STUDI PENINGKATAN KUALITAS KLASIFIKASI SEDIMEN DASAR LAUT DENGAN MENGGUNAKAN SELISIH BATIMETRI ANTAR FREKUENSI DAN MULTISPEKTRAL BACKSCATTER MULTIBEAM ECHOSOUNDER (MBES)

Khomsin, Khomsin (2024) STUDI PENINGKATAN KUALITAS KLASIFIKASI SEDIMEN DASAR LAUT DENGAN MENGGUNAKAN SELISIH BATIMETRI ANTAR FREKUENSI DAN MULTISPEKTRAL BACKSCATTER MULTIBEAM ECHOSOUNDER (MBES). Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text Disertasi Final 02 Agustus 2024.pdf Download (9MB)

Abstract

Klasifikasi sedimen dasar laut mempunyai peran yang sangat penting dalam perencanaan dan pengembangan wilayah laut dan pesisir seperti keselamatan kapal pada saat sandar, konstruksi bangunan laut (pipa, kabel, rig, pelabuhan), dan lingkungan (habitat bentik, sedimen transport, pengerukan, pembuangan limbah). Klasifikasi sedimen dasar laut dapat dipetakan dengan data in-situ yang diambil dengan metode mekanik (grab sampler dan gravity core), optik (kamera dan video), dan metode akustik (side scan sonar (SSS), singlebeam echosounder (SBES) dan multibeam echosounder (MBES)). Penelitian ini menggunakan teknologi MBES MBES multifrekuensi yang dapat mengakuisisi data dengan frekuensi yang berbeda berbasis ping by ping. Masing-masing frekuensi memiliki karakteristik data kedalaman dan hamburan balik yang unik.
Penelitian ini bertujuan untuk mengklasifikasi sedimen dasar laut dengan menggunakan data batimetri dan backscatter dari MBES multifrekuensi. Klasifikasi sedimen dasar dilakukan dengan metode Deep Neural Network (DNN) dengan variasi input data seperti batimetri, selisih batimetri, fitur batimetri multifrekuensi, backscatter, dan fitur backscatter multispektral. Output data DNN ini adalah 74 titik sampel sedimen in situ yang diklasifikasikan sebagai clayey sand, silty sand, sandy silt dan silt.
Hasil dari penelitian ini menunjukkan bahwa klasifikasi sedimen dasar laut dengan metode DNN dan input kombinasi data batimetri, selisih batimetri dan fitur batimetri menghasilkan overall accuracy sebesar 71,9% dan koefisien kappa sebesar 0,59. Nilai ini naik 20,9% dan 0,22 dari baseline yang digunakan yaitu klasifikasi Angular Range Analysis (ARA) dengan akurasi 51% dan koefisien kappa 0,37. Peningkatan akurasi kedua tertinggi adalah input data kombinasi batimetri, selisih batimetri, fitur batimetri multifrekuensi, backscatter dan fitur backscatter multispektral dengan akurasi 62,2% dan koefsien kappa 0,28. Penurunan akurasi terjadi pada input batimetri dan selisih batimetri yaitu 41,9% dan koefisien kappa 0,21. Hasil penelitian ini akan memberi dampak yang besar bagi para pemangku kepentingan khususnya para praktisi dalam pemetaan klasifikasi sedimen dasar laut. Berdasarkan hasil penelitian ini, pemetaan sedimen dasar laut hanya membutuhkan data batimetri multifrekuensi (batimetri, selisih batimetri dan fitur batimetri) dan tidak membutuhkan data backscatter.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	klasifikasi, multibeam echosounder, multifrekuensi, sedimen dasar laut, selisih bathimetri, akurasi, kappa
Subjects:	G Geography. Anthropology. Recreation > GC Oceanography > GC1018.5 Ocean zoning.
Depositing User:	Khomsin Khomsin
Date Deposited:	07 Aug 2024 01:36
Last Modified:	07 Aug 2024 01:36
URI:	http://repository.its.ac.id/id/eprint/113631

Actions (login required)

View Item