Perbandingan Akurasi Ekstraksi Batimetri Berbasis Satelit Menggunakan Metode Random Forest, Multiple Linear Regression, dan Algoritma Van Hengel dan Splitzer
Dalam banyak bidang, seperti navigasi maritim, manajemen sumber daya laut dan studi lingkungan laut, pengukuran batimetri atau pemetaan kedalaman laut sangat penting. Kebutuhan akan informasi batimetri terperinci didorong juga dengan adanya aktifitas di wilayah sekitar pantai. Pemetaan batimetri terus mengalami kemajuan seiring perkembangan zaman. Munculnya teknologi penginderaan jauh merupakan sebuah perkembangan dalam akuisisi data batimetri yang lebih efektif dan efisien. Salah satu metode yang sering digunakan untuk memperoleh informasi batimetri dengan teknologi penginderaan jauh adalah Satellite Derived Bathymetry (SDB). Teknologi penginderaan jauh memanfaatkan panjang gelombang yang memiliki respon spektral yang baik terhadap perairan serta menembus kedalaman tertentu untuk mendapatkan informasi titik kedalaman. Satellite Derived Bathymetry memiliki dua metode yaitu metode empiris dan metode analitis.
Penelitian ini menggunakan metode empiris untuk mengestimasi kedalaman perairan dangkal. Metode yang digunakan adalah random forest, multiple linear regression, dan algoritma Van Hengel dan Splitzer. Data yang digunakan pada penelitian ini adalah citra satelit SPOT 6 level ORTHO dan data kedalaman in situ dari pengukuran single beam echosounder (SBES) yang digunakan untuk pembuatan model kedalaman serta proses pengujian akurasi model. Data citra satelit yang digunakan diakuisisi pada tahun 2015 sedangkan data kedalaman SBES diakuisisi pada tahun 2019. Proses uji akurasi pada penelitian ini dilakukan dengan tiga pendekatan yaitu perhitungan nilai root mean square error (RMSE), mean absolute error (MAE) dan total vertical uncertainty (TVU).
Penelitian ini menunjukkan bahwa metode random forest menghasilkan akurasi tertinggi pada sebagian besar rentang kedalaman (1-5 meter, 5-10 meter dan 10-15 meter), sementara algoritma Van Hengel dan Splitzer memiliki akurasi tertinggi pada kedalaman 0-1 meter. Pada kedalaman lebih dari 15 meter, metode multiple linear regression menunjukkan akurasi tertinggi. Berdasarkan perhitungan koefisien determinasi, metode random forest menghasilkan nilai R² yang paling baik yaitu sebesar 0,610. Diikuti oleh metode multiple linear regression dengan nilai R² sebesar 0,462 dan yang terakhir adalah algoritma Van Hengel dan Splitzer dengan nilai R² sebesar 0,313.
URI
https://repository.itera.ac.id/depan/submission/SB2409250275
Keyword
Satellite Derived Bathymetry Random Forest Multiple Linear Regression Algoritma Van Hengel dan Splitzer