Pengembangan Metode Klasifikasi Substrat Dasar Laut Menggunakan Data Multibeam Echosounder

Abstract

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.