3.3.3 Asumsi dan Hipotesis Model
Setelah terpilih persamaan regresi dari pengembangan model kemudian dibuat suatu hipotesis dan asumsi untuk mempermudah dalam penerapan dan pengujian
model tersebut. Sebuah hipotesis atau asumsi yang dibuat saat pengembangan model akan di
uji apakah dapat diterima atau ditolak sesuai hipotesis, yang artinya apakah model tersebut dapat digunakan untuk menduga konsentrasi TSS dan transparansi
perairan Teluk Jakarta atau tidak. Asumsi yang digunakan dalam penelitian ini adalah bahwa kondisi
oseanografis perairan Teluk Jakarta pada saat pengambilan data lapangan maupun data penginderaan jauh dengan citra satelit Landsat tidak banyak berubah, karena
masih dalam pengaruh musim yang sama musim kemarau atau musim hujan. Hipotesis secara umum adalah nilai pendugaan konsentrasi TSS dan
transparansi perairan Teluk Jakarta dari data Landsat melalui hasil pengembangan model akan sama dengan hasil pengukuran TSS dan transparansi perairan secara
in situ.
3.3.4 Pendugaan Model
Pendugaan model dilakukan dengan dua parameter kualitas perairan, yaitu TSS dan transparansi perairan Teluk Jakarta yang dilihat berdasarkan nilai
pantulan reflektansi cahaya tampak dari badan air sesuai pada kanal-kanal citra satelit Landsat. Kondisi perairan Teluk Jakarta sangat dinamis sehingga
pengembangan model dibagi dalam 2 musim yaitu musim kemarau Mei - Oktober dan musim hujan November - April dari tahun 2004-2009.
Model hubungan yang dikembangkan adalah model empiris menggunakan persamaan regresi antara konsentrasi TSS dan transparansi perairan in situ dengan
nilai reflektansi kanal tunggal, rasio antar kanal, maupun transformasi kromatisiti kanal biru, hijau, atau merah. Pendugaan konsentrasi TSS pada musim kemarau
dan hujan menggunakan transformasi kromatisiti kanal biru dengan persamaan regresi model polynomial orde 3. Pendugaan transparansi perairan pada musim
kemarau juga digunakan transformasi kromatisiti kanal biru dengan persamaan regresi model power untuk musim kemarau dan pada musim hujan digunakan
persamaan regresi model polynomial orde 2. Dari beberapa model pendugaan yang dihasilkan, kemudian dipilih model
hubungan terbaik yang memiliki koefisien determinasi R
2
tertinggi dan simpangan akar nilai tengah RMS error terkecil untuk analisis lanjutan.
Koefisien determinasi R
2
merupakan kriteria kecocokan model yang berkisar antara 0 hingga 1, dalam keadaan ideal koefisien determinasi mendekati angka 1.
Nilai R
2
sebagai pengukur keeratan hubungan antara peubah y sebagai peubah respons variabel tak bebas dan peubah x variabel bebas. Semakin dekat nilai R
2
dengan nilai 1, maka semakin dekat pula titik pengamatan ke garis regresinya dan model tersebut semakin baik Aunuddin, 1989.
Nilai R
2
dan RMS error akan berbanding terbalik, yaitu apabila nilai R
2
tinggi maka harus dihasilkan RMS error yang kecil. Nilai RMS error mendekati angka
nol 0 menunjukkan model dugaan semakin baik.
RMS error = ............................. pers. 2
dimana n merupakan jumlah data.
3.3.5 Validasi Data
Kategori