Penggunaan model yang sesuai untuk pendugaan konsentrasi TSS pada musim hujan menggunakan persamaan regresi regresi model polynomial orde 3 dengan
persamaan y = 24197x
3
- 22050x
2
+ 6813x - 664.98 Tabel 8. Persamaan regresi model polynomial orde 3 memiliki koefisien determinasi R
2
tertinggi dan nilai RMS error terkecil masing-masing adalah 0.8446 dan 2.5397. Nilai RMS error
yang diperoleh lebih baik dibandingkan dengan nilai RMS error pada pendugaan konsentrasi TSS perairan di musim kemarau. Untuk analisis lanjutan, model
pendugaan konsentrasi TSS pada musim kemarau maupun hujan akan di validasi oleh pengujian statistik
Tabel 8. Algoritma Pendugaan TSS pada Musim Hujan November - April
No. Model Hubungan
Pengujian R
2
RMS error 1
Linear : y = 186.1x - 7.9925
0.8027 2.8609
2 Logaritmik :
y = 58.614lnx + 118.61 0.7857
2.9815 3
Eksponensial : y = 16.42e
3.5496x
0.8025 2.7544
4 Polynomial orde 2 :
y = 1068.7x
2
- 499.86x + 101.01 0.8308
16.3507 5
Polynomial orde 3 : y = 24197x
3
- 22050x
2
+ 6813x - 664.98 0.8446
2.5397 6
Power : y = 184.47x
1.1216
0.7907 2.8554
Keterangan: y = data in situ konsentrasi TSS x = reflektansi kromatisiti kanal biru
4.2 Pengembangan Model Pendugaan Transparansi Perairan
Transparansi perairan pada musim kemarau dan hujan menggunakan citra satelit Landsat pada tahun 2004-2009 beserta data in situ pada tahun 2004-2006
untuk musim kemarau, sedangkan untuk musim hujan data in situ transparansi perairan hanya ada tahun 2004-2005.
Model yang dicobakan pada masing-masing musim terdiri dari enam persamaan regresi, yaitu model linear, logaritmik, eksponensial, polynomial orde
2, polynomial orde 3, dan power. Persamaan regresi yang tebentuk pada musim kemarau dan hujan diperoleh dari transformasi kromatisiti kanal biru. Penggunaan
transformasi kromatisiti kanal biru didasarkan pada pola sebaran antara nilai reflektansi transformasi kromatisiti kanal biru terhadap transparansi in situ
perairan menunjukkan hubungan yang paling tinggi. Sebelumnya telah di uji pula menggunakan hubungan antara transparansi in situ perairan dengan nilai
reflektansi kanal tunggal, rasio antar kanal, dan kromatisiti kanal merah dan hijau. Energi pada panjang gelombang kanal biru 0.45 µm - 0.52 µm memiliki
kemampuan penetrasi yang maksimal jika dibandingkan dengan energi panjang gelombang pada kanal lain dan akan semakin menurun dengan semakin
meningkatnya kekeruhan suatu perairan. Pada band 2 atau kanal hijau 0.52 µm - 0.60 µm tubuh air memantulkan tenaga elektromagnetik yang tinggi, sehingga
mengakibatkan nilai piksel pada data digital citra Landsat menjadi tinggi. Sedangkan pada kanal merah dengan panjang gelombang 0.60 µm
– 0.70 µm energinya dapat menembus perairan jernih sedalam 3 m.
Pada Tabel 9 terlihat bahwa persamaan regresi model power memiliki koefisien determinasi R
2
yang tertinggi yaitu 0.8807 dengan nilai RMS error terkecil yaitu 0.7095. Kemudian model eksponensial memiliki nilai R
2
yang cukup tinggi dibawah model power yaitu 0.8760 dengan nilai RMS error sebesar 0.7637,
dan seterusnya untuk model-model yang lain. Dengan demikian, maka model power yaitu y = 85.63x
2.905
merupakan model yang terbaik untuk menduga nilai transparansi perairan di Teluk Jakarta pada periode musim kemarau.
Tabel 9. Algoritma Pendugaan Transparansi Perairan pada Musim Kemarau Mei - Oktober
No. Model Hubungan
Pengujian R
2
RMS error 1
Linear: y = 35.21x - 8.014
0.8514 0.7158
2 Logaritmik:
y = 12.22lnx + 17.26 0.8353
0.7535 3
Eksponensial: y = 0.218e
8.266x
0.8760 0.7637
4 Polynomial orde 2:
y = 59.41x
2
- 7.105x - 0.616 0.8580
0.6996 5
Polynomial orde 3: y = -1297x
3
+ 1479x
2
- 518.4x + 59.87 0.8668
0.6804 6
Power: y = 85.63x
2.905
0.8807 0.7095
Keterangan: y = data in situ transparansi perairan x = reflektansi kromatisiti kanal biru
Model dugaan transparansi perairan untuk musim hujan terlihat pada Tabel 10. Persamaan regresi model polynomial orde 2 memiliki koefisien determinasi R
2
sebesar 0.8591 dengan nilai RMS error sebesar 1.1356. Model regresi polynomial orde 3 memiliki nilai R
2
tertinggi yaitu sebesar 0.8593 dengan nilai RMS error sebesar 1.1362, dan seterusnya untuk model-model yang lain.
Persamaan regresi polynomial orde 2 dan polynomial orde 3 sama-sama memiliki kelebihan, dimana polynomial orde 2 memiliki nilai RMS error tertinggi
dan polynomial orde 3 memiliki nilai R
2
tertinggi. Perbedaan keduanya tidak terlalu signifikan, tetapi dilihat melalui plot hubungan antara nilai reflektansi
transformasi kromatisiti kanal biru terhadap transparansi in situ perairan Gambar 9 terlihat bahwa grafik hubungan dari model polynomial orde 2 lebih baik
daripada regresi polynomial orde 3. Dengan demikian, maka model polynomial orde 2 dengan persamaan y = 378.2x
2
- 137.7x + 9.688 merupakan model yang terbaik untuk menduga nilai transparansi perairan di Teluk Jakarta untuk musim
hujan. Seperti halnya dengan algoritma pendugaan konsentrasi TSS, model pendugaan transparansi perairan pada musim kemarau maupun hujan akan di
validasi oleh pengujian statistik yang dijelaskan pada sub bab berikutnya.
Tabel 10. Algoritma Pendugaan Transparansi Perairan pada Musim Hujan November
– April No.
Model Hubungan Pengujian
R
2
RMS error 1
Linear: y = 110.6x - 30.80
0.8525 1.1619
2 Logaritmik:
y = 35.97lnx + 45.68 0.8454
1.1895 3
Eksponensial: y = 0.001e
25.18x
0.7605 1.4927
4 Polynomial orde 2:
y = 378.2x
2
- 137.7x + 9.688 0.8591
1.1356 5
Polynomial orde 3: y = 2220x
3
– 1814.x
2
+ 581.2x - 68.56 0.8593
1.1362 6
Power: y = 47829x
8.299
0.7742 1.4004
Keterangan: y = data in situ transparansi perairan x = reflektansi kromatisiti kanal biru
Model pendugaan transparansi perairan pada musim kemarau dan hujan diperoleh melalui plot hubungan antara nilai reflektansi transformasi kromatisiti
kanal biru dengan transparansi perairan in situ Gambar 9. Pada musim kemarau terdapat 96 data transparansi perairan in situ yang dihubungkan dengan nilai
reflektansi transformasi kromatisiti kanal biru Gambar 9a, sedangkan pada musim hujan hanya terdapat 37 data transparansi perairan in situ yang
dihubungkan dengan nilai reflektansi transformasi kromatisiti kanal biru Gambar 9b. Hal tersebut karena pengambilan data di lapangan dan data satelit lebih
banyak dilakukan pada bulan-bulan musim kemarau sesuai kondisi cuaca yang
memungkinkan dalam pengambilan data in situ, dan data satelit pada musim kemarau tidak banyak dipengaruhi oleh tutupan awan.
a b
Gambar 9. Hubungan antara Kromatisiti Kanal Biru dengan Transparansi in situ Perairan pada Musim Kemarau a dan Musim Hujan b
4.3 Pengujian dan Validasi Data
