Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Ilmu dan Teknologi Kelautan Tropis Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital
Agus, Syamsul B.
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
PEMETAAN ZONA GEOMORFOLOGI EKOSISTEM TERUMBU KARANG MENGGUNAKAN METODE OBIA, STUDI KASUS DI PULAU PARI Anggoro, Ari; Siregar, Vincentius P.; Agus, Syamsul B.
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 12 No. 1 (2015)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30536/inderaja.v12i1.3306

Abstract

This study used object-based image analysis (OBIA) for geomorphic zones map of coral reef ecosystem in Pari Islands. The application of OBIA methods was used multiresolution segmentation algorithm with different scale parameter for each level. Classification methods for level 1 and 2 were used contextual editing classification. The results showed an overall accuracy for level 1 was 97% (reef level) and level 2 was 87% (geomorphic zone). Thus OBIA methods can be used and well-defined as an alternative for geomorphic zones map in other regions.
KLASIFIKASI MULTISKALA UNTUK PEMETAAN ZONA GEOMORFOLOGI DAN HABITAT BENTIK MENGGUNAKAN METODE OBIA DI PULAU PARI Anggoro, Ari; Siregar, Vincentius P.; Agus, Syamsul B.
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 (2017)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30536/j.pjpdcd.1017.v14.a2622

Abstract

This study used multiscale classification and applied object-based image analysis (OBIA) for geomorphic zone and benthic habitats mapping in Pari islands. An optimized segmentation was performed to get optimum classification result. Classification methods for level 1 and 2 used contextual editing classification and for level 3 used support vector machines classifier. The results showed that overall accuracy for level 1 was 97% (reef level), level 2 was 87% (geomorphic zone), and level 3 was 75% (benthic habitats). Accuracy achieved by support vector machines classification was performed only in level 3 and optimum scale value achieved was 50 in compare with other scale values, i.e. 5, 25, 50, 75, 95. OBIA methods can be used as an alternative for geomorphic zone and benthic habitats map.
ANALISIS PERUBAHAN HABITAT DASAR PERAIRAN DANGKAL MENGGUNAKAN CITRA SATELIT RESOLUSI TINGGI DI KARANG LEBAR, KEPULAUAN SERIBU Siregar, Vincentius P.; Agus, Syamsul B.; Sunuddin, Adriani; Subarno, Tarlan; Aziizah, Nunung Noer
Jurnal Ilmu dan Teknologi Kelautan Tropis Vol. 12 No. 1 (2020): Jurnal Ilmu dan Teknologi Kelautan Tropis
Publisher : Department of Marine Science and Technology, Faculty of Fisheries and Marine Science, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1178.434 KB) | DOI: 10.29244/jitkt.v12i1.25528

Abstract

Keperluan data dan informasi tentang habitat bentik sangat diperlukan untuk menjaga dan melestarikan ekosistem yang ada di perairan. Rusaknya habitat bentik dapat terjadi karena adanya aktifitas antropogenik dan bencana alam yang akan berimbas pada biota dan ekosistem yang ada disekitarnya, oleh karena itu untuk mengetahui dan memantau kondisi perairan dan habitat perairan dangkal perlu dilakukannya pemetaan. Penelitian ini bertujuan untuk menganalisis perubahan habitat dasar perairan laut dangkal di Karang Lebar, Kepulauan Seribu. Penelitian ini memanfaatkan citra multispektral resolusi tinggi QuickBird 2008 dan WordView-2 2018 untuk mendeteksi perubahan geospasial habitat bentik. Klasifikasi citra multispektral dilakukan dengan penerapan algoritma SVM (Support Vector Machine) dan transformasi DII (Depth Invariant Index) pada kedua citra yang digunakan. Jumlah kelas habitat bentik yang dihasilkan adalah sebanyak lima kelas yaitu terumbu karang, karang mati, padang lamun, pasir, dan rubble. Hasil analisis menunjukkan akurasi keseluruhan 58,18% dan 70,9% pada penerapan klasifikasi dengan input band multispektral masing-masing untuk citra 2008 dan 2018, serta 60% dan 80% pada hasil transformasi DII masing masing untuk citra 2008 dan 2018. Perubahan kelas rubble di tahun 2008 menjadi kelas pasir tahun 2018 merupakan yang paling besar luasannya dibandingkan dengan perubahan pada kelas lainnya, yaitu 81,46 ha.
KLASIFIKASI HABITAT PERAIRAN DANGKAL DARI CITRA MULTISPASIAL DI PERAIRAN PULAU KAPOTA DAN PULAU KOMPOONE, KEPULAUAN WAKATOBI Siregar, Vincentius P.; Agus, Syamsul B.; Sunuddin, Adriani; Pasaribu, Riza A.; Kurniawati, Esty; Sangadji, Muhammad Siddiq
Jurnal Ilmu dan Teknologi Kelautan Tropis Vol. 12 No. 3 (2020): Jurnal Ilmu dan Teknologi Kelautan Tropis
Publisher : Department of Marine Science and Technology, Faculty of Fisheries and Marine Science, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jitkt.v12i3.32013

Abstract

Habitat perairan dangkal sangat penting dipetakan diantaranya karena: (1) mendukung perencanaan, manajemen, dan pengambilan keputusan tata ruang pemerintah; (2) mendukung dan mendesain Marine Protected Area (MPA); (3) melakukan program penelitian ilmiah yang bertujuan untuk menghasilkan pengetahuan tentang ekosistem bentik dan geologi dasar laut; (4) melakukan penilaian sumber daya dasar laut yang hidup dan tidak hidup untuk tujuan ekonomi dan menajemen, termasuk rancangan cadangan perikanan. Hingga saat ini belum ada standar untuk tingkat kedetailan peta tematik ekosistem pesisir khususnya habitat perairan dangkal sesuai kebutuhan pengelolaan wilayah pesisir dengan skema klasifikasi tertentu. Penelitian ini bertujuan untuk membandingkan akurasi peta hasil klasifikasi habitat perairan dangkal antara citra SPOT 6, Sentinel 2A, dan Landsat 8 menggunakan algoritma klasifikasi support vector machine. Lokasi penelitian terletak di Kepulauan Wakatobi, meliputi 2 lokasi yaitu Pulau Kapota dan Pulau Kompoone. Pengambilan data in-situ dilaksanakan pada tanggal 7-11 Juli 2019. Sebanyak 347 ground truth dan foto transek hasil sampling di lapangan telah dianalisis menggunakan coral point count with excel extension (CPCe). Skema klasifikasi yang dihasilkan yaitu 8 kelas habitat bentik, selanjutnya dilakukan klasifikasi dengan mengkelaskan kembali menjadi 6 dan 5 kelas. Hasil yang diperoleh pada citra SPOT-6 untuk semua kelas habitat perairan dangkal yang digunakan memiliki overall accuracy yang lebih besar. Perbedaan ukuran piksel (resolusi spasial) dan jumlah skema klasifikasi sangat memengaruhi hasil akurasi.
KLASIFIKASI HABITAT BENTIK ATOL KALEDUPA TAMAN NASIONAL WAKATOBI DENGAN ALGORITMA SUPPORT VECTOR MACHINE Setiawan, Alim; Siregar, Vincentius Paulus; Susilo, Setyo B.; Mardiastuti, Ani; Agus, Syamsul B.
Jurnal Ilmu dan Teknologi Kelautan Tropis Vol. 14 No. 3 (2022): Jurnal Ilmu dan Teknologi Kelautan Tropis
Publisher : Department of Marine Science and Technology, Faculty of Fisheries and Marine Science, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jitkt.v14i3.35315

Abstract

Kaledupa Atoll is one of the areas designated as a marine protection zone and local use zone in Wakatobi National Park. Spatial information on the benthic habitat of Kaledupa Atoll is very limited so that this information is expected to be a support in strategies and efforts to conserve marine biodiversity. This study aims to map the benthic habitat of Kaledupa Atoll using a pixel-based and object-based guided classification method/OBIA with a support vector machine (SVM) algorithm. The data used is the Sentinel-2 satellite image with a spatial resolution of 10 x10 m which was acquired on November 4, 2019. Observations of benthic habitats were carried out directly at the study site by placing quadrant transects and taking points on the dominant or homogeneous habitat area. The transect used is 100 x 100 cm2. Image classification uses thematic layer input from field data. The results of the classification of benthic habitats are grouped into six classes. Based on the OBIA method, benthic habitats can be mapped with an accuracy rate of 78.1%, while the pixel-based classification has an overall accuracy of 61.8%. Classification of benthic habitats with the SVM algorithm using the OBIA method provides better information than the pixel-based method.
Co-Authors Adriani Sunuddin Alim Setiawan Ani Mardiastuti Ari Anggoro ESTY KURNIAWATI Nunung Noer Aziizah, Nunung Noer Riza Aitiando Pasaribu Sangadji, Muhammad Siddiq Susilo, Setyo B. Tarlan Subarno, Tarlan Vincentius P Siregar