Deep Neural Network Untuk Klasifikasi Sedimen Dasar Laut Menggunakan Batimetri Multi Frekuensi

Hudaya, Ahmad Ilmi (2023) Deep Neural Network Untuk Klasifikasi Sedimen Dasar Laut Menggunakan Batimetri Multi Frekuensi. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 03311940000023_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (7MB) | Request a copy

Abstract

Peran keilmuan hidrografi sangatlah penting. Kegunaan hidrografi yang sangat membantu aktivitas masyarakat di wilayah laut. Salah satu kegiatan yang sering dilakukan adalah survei batimetri. survei batimetri ini sering dilakukan untuk mengetahui gambaran tentang permukaan dasar laut. Survei batimetri ini sering dilakukan dengan menggunakan alat Multibeam Echosounder. Salah satu hal yang sering dimanfaatkan dari hasil survei batimetri selain data kedalaman adalah untuk mengetahui sebaran sedimen dasar laut. Pada saat ini sering dilakukan klasifikasi sedimen dasar laut menggunakan data backscatter, hasil dari survei batimetri menggunakan Multibeam Echosounder. Selain itu, metode klasifikasi yang digunakan untuk melakukan klasifikasi sedimen dasar laut adalah dengan menggunakan Angular Response Analysis (ARA). Namun, ketersediaan data backscatter sangat sedikit dan hanya dapat dihasilkan dengan survei menggunakan Multibeam Echosounder. Sehingga perlu dilakukan alternatif lain untuk melakukan klasifikasi sedimen dasar laut. Alternatif lain yang dapat dilakukan adalah dengan menggunakan data batimetri. Hal ini dikarenakan data batimetri yang tersedia sangat banyak dan mudah untuk didapatkan. Data batimetri tersebut dilakukan ekstraksi menjadi beberapa fitur batimetri seperi slope, curvature, aspect, bathymetric position index, roughness, dan ruggedness. Selain data batimetri diperlukan data sampel sedimen yang telah diketahui jenisnya. Data sampel sedimen yang digunakan berjumlah 74 sampel dengan jenis sedimen pasir berlumpur (clayey sand), lanau berpasir (sandy silt), lanau (silt), dan pasir berlanau (silty sand). Metode yang digunakan untuk melakukan klasifikasi sedimen dengan menggunakan data batimetri ini dapat menggunakan metode Deep Neural Network. Klasifikasi sedimen dasar laut dengan Deep Neural Network menggunakan data batimetri ini menghasilkan akurasi yang baik yaitu 96,77%. Selain itu, tingkat kepercayaan dari hasil klasifikasi tersebut juga cukup baik yaitu sebesar 75%. Berdasarkan hasil tersebut dapat diketahui persebaran sedimen dengan jenis sedimen pasir berlumpur (clayey sand) sebesar 42,476%, lanau berpasir (sandy silt) sebesar 7,515%, lanau (silt) sebesar 46,746%, dan pasir berlanau (silty sand) sebesar 3,264%. Sehingga dapat diketahui persebaran jenis sedimen terbanyak adalah berjenis lanau (silt).
=====================================================================================================================================
The scientific role of hydrography is very important. The use of hydrography is very helpful for community activities in the sea area. One activity that is often carried out is bathymetric surveys. These bathymetric surveys are often done to get a picture of the surface of the sea floor. This bathymetric survey is often performed using the Multibeam Echosoever tool. One of the things that is often used from bathymetric survey results in addition to depth data is to determine the distribution of seabed sediments. At this time it is often carried out the classification of seabed sediments using backscatter data, the results of bathymetric surveys using Multibeam Echosounder. In addition, the classification method used to classify seabed sediments is to use Angular Response Analysis (ARA). However, the availability of backscatter data is very little and can only be generated by surveys using the Multibeam Echosounder. So it is necessary to do other alternatives to classify seabed sediments. Another alternative that can be done is to use bathymetric data. This is because the available bathymetric data is very much and easy to obtain. The bathymetric data was extracted into several bathymetric features such as slope, curvature, aspect, bathymetric position index, roughness, and ruggedness. In addition to bathymetric data, sediment sample data of known types are needed. The sediment sample data used amounted to 74 samples with sediment types of clayey sand, sandy silt, silt, and silty sand. The method used to classify sediments using bathymetric data can use the Deep Neural Network method. Classification of seafloor sediments with Deep Neural Network using bathymetric data resulted in a good accuracy of 96.77%. In addition, the confidence level of the classification results is also quite good, which is 75%. Based on these results, it can be seen the distribution of sediments with the type of clayey sand by 42.476%, sandy silt by 7.515%, silt by 46.746%, and silty sand by 3.264%. So that it can be known that the distribution of the most types of sediment is silt.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kata kunci: Klasifikasi Sedimen Dasar Laut, Data Batimetri, Deep Neural Network Keywords: Seabed Sediment Classification, Bathymetric Data, Deep Neural Network.
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QE Geology > QE571 Sedimentation and deposition. Sediment transport. Erosion.
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29202-(S1) Undergraduate Thesis
Depositing User:	Ahmad Ilmi Hudaya
Date Deposited:	02 Aug 2023 01:58
Last Modified:	02 Aug 2023 01:58
URI:	http://repository.its.ac.id/id/eprint/102089

Actions (login required)

View Item