PENGGUNAAN PEMBELAJARAN MESIN UNTUK KLASIFIKASI SEDIMEN DASAR LAUT BERDASARKAN DATA PENGUKURAN MULTIBEAM ECHOSOUNDER (Studi Kasus : Pelabuhan Tanjung Benoa, Bali)

Marinda, Refi (2026) PENGGUNAAN PEMBELAJARAN MESIN UNTUK KLASIFIKASI SEDIMEN DASAR LAUT BERDASARKAN DATA PENGUKURAN MULTIBEAM ECHOSOUNDER (Studi Kasus : Pelabuhan Tanjung Benoa, Bali). Skripsi thesis, ITN MALANG.

[img] Text
BAGIAN AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img] Text
BAB 1.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (86kB)
[img] Text
BAB 2.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (359kB) | Request a copy
[img] Text
BAB 3.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (817kB) | Request a copy
[img] Text
BAB 4.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (375kB) | Request a copy
[img] Text
BAB 5.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (8kB) | Request a copy
[img] Text
DAFTAR PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (73kB)
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (805kB) | Request a copy

Abstract

Informasi karakteristik sedimen dan dinamika volume dasar laut sangat penting dalam survei hidrografi serta pengelolaan wilayah pesisir. Penelitian ini bertujuan mengklasifikasikan sedimen dasar laut menggunakan Machine Learning berbasis data backscatter Multibeam Echosounder (MBES) MC100 dan menghitung selisih volume batimetri (MC50 vs MC100) di Pelabuhan Tanjung Benoa, Bali. Pengolahan awal menggunakan perangkat lunak FMGT menghasilkan mosaik backscatter dan 13 parameter Angular Range Analysis (ARA). Validasi model menggunakan 41 titik grab sample (lumpur, batu, pasir) dengan skema pembagian 70% data latih dan 30% data uji. Dari 33 algoritma yang diuji pada MATLAB Classification Learner, metode Fine K-Nearest Neighbor (FKNN) menunjukkan performa terbaik dengan akurasi pelatihan 96,60% dan validasi pengujian 84,62%, mengungguli Bagged Tree (82,76% dan 75,00%). Pemetaan spasial pada area ±13,5 ha didominasi oleh lumpur (87,02%), batu (12,14%), dan pasir (0,84%). Sementara itu, analisis volume Surface to Surface (DTM to DTM) pada TeraModel menghasilkan Cut Volume sebesar 824.546,80 m³, Fill Volume 667,70 m³, dan selisih bersih (Net Difference) 823.879,10 m³ (status WASTE), yang menunjukkan dominasi pengurangan elevasi dasar laut.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Refi Marinda (2225026)
Subjects: Engineering > Geodesy Engineering
Divisions: Fakultas teknik Sipil dan Perencanaan > Teknik Geodesi S1 > Teknik Geodesi S1(Skripsi)
Depositing User: REFI MARINDA REFI MARINDA
Date Deposited: 26 Oct 2026 07:13
Last Modified: 26 Oct 2026 07:13
URI: http://eprints.itn.ac.id/id/eprint/16789

Actions (login required)

View Item View Item