OPTIMASI PENGELOLAAN MANGROVE BERBASIS ARTIFICIAL INTELLIGENCE UNTUK MENDUKUNG EKOSISTEM  DAN EKONOMI MASYARAKAT PESISIR

Arief Fauzan; Muh. Kafrawi Yunus; Hedianto Hedianto; Sudirman Sudirman

doi:10.31764/jmm.v9i6.35594

OPTIMASI PENGELOLAAN MANGROVE BERBASIS ARTIFICIAL INTELLIGENCE UNTUK MENDUKUNG EKOSISTEM DAN EKONOMI MASYARAKAT PESISIR

Arief Fauzan, Muh. Kafrawi Yunus, Hedianto Hedianto, Sudirman Sudirman

Abstract

Abstrak: Pengelolaan mangrove di pesisir menghadapi tantangan terkait penurunan kualitas ekosistem dan terbatasnya pemanfaatan ekonomi bagi masyarakat lokal. Integrasi AI menjadi penting karena mampu menganalisis data lingkungan secara real-time untuk mendukung pengambilan keputusan yang cepat dan akurat dalam menjaga keberlanjutan ekosistem. Pengabdian ini bertujuan mengoptimalkan pengelolaan mangrove berbasis Artificial Intelligence (AI) untuk mendukung ekosistem dan meningkatkan ekonomi masyarakat. Metode yang diterapkan mencakup sosialisasi, pelatihan, penerapan teknologi AI dan IoT, pendampingan serta evaluasi, dan rencana keberlanjutan program, bekerja sama dengan Kelompok Tani Hutan Mangrove beranggotakan 15 orang. Evaluasi dilakukan menggunakan pendekatan kualitatif melalui analisis SWOT dan gap, serta observasi langsung terhadap keterampilan dan pengelolaan mangrove. Hasil menunjukkan peningkatan keterampilan anggota kelompok, dengan rata-rata peningkatan softskill 35% dan hardskill 40%, serta peningkatan nilai ekonomis produk mangrove sebesar 30%. Pendekatan ini membuktikan bahwa integrasi AI dapat meningkatkan keberlanjutan ekosistem dan kesejahteraan masyarakat pesisir.

Abstract: Coastal mangrove management faces challenges related to declining ecosystem quality and limited economic benefits for local communities. AI integration is crucial because it can analyze environmental data in real time to support rapid and accurate decision-making in maintaining ecosystem sustainability. This community service program aims to optimize Artificial Intelligence (AI)-based mangrove management to support the ecosystem and improve the community's economy. The methods implemented include outreach, training, the application of AI and IoT technology, mentoring and evaluation, and a program sustainability plan, in collaboration with a 15-member Mangrove Forest Farmers Group. The evaluation was conducted using a qualitative approach through SWOT and gap analysis, as well as direct observation of mangrove skills and management. The results showed an increase in group members' skills, with an average increase in soft skills of 35% and hard skills of 40%, as well as a 30% increase in the economic value of mangrove products. This approach proves that AI integration can improve ecosystem sustainability and the welfare of coastal communities.

Keywords

Artificial Intelligence; Ecosystem; Internet of Things; Mangrove Management; Coastal Communities.

Full Text:

DOWNLOAD [PDF]

References

Adirawan, M., Hamdani, H., & Syahdan, M. (2024). Analisis Kesesuaian Lahan Rehabilitasi Mangrove Di Pulau Kaget Kabupaten Barito Kuala Provinsi Kalimantan Selatan. Marine Coastal and Small Islands Journal - Jurnal Ilmu Kelautan, 6(2) 1-10. https://doi.org/10.20527/m.v6i2.11815

Ashari, A., Pribadi, R., & Nuraini, R. A. T. (2024). Struktur Komunitas Gastropoda pada Ekosistem Mangrove Mangunharjo, Kota Semarang. Journal of Marine Research, 13(1) 29-36. https://doi.org/10.14710/jmr.v13i1.35257

Ashton, E. C., & Macintosh, D. J. (2024). Mangrove Rehabilitation and Brachyuran Crab Biodiversity in Ranong, Thailand. Diversity, 16(2)1-16. https://doi.org/10.3390/d16020092

Darmawan, S., Nasing, E. N., & Tridawati, A. (2022). Prediksi Perubahan Kawasan Hutan Mangrove Menggunakan Model Land Change Modeler Berbasis Citra Satelit Penginderaan Jauh. Jurnal Tekno Insentif, 16(1) 54-68. https://doi.org/10.36787/jti.v16i1.663

Dong, H., Gao, Y., Chen, R., & Wei, L. (2024). MangroveSeg: Deep-Supervision-Guided Feature Aggregation Network for Mangrove Detection and Segmentation in Satellite Images. Forests, 15(1) 1-18. https://doi.org/10.3390/f15010127

Feng, B., Tao, Y., Xie, X., Qin, Y., Hu, B., Jia, R., Pan, L., Liu, W., & Jiang, W. (2024). Identification of Suitable Mangrove Distribution Areas and Estimation of Carbon Stocks for Mangrove Protection and Restoration Action Plan in China. Journal of Marine Science and Engineering, 12(3) 1-18. https://doi.org/10.3390/jmse12030445

Irma, A., Nirawati, N., M, M. F., Imran, A. N., & Djafar, M. (2024). Identifikasi Bentuk Partisipasi Dan Upaya Masyarakat Dalam Pengelolaan Hutan Mangrove Di Wilayah Pesisir Kabupaten Pangkajene Dan Kepulauan. Jurnal Eboni, 5(2) 53-62. https://doi.org/10.46918/eboni.v5i2.1986

Kusuma, A. H. (2023). Potensi Mangrove sebagai Penunjang Ekowisata Bahari di Pantai Ketapang, Desa Batu Menyan, Kecamatan Teluk Pandan, Kabupaten Pesawaran, Provinsi Lampung. Jurnal Sumberdaya Akuatik Indopasifik, 7(2) 212-133. https://doi.org/10.46252/jsai-fpik-unipa.2023.vol.7.no.2.277

Linda, T. M., Hendra, R., Farniga, A., Delfira, N., Ismed, F., & Haryani, Y. (2024). Potential antibacterial activity of Botryosphaeria rhodina: Mangrove Xylocarpus granatum J. Koenig. derived fungal endophyte. Journal of Applied Pharmaceutical Science, 14(2) 136-143. https://doi.org/10.7324/JAPS.2024.129451

Muslimin, M., Zahara, Z., Darman, D., Santi, I. N., & Wirastuti, W. (2023). Branding Dan Digital Marketing Pada KTM Baturoko. Sasambo: Jurnal Abdimas (Journal of Community Service), 5(4) 1-14. https://doi.org/10.36312/sasambo.v5i4.1460

Rahman Rumee, A. (2021). IoT system for remote monitoring of the mangrove forests of Sundarbans System IoT do zdalnego monitorowania lasów namorzynowych Sundarbans. JCSI, 20, 254-258 .

Ripanti, E. F. (2019). Implementasi Ekonomi Melingkar pada Sistem Informasi Pengelolaan Hutan Mangrove. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(2) 249-254. https://doi.org/10.26418/jp.v5i2.31100

S. Panjaitan, F., Koneri, R., & Maabuat, P. (2024). Estimasi Serapan Karbon Pada Vegetasi Mangrove di Pesisir Pantai Kecamatan Bunaken, Kota Manado, Sulawesi Utara. JURNAL BIOS LOGOS, 13(3) 301-308. https://doi.org/10.35799/jbl.v13i3.53417

Samou Seujip, M., Bertin, X., Sakho, I., & Diouf, M. B. (2024). Impact of mangrove on tidal propagation in a tropical coastal lagoon. Environmental Earth Sciences, 83(2) 1-15. https://doi.org/10.1007/s12665-023-11349-5

Sanjaya, Y. A., Pratiwi, Y. S., Merdekawati, S., & Tantri, H. K. (2023). Pengembangan Potensi Mangrove sebagai Produk Pangan Intermediate di Kelurahan Wonorejo, Surabaya. Jurnal Pengabdian Masyarakat, 1(2) 64-69. https://doi.org/10.59562/abdimas.v1i2.728

Santya, A., Akhrianti, I., & Hudatwi, M. (2024). Kepadatan Dan Keanekaragaman Makrozoobentos Pada Ekosistem Mangrove Di Desa Kurau Barat. Jurnal Perikanan Unram, 13(3) 913-924. https://doi.org/10.29303/jp.v13i3.648

Sukojo, B. M., & Arindi, Y. N. (2019). Analisa Perubahan Kerapatan Mangrove Berdasarkan Nilai Normalized Difference Vegetation Index Menggunakan Citra Landsat 8 (Studi Kasus: Pesisir Utara Surabaya). Geoid, 14(2) 1-17. https://doi.org/10.12962/j24423998.v14i2.3874

Suriansyah, S., Makmun, M., & Juwari, J. (2023). Persepsi Dan Partisipasi Masyarakat Dalam Pengelolaan Hutan Mangrove Center Kariangau Graha Indah Balikpapan. Learning Society: Jurnal CSR, Pendidikan Dan Pemberdayaan Masyarakat, 4(2) 1-11. https://doi.org/10.30872/ls.v4i2.2631

Ulqodry, T. Z., Aprianto, A. E., Agussalim, A., Aryawati, R., & Absori, A. (2021). Analisis Tutupan Mangrove Taman Nasional Berbak–Sembilang melalui Citra Landsat-8 dan Pemantauan LAI. Jurnal Kelautan Tropis, 24(3) 393-404. https://doi.org/10.14710/jkt.v24i3.12278

Wibisana, H., & Zainab, S. (2022). Analisa Kesuburan Hutan Mangrove Menggunakan Data Citra Satelit Dengan Metode Wilcoxon (Studi Kasus Mangrove Wonorejo Surabaya). KERN : Jurnal Ilmiah Teknik Sipil, 7(1) 1-6. https://doi.org/10.33005/kern.v7i1.42

Zhang, Z., Luo, X., Friess, D. A., Wang, S., Li, Y., & Li, Y. (2024). Stronger increases but greater variability in global mangrove productivity compared to that of adjacent terrestrial forests. Nature Ecology and Evolution, 8(2) 1-14. https://doi.org/10.1038/s41559-023-02264-w

DOI: https://doi.org/10.31764/jmm.v9i6.35594