Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 2

Pemetaan Luasan Mangrove Menggunakan Algoritma Mangrove Vegetation Index (MVI) di Desa Kaliwlingi, Kabupaten Brebes, Jawa Tengah

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 12 No. 1 (2025) · pp. 11–20

DOI
10.25126/jtiik.20251218219
ISSN
2528-6579, 2355-7699
Published
2025-02-27
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Bahasa Indonesia

Berdasarkan penelitian sebelumnya, Pesisir Desa Kaliwlingi, Kabupaten Brebes mengalami abrasi sepanjang 7 km dengan luas 186 hektar atau 30% dari luas abrasi di Kabupaten Brebes. Hal tersebut diakibatkan oleh adanya konversi lahan mangrove menjadi tambak yang dapat merusak lahan pantai. Peningkatan abrasi setiap tahun mendorong masyarakat peduli lingkungan melakukan kegiatan konservasi lahan mangrove untuk mengurangi abrasi dan akresi, disepanjang pantai. Penelitian ini bertujuan untuk mengetahui nilai threshold yang memisahkan mangrove dengan non-mangrove dan luasan mangrove. Penelitian ini menggunakan data citra Sentinel-2A dan data lapang hasi survei. Data satelit diolah dan dianalisis menggunakan algoritma Mangrove Vegetation Index (MVI). Simple random sampling digunakan untuk menentukan pengambilan titik lapang yang digunakan sebagai acuan klasifikasi kelas mangrove dan non-mangrove dari citra satelit. Uji akurasi algoritma MVI menggunakan matriks konfusi, dan koefisien kappa. Hasil penelitian menunjukan jenis mangrove di sekitar 4 stasiun penelitian adalah Avicennia marina, Avicennia alba, dan Rhizophora mucronata. Hasil pemetaan menggunakan algoritma MVI menunjukkan nilai threshold MVI mangrove berkisar antara 2,3 hingga 19,54, sementara nilai non-mangrove adalah 19,54. Luasan mangrove tahun 2022 sebesar 299,3 ha. Uji akurasi algoritma MVI menunjukkan hasil yang baik dengan akurasi keseluruhan sebesar 86,81% dan koefisien kappa sebesar 0,73. Abstract Based on previous research, Kaliwlingi Village Coastal, Brebes Regency experienced abrasion along 7 km with an area of 186 hectares or 30% of the abrasion area in Brebes Regency. It happened due to the conversion of mangrove land into ponds that can damage coastal land. The increase in abrasion every year encourages people to care about the environment to carry out mangrove land conservation activities to reduce abrasion and accretion, along the coastal. This study aims to determine threshold value that separates class between mangroves and non-mangrove area, then estimate the changing area of mangrove. This study used Sentinel-2A imagery datas and survey field data. Satellite data processed and analyzed, was using the Mangrove Vegetation Index (MVI) algorithm. Simple random sampling used to determine the selection of field points used as a reference for classifying mangrove and non-mangrove classes from satellite images. Test the accuracy of the MVI algorithm used a fusion matrix, and a kappa coefficient. The results showed that the types of mangroves around 4 research stations were Avicennia marina, Avicennia alba, and Rhizophora mucronata. The mapping results used the MVI algorithm showed that the threshold value of mangrove MVI ranged from 2,30 to 19,54, while non-mangrove values were 19,54. The area of mangroves in 2022 has 299,3 ha. The MVI algorithm accuracy test showed good results with an overall accuracy was 86,81% and a kappa coefficient was 0,73.

English

Berdasarkan penelitian sebelumnya, Pesisir Desa Kaliwlingi, Kabupaten Brebes mengalami abrasi sepanjang 7 km dengan luas 186 hektar atau 30% dari luas abrasi di Kabupaten Brebes. Hal tersebut diakibatkan oleh adanya konversi lahan mangrove menjadi tambak yang dapat merusak lahan pantai. Peningkatan abrasi setiap tahun mendorong masyarakat peduli lingkungan melakukan kegiatan konservasi lahan mangrove untuk mengurangi abrasi dan akresi, disepanjang pantai. Penelitian ini bertujuan untuk mengetahui nilai threshold yang memisahkan mangrove dengan non-mangrove dan luasan mangrove. Penelitian ini menggunakan data citra Sentinel-2A dan data lapang hasi survei. Data satelit diolah dan dianalisis menggunakan algoritma Mangrove Vegetation Index (MVI). Simple random sampling digunakan untuk menentukan pengambilan titik lapang yang digunakan sebagai acuan klasifikasi kelas mangrove dan non-mangrove dari citra satelit. Uji akurasi algoritma MVI menggunakan matriks konfusi, dan koefisien kappa. Hasil penelitian menunjukan jenis mangrove di sekitar 4 stasiun penelitian adalah Avicennia marina, Avicennia alba, dan Rhizophora mucronata. Hasil pemetaan menggunakan algoritma MVI menunjukkan nilai threshold MVI mangrove berkisar antara 2,3 hingga 19,54, sementara nilai non-mangrove adalah 19,54. Luasan mangrove tahun 2022 sebesar 299,3 ha. Uji akurasi algoritma MVI menunjukkan hasil yang baik dengan akurasi keseluruhan sebesar 86,81% dan koefisien kappa sebesar 0,73. Abstract Based on previous research, Kaliwlingi Village Coastal, Brebes Regency experienced abrasion along 7 km with an area of 186 hectares or 30% of the abrasion area in Brebes Regency. It happened due to the conversion of mangrove land into ponds that can damage coastal land. The increase in abrasion every year encourages people to care about the environment to carry out mangrove land conservation activities to reduce abrasion and accretion, along the coastal. This study aims to determine threshold value that separates class between mangroves and non-mangrove area, then estimate the changing area of mangrove. This study used Sentinel-2A imagery datas and survey field data. Satellite data processed and analyzed, was using the Mangrove Vegetation Index (MVI) algorithm. Simple random sampling used to determine the selection of field points used as a reference for classifying mangrove and non-mangrove classes from satellite images. Test the accuracy of the MVI algorithm used a fusion matrix, and a kappa coefficient. The results showed that the types of mangroves around 4 research stations were Avicennia marina, Avicennia alba, and Rhizophora mucronata. The mapping results used the MVI algorithm showed that the threshold value of mangrove MVI ranged from 2,30 to 19,54, while non-mangrove values were 19,54. The area of mangroves in 2022 has 299,3 ha. The MVI algorithm accuracy test showed good results with an overall accuracy was 86,81% and a kappa coefficient was 0,73.

Keywords

Collaboration network of the authors

3 authors · 3 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • IPB University
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Pemetaan Luasan Mangrove Menggunakan Algoritma Mangrove Vegetation Index (MVI) di Desa Kaliwlingi, Kabupaten Brebes, Jawa Tengah</dc:title>
	<dc:title xml:lang="en">Pemetaan Luasan Mangrove Menggunakan Algoritma Mangrove Vegetation Index (MVI) di Desa Kaliwlingi, Kabupaten Brebes, Jawa Tengah</dc:title>
	<dc:creator xml:lang="id">Farahdillah, Reyhanniza Ekka</dc:creator>
	<dc:creator xml:lang="id">Pasaribu, Riza Aitiando</dc:creator>
	<dc:creator xml:lang="id">Gaol, Jonson Lumban</dc:creator>
	<dc:subject xml:lang="id">Dalam penelitian ini, algoritma Mangrove Vegetation Index (MVI) digunakan untuk menganalisis kondisi luasan lahan mangrove</dc:subject>
	<dc:description xml:lang="id">Berdasarkan penelitian sebelumnya, Pesisir Desa Kaliwlingi, Kabupaten Brebes mengalami abrasi sepanjang 7 km dengan luas 186 hektar atau 30% dari luas abrasi di Kabupaten Brebes. Hal tersebut diakibatkan oleh adanya konversi lahan mangrove menjadi tambak yang dapat merusak lahan pantai. Peningkatan abrasi setiap tahun mendorong masyarakat peduli lingkungan melakukan kegiatan konservasi lahan mangrove untuk mengurangi abrasi dan akresi, disepanjang pantai. Penelitian ini bertujuan untuk mengetahui nilai threshold yang memisahkan mangrove dengan non-mangrove dan luasan mangrove. Penelitian ini menggunakan data citra Sentinel-2A dan data lapang hasi survei. Data satelit diolah dan dianalisis menggunakan algoritma Mangrove Vegetation Index (MVI). Simple random sampling digunakan untuk menentukan pengambilan titik lapang yang digunakan sebagai acuan klasifikasi kelas mangrove dan non-mangrove dari citra satelit. Uji akurasi algoritma MVI menggunakan matriks konfusi, dan koefisien kappa. Hasil penelitian menunjukan jenis mangrove di sekitar 4 stasiun penelitian adalah Avicennia marina, Avicennia alba, dan Rhizophora mucronata. Hasil pemetaan menggunakan algoritma MVI menunjukkan nilai threshold MVI mangrove berkisar antara 2,3 hingga 19,54, sementara nilai non-mangrove adalah &amp;lt;2,3 dan &amp;gt;19,54. Luasan mangrove tahun 2022 sebesar 299,3 ha. Uji akurasi algoritma MVI menunjukkan hasil yang baik dengan akurasi keseluruhan sebesar 86,81% dan koefisien kappa sebesar 0,73.
 
Abstract
Based on previous research, Kaliwlingi Village Coastal, Brebes Regency experienced abrasion along 7 km with an area of 186 hectares or 30% of the abrasion area in Brebes Regency. It happened due to the conversion of mangrove land into ponds that can damage coastal land. The increase in abrasion every year encourages people to care about the environment to carry out mangrove land conservation activities to reduce abrasion and accretion, along the coastal. This study aims to determine threshold value that separates class between mangroves and non-mangrove area, then estimate the changing area of mangrove. This study used Sentinel-2A imagery datas and survey field data. Satellite data processed and analyzed, was using the Mangrove Vegetation Index (MVI) algorithm. Simple random sampling used to determine the selection of field points used as a reference for classifying mangrove and non-mangrove classes from satellite images. Test the accuracy of the MVI algorithm used a fusion matrix, and a kappa coefficient. The results showed that the types of mangroves around 4 research stations were Avicennia marina, Avicennia alba, and Rhizophora mucronata. The mapping results used the MVI algorithm showed that the threshold value of mangrove MVI ranged from 2,30 to 19,54, while non-mangrove values were &amp;lt;2,30 and &amp;gt;19,54. The area of mangroves in 2022 has 299,3 ha. The MVI algorithm accuracy test showed good results with an overall accuracy was 86,81% and a kappa coefficient was 0,73.</dc:description>
	<dc:description xml:lang="en">Berdasarkan penelitian sebelumnya, Pesisir Desa Kaliwlingi, Kabupaten Brebes mengalami abrasi sepanjang 7 km dengan luas 186 hektar atau 30% dari luas abrasi di Kabupaten Brebes. Hal tersebut diakibatkan oleh adanya konversi lahan mangrove menjadi tambak yang dapat merusak lahan pantai. Peningkatan abrasi setiap tahun mendorong masyarakat peduli lingkungan melakukan kegiatan konservasi lahan mangrove untuk mengurangi abrasi dan akresi, disepanjang pantai. Penelitian ini bertujuan untuk mengetahui nilai threshold yang memisahkan mangrove dengan non-mangrove dan luasan mangrove. Penelitian ini menggunakan data citra Sentinel-2A dan data lapang hasi survei. Data satelit diolah dan dianalisis menggunakan algoritma Mangrove Vegetation Index (MVI). Simple random sampling digunakan untuk menentukan pengambilan titik lapang yang digunakan sebagai acuan klasifikasi kelas mangrove dan non-mangrove dari citra satelit. Uji akurasi algoritma MVI menggunakan matriks konfusi, dan koefisien kappa. Hasil penelitian menunjukan jenis mangrove di sekitar 4 stasiun penelitian adalah Avicennia marina, Avicennia alba, dan Rhizophora mucronata. Hasil pemetaan menggunakan algoritma MVI menunjukkan nilai threshold MVI mangrove berkisar antara 2,3 hingga 19,54, sementara nilai non-mangrove adalah &amp;lt;2,3 dan &amp;gt;19,54. Luasan mangrove tahun 2022 sebesar 299,3 ha. Uji akurasi algoritma MVI menunjukkan hasil yang baik dengan akurasi keseluruhan sebesar 86,81% dan koefisien kappa sebesar 0,73.
 
Abstract
Based on previous research, Kaliwlingi Village Coastal, Brebes Regency experienced abrasion along 7 km with an area of 186 hectares or 30% of the abrasion area in Brebes Regency. It happened due to the conversion of mangrove land into ponds that can damage coastal land. The increase in abrasion every year encourages people to care about the environment to carry out mangrove land conservation activities to reduce abrasion and accretion, along the coastal. This study aims to determine threshold value that separates class between mangroves and non-mangrove area, then estimate the changing area of mangrove. This study used Sentinel-2A imagery datas and survey field data. Satellite data processed and analyzed, was using the Mangrove Vegetation Index (MVI) algorithm. Simple random sampling used to determine the selection of field points used as a reference for classifying mangrove and non-mangrove classes from satellite images. Test the accuracy of the MVI algorithm used a fusion matrix, and a kappa coefficient. The results showed that the types of mangroves around 4 research stations were Avicennia marina, Avicennia alba, and Rhizophora mucronata. The mapping results used the MVI algorithm showed that the threshold value of mangrove MVI ranged from 2,30 to 19,54, while non-mangrove values were &amp;lt;2,30 and &amp;gt;19,54. The area of mangroves in 2022 has 299,3 ha. The MVI algorithm accuracy test showed good results with an overall accuracy was 86,81% and a kappa coefficient was 0,73.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2025-02-27</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/8219</dc:identifier>
	<dc:identifier>10.25126/jtiik.20251218219</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 12 No 1: Februari 2025; 11-20</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 12 No. 1: Februari 2025; 11-20</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.2025121</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/8219/1379</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>