penerapan algoritma van hengel dan spitzer untuk …repository.ub.ac.id/6482/1/fiqri al...

PENERAPAN ALGORITMA VAN HENGEL DAN SPITZER UNTUK ESTIMASI

KEDALAMAN LAUT DARI DATA LANDSAT 8

(STUDI KASUS: PERAIRAN ASEM BAGUS, SITUBONDO)

SKRIPSI

Oleh:

FIQRI AL FARISYI

NIM. 105080601111030

PROGRAM STUDI ILMU KELAUTAN

JURUSAN PEMANFAATAN SUMBERDAYA PERIKANAN DAN KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS BRAWIJAYA

MALANG

2017

i

PENERAPAN ALGORITMA VAN HENGEL DAN SPITZER UNTUK ESTIMASI



HALAMAN JUDUL

SKRIPSI

Sebagai Salah Satu Syarat untuk Meraih Gelar Sarjana Kelautan

di Fakultas Perikanan dan Ilmu Kelautan

Universitas Brawijaya

Oleh:

FIQRI AL FARISYI

NIM. 105080601111030

PROGRAM STUDI ILMU KELAUTAN

JURUSAN PEMANFAATAN SUMBERDAYA PERIKANAN DAN KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS BRAWIJAYA

MALANG

JULI, 2017

ii

SKRIPSI

HALAMAN PENGESAHAN PENERAPAN ALGORITMA VAN HENGEL DAN SPITZER UNTUK ESTIMASI



Oleh:

FIQRI AL FARISYI

NIM. 105080601111030

telah dipertahankan didepan penguji

pada tanggal 27 Juli 2017

dan dinyatakan telah memenuhi syarat

Menyetujui,

Dosen Pembimbing I

(Ir. Bambang Semedi, M.Sc, Ph.D)

NIP. 19621220 198803 1 004

Tanggal :

Menyetujui,

Dosen Pembimbing II

(M. Arif Zainul Fuad, S.Kel, M.Sc)

NIP. 19801005 200501 1 002

Tanggal :

Mengetahui,

Ketua Jurusan

(Dr. Ir. Daduk Setyohadi, MP)

NIP. 19630608 198703 1 003

Tanggal :

iii

IDENTITAS TIM PENGUJI

Judul : PENERAPAN ALGORITMA VAN HENGEL DAN

SPITZER UNTUK ESTIMASI KEDALAMAN LAUT DARI

DATA LANDSAT 8 (STUDI KASUS: PERAIRAN ASEM

BAGUS, SITUBONDO)

Nama : FIQRI AL FARISYI

NIM : 105080601111030

Program Studi : Ilmu Kelautan

PENGUJI PEMBIMBING:

Pembimbing 1 : Ir. BAMBANG SEMEDI, M.Sc, Ph.D

Pembimbing 2 : M. ARIF ZAINUL FUAD, S.Kel, M.Sc

PENGUJI BUKAN PEMBIMBING:

Dosen Penguji 1 : NURIN HIDAYATI, ST, M.Sc

Dosen Penguji 2 : ANDIK ISDIANTO, ST, MT

Tanggal Ujian : 27 Juli 2017

iv

PERNYATAAN ORISINALITAS

Dengan ini saya menyatakan bahwa dalam skripsi yang saya tulis ini

benar-benar merupakan hasil karya saya sendiri, dan sepanjang pengetahuan

saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan

oleh orang lain kecuali yang tertulis dalam naskah ini dan disebutkan dalam

daftar pustaka.

Apabila kemudian hari terbukti atau dapat dibuktikan skripsi ini hasil

penjiplakan (plagiasi), maka saya bersedia menerima sanksi atas perbuatan

tersebut, sesuai hukum yang berlaku di Indonesia.

Malang, 20 Juli 2017

Penulis,

Fiqri Al Farisyi

NIM. 105080601111030

v

UCAPAN TERIMA KASIH

Dalam serangkaian proses penelitian ini tentunya banyak pihak-pihak

terkait yang banyak memberikan bantuan sehingga penelitian berjalan dengan

lancar, untuk itu penulis menyampaikan banyak terima kasih kepada:

1. Bapak Ir. Bambang Semedi, M.Sc, Ph.D dan Bapak M. Arif Zainul Fuad,

S.Kel, M.Sc selaku dosen pembimbing atas ketersediaan waktu untuk

memberikan bimbingan, arahan serta kesabarannya selama melakukan

penelitian ini.

2. Ibu Nurin Hidayati, ST, M.Sc dan Bapak Andik Isdianto, ST, MT selaku

dosen penguji yang telah banyak memberikan masukan, kritik dan saran

demi perbaikan penelitian ini.

3. Kedua Orang Tua yang selalu memberikan do’a, motivasi dan dukungan

dalam bentuk moril maupun spiritual selama perkuliahan dan penelitian ini.

Khususnya Ibu Siti Rukhaiyah (almh) yang menjadi motivasi utama penulis

selama masa perkuliahan dan penelitian.

4. Adik-adik, Farida Ramadhani dan Febriyanti Aulia Izzatunnisa yang selalu

memberikan do’a dan dukungannya.

5. Adhim, Affan, Dian, Yunus, Ardy, Wikan, Heru Y, Pulung, Hardik, Hendri

dan teman-teman seangkatan 2010 lainnya, kakak-kakak tingkat, Yosie,

Aden dan adik-adik tingkat lainnya dalam keluarga Ilmu Kelautan

Universitas Brawijaya yang telah membantu dalam menyelesaikan

penelitian ini dan selama perkuliahan.

Terima kasih juga untuk semua pihak-pihak yang belum penulis

sebutkan satu-persatu yang selama ini banyak membantu jalannya penelitian ini

sehingga dapat berjalan lancar.


Penulis,

Fiqri Al Farisyi

NIM. 105080601111030

vi

RINGKASAN

FIQRI AL FARISYI. Penerapan Algoritma Van Hengel dan Spitzer Untuk

Estimasi Kedalaman Laut Dari Data Landsat-8 (Studi Kasus: Perairan Asem

Bagus, Situbondo). (dibawah bimbingan Ir. Bambang Semedi, M.Sc, Ph.D dan

M.A. Zainul Fuad, S.Kel, M.Sc)

Informasi kedalaman suatu perairan laut merupakan suatu informasi

penting bagi semua kegiatan yang berlangsung di perairan laut. Informasi

kedalaman dibutuhkan dalam berbagai kegiatan baik di bidang perikanan

misalnya untuk memprediksi keberadaan ikan-ikan demersal tertentu, maupun di

bidang pelayaran seperti untuk acuan navigasi. Upaya-upaya untuk

mendapatkan informasi batimetri cukup beragam. Seiring dengan perkembangan

teknologi di bidang penginderaan jauh, sensor pasif dari satelit penginderaan

jauh diketahui mampu menangkap karakteristik objek-objek yang terhalang oleh

badan air hingga kedalaman tertentu. Keunggulan ini dapat dimanfaatkan untuk

mendapatkan estimasi batimetri suatu perairan hingga kedalaman tertentu.

Tujuan dilakukannya penelitian ini adalah untuk mengetahui pola

kedalaman perairan Kecamatan Asem Bagus dari hasil pengambilan data insitu

dan dari hasil pengolahan data citra satelit Landsat-8. Selain itu juga bertujuan

untuk mengetahui tingkat keeratan hubungan data estimasi kedalaman dari citra

satelit Landsat-8 dalam memprediksi nilai kedalaman yang sebenarnya.

Penelitian ini dilaksanakan pada tanggal 24 April 2017 hingga 27 Juli

2017. Lokasi penelitian ini adalah kawasan perairan laut Kecamatan Asem

Bagus, Kabupaten Situbondo, Jawa Timur.

Metode yang digunakan dalam penelitian ini adalah menggunakan

metode deskriptif dan kuantitatif. Dengan metode deskriptif bertujuan untuk

menggambarkan pola bentuk dasar perairan Asem Bagus berdasarkan dari data

citra Landsat-8 yang diinterpretasikan dengan cara menerapkan Algoritma

Transformasi Rotasi yang dikembangkan oleh Van Hengel dan Spitzer (1991).

Serta dilakukan analisis terhadap data penginderaan jauh tersebut untuk menilai

kelayakan serta kemampuan data tersebut dalam menjelaskan data kedalaman

yang sebenarnya.

Sesuai dengan tujuan penelitian, hasil yang didapat adalah bentuk dasar

perairan menurut data insitu cenderung landai dan mempunyai kontur yang

halus, sedangkan bentuk dasar perairan menurut data landsat-8 cenderung

curam dan mempunyai tekstur dasar yang kasar. Menurut hasil analisis, estimasi

nilai kedalaman perairan dangkal optis (25 m) dapat dikatakan buruk dengan koefisien

korelasi R2 0.16 karena faktor keterbatasan Algoritma Transformasi Rotasi yang

kurang bisa mendeteksi kedalaman perairan lebih dari 25 meter. Sedangkan

secara keseluruhan estimasi kedalaman laut di perairan Asem Bagus dapat

dikatakan cukup bagus dengan nilai R2 0.63.

vii

KATA PENGANTAR

Puji dan syukur penulis panjatkan atas kehadirat Allah SWT atas segala

rahmat dan karuniaNya sehingga penulis dapat menyelesaikan Laporan Skripsi

yang berjudul “Penerapan Algoritma Van Hengel dan Spitzer Untuk Estimasi

Kedalaman Laut Dari Data Landsat-8 (Studi Kasus: Perairan Asem Bagus,

Situbondo)” sebagai salah satu syarat penyelesaian studi tingkat Sarjana pada

Fakultas Perikanan Dan Ilmu Kelautan Universitas Brawijaya, Malang.

Di dalam tulisan ini disajikan informasi mengenai estimasi nilai

kedalaman perairan laut yang didapatkan dari penerapan Algoritma Transformasi

Rotasi pada data citra Landsat-8. Penyajian data kedalaman perairan dalam

bentuk 2D, 3D dan cross section untuk memudahkan dalam memahami pola

batimetri. Disajikan pula analisis data kedalaman untuk mengetahui seberapa

besar korelasinya dengan data lapang. Diharapkan informasi ini mampu menjadi

pertimbangan atau acuan bagi pembaca yang akan melakukan penelitian serupa.

Demikian tulisan ini disusun, dengan ini penulis mengucapkan banyak

terimakasih, semoga kegiatan penelitian ini dapat bermanfaat bagi penulis dan

bagi rekan-rekan lainnya. Penulis menyadari bahwa dalam laporan ini masih

mengandung banyak kekurangan. Oleh sebab itu penulis sangat berterima kasih

apabila pembaca memberikan kritik dan saran untuk perbaikan tulisan ini.


Penulis,

Fiqri Al Farisyi

NIM. 105080601111030

viii

DAFTAR ISI

HALAMAN JUDUL ............................................................................................... i

HALAMAN PENGESAHAN................................................................................. ii

IDENTITAS TIM PENGUJI ................................................................................. iii

PERNYATAAN ORISINALITAS ......................................................................... iv

UCAPAN TERIMA KASIH ................................................................................... v

RINGKASAN ...................................................................................................... vi

KATA PENGANTAR ......................................................................................... vii

DAFTAR ISI ..................................................................................................... viii

DAFTAR TABEL ................................................................................................. x

DAFTAR GAMBAR ............................................................................................ xi

DAFTAR LAMPIRAN ....................................................................................... xiii

BAB 1. PENDAHULUAN ............................................................................... 1

1.1 Latar Belakang ...................................................................................... 1

1.2 Rumusan Masalah ................................................................................. 3

1.3 Tujuan ................................................................................................... 3

1.4 Manfaat ................................................................................................. 4

1.5 Waktu dan Lokasi Penelitian .................................................................. 4

BAB 2. TINJAUAN PUSTAKA ....................................................................... 5

2.1 Informasi Batimetri ................................................................................. 5

2.2 Penginderaan Jauh dan SIG .................................................................. 6

2.3 Deteksi Kedalaman Perairan Melalui Teknologi Penginderaan Jauh ..... 8

2.4 Landsat-8 .............................................................................................. 9

BAB 3. METODE PENELITIAN.................................................................... 13

3.1 Tempat dan Waktu Penelitian .............................................................. 13

3.2 Alat dan Bahan Penelitian ................................................................... 13

3.2.1 Alat ............................................................................................... 14

3.2.2 Bahan ........................................................................................... 15

3.3 Alur Penelitian ..................................................................................... 15

3.4 Perolehan Data .................................................................................... 17

ix

3.4.1 Data Sounding .............................................................................. 17

3.4.2 Data Pasang Surut ....................................................................... 17

3.4.3 Data Landsat-8 ............................................................................. 17

3.5 Pengolahan Data ................................................................................. 18

3.5.1 Pengolahan Data Sounding .......................................................... 18

3.5.2 Pengolahan Data Pasang Surut ................................................... 19

3.5.3 Pengolahan Data Landsat-8 ......................................................... 19

3.5.3.1 Pengolahan Awal Landsat-8 ..................................................... 19

3.5.3.2 Penerapan Algoritma Transformasi Rotasi ................................ 21

3.6 Analisis Informasi Batimetri .................................................................. 22

BAB 4. HASIL DAN PEMBAHASAN ........................................................... 25

4.1 Keadaan Umum Lokasi Penelitian ....................................................... 25

4.2 Informasi Batimetri Tampilan 2D .......................................................... 25

4.3 Informasi Batimetri Tampilan 3D .......................................................... 27

4.4 Informasi Batimetri Tampilan Penampang Melintang ........................... 28

4.5 Analisis Hubungan Data Kedalaman Landsat-8 dan Insitu .................. 40

4.5.1 Analisis Korelasi di Kedalaman Perairan 25 m ........................... 42

4.5.3 Analisis Korelasi di Semua Tingkat Kedalaman Perairan .............. 44

4.6 Pembahasan ....................................................................................... 46

BAB 5. PENUTUP ........................................................................................ 49

5.1 Kesimpulan .......................................................................................... 49

5.2 Saran ................................................................................................... 50

DAFTAR PUSTAKA .......................................................................................... 51

LAMPIRAN ........................................................................................................ 53

x

DAFTAR TABEL

Tabel 1. Spesifikasi band-band Landsat-8 ......................................................... 12

Tabel 2. Alat-Alat Penelitian ............................................................................... 14

Tabel 3. Bahan-bahan penelitian ....................................................................... 15

Tabel 4. Interpretasi Nilai Koefisien Korelasi ...................................................... 23

xi

DAFTAR GAMBAR

Gambar 1. Pembagian panjang gelombang elektromagnetik ............................... 7

Gambar 2. Proses perekaman permukaan bumi oleh sensor penginderaan jauh 7

Gambar 3. Satelit Landsat-8 .............................................................................. 10

Gambar 4. Perbandingan band multispektral Landsat-8 dan Landsat-7 ............. 11

Gambar 5. Peta Lokasi Penelitian ...................................................................... 13

Gambar 6. Diagram Alir Penelitian ..................................................................... 16

Gambar 7. Peta Sebaran Titik Sounding ............................................................ 18

Gambar 8, Hasil Proses Masking ....................................................................... 20

Gambar 9. Tampilan Kontur Batimetri 2D Data Insitu ........................................ 26

Gambar 10. Tampilan Kontur Batimetri 2D Data Landsat-8 ............................... 26

Gambar 11. Tampilan 3D Data Insitu ................................................................. 27

Gambar 12. Tampilan 3D Data Landsat-8 ......................................................... 28

Gambar 13. Peta Sebaran Jalur Penampang Melintang .................................... 29

Gambar 14. Penampang Melintang Data Kedalaman Landsat-8 di Jalur 1 ........ 30

Gambar 15. Penampang Melintang Data Kedalaman Insitu di Jalur 1 ............... 30











xii







Gambar 32. Penampang Melintang Data Kedalaman Landsat-8 di Jalur 10 ...... 39

Gambar 33. Penampang Melintang Data Kedalaman Insitu di Jalur 10 ............. 39

Gambar 34. Peta Sebaran Jalur dan Titik Sampel ............................................. 40

Gambar 35. Scatter-Graph Regresi di Kedalaman 25 m ..................................... 44

Gambar 39. Scatter-Graph Data di Semua Kedalaman ..................................... 45

Gambar 40. Grafik Residual Data di Semua Kedalaman ................................... 46

xiii

DAFTAR LAMPIRAN

Lampiran 1. Data Sounding ............................................................................... 53

Lampiran 2. Data Pasang Surut ......................................................................... 56

Lampiran 3. Detail Regresi Logaritmik ............................................................... 57

Lampiran 4. Titik Sampel Analisis Korelasi ........................................................ 59

Lampiran 5. Detail Analisis Regresi Linear......................................................... 64

1

BAB 1. PENDAHULUAN

1.1 Latar Belakang

Informasi kedalaman suatu perairan laut merupakan suatu informasi

penting bagi semua kegiatan yang berlangsung di perairan laut. Informasi

kedalaman dibutuhkan dalam berbagai kegiatan baik di bidang perikanan

misalnya untuk memprediksi keberadaan ikan-ikan demersal tertentu, maupun di

bidang pelayaran seperti untuk acuan navigasi. Informasi tersebut biasa disajikan

dalam bentuk peta batimetri. Peta batimetri memiliki bentuk dan kegunaan yang

beragam. Peta batimetri pada umumnya berbentuk kontur dan gradasi warna

yang menunjukkan perubahan kedalaman pada jarak tertentu. Batimetri juga bisa

dideskripsikan sebagai ukuran kedalaman dari permukaan air sampai dengan

dasar laut (Setiawan et al, 2014).

Upaya-upaya untuk mendapatkan informasi batimetri cukup beragam.

Cara konvensional adalah dengan cara menenggelamkan pemberat yang diikat

tali sehingga panjang tali dari pemberat hingga permukaan air merupakan

representatif dari kedalaman titik lokasi tersebut. Kegiatan ini dilakukan berulang-

ulang di banyak titik lokasi sehingga didapatkan data batimetri. Cara yang lebih

modern dapat dilakukan dengan metode sounding menggunakan alat echo

sounder. Kinerja alat tersebut adalah dengan mengukur sela waktu antara bunyi

(ping) yang ditembakkan alat tersebut ke arah kedalaman suatu perairan dengan

ping pantulan dari dasar perairan yang diterima alat tersebut. Dengan

diketahuinya jeda waktu dan nilai cepat rambat gelombang suara di air laut maka

dapat diperoleh jarak antara alat (permukaan) dan bidang pantul (dasar laut)

yang dapat diartikan sebagai data kedalaman titik lokasi tersebut. Seiring dengan

perkembangan teknologi di bidang penginderaan jauh, sensor pasif dari satelit

penginderaan jauh diketahui mampu menangkap karakteristik objek-objek yang

2

terhalang oleh badan air hingga kedalaman tertentu. Keunggulan ini dapat

dimanfaatkan untuk mendapatkan estimasi batimetri suatu perairan hingga

kedalaman tertentu (Wahyuningrum et al, 2008).

Estimasi batimetri yang didasarkan dari data penginderaan jauh saja

akan menghasilkan nilai bias yang tinggi dikarenakan banyak faktor yang dapat

menghambat sifat optik suatu perairan, semisal Total Suspended Matter dan

kandungan klorofil dalam badan air. Selain itu data yang dihasilkan dari satelit

penginderaan jauh hanya mampu menunjukkan kontur rupa dasar perairan tanpa

tahu persis nilai kedalaman dalam satuan baku. Maka dari itu dibutuhkan juga

data batimetri insitu sebagai acuan untuk memverifikasi nilai kedalaman data

penginderaan jauh agar didapatkan nilai kedalaman absolut dalam satuan yang

baku (Arief et al, 2013).

Data batimetri yang telah terverifikasi oleh data insitu (kedalaman

absolut) masih memiliki perbedaan dengan data insitu yang merupakan data

batimetri yang valid. Oleh karena adanya perbedaan tersebut maka analisis

akurasi menjadi suatu langkah yang diperlukan guna menentukan layak atau

tidaknya data kedalaman absolut tersebut dijadikan sebagai peta batimetri yang

dapat dipercaya, mengingat tujuan penggunaan metode penginderaan jauh

batimetri adalah untuk memperoleh nilai kedalaman dalam skala luas tanpa

mengukur kedalaman di seluruh area yang luas tersebut. Jika hasil analisis

menunjukkan nilai akurasi yang tinggi maka metode penginderaan jauh batimetri

dapat dijadikan metode pembuatan peta batimetri yang efektif dan sedikit usaha

(less effort) sehingga dapat menghemat waktu dan biaya saat pengambilan data

insitu jika area yang diteliti sangat luas (Setiawan et al, 2014).

3

1.2 Rumusan Masalah

Untuk mendapatkan nilai kedalaman suatu perairan dari data satelit

penginderaan jauh, ada banyak algoritma yang dapat diterapkan. Dalam

penelitian ini difokuskan data citra satelit dan algoritma yang digunakan adalah

data citra satelit Landsat-8 dan algoritma Transformasi Rotasi (Van Hengel dan

Spitzer, 1991). Penerapan algoritma yang sama dalam lokasi yang berbeda akan

menghasilkan nilai akurasi yang berbeda pula, maka dari itu perlu dilakukan

analisis penerapan algoritma Transformasi Rotasi di wilaya perairan dangkal

Kecamatan Asem Bagus, Kabupaten Situbondo. Adapun permasalahan yang

perlu dikaji antara lain:

1. Bagaimana pola kedalaman perairan Kecamatan Asem Bagus dari hasil

pengambilan data insitu?

2. Bagaimana pola kedalaman perairan Kecamatan Asem Bagus dari hasil

pengolahan data citra satelit Landsat-8?

3. Seberapa kuat hubungan data estimasi kedalaman dari citra satelit Landsat-8

dalam memprediksi nilai kedalaman yang sebenarnya (data insitu)?

1.3 Tujuan

Tujuan dilakukannya penelitian ini adalah:

1. Mengetahui pola kedalaman perairan Kecamatan Asem Bagus dari hasil

pengambilan data insitu.

2. Mengetahui pola kedalaman perairan Kecamatan Asem Bagus berdasarkan

hasil pengolahan data citra satelit Landsat-8.

3. Mengetahui tingkat keeratan hubungan data estimasi kedalaman dari citra

satelit Landsat-8 dalam memprediksi nilai kedalaman yang sebenarnya (data

insitu).

4

1.4 Manfaat

Manfaat yang didapat dari penelitian ini adalah sebagai informasi bagi

peneliti terkait ekstraksi nilai kedalaman perairan dari data citra satelit

penginderaan jauh Landsat-8 beserta nilai akurasinya terhadap data batimetri

insitu yang merupakan data valid perairan tersebut. Selain itu, hasil dari

penelitian ini juga dapat digunakan sebagai alat atau instrumen untuk acuan

dalam upaya memonitor dan merevisi data batimetri yang sudah ada khususnya

untuk wilayah perairan dangkal Kecamatan Asem Bagus di waktu yang akan

datang.

1.5 Waktu dan Lokasi Penelitian

Penelitian ini dilaksanakan pada tanggal 24 April 2017 hingga 27 Juli

2017. Lokasi penelitian ini adalah kawasan perairan laut Kecamatan Asem

Bagus, Kabupaten Situbondo, Jawa Timur.

5

BAB 2. TINJAUAN PUSTAKA

2.1 Informasi Batimetri

Batimetri adalah ilmu yang mempelajari pengukuran kedalaman lautan,

laut atau tubuhperairan lainnya, sedangkan yang dimaksud peta batimetri adalah

peta yang menggambarkan perairan beserta kedalamannya. Peta batimetri

dideskripsikan juga sebagai data spasial yang berisi informasi kedalaman suatu

daerah peraiaran. Informasi batimetri dapat mengambarkan tentang kondisi

struktur dan bentuk dasar perairan dari suatu daerah. Pemetaan batimetri di

perairan dangkal memiliki peran penting untuk perikanan, keselamatan pelayaran

serta aktivitas kelautan (Nugraha, 2013).

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. Tetapi metode ini sulit dilakukan dan hasilnya hampir selalu

tidak akurat karena arus yang kuat dapat menarik tambang dan pemberatnya ke

samping, jika perairan yang diukur relatif lebih dalam maka tambang yang

dibutuhkan akan lebih panjang dan sulit mengetahui kapan pemberat menyentuh

dasar. Selain itu juga membutuhkan waktu yang lama untuk menurunkan dan

menaikkan tambang (Wahyuningrum et al, 2008).

Pemetaan batimetri menggunakan metode modern dilakukan dengan

cara kapal menggunakan echosounder memberikan hasil yang cukup akurat.

Namun cara ini mempunyai keterbatasan antara lain: cakupan wilayah yang

terbatas dan sangat sulit diterapkan di perairan pesisir yang sangat dangkal serta

membutuhkan biaya operasi yang tinggi (Arief et al, 2013).

6

2.2 Penginderaan Jauh dan SIG

Penginderaan jauh (Remote Sensing) adalah ilmu dan seni untuk

memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui

analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan

objek, daerah, atau fenomena yang dikaji. Dalam berbagai hal, penginderaan

jauh dapat diartikan sebagai suatu proses membaca. Dengan menggunakan

sensor, kegiatan mengumpulkan data dari jarak jauh yang dapat dianalisis untuk

mendapatkan informasi tentang objek, daerah atau fenomena yang diteliti dapat

dilakukan secara efektif (Lillesand dan Kiefer, 1990).

Setelah beberapa tahun terakhir, teknologi penginderaan jauh di bidang

ilmu kelautan dapat diterima dan meningkatkan perhatian dalam hal

pengembangn sensor, pengolahan dan interpretasi citra, serta pengembangan

aplikasi untuk teknologi ini. Dengan kemajuan yang pesat ini, teknologi

penginderaan jauh menjadi semakin kompleks. Banyak individu berlatih berbagai

macam disiplin ilmu yang berhubungan dengan kelautan, yang bisa jadi dapat

mengambil keuntungan dari teknik penginderaan jauh (Deborah et al, 1983).

Dalam praktiknya, hanya band-band tertentu dari spektrum elektro-

magnetik yang berguna dalam penginderaan jauh sumberdaya alam dikarenakan

faktor lingkungan dan keterbatasan instrumen. Beberapa keterbatasan tersebut

antara lain efek atmosferik, ukuran antena instrumen, hubungan antara panjang

gelombang dan objek yang diamati, tenaga untuk mengoperasikan sensor

(khususnya sensor aktif) serta transmisi data ke stasiun bumi. Keterbatasan

tersebut yang mempengaruhi kualitas data citra yang dihasilkan, semisal resolusi

citra (Deborah et al, 1983).

7

Gambar 1. Pembagian panjang gelombang elektromagnetik (Deborah et al, 1983)

Instrumen penginderaan jauh didesain untuk bekerja dengan band-band

spesifik dari spektrum elektromagnetik. Sensor pasif (sensor yang hanya

menangkap pantulan energi elektromagnetik matahari) beroperasi di band

ultraviolet, sinar tampak, near infrared, thermal infrared, dan beberapa

gelombang mikro. Sedangkan sensor aktif (sensor yang memancarkan dan

menerima kembali sinyal pantulnya) hanya beroperasi di band gelombang mikro

dari spektrum yang ada. Sensor ini mengandalkan kekuatan dan frekuensi sinyal

pantul untuk menggambarkan objek yang diamati (Deborah et al, 1983).

Gambar 2. Proses perekaman permukaan bumi oleh sensor penginderaan jauh

8

Pada dasarnya, istilah Sistem Informasi Geografis (SIG) merupakan

gabungan dari tiga pokok, yakni: sistem, informasi dan geografis. Dengan

demikian, pengertian terhadap ketiga unsur-unsur pokok ini akan sangat

membantu dalam memahami SIG. Dengan melihat unsur-unsur pokoknya maka

jelas SIG merupakan salah satu sistem informasi dengan tambahan unsur

“geografis”. Atau SIG merupakan suatu sistem yang menekankan pada unsur

“informasi geografis”. Hingga saat ini belum ada kesepakatan mengenai definisi

SIG yang baku. Sebagian besar definisi di dalam berbagai pustaka masih bersifat

umum, belum lengkap, tidak presisi dan bersifat elastik. Salah satu definisi SIG

adalah sistem komputer yang digunakan untuk memasukkan, capturing,

menyimpan, memeriksa, mengintegrasikan, memanipulasi, menganalisa dan

menampilkan data-data yang berhubungan dengan posisi-posisi di permukaan

bumi (Prahasta, 2001).

2.3 Deteksi Kedalaman Perairan Melalui Teknologi Penginderaan Jauh

Pemanfaatan teknologi penginderaan jauh telah banyak dilakukan untuk

memperoleh data batimetri karena dipandang sebagai salah satu cara yang

efektif dan efisien serta cukup terlihat kegunaannya dalam mengkompilasi dan

merevisi peta-peta sumberdaya yang telah ada sebelumnya. Teknologi ini

mampu mendapatkan informasi secara sinoptik sehingga dapat mengamati

fenomena yang terjadi di lautan yang luas dan dinamis dan mampu memberikan

informasi secara kontinu karena telah diprogram melintas daerah yang sama

dalam waktu tertentu (Wahyuningrum et al, 2008).

Metode pemetaan batimetri menggunakan data penginderaan jauh

awalnya dikembangkan oleh Jupp (1988). Metode tersebut menggunakan asumsi

hubungan linear antara pantulan spektral dan kedalaman, dan hasilnya adalah

nilai rentang kedalaman, dimana rentangnya tergantung pada jumlah band yang

digunakan sebagai input. Metode ini cukup rumit karena nilai k harus diketahui,

9

dan diperoleh melalui integrasi nilai piksel citra dan data kedalaman. Meskipun

demikian, metode ini mempunyai kelemahan tidak sesuai diterapkan untuk area

dengan tutupan dasar perairan yang bervariasi. Selain itu karena hasilnya adalah

data kategori (ordinal), akurasi pemetaan batimetri tidak dapat dikuantifikasikan

secara akurat karena rentang kedalaman sangat lebar (Wicaksono, 2015).

Pada tahun 1991, Van Hengel dan Spitzer memperkenalkan sebuah

algoritma untuk menghasilkan informasi batimetri menggunakan data citra

LANDSAT TM dengan menggunakan matriks tranformasi rotasi. Metode Van

Hengel dan Spitzer (1991) telah digunakan untuk menghasilkan informasi

batimetri di Pulau Pari Kepulauan Seribu DKI Jakarta dengan menggunakan data

citra LANDSAT 7 ETM+ kombinasi band 1, band 2 dan band 3 (Wahyuningrum et

al, 2008).

2.4 Landsat-8

Satelit Landsat-8 telah berhasil diluncurkan NASA pada tanggal 11

Februari 2013 bertempat di Vandenberg Air Force Base, California yang

merupakan misi kerjasama antara NASA dan USGS (U.S. Geological Survey)

dengan pembagian tanggung jawab masing-masing. NASA bertanggung jawab

akan penyediaan satelit Landsat-8, instrumen-instrumen, pesawat peluncur, dan

elemen-elemen operasi misi Sistem Stasiun Bumi. NASA juga akan mengelola

fase awal peluncuran sampai dengan kondisi satelit beropersi di orbitnya pada

ruas antariksa (dari peluncuran sampai penerimaan). USGS bertanggung jawab

akan penyediaan pusat operasi-operasi misi dan sistem-sistem pengolahan pada

Stasiun Bumi (termasuk pengaripan dan jaringan-jaringan data), demikian juga

tim operasi-operasi penerbangan. USGS juga akan membiayai tim ilmuan

Landsat (Sitanggang, 2010).

10

Gambar 3. Satelit Landsat-8 (NASA, 2014)

Satelit Landsat-8 disebut juga satelit LDCM (Landsat Data Continuity

Mission) dengan misi mengorbit atau mengitari bumi setiap 99 menit dan

menggambar seluruh permukaan bumi setiap 16 hari, dan mengumpulkan

gambar atau citra pada akuisisi jadwal yang sama dengan Landsat-5 yang

sebelumnya digunakan. Karakteristik citra Landsat-8 ini adalah menggunakan

dua sensor, yakni sensor Operational Land Imager (OLI) dan sensor Thermal

Infrared Sensor (TIRS). Sensor OLI mempunyai selang band yang lebih pendek

dan tambahan dua band (menjadi 9 Band) dari Landsat sebelumnya yang hanya

7 band. Band tambahan tersebut antara lain band "Ultra-Blue" (Band 1) yang

akan digunakan untuk studi pesisir dan aerosol, serta Band 9 yang akan berguna

untuk mendeteksi awan cirrus. Sensor TIRS (Band 10 dan Band 11) dapat

menghasilkan kontinuitas data untuk kanal-kanal inframerah termal yang tidak

dicitrakan oleh OLI. Citra Landsat-8 disinyalir memiliki akurasi geodetik dan

geometrik yang lebih baik (Childs, 2013).

11

Gambar 4. Perbandingan band multispektral Landsat-8 dan Landsat-7 (USGS, 2013)

Spesifikasi Landsat-8 (LDCM) adalah sebagai berikut:

Orbit

Worldwide Reference System-2 (WRS-2) path/row system

Orbit Sun-synchronous pada ketinggian 705 km (438 mil)

233 orbit cycle; mencakup seluruh permukaan bumi setiap 16 hari (kecuali

untuk lintang tertinggi di kutub)

Sudut inklinasi 98.2° (slightly retrograde)

Mengelilingi bumi setiap 98.9 menit

Melintas di ekuator pukul 10:00 pagi. +/- 15 menit

12

Pembagian Band

Tabel 1. Spesifikasi band-band Landsat-8

Bands of Landsat-8 (LDCM) Wavelength

(micrometer)

Resolution

(meter)

Band 1 – Coastal aerosol 0.43 – 0.45 30

Band 2 – Blue 0.45 – 0.51 30

Band 3 – Green 0.53 – 0.59 30

Band 4 – Red 0.64 – 0.67 30

Band 5 – Near Infrared (NIR) 0.85 – 0.88 30

Band 6 – SWIR 1 1.57 – 1.65 30

Band 7 – SWIR 2 2.11 – 2.29 30

Band 8 – Panchromatic 0.50 – 0.68 15

Band 9 – Cirrus 1.36 – 1.38 30

Band 10 – Thermal Infrared (TIRS) 1 10.60 – 11.19 100

Band 11 – Thermal Infrared (TIRS) 2 11.50 – 12.51 100

Sumber: United State Geological Survey, 2013

13

BAB 3. METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian

Penelitian dibagi menjadi dua tahap yaitu tahap pengambilan data dan

tahap pengolahan data. Tahap pengambilan data dilaksanakan di perairan laut

Kecamatan Asem Bagus, Kabupaten Situbondo oleh Aden (2016) pada bulan

Mei 2016 (Gambar 5). Sedangkan tahap pengolahan data dilaksanakan di

Fakultas Perikanan dan Ilmu Kelautan Universitas Brawijaya oleh penulis pada

bulan Mei 2017.

Gambar 5. Peta Lokasi Penelitian

3.2 Alat dan Bahan Penelitian

Alat-alat dan bahan-bahan memegang peran penting dalam

kelangsungan penelitian ini. Masing-masing digunakan sesuai dengan

peruntukannya. Adapun rincian alat dan bahan beserta fungsinya yang

digunakan dalam penelitian ini tertera secara rinci dalam sub bab di bawah.

14

3.2.1 Alat

Alat adalah suatu benda (dapat berupa hardware maupun software)

yang digunakan secara berulang-ulang yang mana secara fisik tidak akan

berkurang ketika digunakan. Alat berfungsi untuk mempermudah suatu pekerjaan

dalam penelitian ini. Alat-alat yang digunakan saat penelitian ini tertera dalam

Tabel 2.

Tabel 2. Alat-Alat Penelitian

No. Nama Alat Spesifikasi Fungsi

1 Echosounder

Garmin

GPSmap 585

Sounder

Layar WQVGA, frekuensi

50/200 kHz, kedalaman

maksimum 1.500 ft, daya

10-36 V

Merekam nilai kedalaman

dan posisi geografis suatu

perairan

2 Perahu Perahu kayu,

Mesin Diesel

Sebagai wahana

pembawa echosounder

saat perekaman nilai

kedalaman suatu perairan

3 Laptop Processor Intel (R) Atom

(TM) N570, 4 CPU @

1.90Ghz, VGA 256 MB,

Memory RAM 2 GB, HDD

350 GB, Windows 7

Sebagai pengolah data

dan penyusunan laporan

penelitian

4 Map Source Versi 6.16.3 Untuk membuat

perencanaan rute

pengambilan data

kedalaman insitu

5 Matlab Versi 7.8.0.347 untuk kalkulasi nilai

pasang surut

6 ArcGIS Versi 9.3 Untuk menambahkan

unsur-unsur SIG ke dalam

peta batimetri

7 ERMapper Versi 7.1 Untuk pemrosesan awal

citra dan memasukkan

rumus Transformasi

Rotasi

8 Surfer Versi 10 Untuk membuat plot

kontur batimetri dan

tampilan 3D

9 Ms. Excel Versi Office 2010 Untuk kalkulasi matriks

Transformasi Rotasi

15

3.2.2 Bahan

Bahan adalah suatu benda yang habis saat digunakan sekali saja yang

mana secara fisik tidak habis, berkurang atau berubah ketika digunakan. Bahan

berfungsi sebagai objek yang diolah dalam penelitian ini. Bahan-bahan yang

digunakan saat penelitian ini tertera dalam Tabel 3.

Tabel 3. Bahan-bahan penelitian

No Nama Bahan Spesifikasi Fungsi

1 Citra Landsat-8 Tanggal Akuisisi 26-5-2016

Path 117, Row 065 Sumber:

http://earthexplorer.usgs.gov

Data multispektral

sebagai bahan dasar

ekstraksi nilai

kedalaman perairan

2 Data Pasang

Surut

Tanggal Akuisisi 19 Maret 2016

Sumber: tools TMD pada Matlab

v. 7.8.0.347

Untuk mengkoreksi

data kedalaman hasil

sounding

3 Data Sounding Tanggal Akuisisi 19 Maret 2016

Sumber: (Aden, 2016)

Sebagai data

kedalaman insitu

yang merupakan data

kedalaman

sebenarnya

3.3 Alur Penelitian

Secara garis besar penelitian ini dibagi menjadi tiga tahap. Tahap

pertama adalah tahap pengumpulan data, yang nantinya akan menghasilkan

data kedalaman insitu, data pasang surut dan data citra Landsat-8. Tahap kedua

adalah tahap pengolahan data, yang mana dalam tahap ini ketiga macam data

yang didapatkan dari tahap pertama akan diolah hingga menghasilkan dua data

identik, yakni data kedalaman insitu yang telah terkoreksi pasang surut serta data

kedalaman absolut yang merupakan nilai ekstraksi batimetri dari Landsat-8 yang

telah tervalidasi data kedalaman insitu. Tahap ketiga adalah analisis korelasi

menggunakan matriks error dengan masukan berupa data identik hasil dari tahap

dua hingga menghasilkan nilai akurasi hubungan antar keduanya. Alur penelitian

tersebut dapat dipahami melalui diagram alir pada Gambar 6.

16

Gambar 6. Diagram Alir Penelitian

Regresi Logaritmik

Mulai

Perolehan Data

Citra Landsat 8 Data Pasang Surut

Pengolahan Awal Data Citra

Koreksi Geometrik

Koreksi Radiometrik

Masking Daratan dan Awan

Koreksi Pasang Surut

Data Kedalaman Insitu

Algoritma Transformasi Rotasi

(Van Hengel and Spitzer)

Indeks Kedalaman Air Relatif

Kedalaman Air Absolut

Data Kedalaman Landsat-8

Data Sounding

Analisis Korelasi

Korelasi di Kedalaman 25 m

Korelasi di Semua Kedalaman

Hasil

17

3.4 Perolehan Data

Perolehan tiga jenis data yang dibutuhkan dalam penelitian ini berbeda-

beda. Cara memperoleh data masing-masing akan dijelaskan dalam sub bab

dibawah.

3.4.1 Data Sounding

Data ini merupakan data sekunder yang diperoleh dari hasil pengukuran

kedalaman menggunakan alat echosounder yang telah dilakukan oleh Aden

(2016) pada tanggal 19 Maret 2016 di perairan Asem Bagus. Sebelum

melakukan proses perekaman, dibuat terlebih dahulu jalur (track) pengukuran

kedalaman. Track tersebut disimpan dalam echosounder dan digunakan sebagai

rute dalam proses perekaman nilai batimetri insitu. Kemudian selama perjalanan

dalam rute tersebut pengukuran kedalaman dilakukan dengan cara

mentransmisikan ping ke dasar laut dengan interval sekitar 5 detik hingga rute

berakhir. Data kedalaman tersebut akan tersimpan dalam memori echosounder

yang nantinya dapat diambil dan dilakukan pengolahan dalam tahap selanjutnya.

3.4.2 Data Pasang Surut

Data pasang surut merupakan data sekunder yang didapatkan dari

software Matlab melalui Tools TMD. Pengaturan waktu disesuaikan dengan

waktu pengukuran kedalaman insitu (sounding), yang mana dalam penelitian ini

waktu sounding adalah pukul 07.00 – 12.30 WIB tanggal 19 Maret 2016.

3.4.3 Data Landsat-8

Data Landsat-8 merupakan data sekunder yang dapat diperoleh atau

diunduh langsung dari halaman web earthexplorer.usgs.gov. Sebaiknya dipilih

citra Landsat-8 yang tanggal akuisisinya sama dengan tanggal pengambilan data

sounding. Namun dikarenakan resolusi temporal Landsat-8 adalah 16 hari, maka

dipilih tanggal akuisisi yang mendekati tanggal pengambilan data sounding,

18

dalam penelitian ini digunakan citra Landsat-8 tanggal 26 Mei 2016 dengan path

117 dan row 065, sesuai lokasi penelitian.

3.5 Pengolahan Data

3.5.1 Pengolahan Data Sounding

Data sounding yang tersimpan dalam memori echosounder harus

diunduh dan diekstrak menjadi bentuk tabel dalam Ms. Excel. Unsur yang

diperlukan dalam tabel tersebut adalah x, y dan z. Dimana x dan y (latitude dan

longitude) merupakan koordinat posisi titik pengukuran, sedangkan z adalah nilai

kedalaman yang terekam. Tabel yang berisi unsur x, y dan z ini yang disebut

data sounding yang nantinya akan diterapkan koreksi pasang surut. Selain dalam

bentuk tabel, data tersebut juga dapat diubah bentuk menjadi data shapefile

untuk dapat mengetahui sebaran titik perekamannya. Untuk melakukan konversi

ini dibutuhkan software ArcGIS dengan cara pilih fitur Add X+Y data, gunakan x

dan y dalam tabel sebagai posisi geografis dalam ArcGIS. Hasilnya dapat dilihat

pada Gambar 7.

Gambar 7. Peta Sebaran Titik Sounding

19

3.5.2 Pengolahan Data Pasang Surut

Data pasang surut ini digunakan untuk mengetahui Mean Sea Level

(MSL) pada saat pengambilan data lapang. Selanjutnya nilai MSL yang didapat

akan sandingkan dengan nilai z yang sudah ditambah nilai kedalaman tranducer

(diasumsikan 0.5 m) untuk kemudian dicari selisihnya. Selisih tersebut bisa

bernilai negatif atau positif. Selanjutnya nilai selisih tersebut digunakan untuk

mengkoreksi nilai z dengan cara ditambahkan atau dikurangkan terhadap nilai z,

sehingga didapatkan nilai z yang terkoreksi pasang surut.

3.5.3 Pengolahan Data Landsat-8

3.5.3.1 Pengolahan Awal Landsat-8

Dalam penelitian ini data Landsat-8 yang digunakan hanya data band 1

hingga band 5, dengan ketentuan band 2, 3, 4 digunakan sebagai kombinasi

untuk membangun matriks algoritma transformasi rotasi nantinya, sedangkan

band 1 dan 5 digunakan untuk menyeleksi daratan dan tutpan awan dalam

proses Masking. Serangkaian proses pengolahan data Landsat-8 ini dilakukan di

dalam software ERMapper.

Langkah pertama pengolahan data Landsat-8 adalah koreksi geometrik.

Dalam penelitian ini koreksi geometrik dibutuhkan karena data Landsat-8 yang

tersedia sebenarnya sudah terproyeksi dengan tepat namun mempunyai system

koordinat yang salah, sehingga latitude dan longitude bernilai negatif. Koreksi

Geometrik dilakukan dalam ArcGIS dengan memanfaatkan Define Projection

Tool yang bertujuan mengubah system koordinat citra menjadi yang sebenarnya.

Selanjutnya adalah Koreksi radiometrik. Tujuan dari koreksi radiometrik

adalah untuk mengoptimalkan nilai energi elektromagnetik yang ditangkap

sensor satelit sehingga tampilan citra menjadi semakin tajam. Koreksi radiometrik

dilakukan dengan menerapkan persamaan dibawah ini kedalam setiap band.

20

Setelah terkoreksi radiometrik, maka diterapkan proses masking. Tujuan

dari masking adalah untuk mengubah nilai daratan dan tutupan awan menjadi 0

agar tidak ikut terkalkulasi saat dilakukan penerapan algoritma nantinya. Proses

masking dilakukan dengan membuat scattergram dengan kombinasi band 5 yang

notabene paling kuat menangkap gelombang pantul dari daratan serta band 1

yang kuat mendeteksi tutupan awan. Dari hasil scattergram tersebut dibuat

region yang menunjukkan tutupan awan dan daratan. Selanjutnya ubah nilai pixel

yang berada dalam region tersebut menjadi 0 melalui fitur edit formula. Maka

data yang dihasilkan berupa tampilan citra seperti Gambar 8.

_

Gambar 8, Hasil Proses Masking

Sebelum Masking (kiri), Sesudah Masking (kanan)

. . . . . . . . . . . . . . (1)

21

3.5.3.2 Penerapan Algoritma Transformasi Rotasi

Algoritma Transformasi Rotasi (Van Hengel dan Spitzer, 1991)

merupakan algoritma yang dapat mengubah kombinasi nilai reflektans dari tiga

band menjadi nilai kedalaman relatif suatu perairan. Kedalaman relatif adalah

suatu nilai yang mampu menunjukkan pola batimetri namun tidak dapat

menunjukkan nilai kedalaman dalam satuan panjang yang baku, semisal dalam

meter. Algoritma ini berupa matriks 3x3 yang membutuhkan masukan 3 band.

Keterangan:

X1 = Band 1 Y1 = Hasil utama

X2 = Band 2 Y2 dan Y3 = Hasil sampingan

X3 = Band 3 r dan s = sudut rotasi

Hasil dari matriks tersebut dapat dijabarkan dalam bahasa matematika

sebagai berikut:

Sedangkan nilai r dan s diperoleh dari rumus (4).

Dan u diperoleh dari:

. . . . . . . . . . . . . . (2)

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

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

. . . . . . . . . . . . . . . . . . (5)

22

Keterangan:

var xi = nilai varian band i

cov xixj = nilai kovarian band i dan band j

Hasil yang akan diterapkan kepada citra Landsat-8 adalah hasil utama

yaitu (Y1), hasil sampingan tidak digunakan. Menerapkan formula Y1 persamaan

(3) pada kombinasi 3 band citra, dalam penelitian ini adalah band tampak (2,3,4),

akan didapatkan hasil berupa data indeks kedalaman relatif.

Langkah selanjutnya adalah mengubah indeks kedalaman relatif

menjadi kedalaman absolut. Hal ini dilakukan dengan cara membuat regresi

logaritmik natural (LN) dari 30 titik sampel yang dipilih secara acak antara data

kedalaman insitu terkoreksi dan data indeks kedalaman relatif. Persamaan garis

tren regresi yang dihasilkan akan diterapkan ke data indeks kedalaman relatif,

maka akan menghasilkan data kedalaman absolut dengan satuan meter.

Langkah ini tersaji secara rinci di Lampiran 3.

3.6 Analisis Informasi Batimetri

Analisis korelasi diterapkan dengan menggunakan metode regresi

linear. Regresi linear dilakukan di tiga tingkatan kedalaman perairan, yaitu regresi

linear di kedalaman 25 m dan di semua tingkat kedalaman. Pembagian

penerapan regresi menjadi tiga tingkatan ini dimaksudkan untuk mengetahui

tingkat keeratan antar kedua data kedalaman pada masing-masing tingkatan

kedalaman laut. Penetapan batas 25 m tersebut didasarkan pada kemampuan

optimal deteksi kedalaman laut oleh algoritma transformasi rotasi yang

digunakan. Penentuan titik-titik sampel untuk regresi tersebut didapatkan dengan

menggunakan metode Stratified Random Sampling (pemilihan titik-titik sampel

secara acak dan teratur) yang terdapat dalam fitur Hawth Tool pada ArcGIS.

Jarak latitudinal antar titik sampel adalah 100 m, sedangkan jarak longitudinal

antar titik sampel adalah 500 m. Penetapan besarnya jarak antar titik sampel

23

yang berbeda secara latitudinal maupun longitudinal tersebut dilakukan agar

sebaran titik sampel merata di seluruh area penelitian yang dapat dikatakan

berbentuk persegi panjang dengan posisi memanjang secara longitudinal, oleh

karena itu jarak longitudinal lebih besar daripada jarak latitudinal. Dengan

membuat regresi linear data citra dan data insitu di tiga tingkatan kedalaman

tersebut, maka dapat diperoleh nilai R2; Standart Error dan Multiple R, yang

mana nilai-nilai tersebut dapat dijadikan ukuran untuk mengetahui seberapa kuat

keterkaitan antar kedua data tersebut.

R Square (R2) merupakan salah satu hasil analisis regresi yang

menunjukkan seberapa kuat kemampuan variabel independen (data citra)

menerangkan variable dependen (data insitu). Nilai R2 berkisar antara 0 hingga

1. Semakin R2 mendekati 1 maka semakin kuat kemampuan variabel independen

dalam memberikan informasi yang dibutuhkan untuk memprediksi variabel

dependen. Sebaliknya, semakin jauh nilai R2 dari 1 maka semakin lemah

kemampuan variabel independen dalam menjelaskan variabel dependen. Dasar

penentuan nilai kualitatif hubungan antar dua data dari besarnya nilai R2 yang

dihasilkan dapat dilihat pada Tabel 4.

Tabel 4. Interpretasi Nilai Koefisien Korelasi (Jonathan, 2006)

Nilai R2 Keterangan

0 Tidak ada korelasi antar kedua data

>0 – 0.25 Korelasi sangat lemah

>0.25 – 0.5 Korelasi cukup kuat

>0.5 – 0.75 Korelasi kuat

>0.75 – 0.99 Korelasi sangat kuat

1 Korelasi Sempurna

Sumber: Jonathan, 2006

Multiple R merupakan ukuran untuk menunjukkan tingkat keeratan

hubungan antar dua data. Semakin tinggi nilai Multiple R menunjukkan semakin

kuat hubungan antar kedua data tersebut.

24

Standart Error adalah tingkat error / galat variabel independen (data

citra) dalam mengestimasi variabel dependen (data insitu). Nilai ini digunakan

untuk menunjukkan ketepatan model regresi dengan cara membandingkannya

dengan nilai standar deviasi. Semakin kecil angka standart error ini dibandingkan

angka standar deviasi data citra, maka model regresi tersebut semakin tepat

dalam memprediksi data insitu.

25

BAB 4. HASIL DAN PEMBAHASAN

4.1 Keadaan Umum Lokasi Penelitian

Kecamatan Asem Bagus, Kabupaten Situbondo merupakan kawasan

pesisir yang berbatasan langsung dengan Selat Madura di sebelah utara.

Sebelah Timur berbatasan dengan Kecamatan Banyuputih, Sebelah Barat

berbatasan dengan Kecamatan Jangkar dan Sebelah Selatan berbatasan

dengan Kabupaten Bondowoso. Desa terluar adalah Desa Wringin Anom yang

mana merupakan satu-satunya desa di Kecamatan Asem Bagus yang

berbatasan langsung dengan laut. Luas Desa terluar ini adalah 11.9 km2.

Substrat di pantai didominasi pasir, namun sebagian tempat dominan lumpur,

terutama di muara saluran buangan tambak. Dari data pengukuran kedalaman,

area pantai tergolong mempunyai kemiringan yang landai, namun seteah jarak

sekitar 150 m lepas pantai, kemiringan berubah drastis menjadi sangat curam.

4.2 Informasi Batimetri Tampilan 2D

Hasil dari pengukuran kedalaman laut menggunakan echosounder

berupa data titik-titik lokasi yang mempunyai koordinat dan nilai kedalaman

tertentu. Data tersebut berjumlah 6226 titik yang posisi geografisnya dapat dilihat

pada peta sebaran titik sounding (Gambar 7). Sedangkan Data Kedalaman

Landsat-8 didapatkan dari penerapan Algoritma Transformasi Rotasi Van Hengel

dan Spitzer (1992) pada Data Citra Landsat-8. Rentang nilai Data Kedalaman

Insitu adalah antara 0 – 34.2 meter dan rentang nilai Data Kedalaman Landsat-8

adalah antara 0 – 29.3 meter.

Kedua data kedalaman tersebut (Insitu dan Landsat-8) dapat

ditampilkan dalam bentuk kontur data batimetri 2 Dimensi (2D) dengan interval

kedalaman 2 meter yang dapat dilihat pada Gambar 9 dan 10. Membuat tampilan

data kedalaman menjadi kontur 2D dilakukan dalam software Surfer 10.

26

Perbedaan dari kedua tampilan 2D tersebut adalah kontur Data Kedalaman Insitu

terlihat lebih renggang dibandingkan dengan kontur Data Kedalaman Landsat-8

walaupun dengan interval kontur yang sama (2 meter). Hal ini dapat dikatakan

bahwa secara umum kemiringan dasar perairan (Slope) untuk Data Kedalaman

Insitu lebih landai daripada slope Data Kedalaman Landsat-8.

Gambar 9. Tampilan Kontur Batimetri 2D Data Insitu

Gambar 10. Tampilan Kontur Batimetri 2D Data Landsat-8

(m)

(m)

27

4.3 Informasi Batimetri Tampilan 3D

Membuat tampilan data kedalaman menjadi tampilan 3D dilakukan

dalam software Surfer 10. Hasil pengolahan data kedalaman (Insitu dan Landsat-

8) berupa tampilan 3D dapat dilihat pada Gambar 11 dan 12. Perbedaan dari

kedua tampilan 3D tersebut adalah tingkat kemiringan dasar perairan Data

Kedalaman Insitu terlihat jelas lebih landai dibandingkan dengan tingkat

kemiringan dasar perairan Data Kedalaman Landsat-8. Tampilan dasar perairan

pun juga terlihat berbeda. Dasar perairan Data Kedalaman Insitu terlihat lebih

halus daripada dasar perairan Data Kedalaman Landsat-8. Hal ini dimungkinkan

karena terdapat berbagai macam faktor yang menghalangi atau mengurangi

intensitas energi elektromagnetik yang tertangkap sensor OLI.

Gambar 11. Tampilan 3D Data Insitu

(m)

28

Gambar 12. Tampilan 3D Data Landsat-8

4.4 Informasi Batimetri Tampilan Penampang Melintang

Tampilan penampang melintang (Cross-Section) adalah suatu cara

penyajian data yang memberikan tampak samping dari data yang bersifat tiga

dimensi yang dibelah, seperti data batimetri. Penyajian data dalam bentuk

penampang melintang berfungsi untuk mengetahui bentuk dasar perairan secara

horizontal sesuai dengan titik yang telah ditentukan sehingga dapat diketahui

bentuk dasar perairan serta kemiringan dasar perairan atau biasa disebut slope.

Dengan diketahuinya bentuk dasar perairan, maka dapat diketahui pula jenis

topografi dasar laut (Aden, 2016).

Untuk mengetahui bentuk dasar perairan yang dikaji, maka data

kedalaman, baik Data Kedalaman Landsat-8 maupun Data Kedalaman Insitu,

akan dibuat beberapa tampilan penampang melintang pada jalur yang sama

kemudian dibandingkan. Ada 10 jalur yang akan dibuat tampilan penampang

(m)

29

melintang bagi kedua data yang ada. Sebaran lokasi 10 jalur tersebut dapat

dilihat pada Gambar 33.

Gambar 13. Peta Sebaran Jalur Penampang Melintang

Karena area penelitian yang luas dan mempunyai pola dasar laut yang

beragam, maka tampilan penampang melintang dibuat di setiap 500 meter dalam

area penelitian hingga menghasilkan 10 jalur seperti pada Gambar 13.

Pembuatan penampang melintang di setiap jalurnya dimulai dari satu titik di bibir

pantai yang ditarik lurus ke arah laut lepas. Misalkan di Jalur 1 penampang

melintang dibuat mulai dari titik A menuju titik B, dan di Jalur 2 dimulai dari titik C

menuju titik D, begitu seterusnya hingga Jalur 10. Dan berikut adalah tampilan

penampang melintang di 10 jalur yang telah ditetapkan:

30

a. Penampang melintang di Jalur 1

Gambar 14. Penampang Melintang Data Kedalaman Landsat-8 di Jalur 1

Gambar 15. Penampang Melintang Data Kedalaman Insitu di Jalur 1

Panjang Rentang Penampang Melintang A-B (m)

Ked

ala

man D

ata

Landsa

t-8

(m

)

Panjang Rentang Penampang Melintang A-B (m)

Ked

ala

man D

ata

Insitu (

m)

31

b. Penampang melintang di Jalur 2



Panjang Rentang Penampang Melintang C-D (m)

Panjang Rentang Penampang Melintang C-D (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

32

c. Penampang melintang di Jalur 3



Panjang Rentang Penampang Melintang E-F (m)

Panjang Rentang Penampang Melintang E-F (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

33

d. Penampang melintang di Jalur 4



Panjang Rentang Penampang Melintang G-H (m)

Panjang Rentang Penampang Melintang G-H (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

34

e. Penampang melintang di Jalur 5



Panjang Rentang Penampang Melintang I-J (m)

Panjang Rentang Penampang Melintang I-J (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

35

f. Penampang melintang di Jalur 6



Panjang Rentang Penampang Melintang K-L (m)

Panjang Rentang Penampang Melintang K-L (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

36

g. Penampang melintang di Jalur 7



Panjang Rentang Penampang Melintang M-N (m)

Panjang Rentang Penampang Melintang M-N (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

37

h. Penampang melintang di Jalur 8



Panjang Rentang Penampang Melintang O-P (m)

Panjang Rentang Penampang Melintang O-P (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

38

i. Penampang melintang di Jalur 9



Panjang Rentang Penampang Melintang Q-R (m)

Panjang Rentang Penampang Melintang Q-R (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

39

j. Penampang melintang di Jalur 10



Panjang Rentang Penampang Melintang S-T (m)

Panjang Rentang Penampang Melintang S-T (m)

Ked

ala

man D

ata

Landsa

t-8

(m

) K

ed

ala

man D

ata

Insitu (

m)

40

4.5 Analisis Hubungan Data Kedalaman Landsat-8 dan Insitu

Analisis hubungan / korelasi diterapkan pada Data Kedalaman Landsat-

8 terhadap Data Kedalaman Insitu dengan cara membuat model regresi dari titik-

titik sampel. Peta sebaran titik sampel dapat dilihat pada Gambar 34. Sedangkan

nilai kedalaman tiap titik tersaji dalam Lampiran 4.

Gambar 34. Peta Sebaran Jalur dan Titik Sampel

4.5.1 Analisis Korelasi di Kedalaman Perairan

41

Dalam model regresi linear tersebut data kedalaman Landsat-8 berperan sebagai

variabel independen atau variabel yang akan memprediksi variabel dependen,

dalam hal ini adalah data kedalaman insitu. Hasil analisis regresi secara lengkap

tertera dalam Lampiran 2, sedangkan nilai R2 = 0.52, Multiple R = 0.72 dan

Standart Error = 4.75.

R2 sebesar 0.52 menunjukkan bahwa nilai variabel Data Kedalaman

Landsat-8 mampu menjelaskan variabel Data kedalaman Insitu sebesar 0.52

(52%). Oleh karena nilai Multiple R sebesar 0.72 maka dapat dikatakan

hubungan antara Data Kedalaman Landsat-8 dengan Data Kedalaman Insitu

sangat erat kaitannya. Sedangkan nilai Standart Error sebesar 4.75 menandakan

bahwa model regresi cukup tepat dalam memprediksi nilai kedalaman yang

sebenarnya.

Gambar 35. Scatter-Graph Regresi di Kedalaman

42

diagonal, semakin dekat semakin normal data tersebut, artinya antara Data

Kedalaman Landsat-8 dengan Data Kedalaman Insitu ada hubungan secara

linear. Di area kedalaman 25 m, dapat dihasilkan 103 titik sampel. Nilai

kedalaman perairan (baik nilai kedalaman insitu maupun nilai kedalaman

Landsat-8) yang terkandung dalam titik-titik sampel tersebut akan digunakan

-15

-10

-5

0

5

10

15

-7.7

-12.3

-9.7

-9.8

-7.5

-12.6

-11.2

-13.9

-9.7

-4.5

-13.6

-13.6

-15.2

-15.3

-16.2

-17.3

-16.3

-16.6

-18.1

-17.3

-17.4

-15.8

-18.4

-17.9

-18.1

-17.7

Resid

ual

(m)

Nilai Kedalaman Terprediksi (m)

43

untuk membangun model regresi linear. Hasil analisis regresi secara lengkap

tertera dalam Lampiran 2, sedangkan nilai R2 = 0.16, Multiple R = 0.40 dan

Standart Error = 1.86.


Landsat-8 tidak mampu untuk menjelaskan variabel Data Kedalaman Insitu,

karena hanya dapat menjelaskan 16% dari variabel Data Kedalaman Insitu. Oleh

karena nilai Multiple R sebesar 0.40 maka dapat dikatakan hubungan antara

Data Kedalaman Landsat-8 dengan Data Kedalaman Insitu sangat kurang

berkaitan satu sama lain. Sedangkan nilai Standart Error sebesar 1.86

menandakan bahwa model regresi cukup tepat dalam memprediksi nilai

kedalaman yang sebenarnya.

Gambar 37. Scatter-Graph Regresi di Kedalaman >25 m

Dari output regresi yang berupa Scatter Graph dapat dilihat lebih banyak

titik-titik sampel yang posisinya tersebar jauh dari garis regresi, hal ini

menunjukkan bahwa kedua data yang dianalisis dapat dikatakan data tidak

y = 0.8104x - 9.3912 R² = 0.1596

-36

-34

-32

-30

-28

-26

-24

-22

-20

-28-27-26-25-24-23-22-21-20

Data

Ked

ala

man

In

sit

u (

m)

Data Kedalaman Landsat-8 (m)

44

normal. Di area kedalaman >25 m, Data Kedalaman Landsat-8 memiliki

hubungan dengan Data Kedalaman Insitu yang positif karena titik-titik pada

Scatter Graph membentuk garis diagonal yang bergerak dari kanan atas ke kiri

bawah.

Gambar 38. Grafik Residual Data di Kedalaman >25 m

Dilihat dari grafik di atas dapat diketahui nilai residual berkisar di ±5, dan

sebagian besar titik sampel mempunyai nilai residu yang menjauhi sumbu x. Hal

tersebut menunjukkan bahwa hubungan antar kedua data tidak begitu erat.

4.5.3 Analisis Korelasi di Semua Tingkat Kedalaman Perairan

Dalam area penelitian dapat dihasilkan 205 titik sampel. Nilai kedalaman

perairan (baik nilai kedalaman insitu maupun nilai kedalaman Landsat-8) yang

terkandung dalam titik-titik sampel tersebut akan digunakan untuk membangun

model regresi linear. Hasil analisis regresi secara lengkap tertera dalam

Lampiran 3, sedangkan nilai R2 = 0.63, Multiple R = 0.79 dan Standart Error =

5.80.

-6

-5

-4

-3

-2

-1

0

1

2

3

4

5

-28.4

-28.9

-28.8

-30.0

-29.4

-29.5

-29.4

-28.3

-30.4

-30.5

-29.6

-29.3

-29.5

-30.3

-29.8

-30.3

-30.1

-30.5

-30.6

-29.5

-29.6

-30.5

-29.3

-30.1

-31.5

-29.6

Resid

ual

(m)

Nilai Kedalaman Terprediksi (m)

45


Landsat-8 mampu untuk menjelaskan variabel Data kedalaman Insitu sebesar

0.63 (63%). Oleh karena nilai Multiple R sebesar 0.79 maka dapat dikatakan

hubungan antara Data Kedalaman Landsat-8 dengan Data Kedalaman Insitu

sangat erat kaitannya. Sedangkan nilai Standart Error sebesar 5.80 menandakan

bahwa model regresi cukup tepat dalam memprediksi nilai kedalaman yang

sebenarnya.

Gambar 39. Scatter-Graph Data di Semua Kedalaman

Dari output regresi yang berupa Scatter Graph dapat dilihat lebih banyak

titik-titik sampel yang posisinya ada di dekat garis regresi, hal ini menunjukkan

bahwa kedua data yang dianalisis dapat dikatakan data normal. Dalam area

penelitian, Data Kedalaman Landsat-8 memiliki hubungan dengan Data

Kedalaman Insitu yang positif karena titik-titik pada Scatter Graph membentuk

garis diagonal yang bergerak dari kanan atas ke kiri bawah.

y = 1.7727x + 18.236 R² = 0.63

-40

-30

-20

-10

0

10

20

-30-25-20-15-10-50

Data

Ked

ala

man

In

sit

u (

m)

Data Kedalaman Landsat-8 (m)

46

Gambar 40. Grafik Residual Data di Semua Kedalaman

Dilihat dari grafik di atas dapat diketahui nilai residual berkisar di ±19,

dan sebagian besar titik sampel mempunyai nilai residu yang mendekati sumbu

x. Hal tersebut menunjukkan bahwa hubungan antar kedua data sangat erat.

4.6 Pembahasan

Estimasi nilai kedalaman perairan dangkal optis (

47

menggunakan data citra LANDSAT 7 ETM+. Karena sensor OLI pada Landsat-8

mempunyai kualitas yang tidak kalah baik dengan sensor ETM+ pada Landsat-7,

maka perbedaan citra yang digunakan bukan menjadi faktor penyebab

berbedanya hasil analisis. Faktor kejernihan perairan lah yang sangat mungkin

untuk menjelaskan perbedaan hasil yang terjadi. Perairan Pulau Pari Kepulauan

Seribu di tahun 2008 merupakan perairan yang sangat jernih karena wilayah

pesisirnya yang bersubstrat pasir serta tidak ada muara sungai yang mengalirkan

air langsung ke pesisir. Sedangkan substrat pantai di Asem Bagus didominasi

oleh lumpur, selain itu juga terdapat muara saluran buangan tambak yang

langsung mengarah ke perairan dangkal. Imbasnya adalah kecerahan perairan

dangkal cukup rendah, hal ini mengganggu proses pendeteksian profil dasar

perairan oleh sensor OLI, sehingga dapat menghasilkan koefisien korelasi yang

cukup rendah.

Estimasi kedalaman perairan dangkal non-optis (>25 m) Asem Bagus

dapat dinilai buruk. Koefisien korelasi yang dihasilkan di area ini adalah R2 0.16.

Dalam kasus ini kecerahan perairan bukan lagi menjadi faktor penyebab

rendahnya nilai R2 yang dihasilkan, karena perairan Asem Bagus hanya

mempunyai area dengan kecerahan yang cukup rendah di dekat bibir pantai

saja, sedangkan di perairan lepas pantai kecerahannya sangat tinggi.

Rendahnya nilai R2 di area ini dikarenakan kemampuan Algoritma Transformasi

Rotasi yang memang terbatas dalam mendeteksi nilai kedalaman perairan

dalam. Estimasi nilai kedalaman perairan Asem Bagus dari data Landsat-8

tanggal 26 Mei 2016 menghasilkan nilai kedalaman absolut 0 sampai 29.3 m. Hal

ini diperkuat oleh hasil penelitian Setiawan et al (2014) yang hanya mampu

mendapatkan nilai kedalaman absolut 0 sampai 22.5 m saja menggunakan

algoritma yang sama. Kondisi ini mendekati hasil penelitian Jupp (1988) yang

mampu mencapai penetrasi hingga 25 m.

48

Secara keseluruhan, estimasi kedalaman laut di perairan Asem Bagus

dengan menerapkan Algoritma Transformasi Rotasi pada data Landsat-8 dapat

dikatakan cukup bagus. Hasil analisis keseluruhan menunjukkan koefisien

korelasi R2 0.63. Angka tersebut membuat metode penginderaan jauh untuk

estimasi kedalaman perairan dinilai dapat membawakan hasil yang cukup baik

untuk memprediksi nilai kedalaman perairan Asem Bagus.

49

BAB 5. PENUTUP

5.1 Kesimpulan

Sesuai dengan tujuan penelitian, maka dari hasil pembahasan di atas

dapat disimpulkan bahwa:

1. Pola kedalaman perairan Asem Bagus berdasarkan Data Kedalaman Insitu

menunjukkan transisi antar kontur yang lebih halus dengan rentang nilai

kedalaman 0 sampai 34.2 meter. Di daerah pantai tingkat kemiringannya

tergolong landai hingga sepanjang rata-rata 150 meter arah lepas pantai akan

ditemui slope yang curam, namun di dasar slope masih tergolong perairan

dangkal yang rata-rata kedalamannya 31 meter.

2. Pola kedalaman perairan Asem Bagus berdasarkan Data Kedalaman Lansat-8

sangat identik dengan pola dari Data Kedalaman Insitu, hanya saja yang

membedakan adalah transisi antar kontur kedalaman sangat kasar, hal ini

dimungkinkan karena adanya banyak faktor yang menggagu sifat optik

perairan tesebut seperti kandungan TSM, klorofil atau bisa juga karena

banyaknya penghalang-penghalang kecil seperti perahu nelayan yang dapat

menginterferensi pantulan gelombang elektromagnetik. Kedalaman maksimal

yang mampu dideteksi oleh algoritma V-S (1991) dengan Landsat 8 adalah

29.3 meter.

3. Estimasi nilai kedalaman perairan dangkal optis (25 m) dapat dikatakan buruk

dengan koefisien korelasi R2 0.16 karena faktor keterbatasan Algoritma

Transformasi Rotasi yang kurang bisa mendeteksi kedalaman perairan lebih

dari 25 meter. Sedangkan secara keseluruhan estimasi kedalaman laut di

perairan Asem Bagus dapat dikatakan cukup bagus dengan nilai R2 0.63.

50

5.2 Saran

Berdasarkan hasil kesimpulan tersebut terdapat saran guna perbaikan

penelitian ini dan penelitian selanjutnya. Diantaranya adalah sebagai berikut :

1. Untuk estimasi nilai batimetri lebih baik menggunakan data citra satelit yang

mempunyai resolusi spasial lebih tinggi agar hasil yang didapat tetap halus

walau hanya dalam lingkup area yang kecil.

2. Untuk pengukuran kedalaman insitu menggunakan echosounder sebaiknya

diusahakan dapat mencakup seluruh area yang dikehendaki agar hasil

interpolasi data kedalaman lebih realistis.

51

DAFTAR PUSTAKA

Aden, L.Y., 2016. Pemetaan Batimetri Sebagai Informasi Dasar Penempatan Fish Apartement di Periran Asembagus Kabupaten Situbondo. Skripsi Program Studi Ilmu Kelautan FPIK UB

Arief, M., Hastuti, M., Asriningrum, W., Parwati, E., Budiman, S., Prayogo, T., Hamzah, R., 2013. Pengembangan Metode Pendugaan Kedalaman Perairan Dangkal Menggunakan Data Satelit SPOT-4, Studi Kasus: Teluk Ratai, Kabupaten Pesawaran. J. Penginderaan Jauh. Vol.10 No.1

Childs, J., 2013. Landsat 8 Band Specifications. Alamat Situs: http://www.pancroma.com/. Diakses tanggal 22 September 2013

Deborah, R.S., 1983. Application of remote sensing to the study of coastal physical processes and marine resource mapping. California: IEEE

Jonathan, S., 2006. Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta: Graha Ilmu

Jupp, D.L., 1988. Background and extensions to depth of penetration (DOP) mapping in shallow coastal waters. Proceedings of the Symposium on Remote Sensing of the Coastal Zone. Gold Coast, Queensland

Lillesand, T.M., Kiefer, R.W., 1990. Remote Sensing and Image Interpretation. Madison: John Wiley & Sons Inc.

Lutfi, W.B.A., 2014. Analisis Perbandingan Algoritma Citra Satelit Landsat-8 Untuk Mengetahui Konsentrasi dan Pola Sebaran Total Suspended Matter (TSM) Pada Kawasan Teluk Pacitan, Jawa Timur. Skripsi Program Studi Ilmu Kelautan FPIK UB

NASA, 2014. NASA-USGS Landsat 8 Satellite Celebrates First Year of Success. Alamat Situs: https://www.nasa.gov/content/goddard/nasa-usgs-landsat-8-satellite-celebrates-first-year-of-success/. Diakses tanggal 25 Desember 2014

Nugraha, A.R., Saputro, S., Purwanto, 2013. Pemetaan Batimetri dan Analisis Pasang Surut untuk Menentukan Elevasi Lantai dan Panjang Dermaga 136 di Muara Sungai Mahakam, Sanga-Sanga, Kalimantan Timur. J. Semesta Teknika Vol.16. No.1, 21-30

Prahasta, E., 2001. Konsep-konsep Dasar Sistem Informasi Geografis. Bandung: CV. Informatika

Setiawan, K.T., Osawa, T., Nuarsa, I.W., 2014. Aplikasi Algoritma Van Hengel dan Spitzer untuk Ekstraksi Informasi Batimetri Menggunakan Data Landsat. Seminar Nasional Penginderaan Jauh, 222 – 230

Sitanggang, G., 2010. Kajian Pemanfaatan Satelit Masa Depan: Sistem Penginderaan Jauh Satelit LDCM (Landsat-8). Berita Dirgantara Vol.11. No. 2, 47-58

52

USGS, 2013. How do Landsat 8 band combinations differ from Landsat 7 or Landsat 5 satellite data?. Alamat Situs: https://landsat.usgs.gov/how-do-landsat-8-band-combinations-differ-landsat-7-or-landsat-5-satellite-data. Diakses pada tanggal 24 Juni 2014

Van Hengel, W., Spitzer, D., 1991. Multi-temporal Water Depth Mapping by Means of Landsat TM. Int. J. Remote Sensing 12, 703-712

Wahyuningrum, P.I., Jaya, I., Simbolon, D., 2008. Algoritma untuk Estimasi Kedalaman Perairan Dangkal Menggunakan Data Landsat-7 ETM+ (Studi Kasus: Perairan Gugus Pulau Pari, Kepulauan Seribu, Jakarta). Buletin PSP. Vol.XVII. No. 3

Wicaksono, P., 2015. Perbandingan Akurasi Metode Band Tunggal dan Band Rasio untuk Pemetaan Batimetri pada Laut Dangkal Optis. Simposium Nasional Sains Geoinformasi IV

Bagian Depan.pdfBAB I.pdfBAB II.pdfBAB III.pdfBAB IV.pdfBAB V.pdfDaftar Pustaka (1).pdf

penerapan algoritma van hengel dan spitzer untuk …repository.ub.ac.id/6482/1/fiqri al...

Documents