PEMETAAN BATIMETRI PERAIRAN LAUT DANGKAL DI GUGUSAN PULAU TIGA, KABUPATEN NATUNA DENGAN MENGGUNAKAN CITRA ALOS AVNIR-2 LA ODE AHMAD MUSTARY

PEMETAAN BATIMETRI PERAIRAN LAUT DANGKAL DI GUGUSAN PULAU TIGA, KABUPATEN NATUNA DENGAN MENGGUNAKAN CITRA ALOS AVNIR-2

LA ODE AHMAD MUSTARY

DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR 2013

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI

Dengan ini saya menyatakan bahwa Skripsi yang berjudul “ Pemetaan Batimetri Perairan Laut Dangkal di Gugusan Pulau Tiga, Kabupaten Natuna Dengan Menggunakan Citra Alos Avnir-2” adalah benar merupakan hasil karya sendiri dan belum pernah diajukan dalam bentuk apa pun kepada perguruan tinggi manapun. Semua sumber data dan informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam daftar pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Juli 2013

LA ODE AHMAD MUSTARY C54062676

RINGKASAN LA ODE AHMAD MUSTARY. Pemetaan Batimetri Perairan Laut Dangkal di Gugusan Pulau Tiga, Kabupaten Natuna Dengan Menggunakan Citra Alos Avnir-2. Dibimbing oleh VINCENTIUS P. SIREGAR. Batimetri adalah proses penggambaran dasar perairan sejak pengukuran, pengolahan, hingga visualisasinya. Tujuan dari penelitian ini adalah 1) memetakan perairan laut dangkal Pulau Tiga, Kabupaten Natuna dengan menggunakan citra satelit ALOS AVNIR-2 dengan mengaplikasikan algoritma Lyzenga (1985). 2) Melakukan uji akurasi citra satelit dengan menggunakan formula Root Mean Square Error (RMSE) matriks kesalahan atau matriks konfusi. Data yang digunakan adalah data digital citra ALOS AVNIR-2 akuisisi pada tanggal 20 Mei 2009 yang telah dikoreksi geometrik dan radiometrik, data pasang surut pada saat peliputan citra dan saat pengambilan data kedalaman pemeruman yang dilakukan oleh lembaga riset South East Asia Center for Tropical Biology (SEMEO BIOTROP) pada bulan Oktober dan November 2010. Kanal hijau merupakan kanal yang sesuai untuk memetakan kedalaman perairan laut dangkal Pulau Tiga, Kabupaten Natuna. Estimasi kedalaman perairan laut dangkal hasil turunan dari citra ALOS AVNIR-2 pada perairan laut dangkal Pulau Tiga hanya mampu menginterpretasikan kedalaman hingga kedalaman sekitar 8 meter. Ketelitian seluruh hasil klasifikasi (Overall Accuracy) antara nilai kedalaman pemeruman dan kedalaman dugaan citra adalah 68,79%. Model regresi linier yang dianalisis cukup memadai untuk digunakan pada transformasi citra ALOS AVNIR-2 Kata kunci : Algoritma Lyzenga , ALOS AVNIR-2, Batimetri.

ABSTRACT LA ODE AHMAD MUSTARY. Bathymetry Mapping of Marine Shallow Water on Tiga Islands, Natuna Regency by Using Image of ALOS AVNIR-2. Supervised by VINCENTIUS P. SIREGAR. Bathymetry is a depiction of the bottom waters since the measurement, processing, up to the visualization. The purpose of this research is 1) To map the marine shallow waters on Tiga Island, Natuna Regency by using image of ALOS AVNIR-2 by applying the Lyzenga algorithm (1985). 2) To test the accuracy of satellite images using the formula Root Mean Square Error (RMSE) or confusion matrix. The data used is the digital image of ALOS AVNIR-2 acquisitions on May 20, 2009 which have geometric and radiometric correction, the data on the current tidal and current coverage of the image and depth of field data collection conducted by SEMEO BIOTROP in October and November 2010. Green canal is the canal corresponding to Mapping of Marine Shallow Water on Tiga Islands, Natuna Regency. Marine Shallow water estimation results derived from ALOS AVNIR-2 imagery in shallow waters of the Tiga Island only able to interpret the depth to a depth of about 8 meters. The accuracy of classification results (Overall Accuracy) between the values and depth of field image of the alleged depth is 68.79%. A linear regression Model that analyzed quite insufficient for use on image transformation of ALOS AVNIR-2. Keywords: ALOS AVNIR-2, Bathymetry, Lyzenga Algorithms.

PEMETAAN BATIMETRI PERAIRAN LAUT DANGKAL DI GUGUSAN PULAU TIGA, KABUPATEN NATUNA DENGAN MENGGUNAKAN CITRA ALOS AVNIR-2

LA ODE AHMAD MUSTARY

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Kelautan Departemen Ilmu dan Teknologi Kelautan

DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR 2013

Judul Penelitian

: PEMETAAN BATIMETRI PERAIRAN LAUT DANGKAL DI GUGUSAN PULAU TIGA, KABUPATENNATUNA DENGAN MENGGUNAKAN CITRA ALOS A VNIR-2

Nama Mahasiswa : La Ode Ahmad Mustary NomorPokok

: C54062676

Program Studi

: Ilmu dan Teknologi Kelautan

Disetujui oleh Pembimbing

Dr. Ir. Vincentius P. Siregar, DEA

NIP. 19561103 198503 1 003

Diketahui oleh

Tanggal Lulus:

Judul Penelitian

: PEMETAAN BATIMETRI PERAIRAN LAUT DANGKAL DI GUGUSAN PULAU TIGA, KABUPATEN NATUNA DENGAN MENGGUNAKAN CITRA ALOS AVNIR-2

Nama Mahasiswa : La Ode Ahmad Mustary Nomor Pokok

: C54062676

Program Studi

: Ilmu dan Teknologi Kelautan

Disetujui oleh Pembimbing

Dr. Ir. Vincentius P. Siregar, DEA NIP. 19561103 198503 1 003

Diketahui oleh Kepala Departemen Ilmu dan Teknologi Kelautan

Dr. Ir. I Wayan Nurjaya, M. Sc NIP. 19640801 198903 1 001

Tanggal Lulus:

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT karena dengan rahmat dan karunia-Nya penulis dapat menyelesaikan skripsi dengan judul Pemetaan Batimetri Perairan Laut Dangkal di Gugusan Pulau Tiga, Kabupaten Natuna Dengan Menggunakan Citra Alos Avnir-2, untuk memperoleh gelar sarjana pada program studi Ilmu Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor. Selama penyusunan skripsi penulis banyak mendapat bantuan dari berbagai pihak. Oleh karena itu penulis mengucapkan terima kasih kepada: 1. Orang tua dan keluarga yang selalu memberikan kasih sayang dan perhatian serta doa dan dukungannya baik secara moril maupun materil. 2. Dr. Ir. Vincentius P. Siregar, DEA selaku Pembimbing Skripsi atas arahan dan bimbingan beliau selama proses penyelesaian skripsi. 3. Dr. Ir. Nyoman M.N. Natih, M.Si selaku Pembimbing Akademik selama penulis menuntut ilmu di Departemen ITK, FPIK, IPB. 4. Githa Prima Putra, Coryelisabety Dianovita, Achmad Rifai, Vicky Riski A. Katili, Hengky Wibowo, Luki Agus G.P.S. Sinaga, Risky Rizaldi yang selalu mendukung dan memberikan motivasi pada penulis dalam penyelesaian skripsi ini. 5. ITK 43 pada khususnya serta warga ITK pada umumnya atas kerjasama dan kebersamaanya. Penulis menyadari bahwa masih terdapat kekurangan, namun penulis berharap skrispsi ini dapat menambah pengetahuan dan wawasan bagi diri sendiri maupun pembacanya serta bermanfaat bagi dunia pendidikan khususnya di bidang Ilmu dan Teknologi Kelautan.

Bogor, Juli 2013

La Ode Ahmad Mustary

DAFTAR ISI Halaman KATA PENGANTAR ...............................................................................

i

DAFTAR ISI ..............................................................................................

ii

DAFTAR TABEL ....................................................................................

iii

DAFTAR GAMBAR ...............................................................................

iv

DAFTAR LAMPIRAN ............................................................................

v

1

PENDAHULUAN ............................................................................. 1.1. Latar Belakang ........................................................................... 1.2. Tujuan ........................................................................................

1 1 3

2

TINJAUAN PUSTAKA ................................................................... 2.1. Pemanfaatan Citra Satelit Untuk Pemetaan Perairan Laut Dangkal 2.1.1. Batimetri ............................................................................ 2.1.2. Pemetaan batimetri perairan laut dangkal .......................... 2.2. Karakteristik Citra Satelit ALOS (Advanced Land Observing Satellite) ...................................................................................... 2.3. Pasang Surut ................................................................................ 2.4. Pengertian Perairan Laut Dangkal ..............................................

4 4 4 5

3

METODOLOGI ............................................................................... 2.1. Waktu dan Lokasi Penelitian ...................................................... 2.2. Alat dan Bahan ............................................................................ 2.3. Pengumpulan dan Pengolahan Data Lapang ............................... 2.3.1. Pengumpulan data .............................................................. 2.3.2. Pengolahan data ................................................................. 2.4. Pengolahan Data Satelit ............................................................. 2.5. Transformasi citra ....................................................................... 2.6. Klasifikasi citra ........................................................................... 2.7. Analisis Hasil .............................................................................. 2.8. Pemetaan Batimetri ....................................................................

12 12 13 14 14 14 16 17 17 18 19

4

HASIL DAN PEMBAHASAN ......................................................... 4.1. Pemetaan Batimetri ..................................................................... 4.1.1 Transformasi Algoritma Lyzenga ......................................... 4.1.2 Peta Batimetri ....................................................................... 4.2. Galat (Error) Model Nilai Digitasi Asli dengan Algoritma Lyzenga .......................................................................................

24 24 24 27

KESIMPULAN DAN SARAN ......................................................... 5.1. Kesimpulan ................................................................................. 5.1. Saran ...........................................................................................

33 33 33

DAFTAR PUSTAKA ....................................................................... LAMPIRAN ...................................................................................

34 36

5

ii

8 10 11

31

DAFTAR TABEL Halaman 1. 2. 3. 4.

Karakteristik Satelit ALOS .................................................................. Karakteristik Sensor AVNIR-2 pada ALOS ........................................ Matriks kesalahan (confusion matrix) .................................................. Korelasi antara hasil plot kedalaman pemeruman dan nilai digital citra ALOS AVNIR-2 ................................................................................. 5. Matriks konfusi selang kelas nilai kedalaman pemeruman dan kedalaman dugaan (citra) wilayah kajian .............................................

iii

9 10 22 26 27

DAFTAR GAMBAR Halaman 1. Konversi kedalaman ke kedalaman bawah datum ( Zt = kedalaman air pada saat waktu t (baik di lapangan, maupun pada saat pengukuran melaui penginderaan jauh), ht = ketinggian pasut di atas datum pada saat waktu t. Kedalaman dasar perairan dihitung mulai dari bawah datum, yaitu Zt - ht ) ............................................................................. 2. Citra satelit ALOS ................................................................................. 3. Pencitraan dan sensor AVNIR-2 pada ALOS ....................................... 4. Lokasi penelitian di perairan laut dangkal pada gugusan Pulau Tiga, Kabupaten Natuna, Provinsi Riau ....................................... 5. Komposit citra ALOS AVNIR-2 akuisisi 20 Mey 2009 pada lokasi penelitian di perairan laut dangkal pada gugusan Pulau Tiga, Kabupaten Natuna, Provinsi Riau. ......................................................... 6. Diagram alir pengolahan data batimetri citra ALOS AVNIR-2 ............ 7. Persamaan linear antara data kedalaman pemeruman dan nilai digital citra ALOS AVNIR-2 ( a=kanal biru, b=kanal hijau, c=kanal merah) ... 8. Histogram nilai transformasi algoritma Lyzenga .................................. 9. Peta estimasi kedalaman perairan laut dangkal Pulau Tiga dengan menggunakan algoritma Lyzengan ........................................................ 10. Peta estimasi kedalaman perairan laut dangkal Pulau Tiga dengan menggunakan algoritma Lyzengan yang telah dikelaskan ke dalam beberapa kelas kedalaman ...................................................................... 11. Nilai kedalaman duga (estimated depth) terhadap nilai kedalaman pemeruman (actual depth) ..................................................................... 12. Analisis residual antara nilai kedalaman pemeruman (actual depth) Dengan kedalaman duga (estimated depth)............................................                      

iv

7 8 10 12

13 23 25 28 29

30 31 32

 

DAFTAR LAMPIRAN Halaman 1. Regresi statistik hubungan antara kedalaman pemeruman dan nilai digital citra ALOS AVNIR-2 ................................................................. 2. Regresi statistik hubungan antara kedalaman pemeruman dan nilai hasil transformasi algoritma Lyzenga yang dikembangkan (nilai kedalaman dengan nilai faktor koreksi) ........................................ 3. Histogram citra ALOS AVNIR-2 hasil transformasi algoritma Lyzenga Pada perairan laut dangkal Pulau Tiga ................................................... 4. Data nilai kedalaman pemeruman dan kedalaman dugaan, nilai Digital kanal hijau citra ALOS AVNIR-2 pada pengembangan model Lyzenga, dan nilai biasnya ....................................................................

v

36

37 38

39

1. PENDAHULUAN

1.1. Latar Belakang Batimetri adalah proses penggambaran dasar perairan sejak pengukuran, pengolahan, hingga visualisasinya (Poerbandono dan Djunarsjah, 2005). Batimetri perairan dangkal biasanya dapat dicirikan dari warna pada beberapa habitat, seperti daerah terlindung, daerah cukup terlindung, dan daerah terekspos atau tak terlindung (Green et al., 2000). Peta batimetri dalam aplikasinya memiliki banyak manfaat dalam bidang kelautan dan perikanan, untuk bidang kelautan antara lain penentuan jalur pelayaran yang aman, perencanaan bangunan pinggir pantai, pendeteksian adanya potensi bencana tsunami di suatu wilayah, dan pertambangan minyak lepas pantai. Selain itu, peta batimetri diperlukan untuk mengetahui kondisi morfologi suatu daerah perairan. Peta batimeri untuk bidang perikanan dibutuhkan dalam menentukan lokasi potensi untuk perikanan budidaya laut (Nurjaya, 1991). Indonesia memiliki garis pantai sepanjang ± 81.000 km, maka pemeruman kedalaman (batimetri) yang lebih efisien dan efektif tanpa memerlukan biaya yang besar dan waktu yang lama menjadi sangat penting (Wouthuyzen, 2001). Topografi dasar laut merupakan suatu sistem yang dinamis, sehingga setiap saat perubahan-perubahan dapat terjadi. Perlu dilakukan suatu upaya pengkajian untuk mengetahui secara cepat kondisi perubahan tersebut sehingga perbaikan peta-peta batimetri dapat dilakukan agar perubahan mengenai dasar suatu perairan dapat di informasikan segera setelah perubahan terjadi.

1

2

Teknologi pemetaan batimetri berkembang dari waktu ke waktu. Pada awalnya, kedalaman diukur dengan menggunakan tambang yang ujungnya diberi pemberat dan mencoba untuk memperhitungkan kapan pemberat tersebut menyentuh dasar. Metode ini sulit dilakukan dan hasilnya hampir selalu tidak akurat karena arus yang kuat dapat menarik tambang dan pemberatnya ke samping sehingga kedalaman yang dihasilkan sering bukan kedalaman sebenarnya. Metode ini kurang akurat juga membutuhkan waktu yang lama karena kapal harus berhenti dalam waktu yang lama untuk menurunkan dan menaikan tambang (Sager 1988). Oleh karena itu, saat ini teknik penginderaan jauh banyak digunakan sebagai alternatif untuk survei batimetri, terutama untuk perairan laut dangkal. Teknologi penginderaan jauh memiliki beberapa keunggulan seperti memberikan informasi secara kontinu, data yang dihasilkan berupa data digital dalam bentuk foto atau citra yang memudahkan manusia untuk mengolahnya, cakupan daerah yang diobservasi luas dan mampu mendeteksi daerah yang sulit dijangkau atau berbahaya bagi manusia, dan tidak memerlukan pengeluaran yang besar karena biayanya yang relatif murah. Teknologi ini juga dapat menimbulkan permasalahan apabila terjadi variasi pemantulan yang signifikan pada karakteristik substrat dasar sehingga perlu dilakukan validasi data kedalaman yang biasanya menggunakan metode survei lapang. Dibutuhkan suatu uji akurasi atau validasi data yang berfungsi untuk menguji ketelitian dari data atau informasi yang dihasilkan dari pengolahan citra. Pada umumnya uji akurasi ini dilakukan untuk membandingkan antara kedua data atau informasi, yaitu data dari peta hasil analisis penginderaan jauh dan data dari pemeruman pada saat pemeruman,

3

dimana data pemeruman berisi informasi atau data yang lebih akurat dan detail. Hasil dari uji akurasi ini biasanya disusun dalam bentuk matriks kesalahan yang juga dinamakan dengan matriks konfusi. Selain mengindentifikasi kesalahan dalam suatu kategori, matriks konfusi juga dapat mengindentifikasi kesalahan pada klasifikasi antar kategori (Siregar, 2008). Karena teknologi ini masih belum mampu memberikan hasil yang memuaskan dalam hal keakuratan informasi, sehingga masalah keakuratan ini merupakan suatu kegiatan penelitian yang terus berkembang sampai saat ini. Pendekatan algoritma merupakan salah satu metode yang digunakan untuk memecahkan kelemahan-kelemahan pendugaan batimetri dengan data satelit. Penelitian ini akan mencoba menggunakan algoritma Lyzenga (1985) untuk pendugaan kedalaman yang hanya terbatas pada perairan laut dangkal dengan menggunakan citra satelit ALOS di perairan Gugusan Pulau Tiga, Kabupaten Natuna, Provinsi Kepulauan Riau.

1.2. Tujuan Tujuan dari penelitian ini adalah : 1. Memetakan perairan laut dangkal Gugusan Pulau Tiga, Kabupaten Natuna dengan menggunakan citra satelit ALOS AVNIR-2 dengan mengaplikasikan algoritma Lyzenga (1985). 2. Melakukan uji akurasi citra satelit dengan menggunakan formula Root Mean Square Error (RMSE) dan matriks kesalahan atau matriks konfusi.

2. TINJAUAN PUSTAKA

2.1. Pemanfaatan Citra Satelit Untuk Pemetaan Perairan Laut Dangkal 2.1.1. Batimetri Istilah batimetri (bathymetry) berasal dari bahasa yunani yang didefisinikan sebagai pengukuran dan pemetaan topografi dasar laut, (pipkin et al, 1987). Poerbandono dan Djunarsjah (2005), menjelaskan bahwa batimetri adalah proses penggambaran dasar perairan sejak pengukuran, pengolahan, hingga visualisasinya. Batimetri perairan dangkal biasanya dapat dicirikan dari warna pada beberapa habitat, seperti daerah terlindung, daerah cukup terlindung, dan daerah terekspos atau tak terlindung (Green et al., 2000). Batimetri perairan dangkal sangat penting untuk studi morfologi dasar laut, pengelolaan dan manajemen sumber daya zona pesisir. Selain itu informasi batimetri juga dapat digunakan dalam pembuatan peta lainnya, seperti pemetaan kondisi habitat karang. Pengetahuan tentang kedalaman air memungkinkan estimasi albedo dasar, yang dapat meningkatkan kualitas pemetaan habitat (Mumby et al dalam Siregar dan Selamat, 2010). Batimetri perairan dangkal biasanya dapat dicirikan dari warna beberapa habitat pada daerah terlindung, daerah cukup terlindung, dan daerah terekspos atau tak terlindung (Green et al., 2000). Hal ini dikarenakan oleh banyaknya pantulan cahaya dari dasar laut di perairan dangkal dan kurangnya penyerapan cahaya tersebut pada kolom perairan. Pengukuran kedalaman perairan dengan metode konvensional dilakukan dengan menggunakan tali tambang yang telah terukur yang diturunkan dari kapal

4

5

ke perairan dengan pemberat. Namun sekarang ini metode pengukuran kedalaman telah berkembang yaitu dengan menggunakan sistem foto udara atau penginderaan jarak jauh dengan citra satelit. 2.1.2. Pemetaan batimetri perairan laut dangkal Hidrografi adalah ilmu yang mempelajari dan membahas tentang deskripsi serta pengukuran fisik laut, danau, sungai dan kaitannya dengan wilayah pantai (BSNI, 2010). Informasi yang diperoleh dari kegiatan ini bermanfaat dalam pengelolaan dan pembangunan sumberdaya laut dalam industri kelautan. Informasi-informasi tersebut salah satunya dapat berupa kedalaman perairan. Pemetaan dasar perairan ini juga sangat penting untuk menunjang pengembangan wilayah pantai dan pesisir sehingga dapat diketahui tempat-tempat yang rawan, seperti topografi yang curam yang dekat dengan garis pantai. Peta batimetri sekarang ini telah banyak diproduksi oleh beberapa instansi kelautan, tetapi kebanyakan peta batimetri tersebut memetakan kedalaman pada perairan dalam yang digunakan untuk keperluan navigasi. Pemetaan kedalaman perairan telah banyak dilakukan oleh beberapa peneliti dengan menggunakan citra satelit. Citra satelit yang umum digunakan untuk memetakan batimetri perairan terutama perairan dangkal (shallow water), yaitu citra Landsat TM dan Landsat MSS, SPOT XS, dan Airborne MSS (Green et al., 2000). Umumnya pemetaan batimetri ini dilakukan dengan beberapa persyaratan kondisi perairan, seperti kecerahan air yang cukup penting perannya pada saat satelit merekam data. Perairan yang jernih memungkinkan sensor satelit untuk merekam data hingga ke kedalaman lebih dari 30 m (Green et al., 2000). Hal ini

6

berhubungan dengan atenuasi cahaya pada perairan, dimana sensor satelit dengan cahaya biru dan hijau yang mampu menembus hingga ke dasar perairan, sedangkan cahaya merah umumnya akan diserap atau dihamburkan di kolom perairan sehingga tidak mampu menembus lebih jauh lagi ke dasar perairan. Oleh karena itu, dalam memetakan kedalaman perairan dangkal juga memerlukan data lain, seperti turbiditas air yang mempengaruhi penetrasi kedalaman. Ada beberapa metode yang dikenal untuk memetakan batimetri, seperti metode Benny dan Dawson, metode Jupp, dan metode Lyzenga (Green et al., 2000). Metode-metode pemetaan batimetri ini umumnya mengasumsikan 3 hal, yaitu (i) atenuasi cahaya merupakan fungsi eksponensial untuk kedalaman, (ii) kualitas air yang tidak tampak berbeda pada citra, (iii) albedo (penampakan warna) dari substrat adalah konstan. Biasanya metode satu dengan yang lain merupakan metode yang dikembangkan dari metode sebelumnya, seperti metode Jupp merupakan pengembangan dari metode Lyzenga. Sedangkan metode yang paling modern yang lebih tinggi tingkat teknologinya adalah metode Airborne Lidar Bathymetry (Selamat dan Nababan, 2009). Metode yang digunakan untuk menduga batimetri melalui citra juga dapat menimbulkan permasalahan apabila terjadi variasi pemantulan yang signifikan pada karakteristik substrat dasar sehingga perlu dilakukan validasi data kedalaman yang biasanya menggunakan metode pemeruman.

Oleh karena itu dibutuhkan

suatu uji akurasi atau validasi data yang berfungsi untuk menguji ketelitian dari data atau informasi yang dihasilkan dari pengolahan citra. Pada umumnya uji akurasi ini dilakukan untuk membandingkan antara kedua data atau informasi, yaitu data dari peta hasil analisis penginderaan jauh dan data dari hasil

7

pemeruman (Ground truth), dimana data dari hasil pemeruman berisi sumber informasi atau data yang lebih akurat dan detail. Hasil dari uji akurasi ini biasanya disusun dalam bentuk matriks kesalahan yang juga dinamakan dengan matriks konfusi. Selain mengindentifikasi kesalahan dalam suatu kategori, matriks konfusi juga dapat mengindentifikasi kesalahan pada klasifikasi antar kategori (Siregar, 2008). Kedalaman perairan yang terukur, baik secara in situ maupun melalui citra satelit, terukur mulai dari bawah permukaan air. Pengukuran kedalaman ini perlu dilakukan akurasi data sehubungan dengan adanya beberapa faktor yang mempengaruhi pengukuran kedalaman tersebut, seperti tinggi pasang surut (pasut) pada waktu pengukuran. Ketinggian pasang surut dalam satu hari dapat berbedabeda sehingga hal ini sangat mempengaruhi pengambilan data kedalaman tersebut. Agar menghindari kesalahan klasifikasi pada pembuatan peta batimetri, maka perlu dilakukan koreksi data kedalaman terhadap data pasang surut seperti pada Gambar 1 berikut : Ketinggian air pada waktu t ht

Datum Zt Z

Dasar

Sumber: Modifikasi dari Green et al. (2000). Gambar 1. Konversi kedalaman ke kedalaman bawah datum (Zt = kedalaman air pada saat waktu t (baik di lapangan, maupun pada saat pengukuran melaui penginderaan jauh), ht = ketinggian pasut di

8

atas datum pada saat waktu t. Kedalaman dasar perairan dihitung mulai dari bawah datum, yaitu Zt - ht). Nilai kedalaman dasar perairan yang diukur umumnya nilai kedalaman sebenarnya ditambah dengan nilai pasut. Oleh karena itu penting untuk mencatat waktu pada saat pengukuran kedalaman agar datum yang diperoleh dapat dikoreksi dengan benar.

2.2. Karakteristik Citra Satelit ALOS (Advanced Land Observing Satellite) ALOS singkatan dari Advanced Land Observing Satellite adalah satelit milik Jepang yang merupakan satelit generasi lanjutan dari JERS-1 dan ADEOS yang dilengkapi dengan teknologi yang lebih maju. ALOS yang diluncurkan pada tahun 2006 adalah satelit pemantau lingkungan yang biasa dimanfaatkan untuk kepentingan kartografi, observasi wilayah, pemantauan bencana alam, dan survei sumber daya alam. Selain Indonesia, Jepang juga mengajak Thailand sebagai mitra proyek ALOS di Asia. Satelit ALOS ini membawa 3 jenis sensor, yaitu PALSAR, PRISM dan AVNIR-2. ALOS diluncurkan dari Pusat Ruang Angkasa Tanagashima, Jepang pada tahun 2006 seperti telihat pada Gambar 2 berikut :

Gambar 2. Citra satelit ALOS (Sumber : JAXA, 2006)

9

Sensor Phased Array type L-band Synthetic Aperture Radar (PALSAR) mempunyai keistimewaan dapat menembus awan, sehingga informasi permukaan bumi dapat diperoleh setiap saat, baik malam maupun siang hari. Resolusi untuk high resolusion mode dan ScanSAR masing-masing 10 meter dan 100 meter. Data PALSAR ini dapat digunakan untuk pembuatan DEM (Digital Elevation Model), interferometry untuk mendapatkan informasi pergeseran tanah, monitoring kehutanan, pertanian, tumpahan minyak, mineral, soil moisture, pencarian pesawat dan kapal yang hilang. ALOS dilengkapi dengan dua teknologi yang lebih maju : pertama teknologi yang mampu mengerjakan data dalam kapasitas yang sangat besar dengan kecepatan tinggi, dan kedua adalah untuk menentukan posisi satelit dan ketinggian yang lebih tepat. Karakteristik dari Satelit ALOS dapat dilihat pada Tabel 1 berikut: Tabel 1. Karakteristik satelit ALOS Alat Peluncuran Tempat Peluncuran Berat Satelit Power Waktu Operasional Orbit Periode Ulangan Tinggi Lintasan Inclinasi Sumber : JAXA, 2006

Roket H-IIA Pusat Ruang Angkasa Tanagashima 4000 Kg 7000 W 3 sampai 5 Tahun Sun-Synchronous Sub-Recurr Orbit 46 hari sub-cycle 2 hari 692 km di atas equator 98,2 °

Sensor AVNIR-2 merupakan instrumen pada satelit ALOS yang dilengkapi kanal multispektral untuk pengamatan permukaan daratan dan wilayah pesisir dengan resolusi spasial lebih baik dari AVNIR-ADEOS. Sensor ini digunakan untuk tujuan pemetaan dan klasifikasi penutup/penggunaan lahan skala regional, dengan memiliki kemampuan “cross track pointing” untuk pemantauan bencana alam yang gambarannya dapat dilihat pada Gambar 3.

10

Gambar 3. Pencitraan dan sensor AVNIR-2 pada ALOS (Sumber : JAXA, 2006) Karakteristik sensor AVNIR-2 pada ALOS dapat dilihat pada Tabel 2 berikut : Tabel 2. Karakteristik sensor AVNIR-2 satelit ALOS

Kanal Observasi S/N MTF Resolusi Lebar cakupan Jumlah Detektor Sudut Pengambilan Panjang Bit Sumber : JAXA, 2006

Kanal 1: 0,42 – 0,50 μm (warna biru) Kanal 2: 0,52 – 0,60 μm (warna hijau) Kanal 3: 0,61 – 0,69 μm (warna merah) Kanal 4: 0,76 – 0,89 μm (infra merah dekat) > 200 Kanal 1-3 : > 0,25 Kanal 4 : > 0,20 10 m (Nadir) 70 km (Nadir) 7000 / Kanal -44 to +44 Derajat 8 Bit

2.3. Pasang Surut Pasang surut merupakan suatu fenomena pergerakan naik turunnya permukaan air laut secara berkala yang diakibatkan oleh kombinasi gaya sentrifugal dan gaya tarik menarik dari benda-benda astronomi terutama oleh matahari, bumi dan bulan. Pengaruh benda angkasa lainnya dapat diabaikan karena jaraknya lebih jauh atau ukurannya lebih kecil (Dronkers, 1964). Faktor

11

non astronomi yang mempengaruhi pasang surut terutama di perairan semi tertutup (teluk) antara lain adalah bentuk garis pantai dan topografi dasar perairan (Bishop, 1984). Permukaan air laut senantiasa berubah setiap saat karena gerakan pasang surut. Periode selama permukaan air laut naik disebut air pasang (floo tide), sedangkan kedudukan pada waktu permukaan air laut menurun akibat gaya pasang surut disebut air surut (ebb tide) dan kedudukan rendah dan air tinggi disebut tunggang (tidal range) yang besarnya tergantung pada tempat dan karakteristik daerah setempat (Gross, 1993).

2.4. Pengertian Perairan Laut Dangkal Menurut Nyabakken (1992) laut dangkal yaitu wilayah perairan dekat dan berbatasan dengan daratan berada pada zone neritik pelagik. Perairan ini berada di pinggiran daratan utama, lautan sangat dangkal menutupi bawah air benua yang disebut paparan benua yang mencakup 7-8 % seluruh luas lautan, mempunyai kemiringan sangat landai dari pantai samapai kedalaman 200 m. Sistem penginderaan jauh pasif hanya mampu mengestimasi kedalaman perairan dangkal kurang lebih sampai kedalaman 30 m (Lyzenga 1978). Pada beberapa tempat bahkan kurang dari 30 m, seperti Perairan Great Barrier Reef hanya mampu mengestimasi kedalaman sampai dengan 11 meter. Stumpt et al. (2003) mampu mengestimasi kedalaman pada perairan yang sedikit keruh sampai dengan kedalaman 25 meter. Kondisi perairan yang bermacam-macam mengakibatkan dasar laut dangkal terdapat ekosistem yang berbeda dengan perairan dalam. Ekosistem yang menonjol keberadaanya adalah terumbu karang, lamun dan pasir.

3. METODE

3.1. Waktu dan Lokasi Penelitian Penelitian ini menggunakan data sekunder dari hasil kegiatan yang dilakukan oleh lembaga riset South East Asia Center for Tropical Biology (SEMEO BIOTROP) pada tahun 2010 yang berjudul “Studi Kesesuaian Budidaya Rumput Laut di Kabupaten Natuna”. Dalam penelitian ini, lokasi yang dipilih untuk studi kasus adalah terbatas pada perairan laut dangkal pada gugusan Pulau Tiga, Kabupaten Natuna, Provinsi Riau. Penelitian ini dilakukan pada bulan Agustus 2011 sampai bulan Mei 2013. Lokasi yang menjadi kajian penelitian ditampilkan pada Gambar 4.

Gambar 4.

Lokasi penelitian di perairan laut dangkal pada gugusan Pulau Tiga, Kabupaten Natuna, Provinsi Riau. 12

13

Citra ALOS AVNIR-2 yang digunakan pada Gambar 4 diatas adalah merupakan hasil akuisisi pada tanggal 20 Mei 2009, dimana tampilan citra awal yang dihasilkan adalah seperti Gambar 5 berikut.

Gambar 5.

Komposit citra ALOS AVNIR-2 akuisisi 20 Mei 2009 pada lokasi penelitian di perairan laut dangkal pada gugusan Pulau Tiga, Kabupaten Natuna, Provinsi Riau.

3.2. Alat dan Bahan Alat yang digunakan untuk pengolahan data citra yaitu sebuah personal komputer dengan spesifikasi intel Pentium IV yang dilengkapi dengan perangkat lunak Microsoft Excel untuk mengolah data statistik. IDRISI Kilimanjaro dan ER MAPER 6.4 untuk mengolah data Citra ALOS AVNIR-2 serta ArcGis 9.2 untuk layout peta. Bahan yang digunakan yakni data digital citra ALOS AVNIR-2 akuisisi pada tanggal 20 Mei 2009, data pasang surut pada saat peliputan citra dan

14

saat pengambilan data kedalaman pemeruman dengan GPS (GARMIN 76CX) yang dilakukan oleh SEMEO BIOTROP.

3.3. Pengumpulan dan Pengolahan Data Lapang 3.3.1. Pengumpulan Data Pengumpulan data dilakukan pada bulan Juli sampai Agustus 2011. Data yang dikumpulkan adalah data hasil pengukuran yang dilakukan oleh SEMEO BIOTROP pada bulan Oktober dan November 2010, yaitu meliputi : a) Pengukuran kedalaman air yang dilakukan dengan alat perum gema frekuensi ganda yang dilengkapi dengan alat penentu posisi global (GPS). Hasil pengukuran kedalaman disurutkan ke Mean Sea Level (MSL). Jalur pemeruman direncanakan akan mengikuti profil pantai secara melintang (cross) dimulai dari daerah terdangkal (diluar zona gelombang pecah), hingga kedalaman 10 meter. b) Pengukuran pasang surut yang dilakukan selama 15 hari dari tanggal 23 Oktober – 6 November 2010 dengan menggunakan alat pengukur pasang surut yang ditempatkan didaerah yang diperkirakan tetap tergenang air bila air surut. Tempat lokasi pengukurannya berada di daerah Pulau Tiga. Pencatatan dilakukan denagn interval 1 jam selama 15 piantan, yang dimulai pada pukul 00.00 waktu setempat. c) Pencatatan posisi koordinat pada daerah kajian serta pengukuran pasang surut waktu perekaman citra. 3.3.2. Pengolahan Data Pengolahan data awal yang dilakukan adalah koreksi pasang surut, hal ini dikarenakan pengambilan data pemeruman dilakukan pada waktu yang berbeda

15

dengan waktu perekaman citra sehingga memungkinkan kedalaman yang berbeda. Data kedalaman pemeruman perlu dilakukan kalibrasi dengan data kedalaman laut pada saat perekaman citra. Koreksi ini perlu dilakukan dengan alasan kondisi tinggi muka air laut dan kedalaman laut bersifat tidak statis dan mengalami perubahan karena adanya pasang surut air laut. Proses kalibrasi ini memerlukan data pasang surut pada waktu pengambilan data kedalaman pemeruman, prediksi pasang surut pada waktu kedalaman pemeruman dan data prediksi pasang surut pada waktu perekaman citra. Teknik penyesuaian data kedalaman antara waktu perekaman citra dengan waktu pengambilan data pemeruman dilakukan dengan menghitung selisih kedalaman antara kedua data. Hal yang dapat dilakukan dan yang harus diperhatikan adalah sebagai berikut : 1. Pastikan pengamatan pasang surut dilakukan pada waktu-waktu tersebut dan nilai-nilai elevasi muka laut acuan (air tinggi, air tengah, air rendah) diikatkan ke Bencmark (BM) yang sama agar memiliki sistim vertikel yang sama. 2. Plot waktu satelit melintas di kurva pasang surut untuk mendapatkan elevasi muka air aktual. 3. Plot waktu pemeruman di kurva pasang surut. 4. Hitung beda elevasi muka air Perbedaan elevasi muka air saat satelit melintas dengan muka air pada saat pemeruman (K) : K = As-Ap ...................................................................................................... (1) Elevasi muka air satelit (As) = elevasi muka air perum (Ap) + koreksi (K) 5. Koreksi muka air

16

Dengan dilakukannya koreksi muka air mengacu pada elevasi muka air saat satelit melintas, maka nilai-nilai kedalaman hasil pengukuran diharapkan telah mewakili kondisi aktual kedalaman yang direkam oleh citra.

3.4. Pengolahan Data Satelit Pengolahan citra dilakukan dengan menggunakan komputer yang dilengkapi dengan software ER MAPPER dan IDRISI Kilimanjaro yang bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia/mesin (komputer). Pemrosesan citra dilakukan secara bertahap, yaitu pengolahan citra awal dan pengolahan citra lanjutan. Pemrosesan citra awal meliputi Pemulihan citra (image restoration) dan penajaman citra (image enhancement). Pemulihan citra terdiri dari koreksi geometrik dan radiometrik. Dalam penelitian ini citra yang digunakan telah mengalami koreksi geometrik dan radiometrik. Oleh karena itu, penelitian ini memfokuskan pada pengolahan citra lanjutan yang meliputi tahap pengekstraksian citra untuk memperoleh nilai reflektansi atau digital number (DN) citra dengan menggunakan algoritma Lyzenga yang telah dikembangkan. Proses pemotongan citra (Cropping Datasheet) hanya dipilih pada lokasi penelitian yang diperlukan saja yaitu perairan sekitar Pulau Tiga. Potongan citra ini digunakan untuk mengekstrak nilai Digital Number (DN) pada area kajian (training area) yang diteliti. Objek laut dan yang lainnya perlu dibedakan, pembedaan dilakukan dengan masking citra yaitu memberikan nilai nol untuk obyek bukan laut (menghilangkan objek bukan laut). Tahapan ini diperlukan agar obyek bukan laut tidak memberikan kontribusi dalam analisis data pada tahap selanjutnya, hal ini

17

bertujuan untuk memfokuskan area kajian ke daerah perairan pada saat pengolahan data citra.

3.5. Transformasi citra Transformasi citra yang digunakan yaitu transformasi algoritma Lyzenga (1985), secara umum dinyatakan sebagai berikut (Wouthuyzen, 2001) : 1 1 Z   K * ln V - VS  K * lnVO  .............................................................. (2) 2 2

dimana, Z

= Kedalaman (m),

V

= Sinyal radians yang diamati pada citra,

VS

= Bagian sinyal hasil pembaruan radiasi di atmosfir, kolom air, dan permukaan laut,

k

= Koefisien attenuasi , dan

VO

= Faktor sensitifitas yang meliputi kontribusi irradians matahari di permukaan air, pantulan dasar perairan, transmisi atmosfir dan pengaruh dari sensor itu sendiri.

3.6. Klasifikasi citra Klasifikasi citra merupakan proses pengelompokan pixel pada suatu citra ke dalam sejumlah class (kelas), sehingga setiap kelas dapat menggambarkan suatu entitas dengan ciri-ciri tertentu. Klasifikasi citra bertujuan untuk menghasilkan peta tematik, dimana suatu warna mewakili suatu objek tertentu. Pada tahap ekstraksi citra dilakukan analisis data dengan membandingkan nilai kedalaman in situ dan nilai reflektansi gelombang yang dipancarkan dari kanal satelit yang berupa DN yang disajikan dalam grafik Cartesian. Ketiga kanal citra (kanal biru, hijau dan merah) dianalisis untuk melihat perbandingannya dan

18

menentukan kanal citra yang paling baik untuk digunakan pada proses pemetaan batimetri. Nilai digital (digital number/DN) ke tiga kanal citra ALOS AVNIR-2 hasil olahan citra dengan kisaran panjang gelombang sinar tampak (kanal biru, hijau dan merah) dianalisis relasinya terhadap nilai pantulan radiasi (nilai reflektansi) dari citra hasil transformasi. Agar dapat mengetahui kekuatan relasi dari kedua variabel tersebut, maka dilakukan uji regresi linier terhadap persamaan regresi linier yang diperoleh dari data hasil olahan ketiga kanal citra. Hasil uji regresi linier ini akan diperoleh nilai koefisien korelasi linier (r) dan determinansi (R2) dari persamaan-persamaan regresi tersebut.

3.7. Analisis Hasil Penggunaan analisa regresi bertujuan untuk menentukan besarnya hubungan antara data kedalaman dan nilai digital pada masing-masing band. Analisa regresi untuk variabel bebas (x) yaitu nilai digital pada masing-masing band dan variabel terikat (y). Hasil dari uji regresi linier ini akan diperoleh nilai koefisien korelasi linier (r) dan determinansi (R2). Persamaan-persamaan regresi tersebut yaitu sebagai berikut (Walpole 1997) : n

R2 

JK r  JK t

 (Yˆ  Y )

2

 (Y

2

i 1 n i 1

i

i

Y )

……..................................................................... (3)

.................................................... (4)

Keterangan : JKr

: Jumlah kuadrat regresi

JKt

: Jumlah kuadrat total

r

: koefisien korelasi

x

: nilai digital masing-masing band

19

n

: jumlah data

y

: nilai kedalaman pemeruman

Koefisien korelasi linier ini digunakan untuk mengukur kekuatan hubungan linier antara kedua variabel dalam persamaan regresi linier yang dianalisis (Walpole, 1997). Rentang nilai koefisien korelasi linier ini adalah -1 hingga 1(-1 ≤ r ≤ 1). Koefisien korelasi dapat dikatakan memiliki hubungan linier yang baik bila mendekati -1 atau 1. Koefisien determinasi menyatakan proporsi variasi variabel dependen yang dapat dijelaskan oleh variasi variabel independen (Walpole, 1997). Nilai besaran koefisien determinasi merupakan hasil kuadrat dari koefisien korelasi, sehingga nilai koefisien ini selalu bernilai positif antara nol dan satu (0≤R2≤1). Nilai koefisien determinasi akan lebih baik apabila nilai tersebut semakin mendekati 1, yang menyatakan bahwa sekitar 100% nilai variabel dependen dapat dijelaskan oleh variasi varibel dependen. Dari hasil uji koefisien determinasi ini dapat diketahui persamaan regresi yang baik untuk mengestimasi kedalaman perairan laut dangkal pada daerah kajian.

3.8. Pemetaan Batimetri

Pengukuran kedalaman in situ menggunakan GPS Sounder. Pada saat pengukuran dapat terjadi suatu kesalahan yang dapat diindikasikan dari presisi dan akurasinya. Presisi mengacu dari ulangan bacaan alat tersebut, sedangkan akurasi mengacu pada pendekatan pengukuran terhadap angka sebenarnya (Chapra dab Canale dalam Siregar et al., 2008). Hubungan antara nilai aproksimasi dan nilai sebenarnya dirumuskan sebagai berikut: Nilai sebenarnya = nilai pendekatan + kesalahan ............................................ (5)

20

Pada penelitian ini, kedalaman suatu perairan diduga dengan menggunakan algoritma Lyzenga (1985) yang dikembangkan mampu memberikan informasi kedalaman pada suatu citra satelit, namun untuk mentransformasikannya algoritma ini hanya membutuhkan 1 kanal terbaik dari citra tersebut agar mampu membedakan antar obyek dalam citra secara nyata. Fungsi linier kedalaman (Z) dapat diperoleh dengan mengasumsikan nilai radians (V) pada persamaan 3 bervariasi terhadap kedalaman perairan. Nilai VS diduga dengan mengasumsikan bahwa perairan dalam (>40 m) nilai radians pada panjang gelombang biru telah terserap habis oleh kolom air dalam tersebut, sehingga memiliki DN = 0 dan jikai DN bernilai lebih dari 0, maka nilai tersebut merupakan pengaruh dari faktor lain seperti pembauran dari atmosfir (Wouthuyzen, 2001). Z  Sudut (Slope) * X  Konstanta .................................................................. (6)

dimana, X

= ln (V-VS),

Konstanta =

1 Sudut (Slope) =  K , 2

1 K * lnVO  2

Setelah kedua data dari olahan citra ALOS AVNIR-2 dan pemeruman diperoleh, dilakukan estimasi akurasi citra satelit untuk mengetahui apakah data yang diperoleh dari citra satelit sesuai digunakan untuk pemetaan batimetri atau tidak. Estimasi akurasi dilakukan dengan membandingkan data dari citra dengan data hasil pemruman sebagai validasi data kedalaman. Kalkulasi nilai akurasi untuk estimasi data satelit menggunakan formula Root Mean Square Error (RMSE) sebagai berikut (Walpole, 1997):

21

RMSE 

   

n

  b i 2    N 2

 a i i 1

............................................................................... (7)

Keterangan : ai

: nilai lapangan

bi

: nilai

N

: total number dari nilai validasi.

interpolator data

Selain itu, untuk mengindentifikasi kesalahan dan ketelitian dalam suatu klasifikasi citra yang telah dikelaskan ke dalam beberapa kelas kedalaman juga dilakukan uji akurasi dengan menggunakan matriks kesalahan atau matriks konfusi. Evaluasi akurasi ini menentukan seberapa besar persentase ketelitian antara nilai kedalaman pemeruman dan nilai kedalaman dugaan yang telah dibentuk menjadi kelas-kelas kedalaman baru dengan selang kelas tertentu. Nilainilai yang dihasilkan dari matriks konfusi adalah producer’s accuracy, user’s accuracy, overall accuracy, dan kappa accuracy. Berikut adalah formula yang digunakan untuk ke empat nilai di atas. X ii x100% .................................................................. (8) X i

Pr oducer ' saccuracy 

User ' s accuracy 

X ii x100% ......................................................................... (9) X i r

Overall accuracy 

X i 1

N

ii

x100% .................................................................. (10)

r

Kappa accuracy 

r

N  X ii   X i  X i i 1

i 1

r

N   X i  X i 2

i 1

x100% ........................................... (11)

22

dimana, N r

= jumlah piksel setiap kelas pada training area = jumlah kelas

Xi+ = ∑ Xij (jumlah kolom pada baris ke-i) X+j = ∑ Xij (jumlah kolom pada baris ke-j) Hasil dari seluruh akurasi di atas dievaluasi ke dalam matriks kesalahan (confusion matrix) seperti pada Tabel 3. Tabel 3. Matriks kesalahan (confusion matrix) Data Acuan Training Area A B ... D Total Kolom User's Accuracy

Diklasifikasi Ke Kelas A

B

...

D

X ... ... ... X+k Xkk / X+k

... ... ... ...

... ... ... ...

... ... ... ...

Total Baris Xk+

Producer's accuracy Xkk / Xk+

... ... ... N

Sumber : (Congalton dan Green, 1999) Secara ringkas tahapan-tahapan pengolahan data dapat dilihat pada Gambar 6.

... ... ...

15 Citra ALOS AVNIR-2 yang sudah terkoreksi

Data Pendukung

1. 2. 3. 4.

Cropping citra Masking citra awal

Pasang Surut 2009 (waktu perekaman citra) Pasang Surut 2010 (waktu survei) Kedalaman Pemeruman 2010 (waktu survei) Koordinat tracking area 2010 (waktu survei) Koreksi kedalaman pemeruman terhadap pasang surut (koreksi pasang surut)

Training area Nilai reflektansi gelombang berupa digital number (DN)

Kedalaman terkoreksi

Pengolahan citra (Perhitungan nilai X) Z  Sudut (Slope) * X  Konstanta

dimana, X = ln (Vi-VS).

Penentuan kanal dengan model regresi Terbaik

Kanal Terpilih (model regresi Terbaik)

Masking citra akhir

Galat (Eror) Peta Batimetri Perairan laut Dangkal

Gambar 6. Diagram alir pengolahan data batimetri dengan citra satelit ALOS AVNIR-2.

4. HASIL DAN PEMBAHASAN

4.1. Pemetaan Batimetri 4.1.1. Transformasi Algoritma Lyzenga Penggunaan Transformsi algoritma Lyzenga (1985) dalam pengolahan data citra ALOS AVNIR-2 salah satunya adalah untuk mengestimasi kedalaman suatu perairan serta mendapatkan informasi obyek di bawah air. Ekstraksi informasi kedalaman perairan laut dangkal dari citra guna menghasilkan peta estimasi kedalaman yang optimum, transformasi algoritma Lyzenga menggunakan kanal tunggal. Nilai kedalaman air dugaan diperoleh dari hasil analisis regresi antara data kedalaman pemeruman dengan nilai reflektansi gelombang yang berupa digital number (DN) pada ke 3 kanal citra sehingga menghasilkan suatu persamaan linear seperti terlihat pada Gambar 7 yang dipergunakan untuk memilih kanal yang tepat untuk digunakan pada algoritma kedalaman Lyzenga. Persamaan linier yang dihasilkan dari masing-masing kanal citra pada wilayah perarain laut dangkal Pulau Tiga memperlihatkan bahwa kanal hijau adalah kanal yang sesuai untuk memetakan kedalaman perairan laut dangkal pada wilayah kajian, hal ini karena kanal hijau berkorelasi lebih baik dengan kedalaman dibandingkan dengan kanal-kanal lainnya. Seperti yang terlihat pada Gambar 7, model persamaan yang dihasilkan dari masing-masing kanal bervariasi, oleh karena itu penting untuk menganalisis masing-masing model persamaan linier untuk mengetahui model persamaan regresi linier yang baik digunakan untuk mentransformasi citra.

24

25

(a)

(b)

(c) Gambar 7. Persamaan linear antara data kedalaman pemeruman dan nilai digital citra ALOS AVNIR-2 ( a=kanal biru, b=kanal hijau, c=kanal merah)

26

Penentuan model persamaan regresi linier untuk mentransformasi seluruh nilai yang menjadi nilai piksel citra yang menunjukkan kedalaman dugaan ditentukan berdasarkan koefisien korelasi yang tertinggi dari ketiga persamaan regresi tersebut. Transformasi persamaan ini didasarkan pada persamaan linier sederhana dari algoritma Lyzenga. Koefisien korelasi (r) dan koefisien determinasi (R2) yang dihasilkan dari masing-masing kanal dapat dilihat pada Tabel 4 berikut. Tabel 4.

Korelasi antara hasil plot kedalaman pemeruman dan nilai digital citra ALOS AVNIR-2. Jenis Kanal Nilai Koefisien Korelasi (r) Nilai KoefisienDeterminasi (R2) Biru 0.87 0.76 Hijau 0.89 0.79 Merah 0.79 0.62 Penggunaan analisa korelasi bertujuan untuk menentukan besarnya

hubungan antara kedalaman hasil pemeruman dengan hasil klasifikasi spektral (nilai digital) kedalaman dari masing-masing algoritma. Tabel 4 diatas menunjukan bahwa nilai koefisien korelasi pada kanal hijau adalah sebesar 0.89, nilai tersebut cukup menunjukan keeratan hubungan linear yang terbentuk diantara nilai-nilai kedalaman pada wilyah kajian dengan nilai-nilai reflektansi hasil transformasi citra. Berdasarkan hal tersebut, maka transformasi algoritma Lyzenga yang digunakan untuk mentransformasi citra pada wilayah kajian dituliskan sebagai berikut : Z = 5,35 * ln (V – VS kanal hijau) – 24,83 ………………………………. (12) Nilai koefisien Determinasi (R2) kanal hijau pada wilayah kajian adalah sebesar 0,79; dengan demikian dapat dikatakan bahwa 79% di antara keragaman dalam nilai-nilai kedalaman pada wilyah kajian dapat dijelaksan oleh hubungan linearnya nilai-nilai digital hasil transformasi citra. Sedangkan hasil uji akurasi

27

dari sisi pemetaan dengan menggunakan metode matriks konfusi menunjukkan hasil seperti terlihat pada Tabel 5 berikut. Tabel 5. Matriks konfusi selang kelas nilai kedalaman pemeruman dan kedalaman dugaan. Pemeruman Citra 1-2 2,01-4 4,01-8 >8 Total kolom Overall Accuracy

1-2 19 9 2 4 34

User Accuracy Kelas Akurasi 1-2 19/34 2,01-4 70/116 4,01-8 193/239 >8 20/50 Rata-rata 0,59

0,56 0,60 0,81 0,4

2,01-4 4,01-8 27 70 11 8 116

4 34 193 8 239

>8

∑ pengamatan/sampel

1 2 27 20 50 68,79

51 115 233 40 439

Producer Accuracy Kelas Akurasi 1-2 19/51 0,37 2,01-4 70/115 0,61 4,01-8 193/233 0,83 >8 20/40 0,50 Rata-rata 0,58

Hasil uji akurasi pada pada wilayah kajian (Tabel 5) dapat dilihat bahwa ketelitian seluruh hasil klasifikasi (Overall Accuracy) antara nilai kedalaman pemeruman dan kedalaman dugaan citra adalah 68,79%. Nilai tersebut berarti bahwa hubungan antara nilai kedalaman pemeruman dan kedalaman duga kurang baik karena nilai ketelitian yang diharapkan tidak memenuhi syarat yaitu lebih besar dari 70% (Purwadi, 2001). Pada User Accuracy dan Producer Accuracy terjadi kesalahan klasifikasi berupa kekurangan jumlah piksel pada kelas kedalaman (1-2 meter) dan pada kedalaman (>8 meter) hal ini di akibatkan masuknya piksel-piksel kelas tersebut ke kelas yang lain. 4.1.2. Peta Batimetri Transformasi citra untuk ekstraksi informasi kedalaman menggunakan algoritma Lyzenga memberikan informasi untuk mempertegas perbedaan antara

28

obyek pada masing-masing kanal. Pada peneltitian ini peta batimetri dibuat berdasarkan persamaan regresi (Nomor 12). Hasil dari transformasi algoritma Lyzenga merupakan nilai kedalaman dan nilai faktor koreksi kedalaman berdasarkan data pasang surut (Z+K). Histogram yang dihasilkan dari persamaan regresi yang digunakan dapat dilihat pada Gambar 8 berikut.

Gambar 8. Histogram nilai transformasi algoritma Lyzenga. Peta estimasi kedalaman perairan laut dangkal gugusan Pulau Tiga yang dihasilkan dari histogram diatas (sebelum dikelaskan ke dalam beberapa kelas baru), dapat dilihat pada Gambar 9 berikut.

29

Gambar 9. Peta estimasi kedalaman perairan laut dangkal Pulau Tiga dengan menggunakan algoritma Lyzenga. Pengkelasan kedalaman untuk pemetaan dilakukan dengan mengkelaskan nilai hasil transformasi ke dalam beberapa kelas baru. Pengkelasan ini berdasarkan penyesuaian dengan histogram pada citra hasil transformasi dan dilakukan dengan mengukur nilai-nilai pada tiap puncak pada histogram dan menggunakan nilai-nilai tersebut sebagai acuan untuk memetakan kedalaman dugaan ke rentang kelas baru, seperti terlihat pada Gambar 10 berikut.

30

Gambar 10. Peta estimasi kedalaman perairan laut dangkal Pulau Tiga dengan menggunakan algoritma Lyzenga yang telah di kelaskan kedalam beberapa kelas kedalaman. Estimasi kedalaman perairan laut dangkal hasil turunan dari citra ALOS AVNIR-2 ini hanya mampu mengintepretasikan kedalaman hingga kedalaman sekitar 8 meter (Gambar 10), lebih dari itu gelombang elektromagnetik tidak dapat lagi menembus perairan sampai ke dasar laut dikarenakan adanya faktor kekeruhan dan merupakan laut dalam. Namun model regresi yang digunakan untuk membuat peta batimetri perairan laut dangkal masih dapat digunakan karena nilai kedalaman pemeruman yang digunakan pada saat pengolahan analisis regresi hanya mencapai 15,80 meter yang dapat dilihat di Lampiran 4.

31

4.2. Galat (Error) Model Nilai Digital Asli dengan Algoritma Lyzenga Grafik antara kedalaman pemeruman dan estimasi kedalaman dengan algoritma Lyzenga pada Gambar 11 untuk kedalaman perairan laut dangkal Pulau Tiga, Kabupaten Natuna menunjukkan bias yang tinggi pada kedalaman duga lebih dari 8 meter. Maka persamaan regresi linier yang digunakan untuk menduga kedalaman di perairan laut dangkal Pulau Tiga dapat dikatakan hanya mampu menduga kedalaman mendekati kedalaman yang sebenarnya hingga nilai kedalaman sekitar 8 meter saja. Selain itu, keakuratan data hasil analisis regresi pada kanal hijau juga dapat terlihat dari RMSE atau standard error yaitu sebesar 0,14 meter yang dapat dilihat pada Lampiran 1. Hasil korelasi antara kedalaman pemeruman dan data hasil transformasi algoritma Lyzenga pada wilayah kajian menunjukkan koefisien korelasi sebesar 0,89 dengan standard error sebesar 0,72 m (Lampiran 2). Nilai ini menunjukkan korelasi yang baik antara nilai kedua kedalaman. Hal ini juga dibuktikan dengan rata-rata bias (selisih antara nilai kedalaman pemeruman dan kedalaman duga) yang kecil pada setiap data kedalaman (Lampiran 4).

Gambar 11. Nilai kedalaman duga (estimated depth) terhadap nilai kedalaman pemeruman (actual depth). Seperti yang terlihat pada Lampiran 2 RMSE atau standard error dan variabilitas pada nilai kedalaman duga akan meningkat seiring meningkatnya

32

kedalaman pemeruman. Mishra et al. (2001) menyatakan bahwa apabila semakin dalam penetrasi gelombang sinar tampak, maka akan semakin bertambah besar atenuasi yang terjadi pada energy gelombang tersebut. Hasil analisis residual merupakan selisih antara hasil model dugaan kedalaman dengan kedalaman pemeruman (Gambar 12). Analisis residual dalam analisis regresi memegang peranan penting, yang umumnya digunakan untuk pendeteksian atau penafsiran kesesuaian antara data dugaan dengan data hasil pemeruman yang digunakan.

Gambar 12. Analisis residual antara nilai kedalaman pemeruman (actual depth) dengan kedalaman duga (estimated depth). Kisaran keakurasian yang digunakan sebesar ±2 meter pada masingmasing analisis residual data kedalaman, dimana pada gambar diatas jumlah data adalah 237 dan jumlah data yang tidak masuk pada kisaran ±2 meter adalah sebanya 41 data. Berdasarkan data tersebut, maka dapat dikatakan bahwa sekitar 82,70% data kedalaman dugaan perairan laut dangkal Pulau Tiga dapat dipercaya tingkat keakurasiannya dan dapat dikatakan bahwa model regresi linier yang dianalisis cukup memadai untuk digunakan pada transformasi citra ALOS AVNIR-2.

5. KESIMPULAN DAN SARAN

5.1.

Kesimpulan Kanal hijau adalah merupakan kanal yang berkorelasi lebih baik dengan

kedalaman dibandingkan dengan kanal biru dan kanal merah. Nilai koefisien korelasi (r) dan koefisien determinasi (R2) pada kanal hijau adalah sebesar 0.89 (r) dan 0,79 (R2). Keakuratan data hasil analisis regresi pada kanal hijau terlihat dari nilai RMSE atau standard error yang kecil yaitu 0,14 meter. Berdasarkan data-data tersebut maka kanal hijau adalah merupakan kanal yang sesuai untuk memetakan kedalaman perairan laut dangkal Pulau Tiga, Kabupaten Natuna. Transformasi algoritma Lyzenga yang digunakan untuk mentransformasi citra pada wilayah kajian adalah (Z = 5,35 * ln (V – VS kanal hijau) – 24,83) dan berdasarkan analisis residual, model regresi linier yang dianalisis cukup memadai untuk digunakan pada transformasi citra ALOS AVNIR-2. Hasil uji akurasi dengan matriks konfusi, bahwa ketelitian seluruh hasil klasifikasi (Overall Accuracy) antara nilai kedalaman pemeruman dan kedalaman dugaan citra adalah 68,79%.

5.2.

Saran Perlu dilakukan penelitian lanjutan untuk berbagai kondisi perairan dengan

mengaplikasikan transformasi yang dihasilkan atau transformasi lainnya yang sudah ada sehingga dapat memberikan kepastian transformasi yang sesuai untuk kondisi suatu perairan, serta perlu dikaji ulang dengan menggunakan citra satelit yang lebih baik kwalitasnya seperti SPOT XS, dan Airborne MSS.

33

DAFTAR PUSTAKA

Bishop, J.M. 1984. Applied Oceanography. A Wiley-Interscience Publication. John Wiley & Sons. Newyork, USA. Badan Standardisasi Nasional, 2010. Survei Hidrogarafi dengan Menggunkan Singlebeam Echosounder. Jakarta. Congalton, R. G., and K. Green. 1999. Assessing the Accuracy of Remotely Sensed Data. CRC Press, Boca Raton. Dronkers, J.J. 1964. Tidal Computations in River and Coastal Waters. North Holland Publishing Company. Amsterdam. Green, E.P., P.J. Mumby, dan A.J. Edwards. 2000. Mapping bathymetry. h. 219234. In A.J. Edwards (Ed.), Remote Sensing Handbook for Tropical Coastal Management. Coastal Management Sourcebook 3. UNESCO, Paris. Gross, M.G. 1993. Oceanography : A View of Earth. (6th edition). Prentice Halls, Englewood Cliffs. New jersey. JAXA. 2006. ALOS User handbook. Earth Observation Research Center Japan Aerospace Exploration Agency. Japan. Lyzenga D.R. 1978. Passive Remote Sensing Technique for Mapping Water depth and Bottom Features. Applied Optics 17:379-383. Lyzenga D.R. 1985. Shallow-water bathymetry using combined lidar and passive multispectral scanner data. Int. J, Remote Sens. 6:115-125. Mishra, D., S. Narumalani, M. Lawson, dan D. Rundquist. 2001. Bathymetric MappingUsing IKONOS Multispectral Data. GIS Science and Remote sensing. 41(4):301-321. Nurjaya, I.W. 1991. Penuntun Praktikum Dasar-dasar Oseanografi. Proyek Peningkatan Perguruan Tinggi. Institut Pertanian Bogor. Bogor. Nybakken J.W. 1992. Biologi Laut Suatu Pendekatan Ekologis. M. Eidman, Koesoebiono, Dietrich G.B., Malikusworo H. Dan Sukristijono S, Penerjemah. Jakarta : PT. Gramedia 459 hlm. Pipkin, B.W., Gorsline, R.E. casey dan D.E. Hammond, 1987. Laboratory Exercises in Oceanography. Second Edition. W.H. Freeman and Company. New York. Poerbandono dan Djunarsjah, 2005. Survei Hidrografi. Refika Aditama. Bandung. 34   

36

Lampiran 1. Regresi statistik hubungan antara kedalaman pemeruman dan nilai digital citra ALOS AVNIR-2. Regression Statistics Multiple R 0.887077765 R Square 0.786906962 Adjusted R Square 0.785467144 Standard Error 0.141923573 Observations 150

Regression

df 1

SS 11.00842

MS 11.00842

Residual

148

2.98106

0.020142

Total

149

13.98948

F 546.5323

Significance F 1.51865E-51

37

Lampiran 2. Regresi statistik hubungan antara nilai kedalaman pemeruman dan nilai hasil tranformasi algoritma Lyzenga yang dikembangkan (nilai kedalaman dengan nilai faktor koreksi). Regression Statistics Multiple R 0.886785356 R Square 0.786388268 Adjusted R Square 0.785479282 Standard Error 0.720536549 Observations 237

ANOVA

Regression

df 1

SS MS F 449.1504268 449.1504268 865.1268406

Residual

235

122.0056359 0.519172919

Total

236

571.1560627

Significance F 9.96733E-81

38

Lampiran 3. Histogram citra ALOS AVNIR-2 hasil transformasi algoritma Lyzenga pada perairan laut dangkal Pulau Tiga, Kabupaten Natuna.

39

Lampiran 4. Data nilai kedalaman pemeruman dan kedalaman dugaan, nilai digital kanal hijau citra ALOS AVNIR-2 pada pengembangan model Lyzenga, dan nilai biasnya. kedalaman Pemeruman (m) -1,60 -3,70 -1,60 -1,50 -1,60 -4,00 -1,60 -1,60 -3,20 -1,50 -1,80 -3,50 -1,70 -4,10 -1,60 -3,80 -3,50 -1,50 -1,60 -3,90 -2,80 -3,00 -3,40 -2,00 -3,30 -1,10 -2,30 -3,00 -3,10 -3,40 -1,40 -3,20 -3,30 -3,50 -3,20 -1,60

Data Analisis Citra Alos VNIR-2 Ln (V-Vs) Kanal Hijau 4,53 4,52 4,49 4,47 4,47 4,42 4,41 4,38 4,38 4,37 4,37 4,37 4,36 4,34 4,28 4,28 4,26 4,25 4,25 4,25 4,23 4,23 4,23 4,22 4,22 4,20 4,20 4,20 4,20 4,20 4,19 4,19 4,19 4,17 4,16 4,14

Kedalaman Duga (m)

Bias

-2,09 -5,09 -2,09 -1,58 -2,17 -5,36 -2,17 -2,09 -3,79 -1,51 -2,33 -4,11 -2,33 -5,36 -1,94 -5,22 -4,11 -1,94 -2,25 -5,22 -3,38 -3,68 -4,00 -2,83 -4,00 -0,63 -3,01 -3,58 -3,68 -4,11 -1,44 -3,79 -3,89 -4,11 -3,79 -2,17

0,49 1,39 0,49 0,08 0,57 1,36 0,57 0,49 0,59 0,01 0,53 0,61 0,63 1,26 0,34 1,42 0,61 0,44 0,65 1,32 0,58 0,68 0,60 0,83 0,70 -0,47 0,71 0,58 0,58 0,71 0,04 0,59 0,59 0,61 0,59 0,57

40 Lanjutan Lampiran 4

-3,10 -3,20 -3,50 -1,20 -3,70 -1,70 -1,90 -2,00 -5,10 -15,00 -1,20 -3,20 -3,30 -3,80 -4,30 -3,10 -5,20 -1,00 -1,30 -2,00 -3,10 -3,20 -1,70 -2,30 -3,00 -3,50 -1,20 -2,20 -3,30 -3,30 -3,40 -4,20 -4,70 -4,90 -5,20 -2,30 -2,40 -2,40 -2,50 -2,80 -3,00

4,14 4,13 4,13 4,11 4,11 4,09 4,09 4,09 4,09 4,09 4,08 4,08 4,08 4,08 4,08 4,06 4,06 4,04 4,04 4,04 4,04 4,04 4,03 4,03 4,03 4,03 4,01 4,01 3,97 3,97 3,97 3,97 3,97 3,97 3,97 3,95 3,95 3,95 3,95 3,95 3,95

-3,68 -3,79 -4,11 -1,18 -5,09 -2,33 -2,33 -2,83 -5,50 -9,07 -0,81 -3,79 -3,79 -5,22 -5,36 -3,68 -5,50 -0,57 -1,38 -2,66 -3,68 -3,79 -2,25 -3,01 -3,58 -4,11 -1,24 -2,92 -3,89 -4,00 -4,00 -5,36 -5,50 -5,50 -5,50 -3,01 -3,10 -3,10 -3,19 -3,38 -3,68

0,58 0,59 0,61 -0,02 1,39 0,63 0,43 0,83 0,40 -5,93 -0,39 0,59 0,49 1,42 1,06 0,58 0,30 -0,43 0,08 0,66 0,58 0,59 0,55 0,71 0,58 0,61 0,04 0,72 0,59 0,70 0,60 1,16 0,80 0,60 0,30 0,71 0,70 0,70 0,69 0,58 0,68

41 Lanjutan Lampiran 4

-3,80 -4,10 -8,80 -2,60 -2,70 -3,20 -3,20 -3,70 -3,80 -4,00 -4,30 -3,00 -3,40 -3,50 -2,30 -2,40 -2,90 -2,90 -4,10 -4,20 -4,70 -6,40 -1,50 -3,90 -4,70 -6,00 -3,10 -3,60 -4,30 -6,10 -7,90 -3,60 -4,30 -4,40 -5,50 -6,30 -6,40 -1,20 -1,20 -3,70 -6,30

3,95 3,95 3,95 3,93 3,93 3,93 3,93 3,93 3,93 3,93 3,93 3,91 3,91 3,89 3,87 3,87 3,87 3,87 3,87 3,87 3,87 3,87 3,85 3,85 3,85 3,85 3,83 3,83 3,83 3,83 3,83 3,81 3,81 3,81 3,81 3,81 3,81 3,78 3,78 3,78 3,78

-5,22 -5,36 -8,05 -3,29 -3,38 -3,68 -3,68 -5,09 -5,22 -5,22 -5,36 -3,68 -4,11 -4,22 -3,01 -3,01 -3,58 -3,58 -5,36 -5,36 -5,50 -5,96 -1,44 -5,22 -5,50 -5,80 -3,68 -4,83 -5,36 -5,80 -7,82 -4,70 -5,36 -5,36 -5,65 -5,96 -5,96 -0,93 -0,93 -5,09 -5,80

1,42 1,26 -0,75 0,69 0,68 0,48 0,48 1,39 1,42 1,22 1,06 0,68 0,71 0,72 0,71 0,61 0,68 0,68 1,26 1,16 0,80 -0,44 -0,06 1,32 0,80 -0,20 0,58 1,23 1,06 -0,30 -0,08 1,10 1,06 0,96 0,15 -0,34 -0,44 -0,27 -0,27 1,39 -0,50

42 Lanjutan Lampiran 4

-6,60 -2,10 -3,00 -4,50 -6,50 -6,60 -1,70 -4,80 -4,90 -6,60 -6,70 -5,60 -6,40 -7,00 -1,60 -4,20 -4,50 -4,80 -4,90 -5,10 -5,20 -5,30 -5,50 -6,00 -7,00 -7,20 -3,50 -4,00 -4,10 -4,90 -4,90 -4,90 -5,00 -5,20 -5,30 -6,90 -7,40 -8,50 -3,40 -3,80 -4,00

3,78 3,76 3,76 3,76 3,76 3,76 3,74 3,74 3,74 3,74 3,74 3,71 3,71 3,71 3,69 3,69 3,69 3,69 3,69 3,69 3,69 3,69 3,69 3,69 3,69 3,69 3,66 3,66 3,66 3,66 3,66 3,66 3,66 3,66 3,66 3,66 3,66 3,66 3,64 3,64 3,64

-6,12 -2,92 -3,68 -5,36 -5,96 -6,12 -2,33 -5,50 -5,50 -6,12 -6,28 -5,65 -5,96 -6,28 -2,02 -5,36 -5,36 -5,50 -5,50 -5,50 -5,50 -5,50 -5,65 -5,65 -6,45 -6,81 -4,11 -5,22 -5,36 -5,50 -5,50 -5,50 -5,50 -5,50 -5,50 -6,28 -7,19 -7,82 -4,00 -5,22 -5,36

-0,48 0,82 0,68 0,86 -0,54 -0,48 0,63 0,70 0,60 -0,48 -0,42 0,05 -0,44 -0,72 0,42 1,16 0,86 0,70 0,60 0,40 0,30 0,20 0,15 -0,35 -0,55 -0,39 0,61 1,22 1,26 0,60 0,60 0,60 0,50 0,30 0,20 -0,62 -0,21 -0,68 0,60 1,42 1,36

43 Lanjutan Lampiran 4

-5,00 -5,60 -6,00 -7,30 -7,40 -9,40 -3,80 -3,80 -4,20 -4,70 -4,90 -6,10 -6,60 -6,70 -7,20 -7,80 -4,10 -4,60 -5,20 -6,00 -6,20 -6,70 -7,10 -7,20 -7,40 -8,70 -10,20 -2,70 -4,20 -4,50 -5,10 -7,00 -7,50 -1,90 -3,60 -4,90 -5,00 -10,10 -4,20 -4,30 -5,20

3,64 3,64 3,64 3,64 3,64 3,64 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,58 3,58 3,58 3,58 3,58 3,58 3,58 3,58 3,58 3,58 3,58 3,56 3,56 3,56 3,56 3,56 3,56 3,53 3,53 3,53 3,53 3,53 3,50 3,50 3,50

-5,50 -5,65 -5,65 -7,00 -7,60 -8,05 -5,22 -5,22 -5,36 -5,50 -5,50 -5,80 -6,12 -6,28 -6,81 -7,82 -5,36 -5,50 -5,50 -5,65 -5,80 -6,28 -6,81 -7,00 -7,60 -8,05 -8,54 -3,38 -5,36 -5,36 -5,50 -6,63 -7,60 -2,41 -4,46 -5,50 -5,50 -8,54 -5,36 -5,36 -5,50

0,50 0,05 -0,35 -0,30 0,20 -1,35 1,42 1,42 1,16 0,80 0,60 -0,30 -0,48 -0,42 -0,39 0,02 1,26 0,90 0,30 -0,35 -0,40 -0,42 -0,29 -0,20 0,20 -0,65 -1,66 0,68 1,16 0,86 0,40 -0,37 0,10 0,51 0,86 0,60 0,50 -1,56 1,16 1,06 0,30

RIWAYAT HIDUP

Penulis dilahirkan di Masiri pada Tanggal 5 Maret 1986. Anak ke 3 dari 4 bersaudara keluarga Bapak La Ode Basri dan Ibu Wa Ode Nuriani. Jenjang pendidikan yang telah di tempuh oleh penulis adalah Taman Kanak – kanak Majapahit, Buton tahun 1993. SDN 2 Bola lulus pada tahun 20000, SMPN 2 Batauga lulus tahun 2003 dan SMUN 1 Bau-bau lulus pada tahun 2005. Pada tahun 2005, penulis diterima di Jurusan Tekhnik Energi, Politeknik Negeri Jakarta (tidak diselesaikan) karena pada tahun 2006 penulis diterima di Intitut Pertanian Bogor melalui jalur SPMB dan tahun 2007 penulis diterima di Program Studi Ilmu dan Teknologi Kelautan Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor. Selama kuliah, penulis pernah menjadi asisten m.a Dasar-dasar Instrumentasi Kelautan. Penulis juga aktif pada organissai kemahasiswaan yaitu menjadi delegasi dari Program Studi Ilmu dan Teknologi Kelautan, Institut Pertanian Bogor untuk kegiatan Musyawarah Kerja Nasional (MUKERNAS) mahasiswa Kelautan Indonesia di Institut Teknologi Surabaya (ITS) pada tahun 2008. Penulis melakukan penelitian di bidang penginderaan jauh dan SIG kelautan untuk penyusunan skripsi dengan judul “Pemetaan Batimetri Perairan Laut Dangkal Di Gugusan Pulau Tiga, Kabupaten Natuna Dengan Menggunakan Citra Alos Avnir-2”.  

44 Lanjutan Lampiran 4

-6,00 -8,70 -14,30 -4,10 -4,60 -4,90 -6,00 -7,00 -10,80 -11,90 -12,50 -15,50 -6,90 -9,30 -15,80 -1,50 -4,20 -5,10 -5,80 -6,10 -11,30 -13,40 -3,00 -6,70 -12,90 -5,10 -7,80 -12,00 -5,10 -7,80 -3,40 -4,40 -7,50 -7,70 -8,00 -8,60 -13,20 -13,60 -5,60 -6,80 -7,30

3,50 3,50 3,50 3,47 3,47 3,47 3,47 3,47 3,47 3,47 3,47 3,43 3,40 3,40 3,40 3,37 3,37 3,37 3,37 3,37 3,37 3,37 3,33 3,33 3,33 3,30 3,30 3,30 3,26 3,26 3,22 3,22 3,22 3,22 3,22 3,22 3,22 3,22 3,18 3,18 3,18

-5,65 -7,82 -9,07 -5,36 -5,50 -5,50 -5,65 -6,63 -8,54 -8,54 -8,54 -9,36 -6,28 -8,05 -9,67 -1,44 -5,36 -5,50 -5,65 -5,80 -8,54 -8,80 -3,68 -6,12 -8,80 -5,50 -7,82 -8,54 -5,50 -7,82 -4,11 -5,36 -7,82 -7,82 -7,82 -7,82 -8,80 -8,80 -5,65 -6,28 -7,19

-0,35 -0,88 -5,23 1,26 0,90 0,60 -0,35 -0,37 -2,26 -3,36 -3,96 -6,14 -0,62 -1,25 -6,13 -0,06 1,16 0,40 -0,15 -0,30 -2,76 -4,60 0,68 -0,58 -4,10 0,40 0,02 -3,46 0,40 0,02 0,71 0,96 0,32 0,12 -0,18 -0,78 -4,40 -4,80 0,05 -0,52 -0,11

45 Lanjutan Lampiran 4

-1,70 -7,90 -12,60 -2,10 -3,40 -4,80 -13,80 -2,70 -6,10 -6,80 -15,40 -1,80 -4,40 -2,20 -2,20 -15,70 -15,70 -15,60 -1,90 -1,90

3,14 3,14 3,14 3,04 3,04 3,04 3,04 3,00 2,94 2,94 2,94 2,89 2,89 2,83 2,77 2,40 2,20 1,95 0,69 0,69

-2,33 -7,82 -8,54 -2,83 -4,11 -5,50 -8,80 -3,29 -5,80 -6,28 -9,07 -2,33 -5,36 -2,92 -2,92 -9,67 -9,67 -9,36 -2,49 -2,57

0,63 -0,08 -4,06 0,73 0,71 0,70 -5,00 0,59 -0,30 -0,52 -6,33 0,53 0,96 0,72 0,72 -6,03 -6,03 -6,24 0,59 0,67

RIWAYAT HIDUP

Penulis dilahirkan di Masiri pada Tanggal 5 Maret 1986. Anak ke 3 dari 4 bersaudara keluarga Bapak La Ode Basri dan Ibu Wa Ode Nuriani. Jenjang pendidikan yang telah di tempuh oleh penulis adalah Taman Kanak – kanak Majapahit, Buton tahun 1993. SDN 2 Bola lulus pada tahun 20000, SMPN 2 Batauga lulus tahun 2003 dan SMUN 1 Bau-bau lulus pada tahun 2005. Pada tahun 2005, penulis diterima di Jurusan Tekhnik Energi, Politeknik Negeri Jakarta (tidak diselesaikan) karena pada tahun 2006 penulis diterima di Intitut Pertanian Bogor melalui jalur SPMB dan tahun 2007 penulis diterima di Program Studi Ilmu dan Teknologi Kelautan Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor. Selama kuliah, penulis pernah menjadi asisten m.a Dasar-dasar Instrumentasi Kelautan. Penulis juga aktif pada organissai kemahasiswaan yaitu menjadi delegasi dari Program Studi Ilmu dan Teknologi Kelautan, Institut Pertanian Bogor untuk kegiatan Musyawarah Kerja Nasional (MUKERNAS) mahasiswa Kelautan Indonesia di Institut Teknologi Surabaya (ITS) pada tahun 2008. Penulis melakukan penelitian di bidang penginderaan jauh dan SIG kelautan untuk penyusunan skripsi dengan judul “Pemetaan Batimetri Perairan Laut Dangkal Di Gugusan Pulau Tiga, Kabupaten Natuna Dengan Menggunakan Citra Alos Avnir-2”.