67 akurasi hasil penilaian dapat dilihat dari komponen-komponen: Overall
accuracy OA, Producer Accuracy PA dan User Accuracy UA. Untuk meningkatkan akurasi data hubungannya dengan pola periodik
dapat dilakukan dengan menggunakan dataset lebih banyak yang mewakili pengamatan tiap musim atau pola-pola periodik lainnya. Perhitungan
masing-masing nilai perubahan akresierosi selanjutnya dapat dihitung berdasarkan pendekatan: Least Squares Regression, Weighted Least
Squares Regression, serta Supplemental Statistics for Least and Weighted Regression Thieler et al, 2005 ; Himmelstoss, 2009.. Dari berbagai
pendekatan tersebut akan diperoleh nilai akurasi, mencakup: Confidence Interval, Standard Error, dan R-squared
4.2 Variabel Resiko Kerentanan
Jenis input yang menjadi basisdata kerentanan pantai dalam penelitian ini merupakan jenis data variabel kerentanan dalam metode coastal vulnerability
index CVI yang dikelompokkan atas: variabel faktor geologi dan proses fisik Gornitz et al. 1997 ; Thieler Hammer-Klose, 2000 ; Pendleton et al. 2004A ;
2004B ; 2005.
4.2.1 Kelompok Variabel Faktor Geologi
4.2.1.1 Laju Perubahan Garis Pantai
Berdasarkan penandaan entitas tiap transek dengan tanda positif + untuk transek berentitas akresi dan tanda negatif - untuk transek berentitas erosi maka
petunjuk entitas perubahan seluruh posisi yang dominan dalam tiap shoreline grid diwakili oleh panjang tiap transek selanjutnya ditentukan sebagai jumlah
panjang seluruh transek berdasarkan tanda entitasnya masing-masing yang ada dalam tiap shoreline grid tersebut. Dari teknik ini diperoleh nilai yang mewakili
jumlah perubahan seluruh posisi garis pantai pada tiap shoreline grid dalam kurun waktu dari tahun 1991 hingga 2003.
Hasil analisis statistik rerata jarak perpindahanperubahan posisi tiap garis pantai meter yakni ditunjukkan sebagai rerata panjang jarak tiap transek menurut
masing-masing entitas akresierosi dari Tahun 1991 hingga 2003, serta
68 statitistiknya dalam bentuk laju perubahan tahunan metertahun berturut-turut
disajikan pada Lampiran 6 dan Lampiran 7. Ringkasan dari masing-masing nilai entitas laju akresi dan erosi dalam tiap shoreline grid berdasarkan hasil analisis
pada Lampiran 7 disajikan pada Gambar 26.
Gambar 26 Diagram rerata laju perubahan garis pantai mthn dalam tiap shoreline grid sepanjang pantai dalam wilayah AOI.
-4,86 -5,22
-5,44 0,25
0,25 18,10
0,42 -8,45
44,88 33,64
1,77 18,47
3,77 13,28
35,01 1,61
8,29 -9,51
-4,81 -7,01
1,01 -8,50
-2,91 -3,72
-2,61 -3,42
-7,27 -9,61
-12,78 -2,05
-1,96 -9,77
-4,57 10,52
1,00 21,97
-5,43 5,47
9,50 8,14
0,69 0,83
5,50 -7,75
3,51 -6,57
0,23 -2,01
-1,80 -3,69
0,27
-60 -40
-20 20
40 60
80 100
1 2
3 4
5 6
7 8
9 10
11 12
13 14
15 16
17 18
19 20
21 22
23 24
25 26
27 28
29 30
31 32
33 34
35 36
37 38
39 40
41 42
43 44
45 46
47 48
49 50
51
Erosi Akresi
No mo
r Shor
el ine
G ri
d
Laju Erosi Laju Akresi
Laju Perubahan Dominan
69 Pada Gambar 26 diketahui bahwa selama periode 12 tahun Tahun 1991
hingga Tahun 2003 rerata laju akresi garis pantai dalam wilayah AOI adalah sebesar 5,75 – 584,04 meter. Sedangkan, rerata laju erosi adalah sebesar 6,14 –
439,32 meter. Besar perubahan jarak garis pantai ini mempengaruhi laju perubahan garis pantai dalam tiap shoreline grid. Diketahui bahwa sebanyak
49,02 dari 51 buah shoreline grid di sepanjang kawasan pesisir pantai dalam wilayah AOI mengalami erosi dengan laju erosi antara 1,80 – 12,78 mtahun.
Sisanya sebanyak 50,98 shoreline grid mengalami akresi dengan laju akresi berkisar antara 0,23 – 44,88 mtahun. Dengan demikian, secara umum diketahui
bahwa pengamatan dalam wilayah AOI menggunakan data citra Landsat selama periode 12 tahun didominasi oleh proses akresi dibandingkan proses erosi.
4.2.1.2 Geomorfologi