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