4
menggunakan kombinasi multiple artificial neural networks. Magoulas et al. 1999 meneliti tentang perbaikan konvergensi pada algoritma back propagation
menggunakan learning rate adaptation methods, Luo et al. 2004 meneliti tentang elliptical basis function network untuk klasifikasi pada data remote
sensing.
1.3 Batasan Permasalahan
Permasalahan pada penelitian ini dibatasi pada pemilihan indeks vegetasi yang terbaik dari beberapa algoritma indeks vegetasi yang telah ada, pengkajian
hubungan matematis antara nilai respon spektral dengan kerapatan kanopi di lapangan dengan menggunakan regresi komponen utama, pengkajian keterpisahan
antar objek dalam training area, serta pemilihan klasifikasi terbaik dari dua metode klasifikasi yang dicobakan, yaitu metode maximum likelihood dan neural
network back propapagation.
1.4 Hipotesis Penelitian
Dugaan sementara hipotesis yang yang berkaitan dengan permasalahan penelitian ini antara lain:
1 Adanya korelasi yang kuat antara kerapatan kanopi mangrove dengan respon spectral citra satelit
2 Metode neural network back propagation memiliki akurasi yang lebih tinggi apabila dibanding metode maximum likelihood
1.5 Tujuan Penelitian
Tujuan studi ini adalah: 1 Mencari hubungan matematis terbaik antara nilai respon spektral dengan
kerapatan kanopi mangrove; 2 Mengkaji berbagai algoritma indeks vegetasi guna menentukan kerapatan
kanopi mangrove; 3 Mengkaji dan membandingkan metode klasifikasi, yakni metode klasifikasi
maximum likelihood dan neural network back propapagation.
5
1.6 Manfaat Penelitian
Manfaat dari penelitian ini diharapkan: 1 Mengetahui metode yang efektif dan efisien dalam menentukan indeks
vegetasi dan klasifikasi mangrove; 2 Mengetahui keberadaan mangrove di Kabupaten Berau;
3 Mengetahui pola perubahan tutupan mangrove, sehingga diharapkan bisa digunakan sebagai indikator naik atau turunnya produktifitas mangrove;
4 Memantau pola perubahan tutupan mangrove dimana selanjutnya dapat digunakan oleh para pengambil kebijakankeputusanperencana dalam
mengelola hutan mangrove di Kabupaten Berau. Diagram alir perumusan dan pendekatan masalah hingga hasil penelitian
dirangkum dalam kerangka pemikiran seperti ditampilkan pada Gambar 1.
6
Gambar 1 Diagram alir perumusan dan pendekatan masalah hingga hasil penelitian.
MANGROVE
KERAPATAN KANOPI
ALGORITMA INDEKS VEGETASI Perumusan dan
Pendekatan Masalah
Permasalahan
Pemecahan Masalah
Hasil • HUBUNGAN MATEMATIS KERAPATAN KANOPI DENGAN RESPON
SPEKTRAL • INDEKS VEGETASI TERBAIK DARI 12 ALGORITMA INDEKS VEGETASI
• METODE KLASIFIKASI TERBAIK, ANTARA MAXIMUM LIKELIHOOD DAN NEURAL NETWORK BACK PROPAGATION
RESPON SPEKTRAL OBSERVASI IN-SITU
CITRA SATELIT LANDSAT-5 TM, LANDSAT-7 ETM+
METODE KLASIFIKASI - MAXIMUM LIKELIHOOD
- NEURAL NETWORK INVENTARISASI DAN MONITORING
PRODUKTIVITAS PRIMER PERIKANAN
ANALISIS
2 TINJAUAN PUSTAKA
2.1 Mangrove
