Estimasi Konsentrasi Klorofil-a menggunakan Refined Neural Network (Studi Kasus: Perairan Danau Kasumigaura)

Abstrak

Klorofil-a menjadi salah satu bagian penting dalam merepresentasikan tingkat kesahatan suatu perairan. Beberapa peneliti menggunakan metode neural network untuk mengestimasi konsentrasi klorofil-a di wilayah perairan. Namun, dikarenakan oleh tidak mumpuninya jumlah sampel data pada beberapa stasiun, keakuratan hasil estimasi menjadi kurang dapat dipercaya. Inverse distance weighting (IDW) akan digunakan dalam penelitian untuk menginterpolasi konsentrasi klorofil-a di wilayah perairan non stasiun sehingga dapat memperkaya data sampel. Data sampel non stasiun ini selanjutnya digunakan dalam proses training pada neural network; dan selanjutnya, data sampel pada stasiun akan digunakan dalam proses network refinement sehingga tingkat akurasi dalam mengestimasi konsentrasi klorofil-a menjadi meningkat. Citra MERIS akan digunakan dalam penelitian ini. Berdasarkan hasil analisa statistik, nilai RMSE sebelum dan sesudah network refinement menurun dari 6,7872 mg m^-3 menjadi 6,5606 mg m^-3.