ARDIANSYAH, BAYU (2025) Aplikasi Machine Learning Untuk Peningkatan Akurasi Batimetri dari Citra Satelit. Skripsi thesis, Universitas Jenderal Soedirman.
![[img]](http://repository.unsoed.ac.id/style/images/fileicons/other.png) |
PDF (Cover)
COVER-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Download (147kB) |
|
PDF (Legalitas)
LEGALITAS-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Restricted to Repository staff only Download (448kB) |
|
PDF (Abstrak)
ABSTRAK-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Download (142kB) |
|
PDF (BabI)
BAB-I-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Restricted to Repository staff only until 22 August 2026. Download (171kB) |
|
PDF (BabII)
BAB-II-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Restricted to Repository staff only until 22 August 2026. Download (220kB) |
|
PDF (BabIII)
BAB-III-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Restricted to Repository staff only until 22 August 2026. Download (452kB) |
|
PDF (BabIV)
BAB-IV-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Restricted to Repository staff only Download (658kB) |
|
PDF (BabV)
BAB-V-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Download (157kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Download (155kB) |
|
PDF (Lampiran)
LAMPIRAN-Bayu Ardiansyah-L1C021035-Skripsi-2025.pdf Restricted to Repository staff only Download (799kB) |
Abstract
Pemetaan batimetri merupakan aspek penting dalam pengelolaan sumber daya kelautan. Metode In-situ seperti survei sonar memiliki keterbatasan dalam hal biaya dan cakupan area, sehingga pendekatan alternatif melalui penginderaan jauh berbasis citra satelit menjadi solusi yang efisien. Penelitian ini bertujuan untuk meningkatkan akurasi estimasi batimetri menggunakan algoritma machine learning, yaitu Random Forest (RF) dan Support Vector Machine (SVM), berbasis citra Sentinel-2A. Lokasi penelitian berada di perairan Kepulauan Obi, Halmahera Selatan. Hasil prediksi kedalaman kemudian divalidasi menggunakan data in-situ dan diuji menggunakan metrik MAE, RMSE, dan R². Hasil menunjukkan bahwa algoritma Random Forest memberikan akurasi terbaik dengan nilai MAE 1.1704, RMSE 1.5976, dan R² sebesar 0.8092. Algoritma SVM juga menunjukkan performa yang baik namun masih berada di bawah RF. Dibandingkan dengan algoritma Lyzenga, metode machine learning terbukti lebih unggul dalam menangkap hubungan non-linear antara nilai reflektansi dan kedalaman perairan. Penelitian ini membuktikan bahwa integrasi citra satelit dengan machine learning mampu meningkatkan kualitas pemetaan batimetri secara signifikan dan efisien.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Nomor Inventaris: | L25174 |
| Uncontrolled Keywords: | Batimetri, Machine Learning, Citra Satelit, Random Forest, Support Vector Machine |
| Subjects: | I > I32 Image processing software |
| Divisions: | Fakultas Perikanan dan Ilmu Kelautan > S1 Ilmu Kelautan |
| Depositing User: | Mr Bayu Ardiansyah |
| Date Deposited: | 22 Aug 2025 07:29 |
| Last Modified: | 22 Aug 2025 07:29 |
| URI: | http://repository.unsoed.ac.id/id/eprint/36586 |
Actions (login required)
 |
View Item |