Perbandingan Kinerja Indeks CMRI dan MVI untuk Pemetaan Mangrove Menggunakan Citra Sentinel-2 pada Berbagai Kondisi Pesisir di Jawa, Indonesia

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja Combined Mangrove Recognition Index (CMRI) dan Mangrove Vegetation Index (MVI) dalam pemetaan hutan mangrove menggunakan citra Sentinel-2 pada tiga tipe pesisir tropis di Jawa, Indonesia, yaitu Pulau Karimunjawa (perairan jernih), Pulau Pari (substrat karbonat cerah), dan Desa Ujungalang–Cilacap (delta keruh). Kedua indeks dievaluasi menggunakan metode threshold otomatis Otsu dan validasi berbasis confusion matrix dengan 200 titik referensi dari citra resolusi tinggi Maxar. Hasil penelitian menunjukkan bahwa CMRI secara konsisten memberikan akurasi lebih tinggi dibanding MVI, dengan overall accuracy berkisar antara 0,73–0,96 dan koefisien Kappa 0,47–0,91, sementara MVI hanya kompetitif di lingkungan berair jernih dan mengalami penurunan akurasi hingga 0,61 (κ ≈ 0,22) di lingkungan berair keruh dan bersubstrat cerah. Analisis histogram menunjukkan bahwa reflektansi substrat terang di Pulau Pari meningkatkan threshold CMRI dan kesalahan omisi, sedangkan kekeruhan tinggi di Ujungalang menurunkan separabilitas spektral MVI. Sebaliknya, kondisi optik stabil di Karimunjawa memungkinkan kedua indeks beroperasi optimal. Hasil ini menegaskan bahwa CMRI lebih adaptif terhadap variasi optik dan geomorfologi pesisir, menjadikannya indeks yang lebih andal untuk pemetaan mangrove skala regional di Indonesia, meskipun kalibrasi ambang lokal tetap diperlukan untuk meningkatkan konsistensi antarwilayah sehingga dapat dimanfaatkan oleh pengelola pesisir dan instansi terkait sebagai dasar pemilihan indeks vegetasi yang lebih sesuai dengan kondisi optik lokal dalam pemantauan mangrove berbasis citra Sentinel-2, khususnya untuk mendukung perencanaan konservasi dan evaluasi perubahan tutupan mangrove di wilayah pesisir Indonesia

This study compares the performance of the Combined Mangrove Recognition Index (CMRI) and Mangrove Vegetation Index (MVI) for mangrove mapping using Sentinel-2 imagery across three contrasting coastal environments in Java, Indonesia: Karimunjawa Island (clear oceanic water), Pari Island (bright carbonate substrate), and Ujungalang–Cilacap (turbid estuarine delta). Both indices were classified using the global Otsu thresholding method and validated through a confusion matrix based on 200 reference points from high-resolution Maxar imagery. Results indicate that CMRI consistently outperforms MVI, achieving overall accuracies between 0.73–0.96 and Kappa coefficients of 0.47–0.91, while MVI performs comparably only in clear-water environments but declines to 0.61 (κ ≈ 0.22) in turbid or bright-substrate conditions. Histogram analyses reveal that high carbonate reflectance in Pari Island elevates CMRI thresholds and omission errors, whereas suspended sediments in Ujungalang reduce MVI’s spectral separability. Conversely, stable optical conditions in Karimunjawa allow both indices to perform optimally. These findings demonstrate that CMRI is more resilient to optical variability and coastal geomorphology, making it a reliable baseline index for regional-scale mangrove mapping in Indonesia, although local threshold calibration remains necessary for consistent cross-site applications.