digilib@itb.ac.id +62 812 2508 8800

REKONSTRUKSI DATA SUHU PERMUKAAN LAUT DI PERAIRAN WILAYAH PENGELOLAAN PERIKANAN NEGARA REPUBLIK INDONESIA (WPPNRI) 713 PADA PERIODE TAHUN 2003-2021 DENGAN MACHINE LEARNING

Penulis : Rheno Armand Wicaksono [12918023]
Kontributor / Dosen Pembimbing :
  • Dr. Susanna, S.Si., M.T.
Jenis Koleksi : Tugas Akhir
Penerbit : Oseanografi
Fakultas : Fakultas Ilmu dan Teknologi Kebumian
Subjek : Geology, hydrology & meteorology
Kata Kunci : Backpropagation neural network, machine learning, rekonstruksi data, Suhu Permukaan Laut (SPL), WPPNRI 713.
Sumber : FITB
Staf Input/Edit : Rita Nurainni, S.I.Pus   Alice Diniarti
File : 1 file
Tanggal Input : 26 Mei 2023

ABSTRAK Rheno Armand Wicaksono
PUBLIC Rita Nurainni, S.I.Pus

Perairan WPPNRI 713 merupakan perairan yang memiliki dinamika perubahan suhu permukaan laut yang disebabkan adanya interaksi dengan Samudera Pasifik dan sekitarnya. Data suhu permukaan laut dapat diperoleh dengan pengukuran citra satelit namun terdapat kekurangan yaitu terdapat data yang hilang yang diakibatkan oleh tutupan awan. Dalam penelitian ini, digunakan metode machine learning untuk melakukan rekonstruksi data suhu permukaan laut menggunakan algoritma backpropagation neural network. Data yang digunakan dalam penelitian ini adalah data suhu permukaan laut yang ditangkap oleh citra satelit MODIS dengan resolusi spasial sebesar 4,63 km pada rentang tahun 2003 hingga 2021. Data terbagi menjadi test data (4 tahun) dan training data dengan pengujian model skenario A (variasi rentang training data) dan skenario B (variasi perlakuan terhadap missing data). Skenario A dilakukan dengan panjang training data untuk skenario A1 selama 15 tahun (2003-2017), skenario A2 selama 10 tahun (2007-2017) dan skenario A3 selama 5 tahun (2012-2017). Pengujian program dilakukan dengan cara single-step dan diperoleh nilai RMSE terkecil sebesar 0,7 oC untuk skenario A1 dibandingkan skenario yang lain. Kemudian, dilakukan rekonstruksi data suhu permukaan laut dengan skenario B dengan variasi perlakuan missing data dengan skenario B1 (missing data adalah data kosong), skenario B2 (missing data yang kosong diisi dengan nilai nol), dan skenario B3 (missing data yang kosong diisi dengan nilai rata-rata pada titik pengambilan data) dan skenario B4 (data yang kosong diisi dengan nilai rata-rata suhu permukaan laut di Indonesia). Diperoleh hasil yang akurat dalam skenario B3 dan skenario B4 dengan nilai korelasi sebesar r = 0,96 dan nilai RMSE sebesar 0,7 oC. Hasil menunjukkan pada Skenario merupakan skenario paling akurat dan lebih mudah diaplikasikan jika dibandingkan 2 skenario (skenario B1 dan skenario B2) lainnya dengan nilai RMSE berkisar 0,7 oC. Namun, terjadi penurunan korelasi sebesar 0,03 setiap terjadi peningkatan missing data sebesar 10%.

Artikel Terkait