Memahami Kehilangan Tutupan Pohon Terkait Pertambangan di Indonesia dengan Data Global Nature Watch

• Pertambangan hanya menyumbang sekitar 3% kehilangan tutupan pohon secara nasional, tetapi dampaknya terkonsentrasi di sejumlah wilayah, terutama Sulawesi, Maluku, dan Tanah Papua.

• Dua dataset Global Nature Watch dapat membantu membaca kehilangan tutupan pohon terkait pertambangan dari dua sisi: Tree Cover Loss by Dominant Driver menunjukkan pola historis jangka panjang, sementara Drivers of Disturbance Alerts memberikan indikasi gangguan yang lebih baru dan lebih rinci.

Pada 2026, WRI melaporkan bahwa kehilangan hutan primer di Indonesia meningkat sebesar 14% dari tahun 2024 ke 2025, sebagian didorong oleh perluasan lahan pertanian dan aktivitas pertambangan. Keterkaitan antara industri tambang dan kerusakan lingkungan, termasuk deforestasi, kembali hangat diperbincangkan seiring pesatnya pertumbuhan kendaraan listrik yang mendorong permintaan nikel dan mineral.

Tulisan ini melihat lebih dekat bagaimana aktivitas pertambangan berkontribusi terhadap perubahan tutupan pohon di Indonesia, sekaligus memperkenalkan pemanfaatan dua dataset baru dari Global Nature Watch (nama baru Global Forest Watch) yaitu Tree Cover Loss by Dominant Driver dan Drivers of Disturbance Alerts, untuk membaca kehilangan tutupan pohon yang berkaitan dengan pertambangan, pertanian, dan pendorong lainnya.

Ketika Pertambangan Muncul dalam Dinamika Kehilangan Hutan Indonesia

Rangkaian analisis Pantau Jejak oleh WRI Indonesia sejak 2018 menunjukkan tekanan terhadap hutan yang sebelumnya terkonsentrasi di Indonesia barat kini bergeser ke Indonesia tengah dan timur, terutama Sulawesi, Maluku, dan Tanah Papua. Pada periode 2021–2025, pertambangan menjadi pendorong dominan pembukaan lahan di 21 dari 50 lokasi prioritas di wilayah tersebut, sebagian besar terkait ekspansi tambang nikel yang berdampak pada pencemaran air serta sedimentasi sungai di sekitar kawasan tambang.

Gambaran ini konsisten dengan tren jangka panjang yang bisa dibaca dari data Tree Cover Loss by Dominant Driver. Grafik berikut merangkum kontribusi ketujuh pendorong dominan kehilangan tutupan hutan Indonesia sepanjang 2001–2025.

Dari grafik tersebut terlihat permakultur (pertanian permanen) konsisten menjadi pendorong terbesar sepanjang periode, sementara kebakaran hutan sempat melonjak tajam pada 2016 akibat fenomena El Niño.  

Sementara itu, komoditas keras yang mencakup pertambangan dan infrastruktur energi secara nasional hanya menyumbang sekitar 3% dari total kehilangan tutupan hutan, namun tren tahunannya relatif stabil dan  sempat mencatat titik tertinggi pada 2012 dan 2016. Dengan meningkatnya kebutuhan teknologi untuk transisi energi, tren aktivitas pertambangan secara global diperkirakan akan terus meningkat juga. 

Meskipun kehilangan tutupan hutan yang disebabkan pertambangan terlihat kecil dalam skala nasional. Jika dibandingkan dengan permakultur dan penebangan hutan, pertambangan seringkali memiliki dampak kerusakan lingkungan yang paling parah, bahkan berpotensi memicu deforestasi di luar area tambang. Aktivitas pertambangan juga turut memicu pencemaran air dan sedimentasi sungai disekitarnya, sehingga wilayah yang benar-benar terdampak bisa lebih luas daripada yang tercatat sebagai kehilangan tutupan pohon, sejalan dengan temuan Pantau Jejak di Sulawesi dan Maluku. 

Analisis ini memberikan gambaran awal mengenai kehilangan tutupan hutan berdasarkan data yang telah tersedia. Temuan tersebut perlu diperkuat dengan verifikasi lapangan dan kajian lanjutan untuk memahami lebih dekat aktivitas yang menjadi pendorong kehilangan tutupan hutan yang kini semakin relevan dibicarakan.

Mengenal Dua Dataset GNW untuk Membaca Kehilangan Tutupan Pohon Terkait Pertambangan

Sejak awal Juli 2026, Global Forest Watch resmi mengubah namanya menjadi Global Nature Watch, dengan memperluas cakupan pemantauannya dari hutan ke lanskap yang lebih luas seperti padang rumput dan lahan pertanian, tanpa mengubah komitmen dasarnya menyediakan data terbuka bagi publik. Untuk membaca pola kehilangan tutupan hutan terkait pertambangan secara lebih sistematis, tulisan ini memanfaatkan dua dataset GNW berikut.

1. Tree Cover Loss by Dominant Driver, hasil kolaborasi WRI dan Google DeepMind, menunjukkan driver dominan kehilangan tutupan pohon di tiap sel 1 km persegi sepanjang 2001–2025, menggunakan model neural network (ResNet) yang dilatih dari interpretasi citra satelit resolusi sangat tinggi serta citra Landsat dan Sentinel-2. Akurasi keseluruhannya sekitar 90,5%, meski akurasi kelas komoditas keras yang relatif jarang muncul dibanding kelas dominan seperti pertanian permanen cenderung lebih rendah, sehingga pembacaannya perlu hati-hati. Dataset ini paling sesuai untuk membaca pola historis dalam skala luas. 

2. Drivers of Disturbance Alerts, dikembangkan Wageningen University & Research bersama Global Nature Watch, mengklasifikasi penyebab dari setiap peringatan secara near-real-time menggunakan citra radar Sentinel-1 dan optik Sentinel-2. Dataset ini membagi faktor pendorong ke kategori yang lebih rinci, termasuk pertanian skala kecil, pertanian skala besar, pembangunan jalan, tebang pilih, pertambangan, kebakaran hutan, banjir, dan gangguan alami lain, dengan cakupan wilayah Amazon, Cekungan Kongo, dan Asia Tenggara termasuk Indonesia. Satu keterbatasan penting: model ini paling sering keliru membedakan kelas pertanian dan pertambangan, karena keduanya kerap muncul berdampingan di lapangan.

Jika Tree Cover Loss by Dominant Driver membantu memahami pola jangka panjang secara tahunan, Drivers of Disturbance Alerts memberikan indikasi gangguan hutan yang lebih baru dan lebih detail lokasinya. Kedua dataset ini saling melengkapi di mana yang satu memberi konteks historis, dan yang satu lagi memberi sinyal yang lebih dekat ke waktu nyata. 

Membaca Pola dan Studi Kasus Pertambangan melalui Data Satelit

Secara umum, kehilangan tutupan pohon akibat pertambangan di Indonesia punya ciri visual yang khas pada citra satelit. Tambang batu bara dikenali dari garis-garis konsentris di sisi lubang galian, tambang emas aluvial skala kecil mengikuti alur sungai, sementara tambang skala besar seperti Grasberg di Papua menyerupai kawah atau mangkuk raksasa yang berbentuk melingkar.  

Dengan menggabungkan kedua dataset GNW di atas bersama citra satelit pada lokasi-lokasi yang terindikasi disebabkan pertambangan, kita dapat melihat lebih jelas bagaimana perubahan tutupan pohon terjadi dari waktu ke waktu, mulai dari pembukaan awal berupa jalan akses, hingga perluasan area terbuka di sekitarnya. 

Sebagai pembanding, penting juga melihat studi kasus lokasi yang teridentifikasi sebagai pertanian, mengingat kelas ini paling dominan secara nasional. Lokasi dengan pola pembukaan lahan skala kecil dan tersebar, Umumnya menunjukkan bidang terbuka yang lebih beraturan dan diikuti tanda pengolahan lahan, berbeda dengan pola tambang yang menyerupai bukaan tanah terbuka dan memiliki garis-garis konsentris. Perbandingan ini membantu menjelaskan mengapa verifikasi visual diperlukan pada lokasi yang sulit dibedakan antara pertanian dan pertambangan. 

Hal ini penting sebagai referensi awal, terutama karena data tersebut tidak selalu bisa berdiri sendiri untuk memastikan penyebab di lapangan.

Potensi Pemanfaatan Data untuk Pemantauan di Indonesia

Kedua dataset ini bersifat terbuka. Artinya, siapa pun dapat memanfaatkannya untuk memantau aktivitas pertambangan di Indonesia. Misalnya, pemantau independen dan jurnalis dapat menemukan lokasi-lokasi yang diduga mengalami perubahan dan perlu diverifikasi langsung, atau organisasi masyarakat sipil yang bisa memanfaatkan data yang tersedia sebagai dasar untuk memperkuat advokasi dan mendorong akuntabilitas pelaku usaha maupun pemerintah dalam pengelolaan lingkungan.

Meski demikian, penggunaannya tetap perlu dilakukan secara hati-hati. Kemampuan membaca data secara tepat menjadi semakin penting. Tree Cover Loss by Dominant Driver dan Drivers of Disturbance Alerts dari Global Nature Watch menawarkan titik awal yang baik untuk memahami pola tersebut. Data ini sebaiknya menjadi alat bantu untuk membaca pola dan mendukung pemantauan, dan bukan untuk menyimpulkan kondisi sebenarnya. Verifikasi lapangan tetap diperlukan untuk memastikan penyebab di balik setiap perubahan yang teramati dari satelit. Pembacaan yang utuh tetap membutuhkan kombinasi antara data satelit, verifikasi lapangan, dan kolaborasi banyak pihak untuk menjaga hutan yang tersisa.

https://www.globalnaturewatch.org/