View/Open

Author
ALLYA, INDRA AGUSTIN

Date Published
30 Jun 2026

Advisor
Dr. Ir. Nirmawana Simarmata, S.Pd., M.Sc.,
Agung Mahadi Putra Perdana, S.Si., M.Sc,

Subject
Teknik Geomatika

Publisher

Ekosistem mangrove merupakan komponen vital wilayah pesisir yang berfungsi sebagai penyerap karbon alami, pelindung pantai dari abrasi, dan habitat bagi berbagai biota laut. Namun, ekosistem ini menghadapi tekanan degradasi akibat aktivitas antropogenik dan perubahan iklim global. Penelitian ini bertujuan untuk menganalisis faktor lingkungan yang paling dominan dalam menentukan kesesuaian habitat mangrove serta memetakan tingkat kesesuaiannya di Kawasan Hutan Mangrove Petengoran, Kabupaten Pesawaran, Lampung. Metode yang digunakan berbasis pembelajaran mesin (machine learning) dengan algoritma Random Forest (RF) dan Support Vector Machine (SVM) untuk mengolah data kompleks secara dinamis. Data utama yang digunakan mencakup citra satelit Sentinel-2A untuk ekstraksi indeks vegetasi (NDVI), data DEMNAS untuk elevasi, serta data sekunder berupa curah hujan, suhu, dan salinitas. Variabel-variabel tersebut diintegrasikan untuk memprediksi tingkat kesesuaian habitat mangrove dengan akurasi tinggi. Hasil penelitian menunjukkan bahwa wilayah pesisir Kabupaten Pesawaran dapat diklasifikasikan ke dalam dua kelas utama, yaitu Sesuai dan Tidak Sesuai, dengan dominasi luasan pada kelas sesuai yang mencerminkan kondisi lingkungan pesisir Teluk Lampung yang umumnya mendukung pertumbuhan mangrove. Secara spasial, area yang sesuai terkonsentrasi secara kontinu di sepanjang garis pantai yang landai, kawasan estuari, dan pulau-pulau kecil, sedangkan area tidak sesuai cenderung terfragmentasi pada zona yang berbatasan dengan laut dalam maupun wilayah dengan topografi yang lebih curam. Pola tersebut mengindikasikan bahwa faktor lingkungan seperti elevasi, kondisi pesisir, dan karakteristik perairan berperan penting dalam menentukan kesesuaian habitat mangrove. Penelitian ini menghasilkan peta spasial kesesuaian habitat mangrove yang dapat digunakan sebagai dasar dalam perencanaan konservasi dan restorasi mangrove secara efektif di wilayah Lampung.

URI
https://repo.itera.ac.id/depan/submission/SB2606300018

Keyword
Mangrove Machine Learning Habitat Suitability Random Forest Petengoran