Penggunaan Machine Learning dan Algoritma Stumpf untuk Estimasi Kedalaman di Perairan Sembulang, Kepulauan Riau

Abstract

Informasi mengenai kedalaman perairan yang terdapat pada peta batimetri dapat digunakan sebagai pedoman bagi nelayan atau nahkoda untuk berlayar dengan aman. Salah satu cara untuk memperoleh informasi kedalaman adalah melalui pemetaan batimetri. Pemetaan batimetri dapat dilakukan menggunakan teknologi akustik atau dengan ekstraksi citra satelit menggunakan algoritma untuk memperkirakan kedalaman perairan. Penelitian ini bertujuan untuk menganalisis hasil batimetri side scan sonar (SSS), menganalisis kemampuan citra Sentinel-2 dalam mengestimasi batimetri dasar perairan menggunakan metode algoritma Stumpf, dan algoritma support vector machine (SVM), serta membandingkan data batimetri antara data akustik dengan hasil dari algoritma Stumpf dan algoritma SVM. Akuisisi data SSS dilakukan pada 15–18 Maret 2021 di Perairan Sembulang. Data pasang surut diperoleh dengan menggunakan papan pasut yang ditempatkan di Dermaga Sembulang. Citra satelit yang digunakan diambil pada 25 April 2021 dan diunduh dari situs https://dataspace.copernicus.eu. Peralatan yang digunakan dalam penelitian ini meliputi SSS C-Max CM2 Tow Fish, papan pasang surut, GPS, serta laptop dengan perangkat lunak SonarWiz 7, ArcGIS, QGIS, MATLAB, dan Surfer. Pengolahan data SSS dilakukan melalui koreksi geometrik dan radiometrik. Koreksi geometrik mencakup layback correction, bottom tracking, dan slant range correction, sedangkan koreksi radiometrik meliputi beam angle correction (BAC), automatic gain control (AGC), time varying gain (TVG), dan empirical gain normalization (EGN). Data pasang surut diproses menggunakan metode admiralty. Penelitian ini dilaksanakan melalui beberapa tahapan, antara lain pra-pengolahan citra satelit, koreksi pasang surut, estimasi kedalaman perairan dengan menggunakan 80% titik pemeruman sebagai data pelatihan, dan uji akurasi data batimetri hasil estimasi citra satelit menggunakan 20% titik pemeruman sebagai data pengujian. Total titik kedalaman kedalaman hasil akuisi akustik sebanyak 1.405 titik. Berdasarkan data hasil pemeruman, kedalaman Perairan Sembulang setelah dikoreksi terhadap pasang surut berada pada kisaran 0 hingga 26 meter. Kemiringan dasar perairan berada pada rentang 4–8°, sehingga dapat dikategorikan sebagai daerah landai. Estimasi kedalaman yang diperoleh dari citra satelit Sentinel-2 menggunakan algoritma Stumpf menunjukkan nilai kedalaman antara 0 hingga 25,935 meter, sedangkan estimasi kedalaman menggunakan algoritma SVM berkisar antara 0 hingga 25,184 meter. Nilai koefisien determinasi (R²) antara kedalaman hasil akuisisi akustik dan kedalaman hasil ekstraksi menggunakan algoritma Stumpf adalah sebesar 0,6834. Sementara itu, nilai koefisien determinasi (R²) antara kedalaman akustik dan hasil ekstraksi menggunakan algoritma SVM sebesar 0,7378. Nilai-nilai koefisien determinasi tersebut menunjukkan bahwa terdapat korelasi yang kuat antara data hasil akuisisi lapangan dengan kedalaman hasil ekstraksi dari algoritma Stumpf dan SVM.

Information on water depth contained in bathymetric maps can serve as a navigational guide for fishermen or ship captains to sail safely. One of the methods to obtain depth information is through bathymetric mapping. Bathymetric mapping can be conducted using acoustic technology or through the extraction of satellite imagery using algorithms to estimate water depth. This study aims to analyze bathymetric results obtained from side scan sonar (SSS), to evaluate the capability of Sentinel-2 imagery in estimating seafloor bathymetry using the Stumpf algorithm and the support vector machine (SVM) algorithm, and to compare the bathymetric data derived from acoustic measurements with the results of the Stumpf and SVM algorithms. SSS data acquisition was carried out from 15 to 18 March 2021 in the Sembulang Waters. Tidal data were collected using a tide board installed at the Sembulang Pier. The satellite imagery used in this study was captured on 25 April 2021 and downloaded from https://dataspace.copernicus.eu. The equipment used in this research included the SSS C-Max CM2 Tow Fish, tide board, GPS, and a laptop equipped with SonarWiz 7, ArcGIS, QGIS, MATLAB, and Surfer software. SSS data processing was conducted through geometric and radiometric corrections. Geometric corrections included layback correction, bottom tracking, and slant range correction, while radiometric corrections involved beam angle correction (BAC), automatic gain control (AGC), time varying gain (TVG), and empirical gain normalization (EGN). Tidal data were processed using the Admiralty method. This study was conducted in several stages, including satellite image pre-processing, tidal correction, depth estimation using 80% of the sounding points as training data, and accuracy assessment of the bathymetric data estimated from satellite imagery using the remaining 20% of the sounding points as testing data. The total number of depth points obtained from the acoustic acquisition is 1.405 points. Based on the sounding data, the depth of Sembulang Waters after tidal correction ranged from 0 to 26 meters. The seabed slope was within the range of 4–8°, which classifies the area as gently sloping. Depth estimates derived from Sentinel-2 satellite imagery using the Stumpf algorithm ranged from 0 to 25.935 meters, while those estimated using the SVM algorithm ranged from 0 to 25.184 meters. The coefficient of determination (R²) between the acoustic depth measurements and the depth extracted using the Stumpf algorithm was 0.6834. Meanwhile, the R² value between acoustic measurements and depth extracted using the SVM algorithm was 0.7378. These R² values indicate a strong correlation between the field-acquired data and the depth estimates produced by the Stumpf and SVM algorithms.