View/Open

Author
Zahwa, Geby Noverah

Advisor
Muhammad, Ulin Nuha, S.T., M.Eng.
Aulia, Try Atmojo, S.Kel., M.T.

Koleksi
Teknik Geomatika

Publisher

Informasi batimetri terutama wilayah perairan laut dangkal sangat diperlukan untuk berbagai macam kebutuhan. Survei batimetri konvensional menggunakan echosounder sulit untuk dilakukan, khususnya perairan laut dangkal. Perkembangan teknologi penginderaan jauh dapat menjadi alternatif penyediaan informasi batimetri yaitu disebut batimetri berbasis satelit (BBS). BBS merupakan teknik dalam bidang penginderaan jauh yang berguna untuk proses ekstraksi kedalaman laut menggunakan citra satelit. BBS memiliki dua buah metode yaitu metode analitik dan metode empiris. Metode BBS mengalami perkembangan yaitu memanfaatkan machine learning dalam operasinya. Penelitian ini dimaksudkan untuk membandingkan hasil ekstraksi kedalaman perairan dangkal menggunakan machine learning dengan metode empiris. Penelitian yang dilakukan menggunakan batimetri berbasis satelit dengan machine learning dan metode empiris. Metode machine learning yang digunakan adalah random forest, sedangkan metode empiris yang digunakan adalah algoritma Lyzenga dan algoritma Stumpf. Pembentukan model ketiga metode ini memerlukan sejumlah data kedalaman in situ dan citra satelit untuk membentuk hubungan antara nilai kedalaman dengan nilai reflektan pada citra. Data kedalaman in situ yang digunakan adalah data batimetri LiDAR, sedangkan data citra yang digunakan adalah citra satelit Sentinel-2A level 2A yang diakuisisi pada tanggal 29 Mei 2020. Data kedalaman diakuisisi pada tahun 2020 dan digunakan sebagai sampel untuk pembentukan model ekstraksi. Model yang diperoleh digunakan untuk mengekstraksi nilai kedalaman pada citra di wilayah penelitian. Analisis yang dilakukan adalah membandingkan ketelitian dari ketiga model yang dihasilkan untuk mendapatkan model terbaik. Penelitian ini menunjukkan bahwa machine learning memiliki performa yang lebih baik dari pada metode empiris batimetri berbasis satelit biasa. Random forest mampu meningkatkan kualitas model dan ketelitian kedalaman yang diekstrak. Berdasarkan analisis informasi citra terhadap kedalaman yang didapatkan, kedalaman maksimal yang diperoleh dari citra adalah 10 meter. Akurasi yang dihasilkan model random forest ditunjukkan dengan nilai root mean square error (RMSE), koefisien determinasi (R2 ) dan mean absolute error (MAE). Nilai RMSE, koefisien determinasi dan MAE secara berturut – turut adalah sebesar 0,570 meter, 0,863, dan 0,387 meter.

URI
https://repo.itera.ac.id/depan/submission/SB2401220073

Keyword
Batimetri Berbasis Satelit, machine learning, rand