami. Wilayah yang berwarna jingga berjarak 1400 m dan terbilang wilayah yang Data garis pantai digunakan untuk rentan terhadap tsunami. Wilayah yang berwarna mengetahui jarak dari garis pantai sampai ke kuning berjarak 2404 m dan terbilang wilayah yang daratan. Oleh karena itu, data garis pantai agak rentan terhadap tsunami. Wilayah berwarna dilakukan Buffering pada Software ArcMap 10.5 hijau muda berjarak 3528 m dan terbilang wilayah sesuai dengan literatur acuan pada Gambar 2. yang aman terhadap tsunami. Wilayah yang Data garis pantai diberikan kelas untuk scoring berwarna hijau tua berjarak lebih dari 3529 m dan sesuai dengan literatur acuan pada Gambar 2. terbilang sangat aman terhadap tsunami. Clipping data garis pantai agar sama dengan data yang lainnya. Data tutupan lahan yang didapat dari Kemenhut di Reclassify dan diubah dengan warna 53

Bunga Rampai Kepesisiran dan Kemaritiman 4. Kerentanan Tsunami 2. Tutupan Lahan Gambar 5. Peta Tutupan Lahan. Gambar 6. Peta Kerentanan Tsunami. Gambar diatas merupakan peta tutupan Gambar diatas merupakan peta kerentanan lahan di sebagian Kabupaten Pandeglang. Dalam terhadap tsunami. Pada gambar tersebut pemetaan kerentanan terhadap tsunami menunjukkan sebaran kerentanan tsunami di menggunakan Sistem Informasi Geografis (SIG) sebagian Kabupaten Pandeglang. Terlihat jelas tutupan lahan termasuk salah satu dari bahwa daerah yang berdekatan dengan pantai parameternya. lebih rentan terhadap tsunami dibandingkan dengan wilayah yang jauh terhadap tsunami. Tutupan lahan sangat mempengaruhi dalam kerentanan tsunami dikarenakan gelombang Pada gambar diatas juga menunjukkan tsunami akan lebih cepat jika tidak terkena mana daratan yang lebih tinggi dan daratan yang bangunan ataupun objek sementara gelombang lebih rendah, terlihat jelas bahwa daratan yang tsunami akan tertahan jika terkena objek atau lebih tinggi lebih aman dibandingkan daratan yang bangunan, itulah mengapa tutupan lahan termasuk rendah. dalam parameter kerentanan tsunami ini. Sebaran kerentanan tsunami diatas 3. Elevasi Daratan menggunakan parameter jarak dari garis pantai, tutupan lahan, elevasi daratan dan ketinggian Gambar 6. Peta Elevasi Daratan daratan. Selain dari itu, masih ada lagi parameter Gambar diatas merupakan peta jarak dari yang bisa digunakan untuk kerentanan terhadap tsunami ini diantaranya, jarak dari sungai, jarak garis pantai di sebagian Kabupaten Pandeglang. dari sumber gempa dan pulau penghalang, untuk Dalam pemetaan kerentanan terhadap tsunami pengolahan data tentang kerentanan tsunami menggunakan Sistem Informasi Geografis (SIG) alangkah lebih baiknya untuk menggunakan elevasi daratan merupakan salah satu dari semua parameter, agar output data menghasilkan parameternya. sebaran yang lebih akurat. Elevasi daratan juga sangat mempengaruhi Pada gambar diatas wilayah yang berwarna daerah tersebut rentan terhadap tsunami sama merah menunjukkan wilayah yang sangat rentan kasusnya seperti tutupan lahan, karena kemiringan terhadap tsunami, wilayah yang berwarna jingga lereng yang menjulang tinggi akan menghambat menunjukkan wilayah yang rentan terhadap laju gelombang tsunami dan kemungkinan tsunami, wilayah yang berwarna kuning semakin tinggi daratan semakin kecil terkena menunjukkan wilayah yang agak rentan terhadap gelombang tsunami begitu juga sebaliknya. tsunami, wilayah yang berwarna hijau muda menunjukkan wilayah yang aman terhadap tsunami, dan wilayah yang berwarna hijau tua menunjukkan wilayah yang sangat aman terhadap tsunami. KESIMPULAN Berdasarkan hasil overlay yang dilakukan, untuk kerentanan terhadap tsunami di sebagian wilayah Kabupaten Pandeglang ini termasuk kategori rentan hingga agak rentan, sehingga perlu diperhatikan wilayah Kabupaten Pandeglang ini agar dibuatnya jalur evakuasi ataupun dibuatnya tempat pengungsian. 54

Pemetaan Kerentenan Terhadap Tsunami Menggunakan Sistem Informasi Geografis (SIG) .............................. (Fauzi Ananda Yudistira) UCAPAN TERIMA KASIH DAFTAR PUSTAKA Pada kesempatan ini, saya ingin Hakim A., L. 2018. Budaya ruang dan strategi mengucapkan terima kasih yang sebesar- pengembangan (studi kasus pandeglang). besarnya kepada: Transparansi 1 (2): 158-165. 1. Allah S.W.T dengan petunjuk dan ridha-Nya Iskandar, E., (2013). Ketersediaan lahan pertanian padi sehingga saya dapat menyelesaikan artikel ini. sawah pasca tsunami di Kabupaten Aceh Besar. Agrisep, 14(1), 54-59. 2. Bapak Edy Witra dan Ibu Yulia Budiyati orang tua saya yang selalu mendukung dan Miftarokhah A, Kamil G, Malik Y. 2015. Kerentanan mendoakan saya. bencana tsunami di pantai barat Kabupaten Pandeglang, Provinsi Banten. Antologi Pendidikan 3. Ibu Ellis Nurjuliastiningsih. M. Si. Selaku dosen Geografi, 3 (1): 1-11. pembimbing kerja praktik saya yang memberikan saran dan support kepada saya. Pramana, B., (2015). Pemetaan kerawanan tsunami di Kecamatan Pelabuhan Ratu Kabupaten Sukabumi. 4. Instansi Parangtritis Geomaritime Science Park Sosio Didaktika, 2(1), 77-91. yang memberikan ilmu dan pengalaman kepada saya. Rusli, Irjan, dan Rudyanto. (2010). Pemodelan tsunami sebagai bahan mitigasi bencana studi kasus 5. Mas Fajrun Wahidil Muharram, S. Si. selaku Kabupaten Sumenep dan Kepulauannya. Neutrino, pembimbing saya selama magang dan Mas 2(2), 164-182. Farid Ibrahim, S. Si. selaku wali magang di Parangtritis Geomaritime Science Park yang Setiawan R, Kurniadi D, Bunyamin H. 2017. selalu memberikan arahan dan saran kepada Perancangan sistem pengelolaan penanggulangan saya. bencana alam Garut berbasis Sistem Informasi Geografis. Algoritma Sekolah Tinggi Teknologi, 14 6. Teman seperjuangan yang magang di (2): 215-221. Parangtritis Geomaritime Science Park. Shalih O, Tambunan MP, Tambunan RP. 2019. Membangun ketahanan (resiliensi bencana pada kawasan pariwisata. Bogor: Universitas Pertahanan Indonesia. Utomo KS., Muryani C., dan Nugraha S. 2018. Kajian kesiapsiagaan terhadap bencana tsunami di Kecamatan Puring Kabupaten Kebumen tahun 2016. GeoEco 4 (1): 68-76. 55

Bunga Rampai Kepesisiran dan Kemaritiman PEMETAAN KLOROFIL-A DAN SUHU PERMUKAAN LAUT TERHADAP POLA SEBARAN IKAN DI LAUT SELATAN YOGYAKARTA (Mapping of Chlorophyll -a and Sea Surface Temperature towards Fish Distribution Pattern in Southern Sea of Yogyakarta) Kurnia Sakina1 S1 Manajemen Sumberdaya Perairan, Universitas Diponegoro1 E-mail: [email protected] ABSTRAK Perairan Selatan Yogyakarta merupakan salah satu bagian dari Laut Jawa. Perairan ini terletak di provinsi DIY Yogyakarta. Perairan ini merupakan daerah penangkapan ikan yang sangat potensial. Persebaran suhu permukaan laut dan klorofil-a merupakan indikator tingkat kesuburan perairan dan kelimpahan makanan bagi ikan. Salah satu cara yang digunakan untuk dapat melihat keberadaan klorofil dan suhu permukaan laut dengan menggunakan citra satelit Modis. Metode yang digunakan dalam penelitian ini yaitu metode Overlay yaitu penggabungan dari dua lapisan layer yang berbeda. Penelitian ini bertujuan untuk melihat pola sebaran ikan tuna di wilayah perairan selatan Daerah Istimewa Yogyakarta. Pada penelitian ini pola sebaran suhu permukaan laut serta klorofil-a terbilang tinggi. Suhu permukaan laut berkisar antara 220 C- 300 C sedangkan kadar klorofil-a berkisar antara 0,2 mg/L – 20 mg/L. Sehingga menyebabkan ikan Tuna tersebar di seluruh perairan selatan Daerah Istimewa Yogyakarta. Kata kunci: klorofil-a, SPL, Aqua Modis ABSTRACT The Southern Waters of Yogyakarta are part of the Java Sea. These waters are located in Yogyakarta province. These waters are a very potential fishing area. The distribution of sea surface temperature and chlorophyll-a is an indicator of the level of water fertility and abundance of food for fish. One of the methods used to be able to see the presence of chlorophyll and sea surface temperature is using Modis satellite imagery. The method used in this research is the Overlay method, which is a merger of two different layers. This study aims to determine the distribution pattern of tuna in the southern waters of the Yogyakarta Special Region. In this study, the distribution pattern of sea surface temperature and chlorophyll-a was high. Sea surface temperature ranges from 220 C- 300 C while chlorophyll-a levels range from 0.2 mg / L - 20 mg / L. So that it causes Tuna fish to spread throughout the southern waters of the Special Region of Yogyakarta. Keywords: chlorophyll-a, SST, Aqua Modis PENDAHULUAN salah satu upaya yang dapat dilakukan adalah pemanfaatan sumberdaya perikanan yang optimal. Perairan Selatan Yogyakarta merupakan Dengan menggunakan teknologi penginderaan salah satu bagian dari Laut Jawa. Perairan ini jauh atau remote sensing kita dapat melihat terletak di provinsi DIY Yogyakarta. Perairan ini cakupan wilayah yang sangat luas tanpa merupakan daerah pengangkapan ikan yang menyentuh benda tersebut dan membutuhkan sangat potensial. Namun besarnya penangkapan waktu yang singkat. Teknologi ini digunakan untuk ikan di pantai selatan Yogyakarta belum menentukan posisi daerah penangkapan ikan. termanfaatkan secara optimal karena dalam Persebaran suhu permukaan laut dan klorofil-a penentuan daerah penangkapan nelayan masih merupakan indikator tingkat kesuburan perairan ditentukan secara intuisi dan alamiah. Hal ini dan kelimpahan makanan bagi ikan. Salah satu kurang selaras dengan kemajuan teknologi karena cara yang digunakan untuk dapat melihat penggunaan naluri alamiah kurang tepat dan tidak keberadaan klorofil dan suhu permukaan laut teruji kebenarannya. Oleh karena itu perlu adanya dengan menggunakan citra satelit Modis. penelitian maupun pengembangan sistem penangkapan ikan dengan menggunakan Citra satelit Modis memiliki 3 jenis data yaitu pendekatan Sistem Informasi Geografis (SIG) citra Modis level 1a, 1b, level 2 dan level 3. Level 1 berdasarkan kondisi oseanografi (Kuswanto et merupakan data mentah yang akan diproses al.,2017). dengan menggunakan algoritma untuk memisahkan data-data yang terdapat di Aqua Untuk mendukung upaya pengembangan Modis. Level 2 merupakan data citra yang telah perekonomian di Indonesia dalam bidang kelautan, terdapat proses algoritmanya (Febriani dan sukojo, 56

Pemetaan Klorofil-a dan Suhu Permukaan Laut terhadap Pola Sebaran Ikan Di Laut Selatan Yogyakarta ........................(Kurnia Sakina) 2016). Pada penelitian ini data citra yang 3. Ekstraksi nilai pixel (x,y) digunakan yaitu level 3 untuk melihat sebaran klorofil-a dan suhu permukaan laut secara jelas. Nilai pixel suhu permukaan laut dan klorofil di ekstraksi menggunakan software SeaDas METODE 7.3.1 dengan cara (klik kanan > export mask pixel > write to file) sehingga akan Metode yang digunakan dalam penelitian ini menghasilkan data.txt yang akan diolah yaitu metode Overlay yaitu penggabungan dari dua ditahap selanjutnya. lapisan layer yang berbeda. Diagram alir dari metode tersebut yaitu: 4. Analisis IDW dan Reclassify Interpolasi menggunakan IDW (Invers Data Citra Distance Weighted) yaitu metode determinasi sederhana dengan cara mempertimbangkan Citra Klorofil Aqua3 CCitra Klorofil Aqua3 titik disekitarnya, sehingga nilai interpolasi Modis Modis akan lebih mirip pada data sampel yang dekat dari pada yang jauh. Tahapan pengolahan Cropping Klorofil Software data dengan IDW menggunakan software SeaDAs 7.3.1 ArcGis 10.3 yaitu (Geoprocessing > spatial analyst tools > interpolation > IDW) sehingga Cropping SPL akan memunculkan data dan perubahan warna pada titik. Kemudian melakukan Export Mask Pixel Export Mask Pixel Reclassify pada hasil IDW tersebut dengan Klorofil SPL cara (Spatial analys tools > reclass > reclassify). Reclassify tersebut berfungsi Hasil Cropping shp untuk menentukan kelas atau interval pada data idw. Transfrom to IDW ArcGis 10.3.1 Reclassify Transform to IDW 5. Overlay & layouting Overlay Reclassify Zona sebaran ikan atau titik fishing ground ditentukan dengan cara melihat hasil overlay Peta Sebaran dari sebaran SPL dan Klorofil-a yang saling Ikan Tuna berpotongan. Nilai konsentrasi klorofil-a ini digunakan untuk keperluan plotting dimulai dari kisaran 0,2 mg/m3 – 1,5 mg/m3 dan SPL 220C- 320C. pada umumnya untuk kisaran nilai tersebut merupakan ekosistem yang baik untuk ikan tuna. Cara melakukan overlay untuk kedua data ini yaitu dengan mengklik (Search > Raster Calculator). Sehingga akan menghasilkan satu data yang telah bergabung. HASIL DAN PEMBAHASAN Teknik Pengolahan dan Analisis Data Klorofil Klorofil merupakan pigmen aktif dalam sel 1. Download data Modis tumbuhan yang memiliki fungsi untuk Citra satelit suhu permukaan laut (spl) dan berlangsungnya proses fotosintesis yang terjadi di suatu perairan. Klorofil digunakan sebagai klorofil diunduh dari Satelit Aqua Modis Level indikator ada atau tidaknya ikan disuatu wilayah. Pengukuran kadar klorofil disuatu perairan dapat 3 dengan resolusi spasial 4 km dan resolusi mencerminkan biomassa fitoplankton di sebuah perairan. Namun berdasarkan pola sebaran tempolar bulanan pada situs; klorofil-a secara spasial dan musiman dibeberapa bagian perairan didapatkan konsentrasi klorofil-a https://oceancolor.gsfc.nasa.gov/l3/. Pada yang cukup tinggi yang disebabkan karena terjadinya pengkayaan nutrien pada lapisan level 3 ini data citra sudah terkoreksi permukaan perairan melalui proses dinamika massa air. Menurut Septiawan (2006) konsentrasi radiometric dan geometriknya sehingga tidak klorofil dibagi menjadi: perlu menambahkan algoritma lagi. Data yang di gunakan yaitu data 3 bulan terakhir di tahun 2017. 2. Pemotongan citra Tabel 1. Konsentrasi kandungan Klorofil Pemotongan citra Modis dilakukan dengan menggunakan Software SeaDas 7.3.1 Konsentrasi (mg/L) Keterangan dengan cara Crop daerah penelitian yang akan diambil. 0,01 – 0,5 Rendah 57

Bunga Rampai Kepesisiran dan Kemaritiman 0,50 – 1,0 Sedang 1,0 – 1,5 Tinggi Sangat Tinggi >1,5 (sumber: Septiawan, 2006) Diperairan selatan Yogyakarta memiliki Gambar 2. Klorofil Bulan September 2017 kandungan konsentrasi klorofil-a yang tinggi dan berbeda di setiap bulan. Gambar 1. Menunjukkan bahwa pada bulan agustus konsentrasi klorofil-a berkisar antara 0,27 mg/m3 - 9,92 mg/m3, tingginya klorofil pada bulan agustus disebabkan karena banyaknya fitoplankton di perairan tersebut sehingga menyebabkan perairan tersebut menjadi subur serta akan terdapat banyak ikan yang hidup pada perairan ini. Warna orange tua menunjukkan kisaran klorofil sekitar 0,27 mg/m3 – 1,34 mg/m3, warna orange muda menunjukkan kisaran klorofil sekitar 1,34 mg/m3 – 3,1 mg/m3, warna kuning menunjukkan kisaran klorofil sekitar 4,56 mg.m3 – 5,63 mg/m3, warna hijau menunjukkan kisaran klorofil sekitar 6,70 mg/m3 – 7,77 mg/m3. Kisaran klorofil tersebut menjadi indikasi banyaknya sebaran ikan pada bulan agustus. Ikan tersebut tersebar di sepanjang wilayah Bantul sampai dengan gunung kidul. Gambar 3. Klorofil Bulan Oktober 2017 Suhu Permukaan Laut Suhu permukaan laut merupakan salah satu parameter oseanografi yang penting di laut (Adi et Gambar 1. Klorofil Bulan Agustus 2017 al 2014). Suhu permukaan laut merupakan Gambar 2. Menunjukkan bahwa pada parameter oseanografi yang dapat berubah-ubah bulan September berkisar antara 0,15 mg/m3 – 7,05 mg/m3. Pada bulan ini terjadi penurunan (Alfajri et al 2017), oleh sebab itu suhu permukaan kadar konsentrasi klorofil-a, hal ini bisa disebabkan oleh terhalangnya proses laut sangat perlu diamati untuk diketahui sebaran fotosintesis fitoplankton yang disebabkan oleh berbagai faktor. Sehingga menyebabkan suhu permukaan laut yang mana dari sebaran sebaran ikan pada bulan september menurun. Sedangkan pada bulan oktober berkisar antara suhu permukaan laut ini dapat memberikan 0,20 mg/m3 – 7,27 mg/m3. Gambar 3. menunjukkan pada bulan oktober kadar klorofil informasi mengenai zona potensial penangkapan tetap stabil. Pada umumnya ikan tuna banyak tertangkap pada rentang klrofil-a 0,2 mg/m3 – ikan (Hamzah et al 2016). 1,5 mg/m3, hal ini juga dipengaruhi oleh keaadan suhu di perairan tersebut. Sehingga Suhu permukaan laut (SPL) merupakan diperairan selatan Daerah Istimewa Yogyakarta banyak ditemukan ikan tuna. parameter oseanografi yang berpengaruh penting bagi kehidupan organisme di lautan karena keberadaannya dapat mempengaruhi metabolisme maupun perkembangbiakan dari organisme tersebut. Disamping itu, dengan mengetahui sebaran spl dapat memberikan informasi mengenai cuaca atau iklim, arus, front dan upwelling. Suhu permukaan laut juga merupakan juga merupakan parameter untuk menduga klimatologi perubahan suhu permukaan laut global, respon atmosfer terhadap anomali suhu permukaan laut, prediksi cuaca, pertukaran gas antar udara dengan permukaan laut, pergerakan massa air, studi polusi, perikanan dan dinamika oseanografi seperti fenomena eddy gyre, front dan upwelling (Yuniarti et al., 2013) Gambar 4. Menunjukkan bahwa pada bulan agustus suhu permukaan laut berkisar 58

Pemetaan Klorofil-a dan Suhu Permukaan Laut terhadap Pola Sebaran Ikan Di Laut Selatan Yogyakarta ........................(Kurnia Sakina) antara 23,80 C – 31,50 C. Warna kuning tua memiliki kisaran suhu sekitar 25,50 C – 26,40C, warna kuning muda menunjukkan kisaran suhu permukaan laut sekitar 23,80 C – 24,70 C. Ikan tuna rata-rata hidup pada kisaran suhu 220 C – 280 C. Sehingga pada kisaran suhu 290 C – 31,50 C ikan tuna tidak dapat hidup. Gambar 4. SPL Bulan September 2017 Gambar 6. SPL bulan Oktober 2017 Gambar 5. Menunjukkan bahwa pada bulan september suhu permukaan laut berkisar antara Pola Persebaran Ikan Tuna 26,80 C – 280 C. Warna kuning muda menunjukkan kisaran suhu sekitar 26,80 C – Salah satu hal yang mendukung keberhasilan 27,30 C,warna orange menunjukkan kisaran suhu operasi penangkapan tuna adalah penentuan 28,20 C – 28,80 C. Pada bulan september ini ikan daerah penangkapan ikan yang tepat. Penentuan tuna masih bisa dapat hidup dan berkembang daerah penangkapan tuna dengan tepat dapat biak tergantung ada tidaknya ketersediaan dilakukan dengan dukungan berbagai informasi. makanan di perairan tersebut. Informasi dapat diperoleh berdasarkan pengalaman nelayan dan bantuan teknologi yang Gambar 5. SPL Bulan Oktober 2017 terus berkembang. Daerah penangkapan tuna Gambar 6. Menunjukkan bahwa pada bulan dapat ditentukan secara visual langsung Oktober suhu permukaan laut berkisar antara 26,80 diperairan, atau secara tidak langsung C – 29,60 C. Warna kuning muda menunjukkan berdasarkan data yang diperoleh melalui teknologi kisaran suhu antara 26,80 C – 27,30 C, warna penginderaan jauh dan hidroakustik (Triharyuni kuning tua berkisar antara 280 C – 28,50 C. dan prisantoso, 2012). Sehingga menyebabkan ikan tuna hanya tersebar di sekitar wilayah gunung kidul. Prediksi pola sebaran ikan tuna di perairan selatan Daerah Istimewa Yogyakarta dalam tiga bulan terakhir hampir tersebar di seluruh perairan pantai selatan DIY. Persebaran ini di pengaruhi oleh adanya suhu permukaan laut dan klorofil-a di perairan selatan Daerah Istimewa Yogyakarta. Berdasarkan hasil pemetaan yang telah dilakukan dapat diprediksi bahwa ikan tuna tersebar di seluruh perairan Daerah istimewa yogyakarta. Pada Gambar 7. Dapat dilihat bahwa warna biru gelap pada peta menunjukkan bahwa persebaran ikan tuna di wilayah tersebut sedikit, hal ini disebabkan karena suhu permukaan laut kurang sesuai bagi ikan tuna, serta kadar klorofil terlalu tinggi pada daerah tersebut, sehingga menyebabkan ikan tuna sedikit pada daerah tersebut. Akan tetapi banyak ikan pelagis lain yang hidup pada rentang suhu tersebut. Warna biru muda pada peta menunjukkan bahwa persebaran ikan tuna diwilayah tersebut tinggi, hal ini bisa terjadi karena suhu permukaan laut serta kadar klorofil-a sesuai untuk ikan tuna. Ada beberapa jenis ikan tuna pada perairan tersebut seperti Ikan Tuna mata besar (Thunnus obesus), ikan tuna albakora (Thunnus alalunga), ikan tuna sirip biru (Thunnus maccoyyi), ikan tuna sirip kuning (Thunnus albacares). Untuk ikan tuna sirip kuning ini banyak ditemukan di sekitar wilayah Gunung kidul. Akan tetapi, ikan tuna sirip kuning di samudra Hindia sering ditemukan pada bulan Mei-Juli maka sebaiknya untuk meningkatkan produksi dengan ukuran ikan yang bernilai ekonomis (Lestari et al., 2015). 59

Bunga Rampai Kepesisiran dan Kemaritiman melakukan penelitian. Pembimbing penelitian serta Rekan-rekan magang seperjuangan di Parangtritis Gambar 7. Peta hasil sebaran ikan tuna bulan Agustus- Geomaritime Science park Oktober 2017 DAFTAR PUSTAKA KESIMPULAN Klorofil-a rata-rata bulanan di perairan selatan Adi TR, Sukojo BM, Hariyanto T, Wirasantosa S, Pranowo WS, Yu W, Mustain M. 2014. Model Daerah Istimewa Yogyakarta berkisar antara 0,2 variasi suhu permukaan laut dari data MODIS dan hingga 7,27 mg/m3. Sedangkan rata-rata suhu in situ menggunakan metoda parameterisasi permukaan lautnya berkisar 220 C- 300C. Hal ini empirik di Samudera Hindia. Segara. 10(1): 87-97. menunjukkan bahwa perairan tersebut sangat subur, akan tetapi sebarannya tidak merata Alfajri, Mubarak, Mulyadi A. 2017. Analisis spasial dan sehingga hanya wilayah tertentu saja yang cukup temporal sebaran suhu permukaan laut di perairan potensial untuk melakukan peangkapan ikan tuna. Sumatera Barat. Dinamika Lingkungan Indonesia. 4(1): 65-74. Wilayah yang potensial untuk penangkapan ikan tuna yaitu Gunung Kidul dengan jenis ikan Febriani, E. R., & Sukojo, B. M. (2016). Analisa tuna sirip kuning (Thunnus albacares). Akan tetapi Perbandingan Penggunaan Citra Modis Level 1b wilayah ini sangat potensial bila melakukan Dan Level 2 Dalam Menentukan Prakiraan Daerah penangkapan pada bulan mei-juli. Penangkapan Ikan (Studi Kasus: Pantai Selatan UCAPAN TERIMA KASIH Blitar). Jurnal Teknik ITS, 5(2), A439-A442. Ucapan Terima Kasih disampaikan kepada Hamzah R, Prayogo T, MarpaungS. 2016. Metode parangtritis Geomaritime science Park (PGSP) penentuan titik koordinat zona potensi sebagai penyedia tempat dan data untuk penangkapan ikan pelagis berdasarkan hasil deteksi termal front suhu permukaan laut. Penginderaan Jauh. 13(2): 97-108. Kuswanto, T. D., & Syamsuddin, M. L. (2017). Hubungan Suhu Permukaan Laut Dan Klorofil-A Terhadap Hasil Tangkapan Ikan Tongkol Di Teluk Lampung. Jurnal Perikanan Kelautan, 8(2). Lestari, S., Solichin, A., & Saputra, S. W. (2015). Analisis Potensi Tuna Sirip Kuning (Thunnus Albacares) Dalam Kaitannya Dengan Program Revitalisasi Tuna Di Kabupaten Gunungkidul, YOGYAKARTA. Management of Aquatic Resources Journal, 4(2), 82-88. Septiawan, A.W., 2006. Pemetaan Persebaran Klorofil Wilayah Perairan Selat Bali Menggunakan Teknologi Penginderaan Jauh. [Skripsi]. Institut Teknologi Surabaya, Surabaya. Triharyuni, S., & Prisantoso, B. I. (2012). Species and size composition of tuna longline catches in the Southes of Java, Indian ocean. SAINTEK PERIKANAN: Indonesian Journal of Fisheries Science and Technology, 8(1), 52-58. Yuniarti, A. L., Maslukah dan M. Helmi. 2013. Studi Variabilitas Suhu Permukaan Laut Berdasarkan Citra Satelit Aqua MODIS Tahun 2007-2011 di Perairan Selat Bali. Jurnal Oseanografi. 2(4): 416 – 421. 60

Pemetaan Perubahan Luasan Garis Pantai Menggunakan Data UAV........................................................... (Muhammad Soni Harsyana) PEMETAAN PERUBAHAN LUASAN GARIS PANTAI MENGGUNAKAN DATA UAV (UNMANNED AERIAL VEHICLE) DI PANTAI PARANGTRITIS, YOGYAKARTA (Mapping of Beach Line Changes Using Unmanned Aerial Vehicle Data in Parangtritis Beach, Yogyakarta) Muhammad Soni Harsyana1, Fajrun Wahidil Muharram2 Jurusan Ilmu Kelautan, Fakultas Matematika dan Ilmu Pengetahuan Alam1 Parangtritis Geomaritime Science Park2 E-mail: [email protected] ABSTRAK Garis pantai Parangtritis Yogyakarta selalu mengalami perubahan dari tahun ke tahun. Kejadian ini sebaiknya harus ditindaklanjuti karena peristiwa ini perlu dilakukan pemantauan terus menerus. Permasalahan yang dihadapi di daerah pantai Parangtritis adalah bagaimana mengetahui perbedaan garis pantai tiap tahunya, proses yang terjadi dan mengapa terjadi perubahan garis pantai. Tujuan dilakukannya penelitian ini untuk mengetahui bagaimana terjadinya perubahan garis pantai menggunakan UAV dan mengetahui perubahan luasan garis pantai di Pantai Parangtritis, Yogyakarta. Perubahan luasan garis pantai dapat diolah menggunakan metode penginderaan jauh dengan data UAV (Unmanned Aerial Vehicle). Hasil ini menunjukkan bahwa perubahan garis Pantai di Parangtritis yang dikaji pada tahun 2017 panjang 242,087 Meter dan pada tahun 2019 seluas 337,46 Meter. Pada tahun 2017 sampai 2019 terjadi abrasi sebesar 8309,23 meter. Kata kunci: Garis pantai, Pantai Parangtritis, UAV ABSTRACT Yogyakarta Parangtritis coastline always changes from year to year. This incident should be followed up because this event needs to be monitored continuously. The problems faced in the Parangtritis coastal area are how to find out the differences in the coastline each year, the processes that occur and why the coastline changes occur. The purpose of this research is to find out how the coastline changes using UAVs and to know the changes in coastline area in Parangtritis Beach, Yogyakarta. Changes in coastline area can be processed using remote sensing methods with UAV (Unmanned Aerial Vehicle) data. These results indicate that changes in the coastline in Parangtritis studied in 2019 were 242.087 meters long and in 2017 an area of 337.46 meters. In 2017 until 2019 there was an abrasion of 8309.23 meters Keywords: The coastline, Parangtritis Beach, UAV PENDAHULUAN di Desa Parangtritis, salah satunya adalah Pantai Pelangi yang belum lama ini dibuka sebagai Desa Parangtritis adalah sebuah desa yang alternatif tambahan objek wisata pesisir di memiliki banyak potensi di sektor pariwisata. Salah kawasan Parangtritis. Pembukaan lahan ini tentu satu objek wisata yang terkenal di Desa ditujukan untuk memaksimalkan potensi alam yang Parangtritis adalah Pantai Parangtritis yang pada ada di Desa Parangtritis tahun 2010 menjadi objek wisata yang paling banyak dikunjungi di Daerah Istimewa Yogyakarta Garis pantai merupakan salah satu komponen (DIY) (Torrido, 2012). Beberapa objek wisata yang penting dalam penentuan batas wilayah pantai lain juga terdapat di kawasan ini, yaitu kekuasaan suatu negara dan otonomi daerah. Pantai Parangendog, Pantai Pelangi, Pantai Kewenangan daerah provinsi di wilayah laut Cemara Sewu, dan Pantai Depok. Pantai Depok adalah sejauh 12 mil dari garis pantai ke arah laut selain sebagai objek wisata, juga merupakan lepas dan atau ke arah perairan. Informasi tentang tempat pelelangan ikan. garis pantai sangat diperlukan mengingat garis pantai bersifat dinamis. Karena sifatnya yang Aktifitas warga Desa Parangtritis sebagian dinamis, maka perlu dilakukan pemantauan garis besar adalah berfokus pada wisata pesisir. Lahan- pantai dengan cara membuat peta perubahan lahan dipesisir pantai dimanfaatkan untuk objek garis pantai secara berkala (Kasim dan Salam, wisata. Perubahan penggunaan lahan dari kondisi 2015). alami menjadi kondisi terbangun terjadi cukup intensif untuk pemenuhan kebutuhan ekonomi Garis pantai juga mempunyai faktor yang masyarakat. Pembukaan lahan untuk membuat mempengaruhi perubahan garis pantai antara lain objek wisata baru menjadi kecenderungan saat ini adalah hidrologi, geologi, iklim, dan juga vegetasi. Oleh karena itu, perlu dilakukan pembaharuan 61

Bunga Rampai Kepesisiran dan Kemaritiman terhadap peta perubahan garis pantai yang detil, real time, cepat dan lebih murah (Shofiyati, dilakukan secara terus menerus. Pembaruan ini 2011). Di antaranya UAV berupa wahana multirotor diperlukan untuk mengetahui faktor pendukung yang digunakan untuk melakukan pemotretan dan juga informasi manajemen sumber daya udara atau aerial photography untuk beberapa pantai, perencanaan pengembangan yang aplikasi seperti foto udara bangunan, pemantauan berkelanjutan pada kawasan pantai, (Guariglia et banjir, pemantauan lalu lintas, survey, al. 2006 dalam Aryastana et al. 2016). (Setyasaputra et al.2014). Lapan telah mengembangkan pesawat tanpa awak sejak 2011, Perubahan garis pantai dapat terjadi secara dimana Lapan telah mengembangkan pesawat lambat ataupun cepat, tergantung pada daya tanpa awak kelas mini yang diberi nama Lapan imbang antara topografi, material pantai, Surveillance UAV atau LSU, dan saat ini sudah gelombang, pasang surut dan angin. Gaya yang operasikan LSU-1, LSU- 02, dan LSU-03 yang bekerja pada pantai meliputi ombak, angin, arus, mampu terbang hingga lebih dari 2 jam (Sari dan gelombang dan pasang surut. Proses dinamis Kuswardono, 2014). pantai sangat dipengaruhi oleh litoral transport, yang didefinisikan sebagai gerak sedimen di UAV membawa muatan (payload) yang terdiri daerah dekat pantai (nearshore zone) oleh dari peralatan terintegrasi seperti berbagai sensor, gelombang dan juga arus (Prayinto dan Bachrodin, kamera, alat pengintai dan sejenisnya yang 2015). memiliki kemampuan untuk melakukan berbagai jenis misi penginderaan jarak jauh. Salah satu Proses bertambahnya daratan, perubahan yang umum dipergunakan sebagai sensor UAV garis pantai, dan tanah timbul dapat terjadi akibat adalah kamera saku digital non metrik (small pola arus sejajar garis pantai (longshore current) format) yang dilengkapi GPS untuk menghasilkan dan juga pola arus laut (offshore current). Aktivitas foto (still image) dengan tambahan informasi lokasi yang terjadi hidro-oseanografi tersebut dan waktu pengambilan Seiring dengan semakin mengakibatkan material sedimen terendapkan di berkembangannya teknologi (Sari dan sekitar garis pantai dan muara sungai. Garis pantai Kuswardono, 2014). umumnya mengalami perubahan seiring waktu ke waktu, sejalan dengan perubahan alam seperti Kamera, sensor UAV tidak hanya adanya aktivitas gelombang, pasang surut, angin, menggunakan kemera non metrik, tetapi arus, dan sedimentasi daerah delta sungai. dimungkinkan dibuat mirip sensor satelit Perubahan garis pantai juga terjadi karena penginderaan jauh dengan kamera multispektral. gangguan ekosistem pantai (Purba dan Jaya, Kamera multispektral mini memiliki 6 band, dapat 2017). dihasilkan data citra multispektral yang dikoreksi seperti pada citra satelit penginderaan jauh Perubahan garis pantai dapat terjadi akibat dengan resolusi spasial dipermukaan 5 hingga 25 dari dua kejadian, yaitu pengendapan material cm. Selain kamera multispektral, UAV juga sedimen pantai (sedimentasi) dan pengikisan dikembangkan dengan sensor LIDAR (Light pantai (abrasi). Sedimentasi merupakan kondisi Detection And Ranging) dimana kemampuan UAV semakin majunya garis pantai akibat adanya dengan sensor LIDAR sudah mampu penambahan material hasil endapan dari sungai dipergunakan untuk pemetaan 3 dimensi (Maulan dan laut, sementara abrasi merupakan mundurnya dan Wulan, 2015). garis pantai karena dinamika gerak air laut seperti gelombang dan hempasan ombak. Perubahan METODE pantai juga bisa diakibatkan oleh dilakukannya penggalian, sedimentasi, pengerukan, dan juga Lokasi Penelitian reklamasi (penimbunan pantai), pengaturan aliran Lokasi penelitian berada di wilayah Pantai sungai, dan juga penanggulangan pantai (Syukhriani et al. 2017). Parangtritis Kecamatan Kretek Kabupaten Bantul secara geografis terletak di 8°1’29.7″ Lintang Meskipun perubahan garis pantai kadang- Selatan serta 110°19’57.2″ Bujur Timur dilakukan kadang menguntungkan, seperti pertambahan pada tanggal 18 Desember 2019-18 Januari lahan untuk tujuan-tujuan penggunaan lahan, 2020. Pantai Parangtritis dan sekitarnya yang namun demikian perubahan garis pantai juga didominasi oleh gumuk pasir mempunyai luas dapat mengakibatkan kerugian dengan hilangnya terbatas. lahan karena abrasi. Sebuah analisis dari informasi garis pantai diperlukan dalam desain perlindungan pantai, untuk mengkalibrasi dan memverifikasi model – model numerik, untuk menilai tingkat kenaikan permukaan laut, untuk mengembangkan zona bahaya, untuk merumuskan kebijakan untuk mengatur pembangunan pesisir, dan membantu dengan definisi batas properti dan penelitian mengenai pesisir (Nurcahyani et al. 2018). Pemotretan udara dengan menggunakan pesawat tanpa awak (UAV) merupakan salah satu teknologi alternatif untuk mendapatkan data lebih 62

Metode Pemetaan Suhu Permukaan Laut dan Klorofil-a Sebagai Prediksi Sebaran Ikan di Perairan .............................. (Asqita Rakhma) Hasil dan Pembahasan Gambar 1. Peta lokasi penelitian di Pantai Gambar.2. Panjang Luasan garis pantai yang dikaji Parangtritis pada tahun 2019 Alat dan Bahan Gambar 2. Panjang Luasan garis pantai yang dikaji pada tahun 2017 Alat dan bahan yang digunakan dalam proses pengolahan data dapat dilihat Tabel 1. Table 1. Alat dan Bahan Penelitian No Alat dan Bahan Fungsi 1 Komputer/Laptop Mengoperasikan Software 2 Data UAV Data yang akan 3 Software ArcGIS diolah Untuk mengolah 10.3 data Alur Kerja Praktek Alur metode penelitian disajikan dalam bentuk diagram alir Gambar 3. Peta hasil perubahan garis pantai Berdasarkan perhitungan panjang garis pantai hasil digitasi di sebagian pantai Parangtritis Kecamatan Kretek Kabupaten Bantul pada tahun 2019 adalah seluas 242, 10 meter, pada tahun 2017 337,46, dengan demikian laju perubahan garis pantai dari tahun 2017 sampai 2019 sebesar 8309,23 meter. Untuk mengetahui suatu wiayah terjadi abrasi atau akresi, dapat diketahui dengan cara mengintegrasikan dua hasil digitasi garis pantai dari tahun yang berbeda. Pada gambar 3 bisa kita dilihat bahwa di pantai Parangtritis hanya terjadi abrasi dan tidak adanya terjadi akresi. Penyebab terjadinya abrasi itu karena adanya arus laut dan ombak laut yang terus menerus menghantam bibir pantai. Selain itu juga disebabkan adanya pantai yang relatif datar. 63

Bunga Rampai Kepesisiran dan Kemaritiman Sehingga ombak yang menghanatam bibir pantai UCAPAN TERIMA KASIH terus menyusut maka terjadilah abrasi yang terjadi setiap tahunnya Alhamdulillah puji syukur kepada allah SWT karena dapat menyelesaikan tugas kerja praktek Perubahan garis pantai ditunjukkan oleh ini. Artikel ini tidak akan selesai tanpa kerja keras, perubahan kedudukannya, tidak hanya ditentukan dukungan dan dorongan dari berbagi pihak yang oleh suatu faktor tunggal tapi oleh sejumlah faktor ada di parangtritis geomaritime sciance park beserta interaksinya yang merupakan hasil (PGSP). Khusus nya saya mengucapkan banyak gabungan dari proses alam dan manusia. Faktor terima kasih kepada wali magang saya di pgsp alami berasal dari pengaruh proses-proses hidro- yaitu bapak Fajrun Wahidil Muharram yang sudah oseanografi yang terjadi di laut seperti hempasan sangat banyak membantu dalam proses kerja gelombang, perubahan pola arus, variasi pasang praktek ini dan mbak Bernike selaku pembimbing surut, serta perubahan iklim. Penyebab terjadinya yang sudah mau membagi waktunya untuk kerusakan pantai akibat kegiatan manusia membantu saya dalam mengolah data. Saya juga (antropogenik) di antaranya konversi dan alih sangat berterima kasih kepada semua staff fungsi lahan pelindung pantai untuk sarana karyawan yang ada di Parangtritis geomaritime pembangunan di kawasan pesisir yang tidak sciance park (PGSP) karena telah memberikan sesuai dengan kaidah yang berlaku sehingga banyak pengalam berharga yang belum pernah keseimbangan transpor sedimen disepanjang didapat sebelumnya. Semoga jasa jasa kalian di pantai dapat terganggu, penambangan pasir yang balas oleh allah SWT. memicu perubahan pola arus dan gelombang (Halim et al. 2016). DAFTAR PUSTAKA Garis pantai pada umumnya mengalami Aryastana P, Eryani IGAP, Candrayana KW (2016) perubahan dari waktu ke waktu sejalan dengan Perubahan garis pantai dengan citra satelit di perubahan alam seperti adanya aktivitas Kabupaten Gianyar. Paduraksa Vol. 5 (2) : 70 – gelombang, angin, pasang surut dan arus serta 81 sedimentasi daerah delta sungai. Perubahan garis pantai juga terjadi akibat gangguan ekosistim Kasim F, Salam A (2015) Identifikasi perubahan pantai seperti pembuatan tanggul dan kanal serta garis pantai menggunakan citra satelit serta bangunan-bangunan yang ada di sekitar pantai. korelasinya dengan penutup lahan di sepanjang Hutan bakau sebagai penyangga pantai banyak Pantai Selatan Provinsi Gorontalo. Perikanan dirubah fungsinya untuk dijadikan sebagai daerah dan Kelautan Vol. 3 (4) : 160 – 167 . pertambakan, hunian, industri dan daerah reklamasi yang mengakibatkan terjadinya Halim, Halili, Afu LOA (2016) Studi Perubahan perubahan pada salah satu garis pantai. Garis Pantai Dengan Pendekatan Daratan dan sedimen pesisir pada dasarnya Penginderaan Jauh Di Wilayah Pesisir dinamis bergerak menurut dimensi ruang dan Kecamatan Soropia. Sapa Laut Vol. 1 (1) 24-31. waktu. Nurcahyani LPAD, Wayan GAK, Widastuti K Gelombang pecah, arus pasang surut, sungai, (2018) Laju pertumbuhan dan tingkat tumbuhan pesisir dan aktivitas manusia kelangsungan hidup transplantasi karang merupakan faktor yang menimbulkan perubahan Acropora secale di Pantai Serangan dan Pantai dinamika pantai untuk membentuk suatu Geger, Bali. Journal of Marine and Aquatic keseimbangan pantai yang baru. Tidak setiap Sciences. Vol. 4 (2) : 297-303 kawasan pesisir dapat merespon seluruh proses perubahan, tergantung pada beberapa faktor Prayinto Y, Bachrodin I (2015) Perubahan garis seperti jenis sedimen, morfologi dan kondisi pantai di Kabupaten Indramayu dengan geologi pantainya. Gejala perubahan garis pantai menggunakan citra satelit landsat multi perlu mendapat perhatian mengingat berdampak temporal. Fisheries Development Vol. 2 (3) : 61 besar terhadap kehidupan sosial dan lingkungan. – 70 untuk mengetahui kemungkinan pemanfaatan lahan wilayah Pantai Parangtritis Yogyakarta. Purba M, Jaya I (2004) Analisis perubahan garis pantai dan penutupan lahan antara Way Penet KESIMPULAN dan Way Sekampung, Kabupaten Lampung Timur. Ilmu-Ilmu Perairan dan Perikanan Kesimpulan yang didapatkan dari penelitian Indonesia Vol. 2 (2) : 109 – 121 ini adalah pantai Parangtritis Kecamatan Kretek Kabupaten Bantul pada tahun 2017 adalah seluas Sari NM, Kushardono D (2014) Klasifikasi penutup 242, 10 meter, pada tahun 2019 337,46, dengan demikian laju perubahan garis pantai dari tahun lahan berbasis obyek pada data foto UAV untuk 2017 sampai 2019 sebesar 8309,23 meter. Untuk mengetahui suatu wiayah terjadi abrasi atau mendukung penyediaan informasi akresi, dapat diketahui dengan cara penginderaan jauh skala rinci. Penginderaan mengintegrasikan dua hasil digitasi garis pantai Jauh Vol. 11 (2) :114 – 127 dari tahun yang berbeda Syukhriani S, Nofridiansyah E, Sulistyo B. (2017) Analisis data citra landsat untuk pemantauan perubahan garis pantai kota bengkulu. Enggano Vol. 2 (1) : 90 – 100 64

Metode Pemetaan Suhu Permukaan Laut dan Klorofil-a Sebagai Prediksi Sebaran Ikan di Perairan .............................. (Asqita Rakhma) PEMETAAN SUHU PERMUKAAN LAUT DAN KLOROFIL-A SEBAGAI PREDIKSI SEBARAN IKAN PELAGIS KECIL DI PERAIRAN UTARA JAWA TENGAH (Mapping of Sea Surface Themperature and Chlorophyll-a as Prediction of Small Pelagic Fish Ditribution in Northern Central Java Sea) Asqita Rakhma Ashari1 Universitas Diponegoro1 E-mail: [email protected] ABSTRAK Perairan Utara Jawa Tengah memiliki keanekaragaman jenis ikan yang cukup tinggi, salah satunya adalah ikan pelagis kecil. Ikan pelagis kecil merupakan ikan ekonomis penting yang ada di Perairan Utara Jawa Tengah. Keberadaan ikan pelagis kecil tersebut dapat diprediksi menggunakan teknologi, yaitu penginderaan jauh dan sistem informasi geografis. Prediksi tersebut dilakukan melalui variable suhu permukaan laut dan klorofil-a yang dapat dideteksi oleh sensor MODIS pada satelit Aqua. Citra satelit AquaMODIS tersebut dapat diperoleh melalui website oceancolor.gsfc.nasa.gov. Data yang dibutuhkan pada peneltian ini adalah data bulanan suhu permukaan laut dan klorofil-a level 3 bulan November 2019, Desember 2019 dan Januari 2020. Metode pengolahan yang digunakan adalah metode overlay atau penggabungan hasil suhu permukaan laut dan klorofil-a. Pengolahan data dilakukan melalui perangkat SeaDas 7.3 dan ArcMap 10.3. Data suhu permukaan laut dan klorofil-a tersebut dilakukan klasifikasi sesuai dengan kondisi hidup ikan pelagis. Hasil klasifikasi tersebut kemudian dilakukan overlay dan menghasilkan peta prediksi sebaran ikan pelagis kecil di Perairan Utara Jawa Tengah. Didapatkan bahwa terdapat daerah dengan warna coklat muda merepresentasikan daratan, daerah dengan warna biru muda merepresentasikan laut yang sedikit ikan, daerah dengan warna biru tua merepresentasikan laut yang banyak ikan dan daerah dengan warna putih merepresentasikan laut yang tidak ada ikan. Hasilnya didapatkan bahwa ikan pelagis kecil paling banyak potensinya pada wilayah pesisir, baik pada bulan November 2019, Desember 2019 dan Januari 2020. Kata kunci: Pemetaan, Suhu Permukaan Laut, Klorofil-a, Sebaran Ikan, Perairan Utara Jawa Tengah ABSTRACT Nothern Central-Java Sea has a diversity of fish that is quite high, such as small pelagic fish. Small pelagis fish is an economically important fish in Nothern Central-Java Sea. The existence of small pelagic fish can be predicted by a technology, such as remote sensing and geographic information systems. The prediction using sea surface themperature and chlorophyll-a variable that detected through MODIS sensor in Aqua satellite. AquaMODIS can be found on oceancolor.gsfc.nasa.gov website. The data needed in this research are monthly data level 3 of sea surface themperature and chlorophyll-a for November 2019, December 2019 and January 2020. The processing method used in this research is overlay method or merging the result of sea surface themperature and chlorophyll-a. Data processing is performed in SeaDas 7.3 and ArcMap 10.3. Sea surface themperature and chlrophyll-a data are classified based on live condition of small pelagis fish. The classification’s result were overlaid and there are the prediction of small pelagic fish distribution map in Northern Central-Java Sea. Based on the result, the area in light-brown represents mainland area, the area in light-blue represents a sea of a few of fish, the area in dark-blue represents a sea of many fish and the white area represents the sea of no fish. The result found that the most potential area of small pelagis fish is in coastal area in November 2019, December 2019 and January 2020. Keywords: Mapping, Sea Surface Themperature, Chlorophyll-a, Fish distribution, Northen Central-Java Sea PENDAHULUAN sungai yang bermuara pada satu tempat. Sungai- sungai yang berada di ketiga pulau tersebut Perairan Utara Jawa Tengah merupakan bermuara di perairan ini, yang dapat salah satu bagian dari Laut Jawa. Perairan ini mempengaruhi kondisi nutrien. terletak diantara 3 pulau besar, yaitu Pulau Jawa, Pulau Kalimantan dan Pulau Sumatera. Pulau- Perairan Utara Jawa Tengah yang relatif pulau besar tersebut memiliki aliran dan pola alur subur dan mengandung cukup banyak nutrien tersebut menyebabkan banyaknya nelayan yang 65

Bunga Rampai Kepesisiran dan Kemaritiman menangkap ikan di wilayah tersebut. Hal ini indikator adanya produktifitas primer bagi para menyebabkan persaingan para nelayan di ikan, khususnya ikan pelagis. Parameter- Perairan Utara Jawa Tengah semakin tinggi. parameter tersebut dapat dideteksi oleh satelit. Selain karena banyaknya jumlah nelayan, Salah satu satelit inderaja yang dilengkapi dengan persaingan juga terjadi karena keberadaan ikan sensor yang dapat mendeteksi suhu permukaan yang semakin berkurang. Menurut Rahman et al. laut (SPL) dan klorofil-a adalah satelit Aqua (2013), tingkat pemanfaatan sumberdaya ikan Moderate Resolution Imaging Spectroradiometer pelagis di Perairan Utara Jawa Tengah telah (Aqua MODIS) (Kurniawati et al., 2015). berada dalam kondisi overfishing. Berdasarkan pernyataan tersebut, dapat diketahui bahwa METODE semakin sulitnya melakukan kegiatan penangkapan ikan di Perairan Utara Jawa Tengah. Penelitian ini menggunakan koordinat lokasi Selain itu, membuat para nelayan harus pada 108⁰ BT - 111⁰ BT dan 5⁰ LS - 7⁰ LS. Data menempuh jarak yang lebih jauh lagi untuk yang digunakan adalah data sekunder, data suhu menangkap ikan. permukaan laut dan data klorofil-a bulan Agustus, September dan Oktober dari satelit aquaMODIS Jenis ikan pelagis yang hidup di Perairan Level-3 dengan resolusi spasial 4 km. Satelit Aqua Utara Jawa Tengah cukup beragam dan memiliki membawa sensor MODIS (Moderate Resolution nilai ekonomis penting. Menurut Kasim et al. Imaging Spectroradiometer) yang mempunyai 36 (2014), terdapat 16 jenis sumberdaya ikan pelagis kanal spektral dengan kisaran panjang gelombang yang tertangkap di Laut Jawa dimana enam jenis antara 0,4 μm sampai 14,4 μm. Suhu permukaan diantaranya memberikan kontribusi lebih dari 90% laut dapat dideteksi menggunakan satelit Aqua total hasil tangkapan. Berdasarkan pernyataan karena panjang gelombangnya 3 μm – 14 μm, tersebut, dapat diketahui bahwa keberagaman yang mana masuk dalam kisaran panjang ikan pelagis di perairan tersebut dapat menghidupi gelombang pada sensor Modis. Hal ini juga berlaku masyarakat pesisir setempat, khususnya para untuk variabel klorofil-a. Menurut Kumaat et al. nelayan. Menurut Akhlak et al. (2015), banyaknya (2018), Aqua Modis mempunyai misi ikan pelagis diduga karena banyaknya mengumpulkn informasi tentang siklus air di bumu, ketersediaan makanan di suatu perairan. Sebagai termasuk penguapan di samudera, uap air di produser primer fitoplankton yang memiliki atmsfer, awan, presipitasi, kelembaban tanah, es hubungan dengan produktivitas perairan yang ada di laut, es yang ada di darat, serta salju merupakan makanan bagi ikan – ikan pelagis kecil. yang menutupi daratan. Ikan pelagis kecil merupakan sumberdaya Tahapan penelitian ini digambarkan dalam ikan yang cukup melimpah keberadaanya di bentuk diagram alir sebagai berikut: Indonesia. Salah satu perairan yang memiliki ikan pelagis kecil adalah perairan Laut Jawa. Ikan ini Gambar 1. Diagram Alir Penelitian tergolong dalam ikan ekonomis penting karena Citra AquaMODIS Level-3 (Klorofil-a dan memiliki nilai jual dan nilai ekonomi yang tinggi. Menurut Bafagih et al., (2018), jenis-jenis ikan suhu permukaan laut) diunduh melalui alamat pelagis kecil antara lain adalah Ikan Julung situs https://oceancolor.gfsc.nasa.gov/l3/. Citra (Hemiramphus far), Ikan Cendro (Tylosurus tersebut selanjutnya dilakukan pemotongan crocodilus), Ikan Kembung (Rastreliger sp.), Ikan (cropping) sesuai dengan lokasi penelitian. Layang (Decapterus sp). Jenis-jenis ikan pelagis Pemotongan citra tersebut dilakukan di aplikasi kecil utama yang ada di Laut Jawa antara lain Ikan SeaDas 7.3.1. Setelah citra dilakukan cropping Layang (Decapterus sp.), Ikan Banyar (Rastrelliger sesuai dengan lokasi penelitian, selanjutnya kanagurta), Ikan Tongkol (Enthynnus affinis), Ikan Lemuru (Sardinella sirm), Ikan Tembang (Sardinella sp.) Pentingnya pemanfaatan sumberdaya perikanan tangkap di Perairan Utara Jawa Tengah membuat para nelayan tetap melakukan kegiatan penangkapan ikan. Oleh karena itu, pemanfaatan teknologi sangat diperlukan sebagai alat bantu untuk menentukan sebaran ikan. Salah satu teknologi yang dapat digunakan adalah melalui penginderaan jauh (inderaja), yaitu melalui pemetaan terhadap parameter – parameter yang mempengaruhi sebaran ikan, Parameter yang dapat digunakan untuk memprediksi sebaran ikan antara lain adalah suhu permukaan laut dan klorofil-a. Suhu permukaan laut dapat menyebabkan upwelling, yang membawa nutrien ke permukaan dan menjadi feeding-ground bagi para ikan. Sedangkan klorofil-a dapat menjadi 66

Metode Pemetaan Suhu Permukaan Laut dan Klorofil-a Sebagai Prediksi Sebaran Ikan di Perairan ................... (Asqita Rakhma Ashari) adalah ekstraksi nilai pixel (x,y) pada klorofil-a Sebelum dilakukan interpolasi, diakukan dan SPL. Ekstraksi tersebut selanjutnya diolah pemotongan citra pada perangkat lunak SeaDas dan di-interpolasi melalui aplikasi ArcMap 10.3. 7.3.1 terlebih dahulu. Pemotongan citra dilakukan Interpolasi yang digunakan adalah IDW (Inverse sesuai dengan koordinat yang dibutuhkan, yaitu Distance Weighted). Menurut Julita dan Mujiono pada Perairan Utara Jawa Tengah (2019), IDW yaitu metode determinastik sederhana dengan cara mempertimbangkan titik Gambar 2. Hasil interpolasi suhu permukaan laut disekitarnya, dengan asumsu nilai interpolasi akan lebih mirip pada data sampel yang dekat Tabel 3. Pengkelasan Suhu Permukaan Laut daripada yang lebih jauh. Berdasarkan Keberadaan Ikan Hasil interpolasi terhadap suhu permukaan laut dan klorofil-a tersebut selanjutnya dilakukan No Kelas Nilai Suhu Ket. klasifikasi. Klasifikasi dilakukan berdasarkan pada kondisi perairan yang disukai ikan pelagis 1. 1 26oC – 29oC atau Kurang kecil. Proses klasifikasi menggunakan Reclassify 31oC – 31,5oC pada ArcMap 10.3. Selanjutnya adalah Cocok menggabungkan hasil klasifikasi suhu permukaan laut dan klorofil-a yang telah 2. 2 29oC – 31oC Sangat dilakukan menggunakan pembeda warna tiap area nya. Setelah dilakukan penggabungan, Cocok selanjutnya adalah layoutting peta dengan memberi keterangan pada peta. 3. 3 <26oC atau >31,5oC Tidak Cocok HASIL DAN PEMBAHASAN Pengunduhan citra AquaMODIS dilakukan melalui website oceancolor.gsfc.nasa.gov. Data yang digunakan adalah data bulanan citra AquaMODIS Level 3 dengan resolusi spasial 4km. Tabel 4. Data Citra AquaMODIS Suhu Permukaan Laut No Nama File Citra Bulan Tahun 1. A20193052019334.L3m November 2019 _MO_CHL_chlor_a_4k m.nc 2. A20193352019365.L3m Desember 2019 _MO_CHL_chlor_a_4k m.nc 3. A20200012020031.L3m Januari 2020 Gambar 3. Hasil klasifikasi suhu permukaan laut _MO_CHL_chlor_a_4k m.nc Tabel 4. Hasil Klasifiksi Suhu Permukaan Laut Tabel 2. Data Citra AquaMODIS Klorofil-a No Bulan Nilai Suhu No Nama File Citra Bulan Tahun 1. November 29,94oC – 31,65oC 2019 1. AQUA_MODIS.201911 November 2019 2019 01_20191130.MO.SST. 2. Desember 28,4oC – 32,72oC 2020 sst.4km.nc 2019 2. AQUA_MODIS.201912 Desember 3. Januari 28,3oC – 35,42oC 01_20191231.MO.SST. 2020 sst.4km.nc Metode yang digunakan untuk mengolah data klorofil-a adalah interpolasi IDW menggunakan 3. AQUA_MODIS.202001 Januari perangkat lunak ArcMap 10.3. Sebelum dilakukan interpolasi, diakukan pemotongan citra pada 01_20200131.MO.SST. perangkat lunak SeaDas 7.3.1 terlebih dahulu. Pemotongan citra dilakukan sesuai dengan sst.4km.nc koordinat yang dibutuhkan, yaitu pada Perairan Utara Jawa Tengah. Berdasarkan citra tersebut, didapatkan data suhu permukaan laut dan klorofil yang telah terkoreksi secara geometrik dan radiometrik. Hal ini karena citra yang digunakan pada penelitian adalah AquaMODIS level 3, sehingga tidak perlu dilakukan koreksi citra kembali. Metode yang digunakan untuk mengolah data suhu permukaan laut adalah interpolasi IDW menggunakan perangkat lunak ArcMap 10.3. 67

Bunga Rampai Kepesisiran dan Kemaritiman Gambar 4. Hasil interpolasi klorofil-a Gambar 6. Hasil Overlay SPL dan klorofil-a Tabel 5. Pengkelasan Klorofil-a Berdasarkan Hasil penggabungan tersebut mengasilkan warna yang berbeda untuk masing-masing area. Keberadaan Ikan Ket. Terdapat area berwarna biru tua, biru muda dan Kurang putih. Masing-masing warna tersebut No Kelas Nilai Klorofil-a Cocok menggambarkan kondisi perairan berdasarkan keberadaan ikan pelagis kecil. Hasil overlay 1. 1 0 – 0,5 mg/m3 atau Sangat tersebut selanjutnya dilakukan layouting 2,25 – 2,5 mg/m3 Cocok menggunakan perangkat lunak ArcMap 10.3. Layouting yang dilakukan antara lain menambah 2. 2 0,5 mg/m3 - 2,25 Tidak atau menuliskan judul peta, logo instansi terkait, mg/m3 Cocok nama pembuat peta, grid pada peta, sumber citra, dan keterangan. Keterangan yang ditampilkan 3. 3 >2,5 mg/m3 berupa arah mata angin, skala, legenda. Hal ini dilakukan pada semua hasil overlay yang didapat, yaitu bulan November 2019, Desember 2019 dan Januari 2020. Hasil tersebut selanjutnya menjadi peta prediksi sebaran ikan pelagis kecil. Gambar 5. Hasil klasifikasi klorofil-a Tabel 6. Hasil Klasifiksi Klorofil-a No Bulan Nilai Klorofil-a 1. November 0,13 – 3,55 mg/m3 2019 2. Desember 0,13 – 4,92 mg/m3 2019 3. Januari 0,12 – 8,73 mg/m3 2020 Berdasarkan hal tersebut, maka didapatkan Gambar 7. Peta Prediksi Sebaran Ikan Pelagis Kecil Bulan November 2019 hasil dari masing-masing variabel pada bulan November 2019, Desember 2019 dan Januari 2020. Hasil tersebut kemudian dilakukan penggabungan atau overlay hasil peta. Metode yang digunakan untuk melakukan menggabungkan hasil klasifikasi suhu permukaan laut dan klorofil-a adalah metode overlay menggunakan Raster Calculator dengan perangkat lunak ArcMap 10.3. Gambar 8. Peta Prediksi Sebaran Ikan Pelagis Kecil Bulan Desember 2019 68

Metode Pemetaan Suhu Permukaan Laut dan Klorofil-a Sebagai Prediksi Sebaran Ikan di Perairan ................... (Asqita Rakhma Ashari) Gambar 9. Peta Prediksi Sebaran Ikan Pelagis Kecil informasi baru. Overlay dapat dilakukan pada data Bulan Januari 2020 vektor maupun raster. Pada penelitian ini menggunakan data raster untuk digabungkan, dan Metode overlay adalah teknik atau prosedur menggunakan tools Raster Calculator. penting dalam analisis SIG (Sistem Informasi Geogafis). Overlay yaitu kemampuan untuk Peta prediksi sebaran ikan pelagis kecil dapat menempatkan grafis suatu peta di atas grafis peta dilihat pada Gambar 7, Gambar 8 dan Gambar 9, yang lain. Analisis spasial dilakukan dengan cara dimana terdapat 4 warna yag berbeda dan memiliki menumpang-tidihkan parameter yang digunakan, makna yang berbeda pula. Daerah dengan warna miasalnya adalah parameter suhu permukaan laut coklat muda merepresentasikan daratan, daerah dan klorofil-a. adalah parameter suhu permukaan dengan warna biru muda merepresentasikan laut laut dan klorofil-a. Menurut Rachmah et al. (2018), yang sedikit ikan, daerah dengan warna biru tua suatu sistem informasi dalam bentuk grafis yang merepresentasikan laut yang banyak ikan dan dibentuk dari penggabungan berbagai peta daerah dengan warna putih merepresentasikan individu (memiliki informasi/database yang laut yang tidak ada ikan. Perbedaan warna pada spesifik). Overlay peta dilakukan minimal dengan 2 peta tersebut menggaambarkan perbedaan jenis peta yang berbeda secara teknis dikatakan wilayah dan juga sebagai pembatas antar wilayah. harus adat polygon yang terbentuk dari 2 jenis peta Warna yang lebih gelap hanya bisa digunakan yang dioverlaykan. untuk merepresentasikan informasi kualitatif untuk wilayah yang kecil, jika tidak demikian maka akan Metode overlay dapat dikatakan sebagai terlalu banyak mendominasi gambar (Kertanegara penggabungan peta menjadi satu dengan cara et al., 2013). menumpuknya. Pada penelitian ini digunakan data suhu permukaan laut dan klorofil-a. Menurut Putra Wilayah dengan warna yang berbeda tersebut et al. (2012), dijelaskan pada grafik hubungan suhu berdasarkan oleh 2 variabel, yaitu suhu permukaan permukaan laut dengan ikan pelagis bahwa suhu laut dan klorofil-a yang mempengaruhi keberadaan untuk hidupnya ikan pelagis kecil adalah 26oC – ikan. Keberadaan ikan juga dipengaruhi oleh 31oC dan optimum pada 29oC – 31oC, sedangkan perubahan yaitu musim barat, musim timur dan grafik hubungan klorofil-a dengan ikan pelagis musim pancaroba. Setiap musim akan bahwa kondisi untuk hidupnya adalah 0 mg/m3 – memberikan kondisi suhu permukaan laut dan 2,25 mg/m3 dan optimum pada 0,5 mg/m3 – 2,25 konsentrasi klorofil yang berbeda-beda. Penelitian mg/m3. Sebagaimana dijelaskan pada Tabel 3, ini menggunakan data bulan November, Desember terdapat klasifikasi terkait suhu permukaan laut dan Januari, yang termasuk dalam muism barat. dengan keberadaan ikan yaitu keterangan kurang Menurut Yananto dan Sibarani (2016), musim cocok, sangat cocok dan tidak cocok bagi ikan. barat (muson barat) terjadi pada bulan Oktober Hubungan klorofil-a dengan keberadaan ikan hingga Februari. Asia yang mulai ditinggalkan pelagis kecil juga dituliskan pada Tabel 5. matahari temperaturnya rendah dan tekanan Terdapat klasifikasi yaitu keterangan kurang udaranya tinggi (maksimum). Oleh karena itulah cocok, sangat cocok dan tidak cocok bagi ikan. terjadi pergerakan angin dari benua Asia ke benua Australia. Hal ini berarti bahwa suhu permukaan Kelas-kelas pada Tabel 3 dan Tabel 5 laut pada perairan di Indonesia relatif tidak terlalu tersebut memberikan warna yang berbeda dan panas dan cocok untuk hidup ikan pelagis kecil. nilai yang berbeda pula. Selanjutnya dilakukan penggabungan dan analisis kondisi yang cocok Ikan pelagis kecil relatif peka terhadap untuk hidup ikan pelagis kecil. Penggabungan perubahan suhu. Terlihat pada Gambar 7, tersebut dinamakan overlay, dan pada penelitian Gambar 8 dan Gambar 9 bahwa area sebaran ini menggunakan Raster Calculator. Menurut ikan pelagis kecil berubah. Walaupun area Larasati et al. (2017), overlay dapat didefinisikan sebaran ikan bergeser, namun dapat dilihat bahwa sebagai operasi spasial yang menggabungkan ikan pelagis kecil tersebut persebarannya relatif layer geografik yang berbeda untuk mendapatkan mengarah ke daratan daripada ke arah laut. Pada Gambar 7, daerah dengan warna biru tua berada di sepanjang pesisir utara Jawa Tengah. Begitu pula pada Gambar 8 dan Gambar 9, sepanjang pesisirnya relatif berwarna biru tua. Berdasarkan hasil gambar tersebut dapat diketahui bahwa daerah yang selalu berwarna biru tua adalah perairan utara Kabupaten Jepara. Hal ini karena pesisir Kabupaten Jepara memiliki nilai suhu dan klorofil-a yang relatif sama antara bulan November, Desember dan Januari serta cocok untuk area hidup ikan pelagis kecil. Menurut Agung et al. (2018), fishing ground ikan pelagis kecil secara spasial yang dikategorikan berpotensi berada diwilayah pesisir. Pernyataan tersebut sesuai dengan hasil yang didapatkan pada penelitian ini. Sebaran ikan pada bulan November, Desember 69

Bunga Rampai Kepesisiran dan Kemaritiman 2(1): 1-4Agung A., M. Zainuri, A. Wirasatriya, L. Maslukah dan Petrus. 2018. Analisis Sebaran dan Januari di Perairan Utara Jawa Tengah hampir Klorofil-a dan Suhu Permukaan Laut sebagai seluruhnya berada di sepanjang pesisir nya. Hal ini Fishing Ground Potensial (Ikan Pelagis Kecil) di dikarenakan kondisi lingkungan perairan di wilayah Perairan Kendal, Jawa Tengah. Buletin pesisir lebih cocok untuk area hidup ikan pelagis Oseanografi Marina. 7(2): 67-74. kecil dibandingkan dengan di laut lepas. Julita, R, & Mujiono. (2019). Estimasi Zona Potensial Penangkapa Ikan (ZPPI) Provinsi Bengkulu KESIMPULAN Menggunakan Citra Satelit MODIS Aqua. Journal of Fisheries and Marine Research. (3)3: 358-365. Kesimpulan yang dapat diambil dari kegiatan Kasim, K., S., Triharyuni, & A. Wahyudi. (2014). PKL adalah sebagai sebaran ikan pelagis kecil Hubungan Ikan Pelagis dengan Konentrasi Klorofil- dapat diprediksi menggunakan metode overlay a di Laut Jawa. BAWAL. 6(1): 21-29. terhadap suhu permukaan laut dan klorofil-a Kertanegara, U., A. Laila dan B. Sudarsono. 2013. melalui deteksi sensor MODIS pada satelit Aqua. Peninjauan Secara Kartografis dalam Pembuatan Selanjutnya kondisi sebaran ikan pelagis kecil di Peta Kampus Universitas Diponegoro. Jurnal Perairan Utara Jawa Tengah pada bulan Geodesi Undip. 2(4): 10-25. November 2019, Desember 2019 dan Januari Kumaat, J. Ch., M. M. F. Rampengan dan S. T. B. 2020 relatif berada di sepanjang pesisir. Daerah Kandoli. 2018. Sistem Informasi Geografis Daerah yang selalu selalu dalam kondisi banyak ikan pada Penangkapan Ikan Tuna di Perairan Bitung. Jurnal 3 bulan tersebut adalah perairan utara Kabupaten Ilmiah Platax. 6(2): 147-157 Jepara. Kurniawati, F., T. B. Sajanto, & Juhadi. (2015). Pendugaan Potensi Penangkapan Ikan Pelagis UCAPAN TERIMA KASIH Kecil di Perairan Laut Jawa pada Musim Barat dan Musim Timur dengan Menggunakan Citra Aqua Ucapan terima kasih penulis sampaikan MODIS. Geo Image. 4(2): 9-19. kepada Parangtritis Geomaritime Science Park Larasati, N. M., S. Subiyanto dan A. Sukmono. 2017. (PGSP) Yogyakarta, pembimbing lapangan dan Analisis Penggunaan dan Pemanfaatan Tanah para staf serta rekan - rekan mahasiswa magang (P2T) Menggunakan Sistem Informasi Geografis atas kerjasama, bimbingan dan bantuannya dalam Kecamatan Banyumanik Tahun 2016. Jurnal melaksanakan penelitian ini. Geodesi Undip. 6(4): 89-97. Putra, E., J. L. Gaol dan V. P. Siregar. 2012. Hubungan DAFTAR PUSTAKA Konsentrasi Klorofil-a dan Suhu Permukaan Laut dengan Hasil Tangkapan Ikan Pelagis Utama di Agung A., M. Zainuri, A. Wirasatriya, L. Maslukah dan Perairan Laut Jawa dar Citra Satelit. Jurnal Petrus. 2018. Analisis Sebaran Klorofil-a dan Suhu Teknologi Perikanan dan Kelautan. 3(2): 1-10. Permukaan Laut sebagai Fishing Ground Potensial Rachmah, Z., M. M. Rengkung dan V. Lahamendu 2018. (Ikan Pelagis Kecil) di Perairan Kendal, Jawa Kesesuaian Lahan Pemukiman di Kawasan Kaki Tengah. Buletin Oseanografi Marina. 7(2): 67-74. Gunung Dua Sudara. Jurnal Spasial. 5(1): 118-129. Rahman, D. R., I. Triarso, & Asriyanto. (2013). Analisis Akhlak, M. A., Supriharyono dan A. Hartoko. 2015. Bioekonomi Ikan Pelagis pada Usaha Perikanan Hubungan Variabel Suhu Permukaan Laut, Korofil- Tangkap di Pelabuhan Perikanan Pantai Tawang a dan Hasil Tangkapan Kapal Purse Seine yang Kabupaten Kendal. Journal of Fisheries Resources Didaratkan di TPI Bajomulyo Juwana, Pati. Utilization Management and Technology. 2(1): 1- Diponegoro Journal of Maquares. 4(4): 128-135. 10. Yananto, A. dan R. M. Sibarani. 2016. Analisis Kejadian Bafagih, A., S. Hamzah dan U. Tangke. 2018. Sebaran El Nino dan Pengaruhnya Terhadap Intensitas Konsentrasi Klorofil-a Hubungannya dengan Hasil Curah Hujan di Wilayah Jabodetabek (Studi Kasus: Tangkapan Ikan Julung di Perairan Pulau Ternate. Periode Puncak Musim Hujan Tahun 2015/ 2016). Jurnal Akuakultur. Pesisir dan Pulau-Pulau Kecil, Jurnal Sains dan Teknologi Modifikasi Cuaca. 17(2): 65-73. 70

Pemetaan Suhu Permukaan Laut Menggunakan Data Citra Terra Modis di Perairan Bengkulu ..................................... (Ahmad Sabaran) PEMETAAN SUHU PERMUKAAN LAUT MENGGUNAKAN DATA CITRA TERRA MODIS DI PERAIRAN BENGKULU (Sea Surface Temperature Mapping Using the Terra Modis In Bengkulu Waters) Ahmad Sabaran1, Farid Ibrahim2 Jurusan Ilmu Kelautan, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya1 Parangtritis Geomaritime Science Park2 E-mail: [email protected] ABSTRAK Suhu Permukaan Laut (SPL) merupakan salah satu faktor yang mempengaruhi kehidupan organisme di lautan. Suhu Permukaan Laut (SPL) sering dibutuhkan untuk mempelajari faktor-faktor fisika, kimia, biologi di lautan. Tujuan Pemetaan Suhu Permukaan Laut (SPL) untuk melihat sebaran nilai dari Suhu Permukaan Laut (SPL) di Perairan Bengkulu. Pengolahan Suhu Permukaan Laut (SPL) ini menggunakan data citra Terra-Modis level 3. Penggunaan citra Terra-MODIS level 3 karena data citra ini sudah terkoreksi atmosferik. Hasil yang didapatkan untuk musim penghujan (Oktober, November , Desember, Januari, Februari, Maret, April) menunjukan nilai range 23,63-31,98 dan musim kemarau (Mei, Juni, Juli, Agustus, September) menunjukan range 23,45-31,61. Kata kunci: Suhu Permukaan Laut, terra-MODIS, perairan laut Bengkulu. ABSTRACT Sea level temperature (SPL) is one of the factors affecting the life of organisms in the ocean. Sea level temperatures (SPL) are often needed to learn the factors of physics, chemistry, biology in the oceans. The objective of Sea level mapping (SPL) to see the value of the sea level temperature (SPL) in the waters of Bengkulu. This sea surface temperature (SPL) processing uses Terra-Modis level 3 image data. The use of Terra-MODIS level 3 imagery as this imagery data has been corrected in the atmosphere. The results earned for the rainy season (October, November, December, January, February, March, April) show a range of 23,63- 31,98 and a dry season (May, June, July, August, September) show a 23,45-31,61 range. Keywords: Sea level temperature, terra-MODIS, Bengkulu Sea waters. PENDAHULUAN mempengaruhi metabolisme maupun Indonesia merupakan negara kepulauan perkembangbiakan dari organisme di laut. karena wilayah lautnya lebih luas dibanding darat, sehingga berpotensi sebagai daerah penghasil Sebaran suhu permukaan laut juga mempengaruhi sumber daya ikan laut. Suhu perairan mengalami variasi dari waktu ke waktu sesuai dengan kondisi keadaan fisik, kimia, dan biologi di lautan. Suhu alam yang mempengaruhi perairan tersebut. Indonesia sendiri memiliki iklim tropis karena permukaan laut dapat juga di hubungkan dengan berada pada garis khatulistiwa. petensi perikan di suatu perairan (Musyidin et al. Suhu merupakan salah satu parameter 2015). lingkungan yang sering dibutuhkan di laut karena berguna dalam mempelajari proses - proses fisik, Suhu permukaan laut dapat diukur secara kimia, dan biologi yang terjadi di laut. Suhu permukaan laut dapat digunakan untuk langsung dan tidak langsung seperti pengukuran mengindentifikasi parameter-parameter laut seperti arus, upwelling dan front. Front yaitu insitu dan pengukuran dengan teknologi pertemuan antara dua massa air yang mempunyai karakteristik yang berbeda, baik temperatur penginderaan jauh, teknologi penginderaan jauh maupun salinitas. Sedangkan upwelling adalah penaikan massa air laut dari suatu lapisan dalam kini telah hadir untuk memberikan solusi ke lapisan permukaan (Insanu et al. 2013). pemantauan lautan yang sangat luas, yaitu dengan Suhu Permukaan Laut (SPL) merupakan salah satu faktor yang mempengaruhi kehidupan menggunakan teknologi satelit. Salah satu satelit organisme di lautan, karena suhu dapat yang dapat di gunakan adalah satelit Aqua MODIS. Citra Aqua MODIS dapat memetakan suhu permukaan laut karena citra MODIS memiliki band termal yaitu pada band 20-25 dan 27-36 (Akhbar et al. 2018). Citra satelit MODIS dapat digunakan karena memiliki luasan sapuan mencapai 2330 km dengan resolusi temporal 1 hari, sehingga data yang ada lebih beragam dan lebih mudah dilakukan pemilihan kawasan yang bebas awan. Untuk mendapatkan nilai SPL dilakukan dengan 71

Bunga Rampai Kepesisiran dan Kemaritiman Tabel 5. Alat dan Bahan algoritma dari kombinasi band yang ada pada citra No. Alat dan Bahan Fungsi satelit MODIS (Zahroh dan Sukojo, 2016). Pengoperasian METODE 1. Laptop/Komputer software ArcGIS, SeaDAS, ErMapper 1. Lokasi Penelitian 2. Alat Tulis Untuk mencatat Penenlitian ini dilaksanakan di perairan 3. Software ArcGIS Untuk mengolah data 4. Software SeaDAS Untuk mengolah data Bengkulu pada bulan januari hingga bulan 5. Data Citra Terra Data yang akan desember 2019. diolah Modis Gambar 1. Peta lokasi penelitian di perairan 3. Metode Pengolahan Data Bengkulu Penelitian ini menggunakan 3 prosedur. Prosedur Data Citra Terra Modis level-3 pertama adalah pengunduhan data citra satelit Terra-MODIS level 3 permukaan laut (SPL) di Sea Surface Perairan Laut Bengkulu dari website Temperature www.oceancolor.gsfc.nasa.gov. Prosedur kedua adalah tahap pengolahan data dengan Eksrtak Data menggunakan software. Prosedur ketiga adalah layouting peta Suhu Permukaan Laut. Croping Data Setelah melakukan download data. Ekstrak data Setting: Reproject di perangkat lunak SeaDas dengan cara klik open Coastline, land lalu masukan data yang akan di ekstrak. Kemudian di File Manager buka Raster lalu double klik di sst Eksport Data akan muncul tampilan data. Kemudian pada menu bar pilih Raster lalu kli Reproject dan ubah name Sortir Data dan destory sesuai yang diinginkan lalu klik run. Kemudian akan muncul layer baru lalu klik sst. Interpolasi IDW Kemudian di menu bar pilih layer lalu klik Coastline, Land & Water, untuk memberi warna pada Daratan Layouting Peta dan Garis Pantai. Kemudian pada menu bar pilih Gambar 2. Diagram alir penelitian Raster klik Crop (untuk memotong bagian menjadi 2. Alat dan Bahan lebih spesifik). Kemudian export. Masuk pada perangkat Microsoft Excel lalu sortir Alat dan bahan yang digunakan dalam data sesuai yang di butuhkan. Kemudian simpan penelitian ini dapat disajikan pada Tabel 1. data yang sudah di sortir. Kemudian masuk pada perangkat ArcGis lalu masukan data yang akan diolah. Kemudian lakukan digitasi pada awan dan daratan dengan cara membuat shapefile. Kemudian masukan data yang sudah di sortir sebelumnya lalu pilih sesuai output yang diinginkan. Kemudian klik properties kemudian lakukan perubahan sesuai yang diinginkan. Kemudian klia Arctoolbox klik Spatial Analyst Tools lalukan IDW. Kemudian lakukan layout pada peta sebaran suhu permukaan laut (SPL). HASIL DAN PEMBAHASAN A. Musim Penghujan Berdasarkan Gambar dibawah dapat diketahui bahwa peta diatas merupakan peta suhu permukaan laut di perairan Laut Bengkulu pada musim penghujan. Data yang digunakan adalah citra Terra MODIS level 3 pada tahun 2019. Musim penghujan pada tahun 2019 terjadi selama 7 bulan dimulai dari bulan Oktober, November, Desember, Januari, Februari, Maret, dan April. Nilai suhu permukaan laut di perairan Bengkulu pada musim penghujan memimilki nilai suhu yang relatif rendah. Nilai suhu yang rendah ini diakibatkan oleh sinar matahari yang masuk di 72

Pemetaan Suhu Permukaan Laut Menggunakan Data Citra Terra Modis di Perairan Bengkulu ..................................... (Ahmad Sabaran) perairan kurang. Nilai suhu permukaan laut yang d) Januari terendah tejadi pada bulan Oktober dengan nilai suhu 23,63- 25,95 oC dan di tandai dengan warna biru dapat di lihat gambar dibawah. Nilai suhu permukaan laut yang rendah dapat membuat organisme di perairan menjadi terganggu. Memasuki musim kemarau, nilai suhu permukaan laut di perairan Bengkulu menjadi hangat. Bergasarkan gambar dibawah pada bulan Maret dan April nilai rerata suhu permukaan laut di kisaran 28-31 oC. Peningkatan nilai suhu permukaan laut di perairan ini diakibarkan pancaran dari sinar matahari yang masuk ke perairan meningkat. a) Oktober e) Februari b) November f) Maret c) Desember g) April 73

Bunga Rampai Kepesisiran dan Kemaritiman B. Musim Kemarau a) Mei e) September b) Juni c) Juli Berdasarkan Gambar diatas dapat diketahui d) Agustus bahwa peta diatas merupakan peta suhu permukaan laut di perairan Laut Bengkulu pada musim penghujan. Data yang digunakan adalah citra Terra MODIS level 3 pada tahun 2019. Musim penghujan pada tahun 2019 terjadi selama 5 bulan dimulai dari bulan Mei, Juni, Juli, Agustus, September. Musim kemarau yang terjadi di perairan Bengkulu ini menyebabkan nilai suhu permukaan laut di perairan meningkat. Berdasarkan gambar diatas bulan Mei nilai suhu permukaan laut memiliki kisaran 29-31 oC. Bulau Mei, Juni, Juli memiliki nilai yang relatif stabil dengan nilai suhu kisaran 27-31 oC. Nilai suhu yang stabil dapat menyebabkan organisme di perairan menjadi stabil. Memasuki musim penghujan nilai suhu permukaan laut di perairan Bengkulu menjadi rendah dengan nilai kisara antara 24-28 oC, hal ini terjadi karena masukan sinar matahari di perairan menurun. KESIMPULAN Kesimpulan yang didapatkan dari penelitian ini adalah nilai Suhu Permukaan Laut yang didapat musim penghujan menunjukkan range berkisar 23,63-31,98 dan musim kemarau menunjukkan range berkisar 23,45-31,61. UCAPAN TERIMA KASIH Pada kesempatan ini, saya ingin mengucapkan terima kasih yang sebesar- besarnya kepada: 1. Allah S.W.T dengan petunjuk dan ridha-Nya sehingga saya dapat menyelesaikan artikel ini. 2. Kedua orang tua Bapak Suharpin dan Ibu Nurazmi yang telah mendukung dan selalu mendoakan saya. 3. Dr. Fauziyah, S.Pi selaku dosen pembimbing. 4. Mas Farid Ibrahim, S.Si selaku pembimbing dan wali magang di Parangtritis Geomaritime Science Park. 74

Pemetaan Suhu Permukaan Laut Menggunakan Data Citra Terra Modis di Perairan Bengkulu ..................................... (Ahmad Sabaran) 5. Seluruh staff di Parangtritis Geomaritime Musyidin, Munadi K, Muchlisin Z. 2015. Prediksi Science Park. zona tangkapan ikan menggunakan citra 6. Teman – teman seperjuangan yang magang di klorofil-a dan citra suhu permukaan laut Parangtritis Geomaritime Science Park. satelit aqua modis si perairan Pulo Aceh. Rekayasa Elektrika, 11(5), 176-177. DAFTAR PUSTAKA Putra FA, Hasan Z, Purba NP. 2016. Kondisi arus Akhbar AI, Jaya YF, Febrianto T. 2018. Kajian suhu dan suhu permukaan laut pada musim barat permukaan laut berdasarkan data citra dan kaitanya dengan ikan tuna sirip kuning satelit NOAA-AVHRR dan data argo float di (thunnus albacares) di perperain selatan perairan selatan jawa. Dinamika Maritim, jawa barat. Perikanan dan Kelautan, 7(1), 7(1), 27-32. 156-163. Hamuna B, Yunus PP, Lisiard Dimara. 2015. Sunarernanda DV, Sasmito B, Prasetyo Y, Kajian suhu permukaan laut mengunakan Wirasatriya A.2017. Analisis perbandingan Data Satelit Aqua-MODIS di Perairan citra satelit EOS AQUA/TERRA MODIS dan Jayapura, Papua. Depik, 4(3), 160 – 167. NOAA AVHRR menggunakan parameter suhu permukaan laut. Geodesi Undip, 1(2), Hendrawan. Gaol JL. Susilo SB. 2018. Studi 10-11. kerapatan dan perubahan tutupan mangrove menggunakan citra satelit di Tampubolon AB, Gustin O, Chayati SN. 2016. Pulau Sebatik Kalimantan Utara. Ilmu dan Pemetaan suhu permukaan laut Teknologi Kelautan Tropis, 10(1), 99-109. mengunakan citra satelit Aqua Modis di perairan Provinsi Kepulauan Riau. Geodesi Kunarso, Hadi S, Ningsih SN, Baskoro MS. 2011. Undip, 1(4), 5-9. Variabilitas Suhu dan Klorofil- a di Daerah Upwelling pada Variasi Kejadian ENSO dan Yuniarti A, Maslukah L, Helmi M. 2016. Studi IOD di Perairan Selatan Jawa sampai Timor. variabilitas suhu permukaan laut Ilmu kelautan, 16(3), 171-180. berdasarkan citra satelit aqua modis tahun 2007-2011 di perairan selat bali. Kurnianingsih TN, Sasmito S, Prasetyo Y, Oseanografi, 2(4), 416-421. Wirasatriya A. 2017. Analisis sebaran suhu permukaan laut, klorofil a, dan angin Zahroh L, Sukojo BM. 2016. Analisis suhu terhadap fenomena uppwelling di Perairan permukaan laut untuk penentuan daerah Pulau Buru dan Seram. Geodesi Undip, 6(1), potensi ikan menggunakan citra satelit 238-249. modis level 1B. Teknik ITS, 5(2), 9-13. 75

Bunga Rampai Kepesisiran dan Kemaritiman PENGOLAHAN DATA CITRA TERRA MODIS UNTUK MENENTUKAN ZONA POTENSI PENANGKAPAN IKAN (ZPPI) DI PERAIRAN LAUT MALUKU (Terra Modis Image Processing Data for Determining Fish Potential Zone (ZPPI) in Maluku Sea) Nanda Dwi Septiani1, Fajrun Wahidil Muharram2 Jurusan Ilmu Kelautan, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya1 Parangtritis Geomaritime Science Park2 E-mail: [email protected] ABSTRAK Penentuan Zona Potensi Penangkapan Ikan (ZPPI) termasuk dalam salah satu upaya yang dilakukan untuk dapat menentukan wilayah yang dapat dijadikan sebagai wilayah tangkapan bagi para nelayan. Tujuan dilakukannya penelitian ini untuk mengetahui wilayah yang memiliki potensi penangkapan ikan dengan berdasarkan sebaran suhu permukaan laut dan klorofil-a pada di Perairan Laut Maluku. Pengolahan Zona Potensi Penangkapan Ikan (ZPPI) ini menggunakan data citra Terra-MODIS level 3 dengan menggunakan parameter suhu permukaan laut (SPL) dan klorofil-a. Metode yang digunakan dalam pengolahan data Zona Potensi Penangkapan Ikan (ZPPI) menggunakan penentuan nilai secara skoring. Hasil yang didapat menunjukkan bahwa pada wilayah Perairan Laut Maluku yang memiliki potensi ikan yang tinggi terdapat pada bulan Februari, Maret, Juli dan Agustus, namun sebarannya tidak merata. Nilai suhu permukaan laut yang berkisar antara 24°C - 31°C sedangkan nilai klorofil-a yang berkisar antara 0.07 mg/l – 23 mg/l. Pada dasarnya ikan dapat hidup pada kisaran suhu 22°C - 30°C dan klorofil-a yang bernilai di atas 0.2 mg/l dapat mengindikasikan keberadaan fitoplankton yang cukup untuk keberlangsungan hidup ikan, sehingga dapat diasumsikan sebagai zona potensi penangkapan ikan. Kata kunci: Zona Potensi Penangkapan Ikan, terra-MODIS, perairan Laut Maluku. ABSTRACT Determination of Fishing Potential Zones (ZPPI) is included in one of the efforts made to determine the area that can be used as a catchment area for fisherman. The purpose in this research is to find out areas that have potential for fishing based on the distribution of sea surface temperature and chlorophyll-a in the Maluku Sea. Processing of Fishing Potential Zones (ZPPI) uses Terra-MODIS level 3 image data using sea surface temperature (SPL) and chlorophyll-a parameters. The method used in data processing on the Fishing Potential Zones (ZPPI) uses the scoring determination. The results obtained show that the Maluku Sea that have high fish potential are found in February, March, July and August, but the distribution is not evenly distributed. Sea surface temperature values range from 24°C - 31°C, while chlorophyll-a values range between 0.07 mg/l – 23 mg/l. Basically fish can live in a temperature range of 22°C - 30°C and chlorophyll-a values above 0.2 mg/l can indicate the presence of phytoplankton that is sufficient for fish survival, so it can be assumed as a potential fishing zone. Keywords: Fishing Potential Zone, terra-MODIS, Maluku Sea waters PENDAHULUAN wilayah Laut Maluku Utara, merupakan aset strategis untuk dikembangkan dengan basis Indonesia merupakan negara kepulauan yang kegiatan ekonomi pada tujuan pemakmuran memiliki kondisi perairan dengan arus dan suhu masyarakat pesisir dan peningkatan perolehan permukaan laut yang dipengaruhi oleh variabilitas pendapatan asli daerah. Potensi sumberdaya ikan oseanografi yang terletak di antara Samudera khususnya ikan pelagis di Laut Maluku cukup Pasifik dan Samudera Hindia. Santoso (2015) besar dan ikan tersebut menjadikan daerah dalam Ekayana et al. (2017) menyatakan bahwa perairan Laut Maluku merupakan wilayah lintasan Indonesia memiliki luas wilayah teritorial sebesar migrasinya. Oleh karena itu perairan Laut Maluku 7,1 juta km2 serta didominasi oleh wilayah laut termasuk salah satu dari tiga daerah penangkapan kurang lebih 5,4 juta km2. ikan terbaik di perairan bagian timur Indonesia. Salah satu cara penentuan lokasi penangkapan Indonesia memiliki sumberdaya perikanan ikan (Fishing Ground) dapat dilakukan dengan yang melimpah, khususnya yang terletak di 76

Pengolahan Data Citra Terra Modis untuk Menentukan Zona Potensi Penangkapan Ikan (ZPPI) ............................ (Nanda Dwi Septiani) memanfaatkan citra satelit yang merupakan Klorofil-a dan suhu permukaan laut aplikasi dari ilmu penginderaan jauh, yang merupakan parameter oseanografi yang menduga lokasi penangkapan ikan diantaranya berpengaruh terhadap kelimpahan ikan. Menurut dengan memanfaatkan sebaran faktor oseanografi Mursyidin et al. (2015) bahwa Parameter dinataranya suhu permukaan laut (SPL) dan oseanografi di suatu perairan dapat menjadi salah klorofil-a (Tangke, 2014). satu faktor banyaknya kelimpahan ikan pada suatu daerah. Daerah atau kawasan dari penangkapan Zona penangkapan ikan (Fishing ground) ikan ini biasanya memiliki rentang nilai kandungan adalah suatu daerah atau kawasan yang menjadi klorofil-a melebihi dari 0,5 mg/m3. sasaran penangkapan ikan. Pada daerah atau zona yang dijadikan sebagai sasaran Klorofil-a termasuk kedalam salah satu penangkapan ikan biasanya daerah tersebut indikator kelimpahan fitoplankton di perairan yang adalah tempat dimana berkumpulnya ikan. Para berperan dalam proses fotosintesis. Klorofil-a nelayan biasanya menentukan zona tangkapan dapat digunakan sebagai indikator kesuburan dan dengan melihat buih-buih atau riak air yang daerah pemijahan ikan. Produksi karbon organik terdapat di permukaan laut dan dengan melihat selama proses fotosintesis didefinisikan sebagai burung-burung yang berterbangan di permukaan produktivitas primer atau produktivitas primer laut (Mursyidin et al. 2015). bersih. Produktivitas primer bersih merupakan kunci pengukuran kesehatan lingkungan dan Menurut Wangi et al. (2019) beberapa dari pengelolaan sumberdaya laut. Pengukuran parameter oseanografi yang berkaitan dengan produktivitas primer secara konvensional untuk distribusi ikan yaitu suhu, klorofil-a, dan arus. cakupan wilayah yang besar membutuhkan waktu Perubahan nilai parameter oseanografi dapat dan biaya yang sangat mahal. Satelit secara rutin menyebabkan perubahan adaptasi dan tingkah telah menyediakan beberapa variabel biofisik laku ikan, dimana setiap jenis ikan memiliki kisaran seperti variabel konsentrasi klorofil-a dan suhu suhu, klorofil-a, dan arus tertentu dalam permukaan laut (Nuzapril et al. 2017). beraktivitas terutama mencari makan dan migrasi. Data Sistem Informasi Gegrafis (SIG) dapat METODE dimanfaatkan untuk menghasilkan informasi geografis mengenai daerah potensial 3. Lokasi Penelitian penangkapan ikan sehingga mengurangi besarnya Penenlitian ini dilaksanakan di perairan Laut biaya operasional. Pengetahuan nelayan masih kurang mengenai lokasi potensial penangkapan Maluku pada bulan januari hingga bulan desember ikan membuat hasil tangkapan kurang optimal, 2018. Perairan laut maluku ini merupakan perairan memakan waktu yang lama dan menyebabkan yang memiliki potensi ikan yang baik sehingga besarnya biaya operasional. dapat dijadikan sebagai tempat pengumpul ikan. Salah satu jenis citra satelit penginderaan Gambar 1. Peta lokasi penelitian di perairan Laut jauh yang digunakan untuk pemantauan laut global Maluku serta mendukung pengelolaan sumberdaya perikanan tangkap adalah citra Terra/ Aqua Penelitian ini dilaksanakan dengan dengan sensor Moderate Resolution Imaging menggunakan 3 prosedur. Prosedur pertama Spectroradiometer (MODIS). Citra Terra/Aqua adalah pengunduhan data citra satelit Terra- MODIS memiliki kelebihan resolusi temporal yang MODIS level 3 parameter suhu permukaan laut tinggi, sehingga sering digunakan untuk keperluan (SPL) dan klorofil-a di perairan Laut Maluku dari pemantauan skala harian. Selain Terra/Aqua website www.oceancolor.gsfc.nasa.gov. Prosedur MODIS yang memiliki resolusi temporal harian, kedua adalah tahap pengolahan data dengan saat ini terdapat satelit penginderaan jauh Suomi menggunakan software. Prosedur terakhir adalah NPP dengan sensor Visible/Infrared Imager and layouting peta zona potensi penangkapan ikan. Radiometer Suite (VIIRS) yang memiliki resolusi spasial lebih tinggi (Hamzah et al. 2016). Sebaran konsentrasi suhu permukaan laut (spl) dan klorofil-a yang diolah dari citra terra- Suhu permukaan laut (SPL) dalam hal ini dapat digunakan sebagai salah satu cara untuk menduga keberadaan organisme di suatu perairan, khususnya ikan. Sebaran suhu permukaan laut mengindikasikan terjadinya front termal yaitu proses upwelling, front atau pengadukan air laut di suatu perairan. Suhu dapat mempengaruhi fotosintesis yang terjadi pada fitoplankton baik secara langsung ataupun tidak langsung. Untuk menentukan sebaran klorofil-a dan SPL (Suhu permukaan laut) dapat juga menggunakan sistem penginderaan jauh (citra satelit) yang dapat memudahkan dalam proses pengambilan data (Intansari et al. 2018). 77

Bunga Rampai Kepesisiran dan Kemaritiman 4. Software Untuk mengolah MODIS dilakukan analisis secara spasial. Data SeaDAS data konsentrasi suhu permukaan laut (spl) dan klorofil- 5. Data Citra Terra Data yang akan a dapat diketahui dengan melakukan analisis data Modis citra Terra Modis level 3 yang telah di unduh. diolah Dalam hal ini citra tersebut diolah untuk memperoleh nilai maupun gambar dari sebaran 5. Metode Pengolahan Data suhu permukaan laut (spl) dan klorofil-a. Nilai konsentrasi suhu permukaan laut (spl) dan klorofil- Data yang digunakan untuk penentuan zona a dilakukan dengan metode skoring. Nilai potensi penangkapan ikan (ZPPI) menggunakan konsentrasi suhu permukaan laut (spl) dan klorofil- citra terra-MODIS level 3. Data citra yang a didapatkan dari pegolahan data di software digunakan menggunakan parameter suhu SeaDas diolah kembali menggunakan software permukaan laut (SPL) dan klorofil-a yang dibuka Microsoft Office Excel 2016 untuk melihat dengan software SeaDAS untuk memotong koordinat dan nilai suhu permukaan dengan wilayah yang diinginkan dan mengubah format klorofil-a. Langkah selanjutnya pembuatan peta data dari nc.file menjadi txt. Data tersebut zona potensi penangkapan ikan berdasarkan kemudian di lakukan pengklasifikasian data metode skoring atau memberi kategori kelas berdasarkan 3 kelas untuk setiap parameter yang berdasarkan nilai suhu dan klorofil. digunakan. Kategori kelas atau kriteria Suhu Permukaan Laut dapat dilihat pada tabel 2. Data Citra Terra Modis level-3 Tabel 2. Kategori Kelas Suhu Permukaan Laut. Kriteria Skor/Bobot Kategori 24°C-27°C 6 Potensial Tinggi 27°C-30°C 4 Potensial Sedang Sea Surface Chlorophyll-a Potensial Temperature Croping Data <24°C - >30°C 2 Rendah/Tidak Croping Data Setting: Reproject Potensial Setting: Reproject Coastline, land Coastline, land Kategori kelas atau kriteria suhu permukaan laut dapat dilihat pada tabel 3. Tabel 3. Kategori Kelas Klorofil-a. Kriteria Skor/Bobot Kategori >0.2 mg/l 6 Potensial Tinggi 0.1 mg/l – 0.2 4 Potensial mg/l Sedang Interpolasi dan Potensial reclassify <0.1 mg/l 2 Rendah/Tidak Potensial Overlay Proses selanjutnya dilakukan metode raster (Raster Calculator) calculator, metode ini bertujuan untuk mendapatkan informasi mengenai zona potensi Peta Zona Potensi penangkapan ikan melalui pendeteksian nilai suhu Penangkapan Ikan permukaan laut dan klorofil-a. Kedua parameter tersebut dijumlahkan dari masing-masing Gambar 2. Diagram alir penelitian kelasnya, sehingga akan didapatkan pembagian tingkat potensi mulai dari yang tinggi sampai 4. Alat dan Bahan dengan yang tidak memiliki potensi penangkapan ikan. Selanjutnya dilakukan layout peta untuk Alat dan bahan yang digunakan dalam memudahkan pembacaan peta bagi pengguna penelitian ini dapat disajikan pada Tabel 1. khususnya nelayan. Tabel 6. Alat dan Bahan HASIL DAN PEMBAHASAN No. Alat dan Bahan Fungsi Penelitian mengenai zona potensi penangkapan ikan ini dilakukan selama 12 bulan, 1. Laptop/Komputer Pengoperasian mulai dari bulan januari sampai dengan desember 2018. Data yang digunakan berupa citra terra software ArcGIS, modis level 3. Dengan menggunakan metode skoring didapatkan hasil berdasarkan kelas atau SeaDAS, ErMapper kategori dari parameter suhu permukaan laut dan 2. Alat Tulis Untuk mencatat 3. Software ArcGIS Untuk mengolah data 78

Pengolahan Data Citra Terra Modis untuk Menentukan Zona Potensi Penangkapan Ikan (ZPPI) ............................ (Nanda Dwi Septiani) klorofil-a. Pada tahun 2018 ini memiliki potensi g) yang berbeda-beda setiap bulannya. Perairan Laut Maluku memiliki potensi yang didominasi oleh potensi rendah. Hal ini dapat dipengaruhi oleh adanya fluktuasi suhu permukaan laut dan klorofil pada perairan tersebut. b) a) d) c) f) e) 79

Bunga Rampai Kepesisiran dan Kemaritiman antara lain banyak, sedang dan sedikit atau tidak memiliki potensi. h) i) j) k) l) Gambar 3. a) Januari, b) Februari, c) Maret, d) April, e) Mei, f) Juni, g) Juli, h) Agustus, i) September, j) Oktober, k) November, l) Desember Tahun 2018 Gambar di atas merupakan peta yang Berdasarkan ke 12 data diatas dapat menggambarkan informasi mengenai Zona diketahui bahwa variasi nilai suhu dan klorofil Potensi Penangkapan Ikan (ZPPI) di perairan Laut memiliki perbedaan yang tidak terlalu signifikan. Maluku. Data yang diolah menggunakan citra Dalam hal ini nilai suhu di perairan Laut Maluku Terra-Modis level 3 selama 12 bulan mulai dari memiliki kisaran suhu mulai dari 24°C sampai Januari 2018 sampai dengan Desember 2018 dengan 31°C dengan nilai suhu rata-rata 29.4°C. untuk melihat potensi penangkapan ikan di Sedangkan untuk nilai klorofil-a memiliki kisaran perairan Laut Maluku. mulai dari 0.07 mg/l hingga 23 mg/l dengan nilai klorofil rata-rata 0.1833 mg/l. Untuk menggetahui Zona Potensi Penangkapan Ikan (ZPPI) digunakan dua Data di atas dapat diketahui bahwa pada parameter antara lain mengunakan parameter tahun 2018 yang memiliki potensi tinggi terdapat Suhu Permukaan Laut dan Klorofil-a. Kedua pada bulan Februari, Maret, Juli, dan Agustus, parameter tersebut dilihat sebarannya di perairan namun sebarannya tidak terlalu banyak, bahkan Maluku untuk mengetahui posisi ikan, sehingga hanya sedikit jumlahnya. Pada bulan april dapat mengasumsikan wilayah tersebut dapat didominasi dengan yang tidak berpotensi. Pada dijadikan sebagai wilayah penangkapan ikan. perairan laut Maluku ini di dominan dengan potensi Dalam hal ini, ikan mempunyai kisaran hidup pada yang sedang. Namun pada bulan April lebih suhu 25°C - 32°C dan kandungan klorofil diatas 0.2 didominasi dengan yang jumlahnya sedikit atau mg/l. dengan istilah lain tidak berpotensi untuk dijadikan sebagai zona potensi penangkapan ikan. Laut Pengolahan data untuk penentuan zona Maluku memiliki rata-rata potensi yang sedang potensi penangkapan ikan ini menggunakan untuk dapat dijadikan zona potensi penangkapan metode skoring. Kedua parameter dilakukan ikan. interpolasi dan reclassify. Dalam hal ini, tahap reclassify digunakan pembagian kelas setiap Terjadinya proses fluktuasi suhu parameter dengan berdasarkan acuan menurut permukaan laut di perairan Laut Maluku ini dapat Bukhari et al. (2017) yang dibagi menjadi 3 kelas dipengaruhi oleh beberapa faktor oseanografi 80

Pengolahan Data Citra Terra Modis untuk Menentukan Zona Potensi Penangkapan Ikan (ZPPI) ............................ (Nanda Dwi Septiani) perairan seperti arus dan angin. Menurut klorofil-a di atas 0,2 mg/l dapat mengindikasikan Laevestu dan Hayes (1981), faktor-faktor yang keberadaan plankton yang cukup untuk menjaga dapat mempengaruhi terjadinya fluktuasi suhu kelangsungan hidup ikan. Sehingga daerah yang permukaan laut diantaranya dengan adanya curah memiliki konsentrasi klorofil-a di atas 0,2 mg/l hujan, penguapan, kecepatan angin, suhu udara, dapat diindikasikan sebagai wilayah yang memiliki dan intensitas cahaya matahari. potensi ikan. Gower dalam Zainuddin et al (2007) menyatalan bahwa keberadaan dari konsentrasi Gambar 4. Grafik Zona Potensi Penangkapan Ikan Laut Maluku Tahun 2018 Berdasarkan grafik di atas dapat diketahui Menurut Yuniarti (2013) menyatakan suhu memiliki bahwa zona potensi penangkapan ikan faktor penting untuk mengatur proses penyebaran dikategorikan menjadi 4 kelas antara lain potensi hidup fitoplankton di lautan, serta mempengaruhi tinggi, potensi sedang, potensi rendah dan tidak aktivitas metabolisme dan perkembangbiakannya. berpotensi. Dalam hal ini setiap potensi memiliki Nilai yang sesuai untuk menentukan zona potensi nilai yang berbeda-beda setiap bulannya. Data di penangkapan ikan yaitu berkisar antara 26 – 29 oC atas menunjukkan zona potensi penangkapan ikan (Mursyidin, 2015). pada bulan Januari sampai dengan bulan Desember 2018. Untuk sebaran potensi yang sedang juga terdapat pada setiap bulannya, mulai dari bulan Grafik diatas menunjukkan bahwa Januari sampai dengan bulan Desember 2018. informasi mengenai zona potensi penangkapan Potensi sedang yang mendominasi terdapat pada ikan memiliki potensi yang berbeda-beda setiap bulan Agustus. Sedangkan potensi sedang yang bulannya. Perairan Laut Maluku ini memiliki terendah terdapat pada bulan April. potensi yang didominasi dengan potensi yang rendah. Terlihat pada grafik diatas bahwa potensi Pada grafik diatas juga terdapat potensi yang rendah terdapat pada setiap bulan, mulai dari tinggi, namun sebaran dan nilainya tidak terlalu bulan Januari sampai dengan bulan Desember besar. Terlihat pada bulan Februari, Maret, Juli dan 2018. Hal ini dapat terjadi dikarenakan adanya Agustus, sedangkan pada bulan lainnya tidak fluktuasi baik dari parameter suhu permukaan laut terdapat yang potensi tinggi. maupun dari parameter klorofil-a yang tedapat pada Perairan Laut Maluku pada tahun 2018. Nilai dari masing-masing potensi didapatkan dengan cara skoring. Skoring Suhu permukaan laut (SPL) sangat dimaksudkan sebagai pemberian skor terhadap berperan penting dalam proses pertumbuhan masing-masing kelas dalam tiap parameter. Zona organisme. Setiap organisme termasuk juga potensi dapat dikatakan sebagai suatu didalamnya fitoplankton memiliki kisaran tertentu wilayah/daerah yang memiliki bobot paling tinggi untuk pertahanan hidup dan pertumbuhan. berdasarkan kedua indikator yaitu Suhu Permukaan Laut (SPL) dan klorofil-a. Sedangkan 81

Bunga Rampai Kepesisiran dan Kemaritiman Hamzah R, Prayogo T, Marpaung S. (2016). Metode penentuan titik koordinat zona potensi kurang potensial yang bobot penilaian kedua penangkapan ikan pelagis berdasarkan hasil indikator tersebut paling kecil. deteksi termal front suhu permukaan laut. Jurnal Penginderaan Jauh, 13(2), 97-108. KESIMPULAN Intansari G, Jumarang M I, Apriansyah. (2018). Kesimpulan yang didapatkan dari penelitian Variabilitas klorofil a dan suhu permukaan laut di ini adalah Laut Maluku memiliki rata-rata potensi perairan selat karimata. Jurnal Prisma, 6(1), 76-79. yang sedang untuk dapat dijadikan zona potensi penangkapan ikan. Potensi penangkapan ikan Laevastu, T. and Hela, I. (1993). Fisheries yang tinggi terdapat pada bulan Februari, Maret, Oceanography. Fishing News Books, London: Juli, dan Agustus, namun sebarannya tidak terlalu Fishing News 238 hlm. banyak. Kisaran suhu mulai dari 24°C sampai dengan 31°C dengan nilai suhu rata-rata 29.4°C. Mursyidin, Munadi K, Muchlisin ZA. (2015). Prediksi Sedangkan untuk nilai klorofil-a memiliki kisaran zona tangkapan ikan menggunakan citra klorofil-a mulai dari 0.07 mg/l hingga 23 mg/l dengan nilai dan citra suhu permukaan laut satelit Aqua MODIS klorofil rata-rata 0.1833 mg/l. di Perairan Pulo Aceh. Jurnal Rekayasa Elekrika, 11(5), 176-182. UCAPAN TERIMA KASIH Nuzapril M, Susilo S B, Panjaitan J P. (2017). Hubungan Kami mengucapkan terima kasih kepada antara konsentrasi klorofil-a dengan tingkat Bapak Fajrun Wahidil Muharram selaku produktivitas primer menggunakan citra satelit pembimbing, yang telah memberikan masukan landsat-8. Jurnal Teknologi Perikanan dan dan bimbingan selama proses penelitian Kelautan, 8(1), 105-114 berlangsung, kepada Bapak Farid Ibrahim selaku wali magang yang telah memberikan pengarahan Tangke U. (2014). Pendugaan daerah penangkapan dan masukan, kepada rekan-rekan mahasiswa ikan pelagis berdasarkan pendekatan suhu magang yang selalu memberikan masukan dan permukaan laut dan klrofil-a di Laut Maluku. Jurnal dukungan, kepada staff dan karyawan yang telah Ilmiah agribisnis dan Perikanan, 3(1), 74-82. memberikan pelayanan serta fasilitas selama serta untuk Instansi Parangtritis Geomaritime Science Wangi D A P, Sunardi, Rahman M A. (2019). Pendugaan Park yang telah memberikan kesempatan untuk daerah potensi penangkapan ikan cakalang melaksanakan penelitian ini. (katsuwonus pelamis) berdasarkan parameter oseanografi di Perairan Selat Makassar. Journal of DAFTAR PUSTAKA Fisheries and Marine Research, 3(1), 86-92. Ekayana IM, Karang IWGA, As-Syakur R, Jatmiko I, Yuniarti A, Maslukah L, Helmi M. (2013). Studi Novianto D. (2017). Hubungan hasil tangkapan variabilitas suhu permukaan laut berdasarkan citra Ikan Tuna selama Februari-Maret 2016 dengan satelit aqua modis tahun 2007-2011 di perairan konsentrasi klorofil dan SPL dari data Selat Bali. Jurnal Oseanografi, 2(4), 416-421. penginderaan jauh di Perairan Selatan Jawa – Bali. Zainuddin, M., Safruddin, dan Ismail. 2007. Journal of Marine and Aquatic Science, 3(1), 19-29. Pendugaan Potensi Sumberdaya Laut dan Migrasi Ikan Bukhari, Adi W, Kurniawan. (2017). Pendugaan daerah Pelagis Kecil di Sekitar Perairan Jeneponto. Laporan penangkapan ikan tenggiri berdasarkan distribusi Hasil Penelitian. Laboratorium Sistem Informasi suhu permukaan laut dan klorofil-a di perairan Perikanan Tangkap. Program Studi Pemanfaatan Bangka. Jurnal Perikanan Tangkap, 1(3), 1-22. Sumberdaya Perikanan. Jurusan Perikanan. Fakultas Ilmu Kelautan dan Perikanan. Universitas Hasanuddin. Makassar. Nilai dari masing-masing potensi didapatkan dengan cara skoring. Skoring dimaksudkan sebagai pemberian skor terhadap masing-masing kelas dalam tiap parameter. Zona potensi dapat dikatakan sebagai suatu wilayah/daerah yang memiliki bobot paling tinggi berdasarkan kedua indikator yaitu Suhu Permukaan Laut (SPL) dan klorofil-a. Sedangkan 82

Pengolahan Data Foto Udara Dengan Wahana Unmanned Aerial Vehicle (UAV) Untuk Pemetaan Mangrove ......................(Asta Kintari) PENGOLAHAN DATA FOTO UDARA DENGAN WAHANA UNMANNED AERIAL VEHICLE (UAV) UNTUK PEMETAAN MANGROVE DI PARANGTRITIS GEOMARITIME SCIENCE PARK (PGSP) YOGYAKARTA (The Data Processing of Aerial Photos by Using Unmanned Aerial Vehicle (UAV) Mode for Mangrove Mapping at Parangtritis Geomaritime Science Park (PGSP) Yogyakarta ) Asta Kintari1, Farid Ibrahim2 Jurusan Ilmu Kelautan, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya1 Parangtritis Geomaritime Science Park2 E-mail: [email protected] ABSTRAK Foto Udara menggunakan UAV untuk pemetaan mangrove membantu dalam proses pemetaan terutama dalam memonitoring mangrove. Tujuan dilakukannya penelitian ini untuk mengetahui Sebaran Mangrove dan pemanfaatan data penginderaan jauh format kecil dalam monitoring mangrove di Kawasan Hutan Mangrove Baros, Tirtohargo, Kretek Yogyakarta. Pengolahan Data Foto Udara Mangrove ini menggunakan Data UAV Dji Phantom 4 dengan ketinggian berkisar antara 80-120m dan dilakukan pengolahan data menggunakan Software Agisoft dan ArcGIS. Metode yang digunakan yaitu metode Interpretasi Visual dan Ground Check Lapangan. Hasil yang didapat pada wilayah kawasan mangrove Baros menunjukkan bahwa distribusi kerapatan mangrove masih dalam keadaan baik. Hampir seluruh wilayah Mangrove Baros masih didominasi kerapatan yang tinggi. Sebaran Vegetasi Mangrove terdapat 5 Jenis yaitu Sonneratia caseoalris, Rhizopora mucronata, Bruguiera gymnorrhiza, Avicennia marina Rhizopora apiculata. Luasan dari hasil digitasi didapatkan bahwa yang memiliki nilai luasan tertinggi ada pada jenis Rhizopora apiculata. Kata kunci: Foto Udara, Mangrove, Agisoft, Baros Yogyakarta. ABSTRACT Aerial photographs using UAV for magrove mapping aim to support the mapping process particularly in monitoring the magrove. The purpose of this research is to know the Sebaran Mangrove and the utilization of remote sensing data in In monitoring the magrove located in Baros Mangrove forest area, Tirtohargo, Kretek Yogyakarta. The writer used UAV Data Dji Phantom 4 with a height between 80-120m in processing the Magrove air photos data, and Agisoft and ArcGIS Software to carry out the data. Visual interpretation method and Ground Check Field were used in processing the data. The result obtained in the region of mangrove Baros indicates that the distribution of mangrove density is still in good condition. Almost all areas of Mangrove Baros are still dominated by high density. There are 5 types of magrove vegetation spreading namely Sonneratia Caseoalris, Rhizopora mucronata, Bruguiera Gymnorrhiza, Avicennia Marina Rhizopora apiculata. The results of the digitisation that have the highest area value exist in the type of Rhizopora apiculata. Keywords: Aerial photo, Mangrove, Agisoft, Baros Yogyakarta. PENDAHULUAN periodik. Menurut Alayyubi et al. (2017), teknologi yang canggih seperti kamera dan pesawat Indonesia merupakan negara kepulauan dan membuat pekerjaan foto udara dapat dilakukan juga disebut negara maritim. Indonesia memiliki dengan waktu yang relatif lebih cepat dan akurasi sumberdaya pesisir yang sangat besar, baik hayati yang cukup tinggi. Proses pengolahan foto udara maupun nonhayati. Pesisir merupakan wilayah pun kini dipermudah dengan adanya teknologi perbatasan antara daratan dan laut, oleh karena itu GPS yang terpasang pada wahana. wilayah ini dipengaruhi oleh proses-proses yang ada di darat maupun yang ada di laut. Salah satu Foto udara menggunakan UAV membantu cara untuk monitoring daerah pesisir adalah dalam proses pemetaan terutama dalam dengan metode penginderaan jauh. memonitoring mangrove. pesawat terbang mulai digunakan untuk melakukan pemotretan udara Teknologi penginderaan jauh memiliki yang kemudian diimbangi dengan berkembangnya keunggulan karena sifat synoptic yaitu mengukur kamera metrik sebagai sensor pemotretan. Foto obyek pada saat bersamaan pada suatu area yang udara dapat menjawab mahalnya biaya luas dan juga karena dapat mengukur obyek pada pemotretan udara dengan pesawat terbang. waktu yang berbeda (multitemporal) secara fotogrametri dengan UAV biaya yang lebih murah, 83

Bunga Rampai Kepesisiran dan Kemaritiman lebih aman, lebih berkualitas, lebih populer dan tercemar. Banyaknya fungsi mangrove perlu lebih mudah diadaptasikan untuk pemetaan adanya monitoring Secara cepat dan detail daerah yang relatif kecil. diantaranya dengan metode UAV. Foto udara adalah pengambilan gambar yang Ekosistem mangrove memiliki peranan berbasis representasi metrik untuk mendapatkan ekologi, sosial-ekonomi, dan sosial-budaya yang gambaran dari linkungan melalui pemotretan lewat sangat penting. Fungsi ekologi hutan mangrove udara. Untuk sudut pandang yang sederhana, meliputi tempat sekuestrasi karbon, remediasi wilayah tumpang tindih antara dua gambar bahan pencemar, menjaga stabilitas pantai dari berurutan mengakuisisi harus ditemukan dan abrasi, inttrusi air laut, dan gelombang badai, sesuai kecocokan dari photomapping yang terkait menjaga kealamian habitat, menjadi tempat dengan ordometry visual (Putri dan Sumiharto, bersarang (Setyawan dan Winarno, 2006). 2016). Foto udara merupakan citra foto yang diperoleh dari survei udara menggunakan pesawat METODE baik berawak ataupun nir-awak yang mengudara diatas permukaan bumi pada ketinggian yang 6. Lokasi Penelitian rendah karena kemampuannya untuk terbang Penenlitian ini dilakukan di Kawasan pada ketinggian yang rendah, resolusi foto yang diperolah dapat sangat detail yaitu kurang dari 25 Konservasi Mangrove Baros, Desa Tirtoargo, cm per piksel (Salim et al. 2018). Kecamatan Kretek, Kabupaten Bantul, Yogyakarta. Citra foto didapatkan dengan cara memotret menggunakan sebuah wahana atau alat Gambar 1. Peta lokasi penelitian di Mangrove transportasi biasanya berupa balon udara, Baros, Yogyakarta. pesawat udara, dan lain lain. Pemotretan dilakukan dengan menentukan tujuan pemotretan Penelitian ini dilaksanakan dengan disesuaikan dengan tujuan pemetaan pula, menggunakan 3 prosedur. Prosedur pertama menentukan jalur penerbangan, dan menentukan adalah Pengolahan data UAV dengan arah penerbangan. Unamed aerial vehicels (UAV) menggunakan Software Agisoft. Prosedur kedua yang telah dilengkapi kamera dapat menjadi adalah Ground Check Lapangan. Prosedur sarana dalam proses monitoring serta manajemen. terakhir adalah digitasi dan layout menggunakan Drone dengan ukuran yang kecil memungkinkan ArcGIS. untuk terbang rendah pengambilan gambar sekala kecil, drone juga dapat dijadikan sarana Metode yang digunakan dalam penelitian ini melakukan low altitude remote sensing dan menggunakan metode pemotretan udara pemetaan. menggunakan UAV. Foto udara menggunakan wahana Unmanned Aerial Vehicle (UAV) UAV (Unmanned Aerial Vehicle) merupakan didasarkan pada pengolahan data foto udara yang sebuah pesawat tanpa awak yang dikendalikan diambil untuk pemetaan mangrove. Foto yang dari jarak jauh atau diterbangkan secara mandiri akan diolah berupa foto tegak, sehingga dapat dilakukan pemrograman terlebih dahulu atau dilakukan proses mosaic (penampalan foto) secara otomatis (Putri dan Sumiharto, 2016). UAV dengan menggunakan software Agisoft sebagai alternatif yang sangat baik dalam proses Photoscan, sehingga diperoleh data pemetaan pemetaan detail suatu wilayah karena dapat mangrove. menghasilkan data spasial dan temporal resolusi tinggi dengan biaya relatif murah (Maulana dan Teknologi penginderaan jauh memerlukan Wulan, 2015). adanya Ground Check atau pengecekan lapangan dimana digunakan untuk mengakurasikan data Salah satu pemanfaatan penginderaan jauh yang didapat dari penginderaan jauh dengan data dengan UAV adalah pengamatan komunitas lapangan yang ada agar tingkat ketelitian dan mangrove. Penginderaan jauh memberikan akurasi data yang dihasilkan dapat dipertanggung kemudahan dalam inventarisasi dan pemantauan jawabkan kebenarannya. mangrove karena mangrove tumbuh baik hanya pada daerah pasang surut sehingga kombinasi vegetasi dan tanah basah/genangan memberikan kenampakan yang khas pada data penginderaan jauh. Mangrove memiliki fungsi ganda dan merupakan mata rantai yang sangat penting dalam memelihara keseimbangan siklus biologi di suatu perairan. Hal ini sesuai dengan Hamuna dan Tanjung (2018), yang mengemukakan bahwa fungsi kawasan mangrove yaitu menjaga keseimbangan ekosistem perairan pantai, melindungi pantai dan tebing sungai terhadap pengikisan atau erosi pantai, menahan dan mengendapkan lumpur serta menyaring bahan 84

Pengolahan Data Foto Udara Dengan Wahana Unmanned Aerial Vehicle (UAV) Untuk Pemetaan Mangrove ......................(Asta Kintari) Persiapan Alat Rekonstruksi Jalur Survey titik lokasi Gambar 3. Titik Lokasi Ground Check kawasan Terbang (Kawasan Mangrove Baros, Yogyakarta. Pengoperasian UAV Mangrove Baros, Software yang digunakan Agisoft. dan pengambilan Yogyakarta) Dikumpulkan beberapa gambar lalu digabungkan foto udara dengan menggunakan software Agisoft kemudian Mencatat dan diolah sampai menjad orthophoto dan orthomosaik Pengolahan Foto memfoto data dengan kualitas tinggi agar hasil baik. Kemudian Proses Mosaic hasil survey hasil didapatkan dan dapat diolah kembali dengan menggunakan aplikasi ArcGIS. Hasil data foto udara Hasil data (orthophoto) mangrove Data foto udara yang telah diolah menggunakan aplikasi agisoft kemudian diolah lagi Melakukan digitasi menggunakan perangkat lunak ArcGIS untuk dan layout proses pemetaan mangrove. Pengolahan data Setelah menggunakan Agisoft dan ArcGIS Uji Akurasi kemudian dilanjutkan Ground Check lapangan menggunakan Avenza MAP kemudian diolah di Er .Hasil Pemetaan Mapper untuk dimasukkan di ArcGIS. Data yang Mangrove telah didapatkan titik koordinatnya kemudian di identifikasi, dan digitasi berdasarkan jenis Gambar 2. Diagram alir penelitian mangrovenya dan di layout. 7. Alat dan Bahan HASIL DAN PEMBAHASAN Alat dan bahan yang digunakan dalam Penelitian mengenai pemetaan mangrove penelitian ini dapat disajikan pada Tabel 1. dilakukan pengambilan foto udara pada tahun 2016, pengolahan data dan ground check Tabel 7. Alat dan Bahan lapangan pada januari 2020. Data yang digunakan berupa data Citra foto udara didapatkan dari Drone No. Alat dan Bahan Fungsi Dji Phantom 4 dengan ketinggian berkisar antara 80-120m yang diambil pada pagi hari dengan 1. Laptop/Komputer Pengoperasian Resolusi spasial dari citra foto udara berkisar hinga 2,5cm. software ArcGIS, Hutan Mangrove terletak di Baros, Agisoft Photo Scan Tirtohargo, Kretek Yogyakarta. Baros terletak di sekitar Muara Sungai Opak yang memiliki 2. Alat Tulis Untuk mencatat permasalahan abrasi, gangguan angin laut, dan 3. Software ArcGIS Untuk mengolah data tsunami. Berdasar permasalahan yang dihadapi ini 4. Software Agisoft Untuk mengolah data tumbuh kepedulian masyarakat yang dikomandoi Karang Taruna untuk menyelesaikan 5. Data Foto Udara Data yang akan permasalahan dengan menanam mangrove. Kawasan mangrove ini berfungsi sebagai kawasan diolah konservasi daerah pesisir pantai dusun baros karena pada kawasan ini terdapat areal pertanian 6 Avenza Map Ground Check yang sering terancam oleh abrasi maupun banjir. 7 Buku Identifikasi Identifikasi Mangrove Hasil pemotretan dengan UAV berjumlah 147 foto tegak. Data Foto Udara menggunakan Mangrove UAV telah memuat koordinat. Kumpulan Data Foto tegak (Lihat Gambar 4.) 8. Metode Pengolahan Data Data yang digunakan untuk Pemetaan Mangrove menggunakan Hasil Foto Udara menggunakan Drone Dji Phantom 4 pada pagi hari, di Kawasan Mangrove Baros Parangtritis, Yogyakarta. Pengecekan lapangan merupakan kegiatan untuk membandingkan antara kenampakan obyek pada citra dan kenampakan obyek yang sama di lapangan sesuai karakteristiknya. Hasil dari Pengecekan lapangan ini digunakan untuk melakukan revisi hasil penafsiran awal dan mengetahui tingkat akurasi hasil penafsiran (Lihat Gambar 3.) 85

Bunga Rampai Kepesisiran dan Kemaritiman disekitaran dan bentos yang hidup, berasosiasi dengan kwaru, Rhizophora, dan sungai. Berbeda Gambar 4. Kumpulan data foto udara Mangrove dengan Stasiun 6 (Lihat Gambar 5.) yang memiliki Baros, Yogyakarta. tekstur kasar, berwarna sedang, berbentuk beragam, ukuran yang tinggi dan luas, memiliki Proses selanjutnya dilakukannya ground pola yang tidak teratur, Memiliki pengaruh dengan check lapangan untuk melakukan interpretasi air dan adanya ikan disekitaran dan bentos yang visual. Metode interpretasi yang didasarkan pada hidup, berasosiasi dengan sungai dan kwaru, hasil penyimpulan visual terhadap ciri-ciri spesifik memiliki bayangan menunjukkan berukuran tinggi, obyek pada citra yang dikenali dari bentuk, ukuran, dan berjenis mangrove Rhizophora apiculata. pola, bayangan, tekstur, rona dan lokasi objek. Penggunaan interpretasi visual memungkinkan Mangrove Sonneratia caseolaris didapatkan interpreter untuk mengidentifikasi objek-objek pada stasiun 8 (Lihat Gambar 5.) Memiliki tekstur berbeda namun memiliki tampilan yang sama. yang kasar, berwarna hijau pudar, bentuk yang Dengan kunci tersebut maka interpreter dapat beragam atau tidak teratur karn aberbeda dengan mengidentifikasi dengan lebih jelas. kebun, ukuran yang tinggi dan halus didapatkan dari bayangan yang pohon di sebelah barat, Uji Akurasi data berdasarkan interpretasi memiliki pengaruh dengan air dan adanya ikan visual dilakukan dengan membandingkan antara disekitaran dan bentos yang hidup, berasosiasi kenampakan objek pada citra dan kenampakannya dengan sungai dan waru. dilapangan. Setelah didapatkan hasil data foto udara menggunakan drone, dilakukan kembali Stasiun 2 (Lihat Gambar 5.) adanya Akurasi terhadap lapangan secara langsung, untuk intrepetasi visual bertekstur kasar, warna hijau melihat kenampakan agar sesuai dengan data biru, berbentuk beragam, memiliki pola yang tidak dilapangan dan memudahkan dalam proses teratur,dilakukan ground check untuk uji akurasi identifikasi. antara keduanya, dimana setelah diidentifikasi didapatkan bahwa ini bukan merupakan jenis Terdapat pada Stasiun 1 (Lihat Gambar 5.) mangrove, tetapi pohon cemara yang memiliki memiliki unsur intrepetasi visual berdasarkan pengaruh dengan burung dan mangrove, tekstur yang halus, warna hijau pucat, bentuk berasosiasi dengan Rhizopora. kotak, ukuran yang rendah (tidak terlalu tinggi), pola yang teratur, bayangan tifak terlihat. Stasiun 7 (Lihat Gambar 5.) adanya Pohon Menyatakan bahwa ini bukanlah merupakan jenis kwaru yang memiliki intrepertasi visual berbeda mangrove tetapi Kebun yang berasosiasi dengan juga dengan mangrove bertekstur kasar, memiliki lahan dan pepohonan dikawasan mangrove baros. warna hijau gelap keabu-abuan, berbentuk beragam, ukuran tinggi dan luas, Memiliki Stasiun 3 (Lihat Gambar 5.) memiliki pengaruh dengan air dan daerah sekitarnya, interpretasi visual berdasarkan tekstur yang kasar, berasosiasi dengan sungai dan Bruguiera. Pohon warna hijau terang, bentuk yang beragam, ukuran waru juga digunakan sebagai pemecah ombak yang tinggi dan halus, pola tidak teratur, bayangan pohon disebelah barat dimana menunjukkan Hasil dari validasi lapangan didapatkan tingginya pohon mangrove, memiliki pengaruh bahwa kondisi mangrove di Baros tergolong baik. dengan air dan adanya ikan sidekitaran bentos Mangrove Baros memiliki kerapatan yang tinggi yang hidup, berasosiasi dengan pohon cemara dimana pada setiap stasiunnya, memiliki jenis yang dan sungai bahwa ini merupakan jenis mangrove beragam, kedekatan yang dekat antara jenis Rhizophora mucronata. mangrove dan berbeda-beda antara satu dengan lainnya, adanya pohon cemara dan kwaru yang Stasiun 4 (Lihat Gambar 5.) adanya jenis masuk didalam kawasan mangrove baros. Hutan mangrove Bruguiera gymnorrhiza Lamk. yang mangrove tumbuh di sepanjang pesisir pantai, memiliki interpretasi visual bertekstur kasar, muara sungai, bahkan di rawa gambut. berwarna hijau terang, memiliki bentuk beragam, berpola tidak teratur, Memiliki pengaruh dengan air dan adanya ikan dan bentos yang hidup, berasosiasi dengan kwaru dan Avicennia marina. Jenis Mangrove Avicennia marina terdapat pada stasiun 5 (Lihat Gambar 5.) yang memiliki tekstur kasar, Warna hijau pudar coklat, bentuk beragam, ukuran tinggi dan luas, pola tidak teratur, Memiliki pengaruh dengan air dan adanya ikan 86

Pengolahan Data Foto Udara Dengan Wahana Unmanned Aerial Vehicle (UAV) Untuk Pemetaan Mangrove ......................(Asta Kintari) Gambar 5. Jenis-Jenis Vegetasi pada Wilayah Mangrove Baros, Yogyakarta. Hasil Mangrove Baros menunjukkan menggunakan software Agisoft. Hasil digitasi bahwa distribusi kerapatan mangrove masih dalam (Lihat Gambar 6.) dimana terlihat ada beberapa keadaan baik. Hampir seluruh wilayah Mangrove vegetasi, dan terdapat 5 jenis mangrove yang Baros masih didominasi kerapatan yang tinggi. mendominasi. Luasan dari hasil digitasi didapatkan bahwa pada jenis mangrove yang memiliki nilai luasan tertinggi Terdapat jenis mangrove nypa yang mana ada pada jenis rhizopora apiculata dimana tidak dilakukan digitasi karna tertutup luas berjumlah 33% yang mendominasi mangrove kanopinya dengan jenis mangrove lain. Jenis baros. Kemudian terdapat pada jenis avicennia mangrove Rhizophora apiculata memiliki luas marina yang berjumlah 29%, kemudian ada jenis kanopi 0.5054 hektar. Dan yang kedua terdapat mangrove Sonneratia caseolaris berjumlah 17 %, pada jenis mangrove Avicennia marina memiliki kemudian juga ada jenis Rhizophora mucronata luasan 0.4331 hektar, terluas ketiga terdapat pada berjumlah 11 % dan selanjutnya ada jenis jenis mangrove Sonneratia caseolaris yang Bruguiera gymnorrhiza berjumlah 10 % memiliki luasasn 0.2576 hektar. Yang ke empat terdapat pada jenis Rhizophora mucronata yang Tabel 2. Luas Tutupan Kanopi Luas Tutupan memiliki luasan 0.1623 hektar, dan terakhir Kanopi terdapat pada jenis Bruguiera gymnorrhiza yang No. Jenis Mangrove Ha % memiliki luasan 0.1586 hektar. 1. Sonneratia caseolaris 0,257 17 Hasil Pengolahan UAV dilanjutkan kembali 2. Rhizophora apiculata 0,505 33 dengan proses Digitasi dan didapatkan hasil peta 3. Rhizophora mucronata 0,162 11 (Lihat Gambar 6.) dimana terdapat beberapa jenis 4. Bruguiera gymnorrhiza vegetasi berdasarkan Interpretasi Visual dan 5. Avicennia marina 0,158 10 ground check. Terlihat pada hasil digitasi jenis mangrove Rhizophora apiculata mendominasi di Total 0,433 29 mangrove baros yogyakarta, dan memiliki luasan sepanjang 0,5054 hektar. Terdapat pula jenis 1,517 100 mangrove lainnya yaitu Sonneratia caseolaris, Rhizophora mucronata, Bruguiera gymnorrhiza, Luas tutupan kanopi mangrove (Lihat Tabel Avicennia marina. 2.) didapatkan dari hasil digitasi pada setiap jenis- jenis mangrove dan vegetasi lainnya yang ada Digitasi dilakukan berdasarkan penglihatan berdasarkan interpretasi visual menggunakan dari tekstur, rona, dan jenis lainnya dikelompokkan berdasarkan bentuk yang sama, dan terdapat juga aplikasi ArcGIS yang kemudian disimpan menjadi sawah, kebun, dan tanaman lainnya yang berada di sekitaran mangrove baros. Kehadiran vegetasi data JPEG. Digitasi dilakukan dengan bakau pada setiap wilayah pesisir sangat spesifik menggunakan hasil foto udara yang telah dimana proporsi terbesar kehadiran dijumpai pada daerah teluk yang dicirikan oleh adanya pengaruh didapatkan dari hasil tangkap UAV menggunakan aliran sungai. Mangrove didaerah baros menyebar berbagai macam jenis secara teracak. Dji Phantom 4 yang kemudian diolah 87

Bunga Rampai Kepesisiran dan Kemaritiman Gambar 6. Pemetaan Mangrove Avicennia marina, Rhizophora apiculata. Hasil dari Kawasan mangrove baros berdekatan dengan lahan pertanian terlihat pada (Gambar 6) validasi lapangan didapatkan bahwa kondisi dimana wilayah pertanian dijaga oleh mangrove mangrove di Baros tergolong baik. Mangrove baros yang berada di muara sungai. Hutan Baros memiliki kerapatan yang tinggi. Kondisi mangrove merupakan jenis hutan yang tidak hanya tutupan kanopi Mangrove Baros kurang lebih ditumbuhi oleh satu macam tanaman saja, yakni sebesar 1,517 hektar. tanaman mangrove. Namun, hutan mangrove juga ditumbuhi oleh jenis tumbuhan yang lainnya. UCAPAN TERIMA KASIH Komunitas dan pertumbuhan hutan ini dipengaruhi oleh beberapa faktor alam, misalnya tipe tanah, Kami mengucapkan terima kasih kepada salinitas, serta hempasan gelombang. Mangrove Bapak Farid Ibrahim selaku pembimbing dan wali baros memiliki burung-burung yang banyak, dan magang, yang telah memberikan masukan, memiliki tekstur tanah yang cukup padat dan tidak bimbingan selama proses penelitian, dan terlalu berlumpur. pengarahan. Kepada staff dan karyawan yang Jenis tumbuhan yang mampu tumbuh di hutan telah memberikan pelayanan serta fasilitas mangrove ini berbeda- berbeda satu dengan yang Kepada rekan-rekan mahasiswa magang dalam lainnya, hal ini karena bereaksi terhadap variasi membersamai proses pembelajaran serta untuk atau perubahan faktor lingkungan fisik tertentu, Instansi Parangtritis Geomaritime Science Park sehingga menimbulkan zona- zona vegetasi yang telah memberikan kesempatan untuk tertentu. Hutan mangrove adalah hutan yang melaksanakan penelitian ini. mempunyai banyak sekali manfaat. Manfaat- manfaat dari hutan mangrove sendiri telah DAFTAR PUSTAKA dipaparkan di atas. Oleh karena hutan mangrove Alayyubi, A.S., Cahyono, A.B., Hidayat, H. (2017). Pemetaan foto udara menggunakan wahana fix ini mempunyai banyak sekali manfaat dan juga wing UAV. Jurnal Teknik ITS, 6 (2), 403-408. sifat penting, maka keberadaan hutan mangrove ini perlu dilestarikan. KESIMPULAN Hamuna, B., & Tanjung, R.H.R. (2018). Deteksi perubahan luasan mangrove Teluk Youtefa Kota Kesimpulan yang didapatkan dari Jayapura menggunakan citra landsat penelitian ini adalah Untuk pengolahan data foto multitemporal. Majalah Geografi Indonesia, 32 (2), udara Mangrove Baros dapat menggunakan 115-122. Software Agisoft dan ArcGIS. Sebaran Vegetasi Mangrove terdapat 5 Jenis Sonneratia caseolaris, Maulana, E., & Wulan, T.R. (2015). Pemotretan udara Rhizophora mucronata, Bruguiera gymnorrhiza, dengan UAV untuk mendukung kegiatan Kegiatan Konservasi Kawasan Gumuk Pasir Parangtritis. Simposium Nasional Sains Geoinformasi IV Penguatan Peran Sains Informasi Geografi dalam 88

Pengolahan Data Foto Udara Dengan Wahana Unmanned Aerial Vehicle (UAV) Untuk Pemetaan Mangrove ......................(Asta Kintari) MendukungPenanganan Isyu-Isyu Strategis penginderaan jauh di P.Rambut, Kepulauan Seribu. Nasional, Yogyakarta. Jurnal Kelautan Nasional, 13 (2), 89-97. Putri, A.Y., & Sumiharto, R. (2016). Purwarupa sistem Setyawan, A.D., & Winarno. K. (2006). Pemanfaatan prediksi luas dan hasil panen padi suatu wilayah langsung ekosistem mangrove di Jawa Tengah dan menggunakan pengolahan citra digital dengan penggunaan lahan di sekitarny. Biodiversitasi, 7 (3), metode sobel dan otsu. IJEIS, 6 (2), 187-198. 282-291. Salim, H.L. Ati, R.N.A Kepel, T.L. (2018). Pemetaan dinamika hutan mangrove menggunakan drone dan 89

Bunga Rampai Kepesisiran dan Kemaritiman PENGUKURAN GROUND CONTROL POINT (GCP) MENGGUNAKAN GPS GEODETIK TRIMBLE DL Studi Kasus di Kawasan Gumuk Pasir Parangtritis (Measurement of Ground Control Point (GCP) Using GPS Geodetic Trimble DL: Case Study Area in Sand Dunes Parangtritis) Nur Halimah1 Penginderaan Jauh dan SIG Universitas Gadjah Mada1 E-mail: [email protected] ABSTRAK Gumuk Pasir Parangtritis merupakan fenomena unik yang terdapat di bagian selatan Yogyakarta, dimana didaerah tropis terbentuk dan berkembang Gumuk Pasir. Hal tersebut melatarbelakangi dari penelitian ini karena semakin hari luasan Gumuk Pasir yang semakin sempit yang diakibatkan dari aktivitas ekonomi dan social yang semakin berkembang pesat dikawasan pesisir pantai selatan Yogyakarta. Pengukuran GCP merupakan salah satu kegiatan dalam monitoring Gumuk Pasir yang dilakukan oleh instansi Parangtritis Geomaritime Science Park (PGSP). Adapun metode yang digunakan dalam pengukuran GCP yaitu metode static menggunakan GPS Geodetik trimle DL. Terdapat 4 tahapan dalam proses pengukuran GCP hingga menjadi data yang dapat digunakan untuk pengolahan Foto Udara, yakni tahap persiapan, tahap pengukuran, tahap unduh data koordinat dan tahap pengolahan data. Proses perekaman data dalam pengukuran GCP diulakukan selama 10 menit tiap titik, hal ini berkaitan dengan jarak rover dengan titik kontrol yang terdekat. Metode yang digunakan dalam pengukuran GCP yaitu metode static, sehingga diperlukan proses pengolahan data (post processing) yang bertujuan untuk melakukan koreksi koordinat GCP hasil pengukuran dilapangan dengan baseline yaitu CORS. Post processing dilakukan secara otomatis dengan masuk ke website milik BIG dimana dalam website tersebut post processing akan dilakukan secara otomatis. Terdapat 3 hasil dari pengukuran GCP yaitu koordinat hasil pengukuran, perhitungan nilai orthometric dan hasil pengolahan Foto Udara tergeorefernsi. Kegiatan ini bertujuan untuk memonitoring luasan Gumuk Pasir secara fisik serta dapat mengembalikan dan melestarikan Gumuk Pasir sebagai mestinya yang memiliki fungsi sebagai banteng alam dari gelombang dan tsunami dan penyimpan cadangan air. Kata kunci: Pengukuran GCP Gumuk Pasir, GPS Geodetik static, monitoring Gumuk Pasir ABSTRACT Parangtritis Sand Dune is a unique phenomenon found in the southern part of Yogyakarta, where tropical regions form and develop Sand Dune. This is the background of this study because increasingly narrow Sand Dune area is caused by economic and social activities that are growing rapidly in the southern coast of Yogyakarta. GCP measurement is one of the activities in monitoring Sandconducted by theagency DuneParangtritis Geomaritime Science Park (PGSP). The method used in GCP measurement is the static method using GPS trim GPS DL. There are 4 stages in the GCP measurement process to become data that can be used for aerial photo processing, namely the preparation stage, the measurement stage, the coordinate data download stage and the data processing stage. The process of recording data in GCP measurements is carried out for 10 minutes at each point, this is related to the distance of the rover to the nearest control point. The method used in the measurement of GCP is the static method, so it requires data processing (post processing) which aims to make corrections to the coordinates of GCP measurement results in the field with a baseline that is CORS. Post processing isdone automatically by logging into BIG's website, where the post processing will be done automatically. There are 3 results from GCP measurements namely coordinate measurement results, orthometric value calculation and the results of georefined Air Photo processing. This activity aims to physically monitor the extent of Sand Dune and be able to restore and preserve Sand Dune as it should have a function as a natural bull from waves and tsunamis and storage of water reserves. Keywords: GCP Sand Dune Measurement, GPS Geodetic static, Sand Dune monitoring PENDAHULUAN membawa material berupa pasir halus dan menumpuk menjadi gundukan pasir disekitar Gumuk pasir merupakan salah satu pantai pesisir selatan Yogyakarta dan menjadi bentuklahan akibat dari pergerakan angina yang fenomina yang unik karena terbentuk Gumuk Pasir 90

Pengukuran Ground Control Point (GCP) Menggunakan GPS Geodetik .............................................................................. (Nur Halimah) pada daerah tropis (Khotimah, 2006). Menurut Data yang didapatkan setelah proses (Dibyosaputro, 1988), terdapat tiga faktor penting pengukuran selanjutnya dilakukan pengolahan dari proses pembentukan Gumuk Pasir, yakni data (post processing) dengan CORS dengan pasokan material pasir, kecepatan angin dan masuk pada website InaCORS.big.go.id. CORS kerapatan vegetasi. Pasokan material pasir (Continuously Operating Referense System) didapatkan dari Gunung Api Merapi yang berada di sendiri merupakan bentuk referensi GNSS yang bagian utara Yogyakarta, adanya angin muson beroperasi secara berkelanjutan selama 24 jam Tenggara yang kencang dari Samudera Hindia yang didesain untuk memperoleh dan menyimpan yang menyebabkan terbawanya material pasir data pengukuran serta mengirimkan koreksi data tersebut serta adanya tumbuhan pesisir seperti yang dapat mendukung GNSS secara realtime cemara udang dan akasia dengan kerapatan (Safi’I & Adnan, 2017). rendah menjadi faktor utama dalam perkembangan Gumuk Pasir. METODE Monitoring Gumuk Pasir Parangtritis Monitoring Gumuk Pasir dilakukan di kawasan merupakan kegiatan yang dilakukan untuk gumuk Pasir. Kegiatan inti yang dilakukan dalam pengamatan dinamika perubahan Gumuk Pasir proses monitoring Gumuk Pasir yakni pengukuran secara fisik. Pengamatan tersebut dilakukan GCP dan pemotretan Udara. Pemotretan Udara karena keberadaan Gumuk Pasir Parangtritis yang dilakukan di Landasan Fasi Adisutjipto sedangkan semakin hari semakin berkurang. Tahun 1972 pengukuran GCP dilakukan pada titik- titik GCP kawasan Gumuk Pasir pantai Parangtritis memiliki yang tersebar di area Gumuk Pasir Parangtritis. luas 398,041 Ha, yang artinya 98,82% merupakan Terdapat 12 titik GCP yang diukur dilapangan yang hamparan pasir atau setara dengan 393,755 Ha tersebar secara merata di seluruh area kawasan (Fakhruddin dkk, 2010). Faktor yang paling Gumuk Pasir Parangtritis pada pengukuran ini. mempengaruhi berkurangnya luasan Gumuk Pasir Lokasi persebaran titik GCP dapat dilihat pada yakni kegiatan ekonomi di kawasan Gumuk Pasir peta berikut ini. Parangtritis yang juga menjadi lahan pekerjaan masyarakat setempat. Kegiatan ekonomi yang Gambar 1. Peta sebaran titik GCP Gumuk Pasir memanfaatkan kawasan zona inti Gumuk Pasir Parangtritis menyebabkan semakin menyempitnya zona inti Gumuk Pasir yang merupakan zona terbentuk dan Alat dan bahan yang digunakan pada berkembangnya Gumuk Pasir. Berdasarkan hal pengukuran GPS Geodetik ini tentu saja GPS tersebut, monitoring Gumuk Pasir bertujuan untuk Geodetik merk Trimble DL dengan kelengkapan mengemablikan fungsi serta manfaat dari Gumuk pole, receiver, baterai dan meteran, sedangkan Pasir itu sendiri dan untuk mengetahui perubahan alat bahan pendukung lainnya seperti aplikasi secara fisik dari luasan Gumuk Pasir tersebut. Trimble DL, aplikasi Open Camera, mobile smartphone, logsheet dan alat tulis. Pengukuran Kegiatan monitoring Gumuk Pasir dilakukan GCP metode static dikontrol melalui aplikasi oleh instansi BIG yaitu Parangtritis Geomaritime Trimble DL yang diinstal pada mobile smartphone Science Park (PGSP). Terdapat tiga tahap secara untuk memudahkan surveyor saat pengukuran umum yang dilakukan pada kegiatan ini, yaitu pra- dilapangan berlangsung dengan dihubungkan lapangan, lapangan dan pasca- lapangan. melalui koneksi bluetooth ke receiver sehingga Pengukuran GCP pada kegiatan monitoring praktis digunakan. Adapun sketsa pengukuran Gumuk Pasir bertujuan untuk memberikan posisi lapangan digambar pada logsheet dan dokumetasi koordinat yang memiliki akurasi tinggi yang dilakukan dengan open camera. digunakan untuk koreksi hasil pemotretan udara (A. Sari & Khomsis. 2014). Terdapat 4 tahapan dalam pengukuran GCP yaitu persiapan, pengukuran, unduh data koordinat Pengukuran GCP dengan GPS Geodetik dan pengolahan data. Secara garis besar tahapan menggunakan metode static, metode static dipilih tersebut dapat diamati pada Gambar 2. Tahap karena terdapat lokasi titik GCP yang berada di persiapan merupakan proses persiapan pada awal tenagh Gumuk Pasir yang berpotensi terkendala pengukuran meliputi penentuan titik GCP, oleh sinyal. Kelebihan dari penggunaan metode pemilihan lokasi sebaran titik GCP dengan acuan static memiliki akurasi dari hasil perekaman data hingga mencapai milimeter, sehingga menjadikan metode ini banyak dipilih untuk pemetaan skala besar dengan cakupan area yang kecil (Abidin, 2001). Namun, karena metode static ini tidak menggunakan koneksi internet sehingga memiliki kekurangan yaitu tidak mampu memberikan koordinat titik secara real time sehingga diperlukan koreksi dengan mengacu CORS milik BIG (Safi’i dkk, 2016). Hal tersebut menjadi alasan penggunaan metode static ini hanya diperlukan jika titik berada di jangkauan yang sulit koneksi internetnya seperti dipedalaman hutan. 91

Bunga Rampai Kepesisiran dan Kemaritiman Tahapan selanjutnya melakukan koreksi GCp terhadap Baseline dengan masuk ke web BIG yaitu Foto Udara tahun sebelumnya, penentuan metode http://inacors.big.go.id, dengan membuat akun pengukuran dengan menyesuaikan area kajian, terlebih dahulu agar dapat melakukan unggah data persiapan alat dan bahan yang diperlukan dalam koordinat pada Ina- CORS BIG. Data yang pengukuran, pembagian tim dan titik yang diukur. diunggah pada web tersebut merupakan hasil dari Penentuan titik GCP harus memenuhi beberapa konversi data rinex, unggah data dilakukan pada syarat agar titik tersebar secara merata dan data menu post processing lalu unggah seluruh data titik hasil pengukuran dapat digunakan sebagai data GCP tersebut. Jika data telah terunggah, pada web pendukung koreksi Foto Udara. Adapun beberapa tersebut akan memproses data GCP agar terikat syarat penentuan titik GCP yaitu lokasi harus dengan Baseline terdekat dan data dapat terbuka, tidak ada bangunan atau vegetasi dipergunakan. kerapatan tinggi disekitar 360° agar tidak menghalangi proses perekaman data, lokasi titik Y = a x b ..................................................... (1) jauh dari gangguan seperti wisatawan atau binatang buas yang dapat merusak titik serta dimana: tersebar keseluruh AOI agar saat proses koreksi y = durasi pengukuran geometrik Foto Udara setiap sisi memiliki koordinat a = nilai jarak CORS ke receiver (km) terikat dilapangan. b = nilai konstanta b (2) Tahap pengukuran GCP dilakukan H = h - N ..................................................... (2) bersadarkan pembagian titik GCP, terdapat 12 titik GCP yang diukur dengan pembagian 2 tim dimana: surveyor. Pengukuran GCP dengan GPS Geodetik H = nilai orthometric tiap titik dilakukan selama 10 menit. Ketentuan h = ketinggian ellipsoid (m) tersebut merujuk dari Peraturan BIG dalam N = nilai undulasi geoid (m) penentuan durasi pengukuran GPS Geodetik yang dapat diamati pada rumus 1. Berdasarkan rumus Foto udara tersebut titik- titik GCP yang tersebar di area Gumuk Pasir memiliki jarak kurang dari 5km Pengukuran di lapangan sehingga durasi pengukuran disamaratakan Pengunduhan data koordinat menjadi 10menit tiap titik. Koreksi GCP terhadap baseline Tahapan selanjutnya yaitu unduh data Informasi koordinat koordinat hasil pengukuran dilakukan dengan GCP terkoreksi mengirimkan data melalui email. Pengunduhan data tersebut dilakukan dari mobile smartphone Gambar 2. Diagram Alir Penelitian yang terhubung dengan receiver. Metode ini merupakan kelebihan dari aplikasi mobile Trimble HASIL DAN PEMBAHASAN DL karena menghemat waktu dalam proses unduh data serta dapat dilakukan dimana saja selama Berdasarkan dari hasil tahapan pengukuran mobile smathphone terhubung dengan receiver. titik GCP hingga proses pengolahan data, Tahap akhir yaitu pengolahan data hasil pengukuran GPS Geodetik yang memiliki didapatkan 3 hasil, yaitu data koordinat beberapa tahap sebelum data tersebut digunakan pengukuran titik GCP dapat dilihat pada tabel 1 untuk koreksi geometri Foto Udara. Tujuan utama dan nilai orthometric (m) dapat dilihat pada tabel 2. dari pengolahan data ini bermaksud agar data Selain itu, ditambahkan hasil pengolahan Foto dapat digunakan untuk mendukung mosaic Foto Udara, sehingga sebelum melakukan koreksi Udara yang dapat dilihat pada gambar 3. dengan CORS ada beberapa tahap pengolahan awal hingga data siap dikoreksi dengan baseline Tabel 8. Koordinat Hasil Pengukuran GCP. CORS. Tahap pertama yaitu konversi ke format Titik GCP Rinex dengan aplikasi open source Convert to Koordinat (m) Rinex, kemudian data format Rinex dibuka GMP 03 menggunakan software Arcmap untuk dikonversi Latuitude Longitude format koordinatnya menajadi latitude dan longitude lalu diexport dalam format data shapefile. 8° 00' 45.0930\" S 110° 19' 19.4396\" E Langkah selanjutnya adalah perhitungan nilai orthimetric yang dapat dicermati pada rumus 2, GMP 04 8° 00' 48.2148\" S 110° 18' 32.6922\" E penentuan nilai prthometric mengacu pada geoid dan elipsoid. Nilai undulasi geoid didapat dari web BIG yang dapat diakses secara mudah yakni http://srgi.big.go.id/. Setiap titik GCP memiliki nilai undulasi geoid yang berbeda- beda dengan cara memasukkan koordinat titik GCP pada web tersebut. 92