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

PEMODELAN INTRUSI DAN SALINITAS TANAH BERBASIS MACHINE LEARNING DENGAN DATA GEOSPASIAL, PEDOLOGI, DAN METEOROLOGI DI PESISIR INDRAMAYU DAN LAMPUNG TIMUR

118 views
Save At List
Penulis : Mochamad Firman Ghazali [32422302]
Kontributor / Dosen Pembimbing :
  • Prof. Ir. Ketut Wikantika, M.Eng., Ph.D.
  • Prof. Dr.Eng. Ir. Asep Saepuloh, S.T., M.Eng.
  • Prof. Dr.rer.nat. Mutiara Rachmat Putri, S.Si., M.Si.
Jenis Koleksi : Disertasi
Tahun Terbit : 2026
Penerbit : Sains Kebumian
Fakultas : Fakultas Ilmu dan Teknologi Kebumian
Subjek : Geology, hydrology & meteorology
Kata Kunci : salinitas tanah, landsat data, mangrove, soil band ratio, random forest, spatio-temporal, multi sensor data, regresi, oseanografi, korelasi Pearson.
Sumber :
Staf Input/Edit : Rita Nurainni, S.I.Pus  
File : 1 file
Tanggal Input : 15 Jan 2026

ABSTRAK Mochamad Firman Ghazali
PUBLIC Open In Flipbook Rita Nurainni, S.I.Pus

Deteksi salinitas tanah menggunakan data citra satelit perlu dilakukan untuk melihat adanya kerusakan ekosistem pesisir. Investigasi secara spasio-temporal perlu dilakukan, karena distribusi dan tingkat paparannya akan bervariasi di banyak tempat. Penelitian ini bertujuan memetakan salinitas tanah melalui pemodelan berbasis machine learning menggunakan Landsat 8/9 operational land imager and thermal infrared sensor (OLI-TIRS), Landsat 7 enhanced thematic mapper plus (ETM+), Landsat 5 thematic mapper (TM), Sentinel 1 synthetic aperture radar (SAR), dan Sentinel 2 multispectral imager (MSI). Data tersebut digunakan untuk mendapatkan perubahan luas tutupan mangrove, area tanah kosong, dan tentunya salinitas pada kedalaman tanah 0-3 cm, 3-6 cm, dan 24 cm. Random forest classifier (RFC), random forest regressor (RFR), tasseled cap transformation (TCT), modified bare soil index (MBI), soil adjusted vegetation index (SAVI), normalized difference vegetation index (NDVI), soil band ratio (SBR), dan indeks spektral penting lainnya, serta backscatter (????????????????) dan local incidence angle (????) terlibat dalam keseluruhan proses. Parameter oseanografi dan meteorologi juga diperoleh dari Landsat 8/9 OLI-TIRS, seperti evapotranspirasi hasil analisis surface energy balance algorithm for land (SEBAL), sea surface salinity (SSS), sea surface temperature (SST), land surface temperature (LST) dan pasang surut (pasut) air laut diharapkan mampu menjelaskan karakteristik spatio-temporal salinitas tanah di Indramayu dan Lampung Timur yang berbatasan langsung dengan Laut Jawa. Hasil studi menunjukkan nilai salinitas tanah di permukaan tanah berkurang 27 %, ketika mangrove bertambah luas dari 345 hektar (ha) pada tahun 1990 menjadi 1586,2 ha pada tahun 2023. Namun, peningkatan salinitas tanah menjadi 50 %, terjadi pada waktu luas tanah kosong bertambah. Hasil prediksi RFR dari beragam citra satelit dapat mengkonfirmasi salinitas tanah pada kedalaman 0-3 cm < 3-6 cm < 25 cm, dengan akurasi di 0,25 %. Disamping itu, RFR dan Pearson menempatkan SSS, evapotranspirasi, dan tinggi pasut sebagai variabel terpenting dalam pendugaan salinitas tanah.

Artikel Terkait