ABSTRAKSI: Teknologi informasi berkembang dengan pesat dari waktu ke waktu. Dengan perkembangan teknologi tersebut menjadikan manusia terus berkreasi untuk menciptakan teknologi baru untuk mempermudah orang dalam mengakses informasi yang diinginkan dengan cepat. Salah satu teknologi yang bisa diangkat adalah tentang penginderaan jauh dalam bidang pengukuran kedalaman laut atau bathymetry. Pada awalnya pengukuran kedalaman laut dilakukan dengan sistem sounding atau menembakkan gelombang ultrasonik dari atas kapal ke dasar laut dan menangkapnya kembali, berdasarkan selang waktu peluncuran dan penerimaan gelombang akan didapat kedalaman laut pada suatu titik tertentu. Tetapi dalam melakukan cara tersebut dibutuhkan proses, biaya dan waktu yang tidak sedikit untuk mendapatkan informasi kedalaman yang diinginkan.Dengan masalah yang ada, dikembangkan dalam penelitian untuk dapat mengukur kedalaman laut dengan mengolah data citra multispectral dari satelit. Dari citra satelit tersebut akan didapatkan suatu informasi yang dapat digunakan sebagai acuan untuk dijadikan variabel yang akan digunakan dalam menentukan kedalaman laut. Dari variabel-variabel yang didapat dari pengolahan citra tersebut dapat digunakan untuk pembentukan model yang akan digunakan sebagai pemrediksi kedalaman laut.
Dalam penelitian ini data yang ada akan diolah dalam 2 tahapan yaitu preprocessing citra masukan dan prediksi kedalaman. Dalam tahapan preprocessing akan dilakukan pemrosesan citra sehingga dapat diolah pada tahapan selanjutnya. Untuk tahapan preprocessing citra masukan akan diambil data RGB dan kemudian akan disesuaikan dengan kedalaman berdasarkan letak piksel dan titik kedalaman. Setelah didapatkan komposisi warna RGB tersebut, kemudian diprediksikan menggunakan algoritma backpropagation Artificial Neural Network (ANN) dengan fungsi aktivasi sigmoid biner. Untuk pembentukan sistem, data diambil dari 2 tempat yang berbeda, untuk data citra sendiri diambil dari google map dan untuk data kedalaman diambil dari Hawaii University.
Artificial Neural Network Backpropagation memiliki kemampuan prediksi yang cukup baik pada kasus prediksi kedalaman laut, hal ini terbukti dengan kinerja sitem yang dibangun pada ANN dapat menghasilkan MAPE 7,87 % dan MSE 0,00255, jumlah hidden layer ada 3 ( layer 1 = 20 neuron, layer 2 = 15 neuron, layer 3= 25 neuron), epoch 2000 dan learning rate 0,001. Sehingga model yang sudah didapatkan layak digunakan untuk prediksi kedalaman laut.
Kata Kunci : Prediksi, Bathymetry, Preprocessing, Artificial Neural Network, Backpropagation, Mean Square Error (MSE), Mean Absolute Precentage Error(MAPE).ABSTRACT: Information technology is growing rapidly everytime. Bythese development of technology continues to cause people be more creative to create new technology to allow people for accessing the information what do you want quickly. One thing that could be raised is about the field of remote sensing measurements of ocean depth orin other words is bathymetry. At first measurements of ocean depth is soundings performed by the system or ultrasonic waves firing from the ship to the ocean floor and catch it again, based on the launch and acceptance interval will be obtained depths of the ocean waves at a certain point. But doing this way it takes much process, a lot costs, and substantial time to get the depth of information that desired. From these existing problems, developing in research to measure the depth of the sea using the data processing of multispectral satellite imagery. This satellite imagery will be obtained of any information that could be used as a variable that will be used in determining the depth of the sea. The variables obtained from the image processing can be used for model building to be used as a predictor of the depth of the sea.
In this research, the existing data will be processed in two stages, namely preprocessing input image and depth prediction. In the preprocessing stage of processing will be done so that the image can be processed at a later stage. For image preprocessing stages RGB data input will be taken and then be adjusted to the depth based on the location of pixels and the depth of the point. After obtained the RGB color composition, then predicted using algorithms backpropagation Artificial Neural Network (ANN) with binary sigmoid activation function. For the establishment of a system, data taken from two different places, for image data itself is taken from Google Map and depth to the data taken from the Hawaii University.
Artificial Neural Network Backpropagation has pretty good predictive ability in the case of sea depth prediction, it is proved by the performance of the ANN built by system that can generate MAPE 7.87% and MSE 0.00255, there are number of hidden layer 3 ( layer 1 = 20 neurons, 2 = 15 neurons layer, layer 3 = 25 neurons ), epoch 2000 and learning rate of 0.001. So that the model that has been used for the prediction obtained viable ocean depths .
Keyword: Prediksi, Bathymetry, Preprocessing, Artificial Neural Network,Backpropagation, Mean Square Error (MSE),Mean Absolute Error precentage (MAPE).