24
4. HASIL DAN PEMBAHASAN
4.1. Pengembangan Model Estimasi TSS
Hasil pengembangan model estimasi TSS di Teluk Jakarta menggunakan beberapa persamaan regresi, yaitu eksponensial, linear, logaritmik, polynomial
orde 2, polynomial orde 3, dan power untuk nilai radiansi rasio antar kanal merah dan biru K1K3, rasio kanal merah dan hijau K1K4, serta rasio kanal biru dan
hijau K3K4 disajikan dalam Tabel 5, sedangkan transformasi radiansi kromatisiti kanal biru K3K1+K3+K4, radiansi kromatisiti kanal hijau K4
K1+K3+K4 dan radiansi kromatisiti kanal merah K1 K1+K3+K4 disajikan
pada Tabel 6. Dari Tabel 5 terlihat bahwa persamaan logaritmik rasio antara kanal merah
terhadap hijau K1K4 , yaitu :
TSS mgl = 6.332lnK1K4 + 92.55 .................................................... Pers. 4
adalah merupakan model pendugaan TSS yang terbaik dari kelompok transformasi rasio dengan nilai R
2
tertinggi 0.547 dan RMS error yang rendah 0.021. Dari Tabel 6 terlihat pula bahwa persamaan regresi linier radiansi
kromatisiti kanal merah K1 K3+K4+K1 dengan persamaan, yakni:
TSS mgl = 44.06 K1 K1+K3+K4 + 80.26
…………..……….. Pers. 5 merupakan model pendugaan TSS yang terbaik dari kelompok transformasi
kromatisiti dengan nilai R
2
termasuk yang tertinggi 0.594 dan RMS error yang rendah 0.019, selain itu model tersebut memiliki nilai bias cukup rendah yang
dapat dibuktikan dengan uji residual analisis Gambar 8.
Tabel 5. Model algoritma pendugaan TSS menggunakan transformasi rasio antar kanal dari berbagai persamaan regresi Model yang dicetak tebal adalah
yang terbaik dari seluruh model Rasio
Persamaan Model Hubungan
R² RMS
error Kanal
K1K3 Eksponensial
y = 84.60e
0.143x
0.503 0.3546 Linear
y = 13.51x + 84.17
0.505 0.0143 Logaritmik
y = 9.541lnx + 97.44
0.519 0.0018 Polynomial orde 2 y = -6.351x
2
+ 23.09x + 80.83 0.512 0.0317
Polynomial orde 3 y = 74.56x
3
- 182.4x
2
+ 153.3x + 50.95 0.545 0.0189
Power y
= 97.42x
0.101
0.52 0.0911
K1K4 Eksponensial
y = 87.64e
0.049x
0.525 0.5723 Linear
y = 4.679x + 87.49
0.526 0.0169
Logaritmik y
= 6.332lnx + 92.55 0.547 0.0206
Polynomial orde 2 y = -1.675x
2
+ 9.767x + 84.28 0.545 0.0182
Polynomial orde 3 y = -0.875x
3
+ 2.309x
2
+ 4.316x + 86.47 0.547 0.0289
Power y
= 92.48x
0.067
0.548 0.2097
K3K4 Eksponensial
y = 88.78e
0.029x
0.179 0.6568 Linear
y = 2.765x + 88.72
0.178 0.0360 Logaritmik
y = 5.673lnx + 90.60
0.181 0.0158 Polynomial orde 2 y = -0.831x
2
+ 6.441x + 85.05 0.187 0.0317
Polynomial orde 3 y = -2.857x
3
+ 18.53x
2
- 34.37x + 111.8 0.213 0.2045
Power y
= 90.58x
0.060
0.181 0.3826 Keterangan : y = konsentrasi TSS dugaan
x = transformasi rasio antar kanal
Tabel 6. Model algoritma pendugaan TSS menggunakan transformasi kromatisiti dari berbagai persamaan regresi Model yang dicetak tebal adalah yang
terbaik dari seluruh model Rasio
Persamaan Model Hubungan
R² RMS
error Kanal
K3 Eksponensial
y = 107.5e
-0.31x
0.108 0.3556 Linear
y = -29.14x + 106.7
0.108 0.0371 Logaritmik
y = -12.9lnx + 83.17
0.113 0.2500 K1+K3+K4 Polynomial orde 2
y = 324.1x
2
- 313.7x + 168.5 0.129 0.1406
Polynomial orde 3 y
= -8091x
3
+ 10905x
2
- 4897x + 826.3 0.155 0.7400
Power y
= 83.70x
-0.13
0.112 2.8766
K4 Eksponensial
y = 104.4e
-0.42x
0.391 0.3546 Linear
y = -40.05x + 103.9
0.391 0.0143 Logaritmik
y = -9.51lnx + 80.48
0.387 0.0018 K1+K3+K4 Polynomial orde 2
y = 43.62x
2
- 61.90x + 106.5 0.392 0.0317
Polynomial orde 3 y
= 2193x
3
- 1557x
2
+ 3119x + 78.7 0.402 0.0189
Power y
= 81.33x
-0.10
0.387 0.0911
K1 Eksponensial
y = 81.14e
0.468x
0.594 0.2761
Linear y
= 44.06x + 80.26 0.594
0.0193
Logaritmik y
= 12.86lnx + 109.3 0.587
0.0908 K1+K3+K4 Polynomial orde 2
y = 14.30x
2
+ 35.29x + 81.53 0.595
0.1781 Polynomial orde 3
y = 2917x
3
- 2692x
2
+ 844.4x + 4.028 0.630
0.2956 Power
y = 110.5x
0.137
0.589 0.3893
Keterangan : y = konsentrasi TSS dugaan x = kromatisiti radiansi kanal
Dari kedua Tabel Tabel 5 dan 6 dan Persamaan tersebut Pers. 4 dan 5, maka Persamaan 5 yang terdapat pada Tabel 6 dipilih sebagai model atau algoritma
akhir pendugaan TSS untuk perairan Teluk Jakarta menggunakan sensor MODIS dengan x merupakan transformasi kromatisiti kanal merah.
Nilai R
2
yang tidak terlalu tinggi dikarenakan tidak banyaknya nilai konsentrasi TSS insitu yang digunakan. Hal tersebut akibat banyaknya daerah
pengambilan data yang tertutp awan sehingga nilai radiansi yang dihasilkan tidak relevan. Uji analisis lanjutan estimasi konsentrasi TSS akan divalidasi dengan uji-
uji statistik.
Plot hubungan antara nilai transformasi kromatisiti radiansi kanal merah dengan TSS ditunjukkan pada Gambar 5. Penggunaan transformasi kromatisiti
radiansi
kanal merah karena nilai transformasi kromatisiti
radiansi
kanal merah terhadap data TSS in situ menunjukkan korelasi yang paling tinggi berdasarkan
pada Tabel 6 dengan model algoritma yang bercetak tebal. Pada Gambar 5 terdapat hanya 15 data insitu yang digunakan untuk membuat model yang
digunakan. Sedikitnya data yang digunakan karena cukup banyak stasiun pengambilan data insitu lainnya tertutup awan, sehingga data tidak terpakai harus
dibuang.
Gambar 5. Plot hubungan antara kromatisiti
radiansi
kanal merah dengan TSS. Dari Gambar 5 diatas dapat diketahui bahwa semakin tinggi nilai radiansi
kromatisiti kanal merah, maka semakin tinggi pula nilai TSS-nya. Hal tersebut ditandai dengan nilai positif slope dari model persamaan regresi linear yang
dihasilkan. Energi pada panjang gelombang 0.60 m - 0.70 m kanal merah dapat menembus hingga kedalaman 3 m di perairan jernih. Teluk Jakarta
termasuk dalam perairan kasus II, yaitu perairan yang didominasi oleh TSS baik
y = 44.06x + 80.26 R² = 0.594
n = 15
86 88
90 92
94 96
98 100
102
0.1 0.2
0.3 0.4
0.5 T
S S
m g
l
K1K1+K3+K4
material organik yellow substance, maupun material anorganik sedimen, dimana meningkatnya nilai reflektansi atau radians akan sejalan dengan
meningkatnya konsentrasi TSS Robinson, 1985.
4.2. Analisis TSS Perairan Teluk jakarta