AFDIVANDRIA, ANDRIAN (2024) PEMETAAN JENIS SEDIMEN DASAR LAUT MELALUI PEMANFAATAN MBES DENGAN ANALISIS OBIA MENGGUNAKAN KLASIFIKASI CART DAN RANDOM FOREST. Undergraduate thesis, UNIVERSITAS DIPONEGORO.

	Text Cover.pdf Download (418kB)
	Text Abstrak.pdf Download (230kB)

Abstract

Sedimen di perairan pantai memiliki peran penting dalam membentuk morfologi pantai, ekosistem pesisir, dan dinamika laut. Perairan Selat Katapop memiliki kondisi geografis yang unik, dengan bagian utara yang lebih luas dan bagian selatan yang lebih sempit, serta banyak pulau kecil. Penggunaan Multibeam Echosounder (MBES) untuk pemetaan dasar laut memberikan cakupan yang luas, resolusi tinggi, serta menghasilkan data batimetri dan backscatter yang berguna
sebagai parameter untuk pemetaan dasar laut bersamaan dengan nilai rugositas. Klasifikasi berbasis CART dan Random Forest dengan pendekatan Object-Based Image Analysis (OBIA) diterapkan untuk meningkatkan efisiensi waktu dan biaya
pemetaan sedimen. Metode CART berbasis OBIA telah terbukti efektif dalam memetakan sedimen dasar laut, sementara Random Forest, yang menggunakan banyak decision tree dapat meningkatkan akurasi klasifikasi dan dapat mengurangi
risiko overfitting. Analisis sebaran sedimen menunjukkan bahwa sedimen kasar, seperti pasir dan karang, terakumulasi di perairan terbuka, sementara sedimen halus, seperti lumpur, terendapkan di area terlindung dengan energi arus dan
gelombang yang lebih rendah. Pasir karang dan lumpur pasir tersebar di area dinamis. Akurasi klasifikasi untuk CART dan Random Forest berbasis OBIA mencapai 83,33% (overall accuracy) dan 0,76 (Kappa accuracy), sementara tanpa
OBIA, akurasi menurun menjadi 66,66% dan 0,50. Hasil akurasi ini mengindikasikan bahwa penerapan OBIA meningkatkan keandalan klasifikasi sedimen menggunakan kedua metode tersebut.

Actions (login required)

View Item