Identifikasi Spesies Mangrove dengan menggunakan Metode Principal Component Analysis (PCA) pada Citra Landsat-8 di Taman Nasional Sembilang, Sumatera Selatan, Indonesia

Abstract

Mangroves are coastal plants influenced by tidal cycles. One of the regions in South Sumatra Province with a mangrove ecosystem is Sembilang National Park. As a national park, this location is strategically positioned for research related to mangrove species. The utilization of the Principal Component Analysis (PCA) method is considered to enhance the capabilities of remote sensing data in mangrove mapping. However, its application has been limited to the mangrove level. The research objective is to identify mangrove species in Sembilang National Park using the PCA method by leveraging Landsat-8 image data acquired on September 9, 2019. Mangrove distribution is obtained through the Mangrove Vegetation Index (MVI) and vector data from Global Mangrove Watch. The image is then overlaid with field species data to obtain species spectral patterns. Additionally, the correlation between spectral band values and eigenvalues (PC) is analyzed to detect parameters correlated with eigenvalues. The research results show that PC values correlate with mangrove species and can be used for mangrove species identification. This is demonstrated by Bruguiera Gymnorrhiza species with canopy coverage of 60.8% and 62.46% at ST7 and ST8 having the same PC values, while mangroves with canopy coverage of 62.5% in different species have different PC values. Moreover, the PCA method can indicate two crucial factors in identifying mangrove species, namely vegetation and soil factors.

Mangrove merupakan tumbuhan pesisir yang dipengaruhi oleh pasang surut. Salah satu wilayah di Provinsi Sumatera Selatan yang memiliki ekosistem mangrove adalah Taman Nasional Sembilang. Sebagai taman nasional, lokasi ini sangat strategis untuk dilakukan penelitian terkait spesies mangrove. Pemanfaatan metode principal component analysis (PCA) dinilai mampu meningkatkan kemampuan data penginderaan jauh dalam pemetaan mangrove. Namun selama ini, pemanfaatan terbatas pada level mangrove. Adapun tujuan penelitian adalah mengidentifikasi spesies mangrove di Taman Nasional Sembilang menggunakan metode PCA dengan memanfaatkan data citra Landsat-8 yang diakusisi pada 09 September 2019. Sebaran mangrove diperoleh melalui indeks vegetasi mangrove (MVI) dan data vektor dari Global Mangrove Watch. Citra tersebut kemudian di overlay dengan data spesies lapangan untuk mendapatkan pola spektral species. Selain itu, korelasi nilai spektral band dan eigen (PC) dianalisis untuk mendeteksi parameter yang berkorelasi dengan nilai eigen. Hasil penelitian menunjukkan nilai PC memiliki korelasi dengan spesies mangrove dan dapat digunakan untuk mengidentifikasi spesies mangrove. Hal ini ditunjukkan spesies Bruguiera Gymnorrhiza dengan tutupan kanopi 60,8% dan 62,46% pada ST7 dan ST8 memiliki nilai PC yang sama serta mangrove dengan besaran tutupan kanopi 62,5% pada spesies nilai PC berbeda. Selain itu, metode PCA mampu menunjukkan dua faktor penting dalam mengidentifikasi spesies mangrove, yaitu faktor vegetasi dan tanah.