Pengembangan Metode Klasifikasi Substrat Dasar Laut Menggunakan Data Multibeam Echosounder
View/ Open
Date
2020Author
Solikin, Steven
Manik, Henry M.
Pujiyati, Sri
Susilohadi
Metadata
Show full item recordAbstract
Informasi mengenai tipe substrat dasar laut dapat digunakan secara luas, baik
oleh para ahli kelautan untuk mengkaji habitat bagi hewan bentik, maupun oleh
para pelaku industri, bahkan militer. Dibalik manfaat dari dasar laut, penelitian
tentang dasar laut ini lebih kompleks dibandingkan aplikasi dari teknologi
hidroakustik lainnya. Berbagai kendala seperti: permukaan dasar laut yang tidak
rata, absorpsi di dalam sedimen lebih besar dibandingkan di kolom perairan, serta
adanya penghambur sinyal akustik lain yang berada di permukaan maupun di dalam
sedimen menjadikan kajian mengenai dasar laut menjadi tantangan tersendiri,
namun juga menarik untuk dilakukan.
Tujuan dari penelitian ini secara garis besar adalah untuk menghasilkan peta
klasifikasi tipe sedimen dasar laut Teluk Jakarta menggunakan beberapa metode
klasifikasi yang sudah ada dan yang dikembangkan dalam penelitian ini.
Penelitian ini dilakukan pada tanggal 30 Oktober hingga 5 November 2016 di
perairan Pulau-G, Teluk Jakarta. Pada penelitian ini akan diterapkan dua teknik
klasifikasi, yaitu teknik klasifikasi tidak terbimbing (unsupervised classification)
dan teknik klasifikasi terbimbing (supervised classification). Teknik klasifikasi
tidak terbimbing yang digunakan adalah metode Angular Response Analysis (ARA),
sedangkan teknik klasifikasi terbimbing yang akan digunakan adalah Support
Vector Machine (SVM) dan Support Vector Machine, K-Nearest Neighbor (SVKNN).
Data ground truth diambil menggunakan grab sampler pada 7 titik yang
tersebar di sekitar area pemeruman.
Hasil yang didapatkan adalah klasifikasi sedimen dasar perarairan Pulau-G,
Teluk Jakarta dengan 3 hasil berbeda dari masing-masing metode. Metode ARA
menghasilkan klasifikasi dengan 9 kelas utama, yaitu kerikil, pasir kasar, pasir
medium, pasir halus, pasir berlanau, pasir berlumpur, pasir sangat halus, pasir
berlempung, dan lanau. Nilai akurasi keseluruhan dari metode ARA adalah sebesar
48.53% dengan nilai koefisien Kappa sebesar 0.0620 yang dikategorikan ke dalam
kelas poor dalam pengklasifikasiannya. Metode kedua yaitu SVM. SVM
menghasilkan klasifikasi dengan 5 kelas utama, yaitu lempung, lanau halus, lanau
medium, lanau kasar, dan pasir halus. Nilai akurasi keseluruhan dari metode SVM
adalah sebesar 80.25% dengan nilai koefisien Kappa adalah sebesar 0.2031 yang
dikategorikan ke dalam kelas fair dalam pengklasifikasiannya. Metode terakhir
yaitu SV-KNN. SV-KNN menghasilkan klasifikasi dengan 5 kelas utama yang
sama dengan SVM, yaitu lempung, lanau halus, lanau medium, dan pasir halus.
Nilai akurasi keseluruhan dari metode SV-KNN adalah sebesar 87.38% dengan
nilai koefisien Kappa sebesar 0.3093 yang dikategorikan ke dalam kelas fair dalam
pengklasifikasiannya. Dari ketiga metode tersebut, dapat diketahui bahwa SV-KNN
yang dikembangkan dalam penelitian ini sudah mampu mengklasifikasi tipe dasar
perairan dengan baik dengan nilai akurasi yang cukup besar pula.
Collections
- DT - Fisheries [725]