Pemetaan Mangrove Area Tergenang Menggunakan Google Earth Engine dan Random Forest

Abstract

Ekosistem mangrove memiliki peran strategis sebagai penyerap karbon, pelindung pantai dari abrasi, dan penyedia habitat bagi keanekaragaman hayati. Namun, pemetaan mangrove di area tergenang menghadapi tantangan serius akibat kompleksitas spektral yang tinggi. Penelitian ini bertujuan: (1) memetakan distribusi spasial mangrove di pesisir Brebes, Jawa Tengah, menggunakan algoritma Random Forest (RF) yang diimplementasikan pada platform Google Earth Engine (GEE) dengan 12 fitur spektral citra Sentinel-2A Level-2A; (2) mengevaluasi kinerja akurasi model dibandingkan pendekatan berbasis indeks tunggal; serta (3) mengidentifikasi variabel spektral paling berpengaruh dalam membedakan mangrove di area tergenang. Metode meliputi akuisisi citra periode Januari–September 2024, ekstraksi fitur spektral (6 band dan 6 indeks vegetasi), serta klasifikasi menggunakan 150 pohon keputusan. Hasil penelitian mengidentifikasi total sebaran mangrove seluas 1.023,28 ha, terbagi dalam kelompok hutan mangrove (531,87 ha) dan kelompok tambak berpola linier mengikuti pematang budidaya (491,41 ha). Validasi model menggunakan 237 titik uji menunjukkan akurasi sangat tinggi (Overall Accuracy 96,27%; Koefisien Kappa 0,925; F1-Score 0,962; User's Accuracy 96,64%), melampaui pendekatan indeks tunggal MVI sebesar 9,46%. Analisis variable importance mengungkapkan MMRI, B12 (SWIR2), dan NDVI sebagai fitur paling berpengaruh, menegaskan peran krusial indeks vegetasi-air gabungan dalam identifikasi mangrove di lingkungan jenuh air.