Perpustakaan Digital ITB

Marine debris sudah menjadi isu global terkait dengan dampaknya yang besar terhadap ekosistem, manusia, ekonomi, estetika pantai, dan sebagainya. Melihat tingginya pencemaran marine debris dari waktu ke waktu, diperlukan penanganan yang tepat sasaran guna meminimalisir dampak yang ditimbulkan. Kemajuan teknologi pengindraan jauh memberikan solusi yang efektif untuk pemantauan lingkungan, termasuk pemantauan marine debris di wilayah pesisir. Pada penelitian ini dilakukan identifikasi marine debris yang dominan dengan menggunakan Unmanned Aerial Vehicle (UAV) dan transek langsung di Pesisir Laut Moi-Moi dan Pantai Junti. Pengambilan foto udara dilakukan masing-masing sebanyak 5 kali di waktu yang berbeda untuk melihat faktor-faktor yang mempengaruhi marine debris. Pengambilan di Pesisir Laut Moi-Moi dilakukan pada pukul 09:46, 09:56, 11:24, 11:48, dan 14:28, sedangkan di Pantai Junti pengambilan dilakukan pada pukul 09:08, 10:46, 11:10, 14:18, dan 14:59. Orthophoto yang diperoleh diambil dengan menggunakan UAV jenis DJI Phantom 4 Multispectral dan DJI Mavic Air 2S yang diterbangkan dengan ketinggian 50 m di Pesisir Laut Moi-Moi dan 35 m di Pantai Junti. Penelitian ini menggunakan metode Supervised Learning, yakni Object-Based Image Analysis (OBIA) dan Arsitektur U-Net. Training data yang digunakan untuk OBIA sebanyak 1.249 untuk pasir, 780 untuk plastik, dan 46 untuk kayu, sehingga total seluruh training data adalah sebanyak 2.075 data. OBIA menggunakan parameter skala 15, bentuk 0,1, dan kekompakan 0,9. Sedangkan UNet menggunakan 114 gambar berukuran 512x512 piksel. U-Net menggunakan parameter epoch 50, batch size 8, dan Adam Optimizers. Dari hasil transek langsung didapatkan bahwa sampah yang dominan di kedua pantai tersebut adalah sampah plastik dan kayu dengan persentase plastik sebesar 33,58% dan kayu sebesar 23,33% di Pesisir Laut Moi-Moi, sedangkan di Pantai Junti persentase plastik sebesar 39,80% dan kayu sebesar 46,59%. Sehingga pada proses klasifikasi ditentukan 3 kelas yaitu kayu, pasir, dan plastik. Metode OBIA menggunakan hasil klasifikasi tersebut untuk mengidentifikasi jenis marine debris dan menghasilkan nilai akurasi tertinggi sebesar 0,97. Sedangkan U-Net diperoleh nilai akhir untuk loss sebesar 0,48, validation loss sebesar 0,50, nilai akurasi sebesar 0,97 dan akurasi validasi sebesar 0,96. Terdapat resolusi dan akurasi yang berbeda-beda tiap orthophoto menghasilkan luasan tutupan yang diperoleh berbeda-beda. Berdasarkan 5 kali pengambilan foto udara di Pesisir Laut Moi-Moi dan Pantai ii Junti, dapat disimpulkan bahwa marine debris yang berada di zona intertidal terpengaruh oleh swash dan backwash. Hal ini berdasarkan penampakan marine debris yang bertambah, berkurang atau berpindah tempat pada setiap orthophoto yang dihasilkan.