ANALISIS KEMAMPUAN CITRA SATELIT PLEIADES-1B DALAM MENGESTIMASI KEDALAMAN PERAIRAN GILI IYANG DENGAN MENERAPKAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR)

Lalu Muhamad Jaelani, Kristina Putri

Abstract


Untuk menyediakan sebuah peta batimetri yang dapat dipercaya, pada umumnya menggunakan echosounder dalam aktivitas survei bathimetri. Teknologi tersebut memerlukan biaya yang cukup besar dan pengolahan data yang rumit, terlebih lagi kendala akses kapal pada area perairan dangkal dan susah dijangkau. Untuk menyelesaikan masalah tersebut, Satellite Derived Bathymetry, sebuah teknologi pemetaan yang memperoleh data bathimetri dari citra satelit multispektral resolusi tinggi diterapkan. Pada penelitian ini, data satelit Pleiades-1B digunakan untuk mengestimasi kedalaman melalui algoritma kedalaman Van Hengel & Spitzer dengan terlebih dahulu membangun geographically weighted regression (GWR) dan teknik interpolasi spasial Inverse Distance Weighted. Pada tahap pre-prosesing, diterapkan koreksi atmosfer 6SV. Hasil dari proses tersebut digunakan sebagai masukan dalam algoritma VHS untuk mengestimasi kedalaman relatif. Kedalaman absolut diperoleh dengan membangun GWR dari data insitu dan kedalaman relatif. Kedalaman absolut estimasi kemudian divalidasi menggunakan data insitu. Hasil validasi menunjukkan bahwa nilai NMAE yang diterima sebesar 27.49% dengan 2.46 RMSE. Berdasarkan statistik bias, dari 2.090 m batas toleransi, kedalaman absolut optimum yang dihasilkan data Pleiades-1B adalah pada rentang 6 – 16 m. Tingginya resolusi spasial dari Pleiades-1B serta penerapan GWR dan IDW didapatkan sebuah keuntungan besar dalam penyediaan informasi kedalaman khususnya pada kedalaman 6 – 16 m.

Keywords


GWR; IDW; Pleiades-1B; Satellite Derived Bathymetry; Batimetri perairan dangkal

Full Text:

PDF

References


BIG. (2017). Jumlah Pulau Indonesia Sebanyak 16,056 Pulau Masih Bisa Bertambah Lagi. Diambil 5 Februari 2018, dari http://www.big.go.id/berita-surta/show/jumlah-pulau-indonesia-sebanyak-16-056-pulau-masih-bisa-bertambah-lagi

Fotheringham, A. S., Charlton, M. E., & Brundson, C. (2002). Geographically Weighted Regression : The Analysis of Spatially Varying Relationships. New York: Wiley.

Guenther, G. C., Thomas, R. W. L., & LaRocque, P. E. (1996). Design Considerations for Achieving High Accuracy with the SHOALS Bathymetry Lidar System. SPIE : Laser Remote Sensing of Natural Waters, from Theory to Practice, 26–37.

Hengel, W. V., & Spitzer, D. (1991). Multi-temporal Water Depth Mapping by Means of Landsat TM. International Journal of Remote Sensing, 12(4), 703–712.

Jaelani, L. M., Setiawan, F., & Matsushita, B. (2015). Uji Akurasi Produk Reflektan-Permukaan Landsat Menggunakan Data In situ di Danau Kasumigaura, Jepang. Pertemuan Ilmiah Tahunan Masyarakat Ahli Penginderaan Jauh Indoneisa, (February), 464–470. https://doi.org/10.13140/RG.2.1.1391.9446

Sager, W. (1998). Measuring the Depth. Quarterdeck Online Winter 1998 / Spring 1999, 1998.

Said, C. N. M., Mahmud, M. R., & Hasan, R. C. (2017). Satellite-Derived Bathymetry : Accuracy Assessment on Depths Derivation Algorithm for Shallow Water Area. ResearchGate, (October).




DOI: http://dx.doi.org/10.12962/j24423998.v14i2.3877

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.