Metode Artificial Neural Nertwork (ANN) Dalam GIS

Dalam Upaya Pemetaan pada Bidang Kelautan

ERI K MUNANDAR
C552130081



SEKOLAH PASCSARJANA
I NSTI TUI PERTANI AN BOGOR
Pendahuluan
ANN
Non linear
Struktur Model
Yang Bebas
Multi
Parameter
Metodologi
Gambar Arsitektur ANN untuk batimetri
Metodologi
Gambar Arsitektur ANN untuk habitat potensial macrobentos
Metodologi
Gambar Arsitektur ANN untuk habitat potensial Terumbu karang
Metodologi
Gambar Arsitektur ANN untuk habitat potensial Terumbu karang
Hasil
Pemetaan batimetri (a) 150 (b) 300 titik pengambilan sample
Hasil
Pemetaan batimetri (a) citra aster (b) ANN
Hasil
Pemetaan batimetri (a) Peta batimetri dan pengambilan sample (b) hasil ANN untuk pemetaan terumbu karang
A
B
Hasil
Peta potensi habitat berdasarkan ANN (a)Macrophthalmus dilatatus,
(b) Cerithideopsilla cingulata, (c) Armandia lanceolata
Peta Input jenis
substrat
Kesimpulan
Penggunan Metode ANN dapat memetakan potensi habitat maupun
wilayah dengan baik
Metode ANN memerlukan training dalam penentuan potensi wilayah
Metode ANN masih masih sulit menentukan potensi wilayah pada
dari area yang luas untuk area yang sempit

Michael J. Wattsa, Yuxiao Li, Bayden D. Russell, Camille Mellina, Sean D. Connell, Damien A.
Fordham. 2011. A novel method for mapping reefs and subtidal rocky habitats using
artificial neural networks. Ecological Modelling 222 (2011) 2606 2614

zelik Ceyhun, Arsoy Yaln. 2010. Remote sensing of water depths in shallow waters via artificial
neural networks. Estuarine, Coastal and Shelf Science 89 (2010) 89-96

Saro Lee, Inhye Park, Bon Joo Koo, Joo-Hyung Ryu, Jong-Kuk Choi, Han Jun Woo. 2013.
Macrobenthos habitat potential mapping using GIS-based artificial neural network
models. Marine Pollution Bulletin 67 (2013) 177186

Daftar Pustaka