AZZAHRA, KEISHA RIZFIA (2026) KAJIAN KEDALAMAN PERAIRAN DANGKAL MENGGUNAKAN METODE SATELLITE DERIVED BATHYMETRY DENGAN ALGORITMA RANDOM FOREST DAN K-NEAREST NEIGHBOR DI PERAIRAN KEPULAUAN PANGKAJENE, SULAWESI SELATAN (26dos70). Undergraduate thesis, Fakultas Perikanan dan Ilmu Kelautan.

Text Keisha Rizfia Azzahra 26dos70.pdf Restricted to Repository staff only Download (2MB)

Abstract

Data kedalaman perairan dangkal memiliki peran penting dalam
mendukung perencanaan dan pengelolaan ruang laut secara berkelanjutan,
khususnya pada wilayah pesisir dan kepulauan. Namun, ketersediaan data batimetri
hasil survei lapangan masih terbatas karena proses pengukurannya memerlukan
biaya, waktu, dan sumber daya yang besar. Satellite Derived Bathymetry (SDB)
merupakan salah satu alternatif dalam pemetaan kedalaman perairan dangkal
dengan memanfaatkan citra satelit multispektral. Penelitian ini bertujuan untuk
memetakan kedalaman perairan dangkal di Perairan Kepulauan Pangkajene,
Sulawesi Selatan menggunakan metode SDB berbasis citra Sentinel-2A dengan
algoritma Random Forest dan K-Nearest Neighbor (K-NN). Data yang digunakan
terdiri atas citra satelit Sentinel-2A serta data kedalaman lapangan yang didapatkan
dari Badan Informasi Geospasial (BIG) dan terdiri dari 49.112 titik yang
direferensikan terhadap Lowest Astronomical Tide (LAT). Tahapan pengolahan
meliputi preprocessing citra, penerapan metode SDB dengan algoritma Random
Forest dan K-NN, pemetaan kedalaman berdasarkan kedua algoritma, serta uji
akurasi menggunakan Root Mean Square Error (RMSE), Mean Absolute Error
(MAE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa
algoritma Random Forest memiliki tingkat akurasi lebih tinggi (RMSE = 0,285 m;
MAE = 0,125 m; R² = 0,997) dibandingkan algoritma K-NN (RMSE = 0,599 m;
MAE = 0,229 m; R² = 0,987). Sebaran kedalaman menunjukkan bahwa kelas
kedalaman −2,50 hingga −5,00 m merupakan rentang terluas dengan area sebesar
2.283 km². Secara keseluruhan, hasil penelitian ini menunjukkan bahwa pendekatan
SDB berbasis algoritma machine learning efektif dalam mengestimasi kedalaman
perairan dangkal.

Actions (login required)

View Item