LAPORAN KERJA PRAKTIK AKHIR

PEMETAAN HABITAT DASAR PERAIRAN LAUT DANGKAL MENGGUNAKAN

TEKNOLOGI DRONE DI PERAIRAN PULAU KELAPA DUA BAGIAN BARAT

Sania Pareka Damayanti

19.7.04.098

TEKNIK KELAUTAN
POLITEKNIK KELAUTAN DAN PERIKANAN KARAWANG
KEMENTERIAN KELAUTAN DAN PERIKANAN
2022
 LAPORAN KERJA PRAKTIK AKHIR
PEMETAAN HABITAT DASAR PERAIRAN LAUT DANGKAL
MENGGUNAKAN TEKNOLOGI DRONE DI PERAIRAN PULAU
KELAPA DUA BAGIAN BARAT

Sania Pareka Damayanti

19.7.04.098

Sebagai salah satu syarat untuk mendapatkan gelar A.Md.T

TEKNIK KELAUTAN
POLITEKNIK KELAUTAN DAN PERIKANAN KARAWANG
KEMENTERIAN KELAUTAN DAN PERIKANAN
2022
LEMBAR PERNYATAAN KEASLIAN LAPORAN KPA

Nama : Sania Pareka Damayanti

NIT : 19.7.04.098
Program Studi : Teknik Kelautan
Judul Kerja Praktik Akhir : Pemetaan Perairan Habitat Dasar Perairan Laut
Dangkal Menggunakan Teknologi Drone di
Perairan Pulau Kelapa Dua Bagian Barat

Dengan ini menyatakan bahwa:

1. Laporan Kerja Praktik Akhir (KPA) merupakan hasil karya asli saya yang
diajukan untuk memenuhi salah satu persyaratan memperoleh gelar Ahli
Madya Perikanan di Politeknik Kelautan dan Perikanan Karawang;
2. Semua sumber yang saya gunakan dalam penulisan ini telah saya
cantumkan sesuai dengan ketentuan yang berlaku di Politeknik Kelautan
dan Perikanan Karawang;
3. Jika dikemudian hari terbukti bahwa karya ini bukan hasil karya asli saya
maka saya bersedia menerima sanksi yang berlaku Politeknik KP Karawang

Karawang, Juni 2022

Sania Pareka Damayanti

NIT. 19.7.04.098
 LEMBAR PENGESAHAN

Judul : Pemetaan Habitat Dasar Perairan Laut Dangkal Menggunakan

Teknologi Drone di Perairan Pulau Kelapa Dua Bagian Barat
Nama Taruna : Sania Pareka Damayanti
NIT :19.7.04.098

Disetujui oleh:
Komisi Pembimbing

Herlina Adelina M.U Sagala, S. Pi., M. Si Chrisoetanto P. Pattirane, S.Pi, M.Si

Pembimbing I Pembimbing II

Diketahui oleh :

Ketua Program Studi Direktur

Teknik Kelautan Politeknik KP Karawang

Roni Sewiko, S. Pi., M. Si DH. Guntur Prabowo, A.Pi, M.M.

NIP. 19871218 201902 1 003 NIP. 19650811 188903 1 001
 KATA PENGANTAR
Segala puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa yang
telah memberikan Rahmat dan Karunia-Nya sehingga penulis dapat menyelesaikan
Laporan Kerja Praktik Akhir (KPA) yang berjudul “Pemetaan Habitat Dasar
Perairan Laut Dangkal Menggunakan Teknologi Drone di Perairan Pulau
Kelapa Dua Bagian Barat” ini dapat diselesaikan sesuai target dan waktu yang
direncanakan. Proses persiapan pelaksanaan, dan penyusunan Laporan ini telah
melibatkan konstribusi pemikiran dan saran konstruktif banyak pihak. Pada
kesempatan ini penulis menyampaikan penghargaan dan terima kasih kepada :
1. Bapak DH. Guntur Prabowo, A.Pi., M.M selaku Direktur Politeknik KP
Karawang.
2. Ibu Herlina Adelina M. U Sagala, S. Pi., M. Si selaku pembimbing I yang telah
memberikan arahan mengenai “Pemetaan Habitat Dasar Perairan Laut
Dangkal Menggunakan Teknologi Drone di Perairan Pulau Kelapa Dua
Bagian Barat” dan atas kesediaan waktu yang telah diberikan untuk
mengkoreksi dan revisi terhadap sejumlah data dan informasi pada Kerja
Praktik Akhir (KPA) ini.
3. Bapak Chrisoetanto P. Pattirane, S.Pi, M.Si selaku pembimbing II yang telah
memberikan arahan dan waktunya atas kesediaan waktu yang telah diberikan
untuk mengkoreksi dan revisi terhadap sejumlah data dan informasi pada Kerja
Praktik Akhir (KPA) ini.
4. Bapak Roni Sewiko, S.Pi., M.Si selaku ketua Program Studi Teknik Kelautan.
5. Bapak Marsan Sutisna sebagai Pembimbing Lapang di wilayah Pulau Kelapa
Dua.
6. Mbak Azura Ulfa, S.Si, M.Sc selaku Pembimbing Lapang di LAPAN Jakarta.
7. Bapak dan Ibu Unit Praktik Kerja yang telah memberikan izin untuk
melaksanakan Kerja Praktik Akhir (KPA)
8. Bapak IR. Roberto Patar Pasaribu, DESS atas kesediaan waktu menjadi
narasumber seminar hasil Kerja Praktik Akhir untuk mengkoreksi dan memberi
masukan serta saran terhadap sejumlah data dan informasi pada Kerja Praktik
Akhir (KPA)
9. Kepada Balai Taman Nasional Kepulauan Seribu yang telah memberikan izin
dan membantu berlangsungnya Kerja Praktik Akhir di wilayah Pulau Kelapa
Dua.
10. Kepada LAPAN Jakarta yang telah memberikan izin dan membantu
berlangsungnya Kerja Praktik Akhir.
11. Kepada Ibu, Ayah, Kakek, Nenek, Adik, Rekan yang selalu mendoakan dan
memberi semangat serta motivasi.
Saya menyadari bahwa Laporan Kerja Praktik Akhir (KPA) ini masih jauh dari
kesempurnaan, sehingga kritik dan saran yang membangun sangat penulis harapkan
demi perbaikan dan kesempurnaan laporan ini. Penulis berharap semoga laporan
ini dapat memberikan informasi dan manfaat bagi semua pihak.

Karawang, 29 Juni 2022

Sania Pareka Damayanti

NIT. 19.7.04.098

i
 RINGKASAN
Sania Pareka Damayanti. NIT 19704098 Pemetaan Habitat Dasar
Perairan Laut Dangkal Menggunakan Teknologi Drone Di Perairan Pulau
Kelapa Dua Bagian Barat. Dibimbing oleh Herlina Adelina Meria Uli Sagala,
S.Pi., M.Si dan Chrisoetanto P. Pattirane, S.Pi., M.Si

Pemetaan merupakan kegiatan pendokumentasian atau perekaman data dalam

bentuk grafis. Kegiatan pemetaan habitat bentik perairan dangkal dimaksudkan
untuk mengetahui gambaran mengenai sebaran habitat bentik yang dapat dipakai
sebagai acuan dalam perencanaan dan pengembangan suatu kawasan secara
optimal dimasa mendatang.
Kegiatan pemetaan habitat perairan laut dangkal ini untuk mengetahui
distribusi habitat dasar perairan laut dangkal dapat digunakan sebagai acuan dalam
pengelolaan kawasan secara optimal dimasa yang akan datang. Pemetaan habitat
perairan laut dangkal ini dilakukan dalam beberapa tahap, tahap persiapan,
kemudian penerbangan drone jenis MAVIC Mini 2 untuk pengambilan data foto
udara lokasi penelitian dan adapula tahap pengambilan data ground truth untuk
pengambilan habitat bentik sendiri dan tahap terakhir yang dilakukan tahap
pengolahan data pada Aplikasi Agisoft Metashape Professional serta Ecognition
Developer dan ArcGIS 10.8 sehingga dapat menyajikan peta beserta informasinya.
Hasil dari pengolahan data foto udara menjadi orthomosaic dengan jumlah data
foto udara 382 foto yang terkalibrasi 97% atau tidak seluruhnya serta resolusi GSD
3,59 cm/ pix.
Tujuan Kerja Praktik Akhir ini Memetakan habitat dasar perairan laut dangkal
menggunakan citra drone dengan algoritma SVM (Supported Vector Machine) dan
diklasifikasikan menjadi beberapa kelas yaitu karang hidup, karang mati, lamun,
pasir, rubble dan alga. Dan metode klasifikasi yang digunakan dalam penelitian ini
yaitu menggunakan metode klasifikasi berbasis objek (Object Based Image
Analysis/OBIA).

Kata kunci: Drone Mavic Mini 2, Citra Foto Udara, Habitat Bentik, OBIA, SVM,
Perairan Pulau Kelapa Dua

ii
 DAFTAR ISI
Halaman

KATA PENGANTAR ................................................................................................ i

RINGKASAN .............................................................................................................ii
DAFTAR ISI ..............................................................................................................ii
DAFTAR GAMBAR ................................................................................................ iv
DAFTAR TABEL ...................................................................................................... v
DAFTAR LAMPIRAN ............................................................................................. vi
1. PENDAHULUAN .............................................................................................. 1
1.1 Latar Belakang ....................................................................................................... 1
1.2 Rumusan Masalah.................................................................................................. 1
1.3 Ruang Lingkup dan Batasan Masalah ................................................................... 2
1.4 Tujuan .................................................................................................................... 2
1.5 Manfaat .................................................................................................................. 2
2. TINJAUAN PUSTAKA ..................................................................................... 3
2.1 Pesawat Tanpa Awak/Drone ................................................................................. 3
2.2 Akuisisi Foto Udara ............................................................................................... 3
2.3 Orthophoto Digital ................................................................................................ 4
2.4 Pemetaan Habitat Perairan Laut Dangkal .............................................................. 5
3. METODOLOGI ................................................................................................. 7
3.1 Waktu dan Tempat ................................................................................................. 7
3.2 Alat dan Bahan ...................................................................................................... 8
3.3 Diagram Alir .......................................................................................................... 9
3.4 Tahapan Persiapan ............................................................................................... 10
3.4.1 Observasi Awal ................................................................................................ 10
3.5 Analisis Data ........................................................................................................ 10
3.5.1 Klasifikasi Berbasis Objek............................................................................... 10
3.5.2 Segmentasi ....................................................................................................... 10
3.5.3 Algoritma Supported Vector Machine (SVM) ................................................ 10
4. HASIL DAN PEMBAHASAN ........................................................................ 11
4.1 Proses Pengambilan Data Foto Udara ................................................................. 11
4.2 Proses Pengolahan Foto Udara ............................................................................ 13
4.2.1 Agisoft Metashape............................................................................................ 13
4.2.2 Survei Lapang .................................................................................................. 16
4.2.3 Skema Klasifikasi Level 1 ............................................................................... 16
4.2.4 Skema Klasifikasi Level 2 ............................................................................... 18
5. PENUTUP ......................................................................................................... 20
5.1 Kesimpulan .......................................................................................................... 20
5.2 Saran .................................................................................................................... 20
LAMPIRAN ............................................................................................................. 21
DAFTAR PUSTAKA............................................................................................... 26

iii
 DAFTAR GAMBAR
Hal
Gambar 1.Perencanaan penerbangan menggunakan dronedeploy ........................................... 4
Gambar 2. Beberapa Foto Udara Hasil Akuisisi ...................................................................... 4
Gambar 3. Orthophoto Digital.................................................................................................. 5
Gambar 4. Contoh Hasil Interprestasi Visual 6 Kelas Habitat Perairan Laut Dangkal............ 6
Gambar 5. Peta Lokasi Kerja Praktik Akhir............................................................................. 7
Gambar 6. Area Misi Terbang.................................................................................................. 7
Gambar 7. Diagram Alir........................................................................................................... 9
Gambar 8. Proses Pengambilan Data Drone Mavic Mini 2 ................................................... 11
Gambar 9. Proses Pengambilan Data Drone Mavic Mini 2 ................................................... 12
Gambar 10. Membuka Software Agisoft Metashape ............................................................. 13
Gambar 11. Add Photos Dalam Software Agisoft Metashape ............................................... 13
Gambar 12. Batch Process Software Agisoft Metashape ....................................................... 14
Gambar 13. Hasil Pengolahan Dalam Software Agisoft Metashape...................................... 14
Gambar 14. Hasil Orthomosaic Lokasi Penelitian ................................................................. 15
Gambar 15. Hasil Segmentasi Bilangan Skala 8.000, Bentuk 0,2 Dan Kekompakan 0,7 ..... 16
Gambar 16. Hasil Segmentasi Bilangan Skala 10.000, Bentuk 0,2 Dan Kekompakan 0,7 ... 17
Gambar 17. Hasil Segmentasi Bilangan Skala 15.000, Bentuk 0,2, ...................................... 18
Gambar 18. Hasil Segmentasi Dan Klasifikasi ...................................................................... 19
Gambar 19. Peta Hasil Segmentasi Dan Klasifikasi .............................................................. 19

iv
 DAFTAR TABEL
Hal
Tabel 1. Alat dan Bahan Yang Digunakan Dalam Praktik Kerja Akhir................................................ 8

v
 DAFTAR LAMPIRAN
Hal
Lampiran 1. Dokumentasi Lapangan ............................................................................................. 21

vi
1. PENDAHULUAN
1.1 Latar Belakang
Penginderaan jauh adalah pengumpulan informasi tentang suatu objek atau daerah
dari kejauhan, biasanya menggunakan data yang diambil dari satelit, pesawat, atau
teknologi bawah air. Teknologi yang digunakan dalam penginderaan jauh sangatlah
beragam dengan tujuan untuk mengumpulkan informasi yang dapat memberikan
gambaran tentang suatu objek seperti darat, laut dalam, perairan laut dangkal (karang
hidup, karang mati, lamun, pasir, rubble, dan alga). Salah satu teknik penginderaan jauh
ini berupa foto udara dan banyak digunakan karena ketersediaannya dan mudah
melakukan interpretasi. Foto udara dapat menyediakan data yang akurat untuk banyak
kegiatan seperti Perairan, lahan tambak, serta dapat memberi informasi yang
bermanfaat (Geologinesia, 2016).

Drone adalah wahana yang dilengkapi sistem pengendali terbang melalui

gelombang, navigasi presisi Ground Positioning System (GPS), dan elektronik kontrol
penerbangan sehingga mampu terbang sesuai perencanaan terbang (autopilot) (Lu et
al., 2011). Teknologi drone atau unmanned aerial vehicle (UAV) pada dasarnya telah
lama dimanfaatkan, namun masih terbatas dan hanya diperuntukkan untuk kegiatan
militer. Perkembangan teknologi drone utamanya diawali setelah adanya
pengembangan desain, penelitian, dan produksi platform UAV/drone itu sendiri (Chao
et al., 2010).

Perairan laut dangkal dapat didefinisikan sebagai Perairan teritorial hingga

kedalaman 200 meter. Tetapi, Dalam konteks penginderaan jauh, laut dangkal yang
terlibat adalah wilayah Area air yang masih memungkinkan sinar matahari untuk
melewatinya. Hal ini terindentifikasi oleh citra satelit dari dasar perairan. Perairan
dangkal memiliki Ekosistem khas, umumnya terumbu karang, padang lamun, pasir,
lumpur, Dan mangrove (Siregar, 2010). Pemetaan habitat benthos merupakan upaya
Memetakan penampakan objek di dasar perairan, seperti terumbu karang, lamun,
pecahan karang (rubble), alga, dan pasir (Talitha, 2016).

Pemetaan habitat perairan dangkal dilakukan menggunakan citra Drone hasil

orthomosaic untuk diklasifikasikan menjadi beberapa kelas yaitu darat, laut dalam,
perairan laut dangkal (karang hidup, karang mati, lamun, pasir, rubble, dan alga).
Metode klasifikasi yang digunakan pada penelitian ini yaitu menggunakan metode
klasifikasi berbasis objek (Object-based image analysis/OBIA).

1.2 Rumusan Masalah

Rumusan masalah dari Kerja Praktik Akhir di Lokasi Pulau Kelapa dua adalah
sebagai berikut:
1. Bagaimana memetakan habitat dasar perairan laut dangkal
menggunakan drone.
2. Bagaimana melakukan deteksi dan klasifikasi habitat dasar perairan laut
dangkal menggunakan metode OBIA.

1
1.3 Ruang Lingkup dan Batasan Masalah
Adapun Ruang lingkup dan batasan masalah yang ditentukan pada kegiatan
Praktik akhir adalah sebagai berikut:
Adapun Ruang lingkup dan batasan masalah yang ditentukan pada
kegiatan Praktik akhir adalah sebagai berikut:
1. Mengetahui teknologi drone untuk pengambilan data citra foto udara.
2. Menganalisis klasifikasi dasar perairan laut dangkal dengan metode
OBIA.
1.4 Tujuan
Tujuan dari Kerja Praktik Akhir di Lokasi Pulau Kelapa Dua adalah sebagai
berikut:
1. Memetakan habitat dasar perairan laut dangkal menggunakan citra drone di
Perairan Pulau Kelapa Dua, Kepulauan Seribu.
2. Mengetahui distribusi habitat dasar perairan laut dangkal menggunakan metode
Object Based Image Analysis/OBIA

1.5 Manfaat
Adapun manfaat dari Kerja Praktik Akhir di Lokasi Pulau Kelapa Dua adalah
sebagai berikut:
1. Memperoleh informasi dan pemahaman mengenai metode berbasis
Object Based Image Analysis/OBIA.
2. Memberikan serta menjadi informasi bagi para akademisi dan pegiat
lingkungan mengenai Pemetaan perairan laut dangkal menggunakan
teknologi drone di perairan pulau kelapa dua.

2
2. TINJAUAN PUSTAKA
2.1 Pesawat Tanpa Awak/Drone
Drone adalah pesawat terbang dengan sistem robotik. Drone berfungsi sebagai alat
pemetaan, sebagai alat pendeteksi banjir dengan foto udara. Drone memiliki dua jenis
yaitu multicopter dan jenis sayap. Drone memiliki camera dan alat kalibrasi, Drone
semakin banyak propeller maka baterei semakin cepat habis masa penggunaannya
(Pradana, 2016).

Drone biasanya juga dilengkapi dengan peralatan kamera resolusi tinggi dapat
melakukan pemotretan foto udara. Penggunaan drone menghasilkan gambar/citra
dengan resosuli spasial yang besar, tidak terkendala awan, karena pengoperasiaannya
pada ketinggian di bawah awan. Melalui drone, skala kedetailan data menjadi sangat
tinggi dan proses pengumpulan datanya menjadi lebih mudah (Zarco. et al, 2014) Drone
merupakan pesawat tanpa pilot. Penggunaan drone sekarang lebih banyak tidak hanya
militer saja, aplikasi drone untuk pertanian (Candiago, et.al. 2015), aplikasi drone
untuk pemetaan vegetasi perkotaan (Feng, et.al. 2015), aplikasi drone untuk tanah
longsor (Fernández, et.al. 2016), aplikasi drone untuk tutupan lahan (Hassan, et.al.
2011).

Klasifikasi drone atas dasar sayapnya dibagi menjadi dua, yaitu multicopter dan
fixed wing. Fixed wing memiliki bentuk seperti pesawat terbang biasa yang dilengkapi
sistem sayap. Sedangkan multicopter yaitu jenis drone yang memanfaatkan putaran
baling-baling untuk terbang. Kelebihan utama dari UAV dibandingkan dengan pesawat
berawak adalah bahwa UAV dapat digunakan pada situasi dengan resiko tinggi tanpa
perlu membahayakan nyawa manusia, pada area yang tidak dapat diakses dan terbang
pada ketinggian rendah dibawah awan sehingga foto yang dihasilkan terbebas dari
awan. Selain itu, salah satu faktor kelebihan UAV adalah biaya. Harga perangkat UAV
dan biaya operasionalnya jauh lebih murah jika dibandingkan dengan pesawat berawak
(Bahar, 2016)
2.2 Akuisisi Foto Udara
Foto udara adalah rekaman fotografis obyek di atas permukaan tanah yang
pengambilannya dilakukan dari udara. Foto udara pada umunya dibedakan atas foto
vertikal dan foto condong. Akuisisi foto udara dilakukan dengan memanfaatkan
teknologi drone menggunakan teknik fotogrametri (Mastu, 2018).

Fotogrametri adalah sebuah proses untuk memperoleh informasi metris

mengenai sebuah objek melalui pengukuran yang dibuat pada hasil foto baik dari
udara maupun dari permukaan tanah. Interpretasi foto didefinisikan sebagai
ekstraksi dari informasi kualitatif mengenai foto udara dari sebuah objek oleh
analisis visual manusia dan evaluasi fotografi (Mastu, 2018).

Foto udara dapat dibagi berdasar ukuran sensornya. Berdasar ukuran

sensornya, foto udara dibagi menjadi dua yaitu foto udara format besar dan foto
udara format kecil (Mastu, 2018).

Faktor yang paling diperhatikan pada pemetaan lingkungan perairan dengan

menggunakan drone adalah adanya pengaruh sun glint atau kilatan-kilatan cahaya
pada permukaan perairan. menghindari atau meminimalisasi pengaruh sun glint
pada proses akuisisi foto udara dapat dilakukan pada pagi hari yaitu pada pukul

3
 07.00-08.00 (Casella, et al. 2017). Selain itu, pengaruh sun glint dapat dikendalikan
berdasarkan kombinasi kondisi lokasi dan sudut matahari yang rendah yaitu sekitar
20℃ -25℃ (Mount, 2005).

Gambar 1.Perencanaan penerbangan menggunakan dronedeploy

(Sumber: Mastu, 2018)

Gambar 2. Beberapa Foto Udara Hasil Akuisisi

(Sumber: Mastu, 2018)

2.3 Orthophoto Digital

Orthophoto digital merupakan tahap dalam proses produksi citra drone dengan
menggabungkan seluruh foto udara (orthomosaic) dengan menggunakan software
Agisoft PhotoScane. Proses orthomosaic foto udara dilakukan dengan bebera
tahapan pengolahan yaitu: (1) Add photo; (2) Align photo; (3) Optimize camera
alignment; (4) Build dense cloud; (5) Build mesh; (6) Build texture; (7) Building
orthomosaic; dan (8) Export orthomosaic. Proses ini dikerjakan secara berurutan
hingga menghasilkan citra orthophoto atau citra drone kualitas tinggi (Mastu,
2018).

Tingginya resolusi spasial yang dihasilkan dari citra drone tidak terlepas dari
tinggi terbang pada proses akuisisi foto udara yaitu 120 m dan spesifikasi sensor
drone yang digunakan. Beberapa hasil penelitian terkait dengan pemanfaatan
teknologi drone menunjukkan bahwa citra drone yang dihasilkan rata-rata memiliki
nilai resolusi spasial yang sangat tinggi, seperti menghasilkan resolusi spasial 0,78

4
 cm/pixel yang diakuisisi pada ketinggian 30 m, Sebesar 1,1 cm/pixel pada
ketinggian 69 m (Casella, et al. 2017). sebesar 5,2 cm/pixel pada ketinggian 120 m
(Mastu, 2018).

Bahwa tinggi terbang suatu drone/UAV merupakan salah satu parameter untuk
menghasilkan resolusi spasial yang sangat tinggi. Semakin rendah terbang drone
terhadap objek yang difoto maka akan menghasilkan resolusi spasial yang lebih
tinggi, begitu pun sebaliknya, semakin tinggi terbang drone maka akan
menghasilkan resolusi spasial yang semakin rendah. Selain itu, spesifikasi sensor
drone yang digunakan akan mempengaruhi besaran resolusi spasial yang
didapatkan. Jika proses akuisisi dilakukan pada Teknologi Drone untuk Pemetaan
Habitat Perairan laut Dangkal. ketinggian yang sama, namun menggunakan sensor
yang berbeda maka akan menghasilkan resolusi spasial yang berbeda pula.
Berdasarkan hasil tersebut, dengan tingginya kualitas citra drone yang diproduksi
akan sangat dibutuhkan atau dapat dijadikan sebagai alternatif dalam menyediakan
citra (data dan informasi spasial) untuk pemetaan wilayah pesisir dengan skala yang
lebih detail. Citra drone yang dihasilkan, selanjutnya akan digunakan sebagai input
data untuk memetakan habitat perairan laut dangkal skala detail (Mastu, 2018)

Gambar 3. Orthophoto Digital

(Sumber: Mastu, 2018)

2.4 Pemetaan Habitat Perairan Laut Dangkal

Habitat dasar perairan laut dangkal merupakan komponen utama penyusun
ekosistem berfungsi sebagai pelindung pantai dari hantaman gelombang, tempat
pariwisata, habitat ikan, dan pemecah material tersuspensi. Habitat dasar perairan
laut dangkal pada di daerah tropis umumnya didominasi oleh lamun, makroalga,
terumbu karang lunak (soft coral), terumbu karang keras (hard coral), pasir, dan
pecahan karang (rubbles). Citra drone hasil orthomosaic selanjutnya diinterpretasi
secara visual berdasarkan kelas yang telah ditentukan sebelumnya. Hasil
interpretasi tersebut akan dijadikan sebagai sampel (training area) atau acuan dalam
proses klasifikasi habitat perairan laut dangkal secara digital.

5
 Perairan laut dangkal pada istilah oseanografi didefinisikan sebagai wilayah
perairan yang terbentang dari batas pantai sampai dengan kedalaman 200 meter
sedangkan dalam lingkup pengindraan jauh, perairan laut dangkal yang dimaksud
lebih ditekankan pada kemampuan citra satelit dalam melewati kolom perairan.
Khusus untuk perairan dangkal yang lumayan jernih, metode pengindraan jauh
optik mampu melewati kedalaman perairan maksimal 25 sampai 30 meter dan akan
berkurang seiring semakin dalam dan keruhnya (Green dkk, 2000).

Citra drone hasil orthomosaic selanjutnya diinterpretasi secara visual

berdasarkan kelas yang telah ditentukan sebelumnya. Hasil interpretasi tersebut
akan dijadikan sebagai sampel (training area) atau acuan dalam proses klasifikasi
habitat perairan laut dangkal secara digital. area perairan laut dangkal menjadi
fokus utama dalam proses pemetaan habitat perairan laut dangkal di Kelapa dua.
Sementara itu, area daratan dan laut dalam dipisahkan terlebih dahulu dari perairan
laut dangkal (masking), Habitat perairan laut dangkal diklasifikasikan menjadi 6
kelas yaitu kelas karang hidup, karang mati, lamun, pasir, rubble, dan alga
menggunakan metode OBIA dan algoritma klasifikasi SVM pada skala segmentasi.
Dari hasil klasifikasi citra drone menunjukan bahwa habitat perairan laut dangkal
di Kelapa dua dapat dipetakan dengan sangat detail

Gambar 4. Contoh Hasil Interprestasi Visual 6 Kelas Habitat Perairan Laut

Dangkal
(Sumber: Mastu, 2018)

6
3. METODOLOGI
3.1 Waktu dan Tempat

Kerja Praktik Akhir (KPA) dilaksanakan pada 1 Maret 2022-20 Juni 2022 di
Pulau Kelapa Dua, Balai Taman Nasional Kabupaten Administratif Kepulauan
Seribu.

Gambar 5. Peta Lokasi Kerja Praktik Akhir

(Sumber: SAS Planet, 2022)

Gambar 6. Area Misi Terbang

(Sumber: DJI FLY, 2022)

7
3.2 Alat dan Bahan
Alat dan Bahan yang digunakan dalam Kerja Praktik Akhir di Taman Nasional
Pulau Kelapa Dua, Kabupaten Administratif Kepulauan Seribu, DKI Jakarta,
sebagai berikut:
Tabel 1. Alat dan Bahan Yang Digunakan Dalam Praktik Kerja Akhir
No Alat dan Bahan Fungsi/Kegunaan
1. Drone Mavic Mini 2 Alat untuk melakukan pengambilan foto udara
dengan kualitas gambar beresolusi tinggi.
2. DJI FLY Untuk melakukan penerbangan sampai pada
export hasil penerbangan dan dapat digunakan
untuk proses akuisisi foto udara.
3. Hand phone Digunakan untuk mengambil dokumentasi
kegiatan selama Kerja Praktik Akhir
4. Laptop Digunakan untuk menginput data dan
menyusun laporan
5. ArcGIS Software untuk Membuat peta perairan laut
dangkal di pulau kelapa dua.
6. eCognition Developer Software untuk mengintrepretasi objek
menggunakan Object Based Image
Analysis/OBIA beserta segmentasi citra foto
udara.
7. Agisoft Metashape Software untuk mengolah data foto udara dan
menghasilkan data spasial dalam bentuk 3D
untuk kemudian dibuat menjadi peta.
8. GPS GARMIN Pengambilan data koordinat: GCP dan GTH.
9. Peralatan Snorkeling Pengambilan habitat bentik.
10. Transek Kuadrat Pengambilan habitat bentik.
(50 cm x 50 cm)
11. Camera underwater Pengamatan habitat bentik dan dokumentasi.
12. Alat tulis underwater Pencatatan data habitat bentik.
13. Plastik kedap air Pelindung GPS dari Air.
14. Citra Foto Udara Gambar objek pada lokasi pengamatan yang
diperoleh menggunakan pesawat udara tanpa
awak.

8
3.3 Diagram Alir

Berikut adalah diagram alir yang digunakan pada Kerja Praktik Akhir (KPA):

Gambar 7. Diagram Alir

9
3.4 Tahapan Persiapan
Tahapan persiapan untuk melakukan Kerja Praktik Akhir adalah
mengumpulkan data literatur sebagai bahan pendukung yang berkaitan dengan
objek pengamatan dan melakukan konsultasi dengan dosen pembimbing.
3.4.1 Observasi Awal
Sebelum melakukan pengamatan dan pengambilan data. Observasi awal
diperlukan untuk melihat kondisi lapangan (angin, cuaca) di sekitar untuk
mempermudah dalam pengamatan dan pengambilan data.

3.5 Analisis Data

3.5.1 Klasifikasi Berbasis Objek

Metode berbasis objek merupakan metode klasifikasi yang dikembangkan
dengan konsep segmentasi dan analisis objek citra berdasarkan karakteristik
spasial, spektral, dan skala temporalnya sehingga menghasilkan kelas-kelas tertentu
(Blaschke 2010). Secara umum proses klasifikasi OBIA melalui dua tahapan utama
yaitu segmentasi citra dan klasifikasi tiap hasil segmentasi (Xiaoxia et al. 2004).

Pemetaan habitat perairan dangkal dilakukan menggunakan citra Drone hasil

orthomosaic untuk diklasifikasikan menjadi beberapa kelas yaitu darat, laut dalam,
perairan laut dangkal (karang hidup, karang mati, lamun, pasir, rubble, dan alga).
Metode klasifikasi yang digunakan pada penelitian ini yaitu menggunakan metode
klasifikasi berbasis objek (Object-based image analysis/OBIA).Klasifikasi citra
pada setiap level objek dibangun menggunakan algoritma yang terdapat pada
perangkat lunak pemrosesan citra berbasis objek.. Klasifikasi level 1 (reef level)
digunakan assign class dengan nilai ambang batas (threshold) tertentu sehingga
menjadi kelas objek yang diinginkan, sedangkan level 2 (benthic level) digunakan
classifier dengan algoritma Supported Vector Machine (SVM).
3.5.2 Segmentasi
Segmentasi merupakan konsep membangun objek atau segmen dari piksel-
piksel menjadi segmen atau objek-objek yang memiliki sifat yang sama. Algoritma
yang digunakan adalah multiresolution segmentation (MRS) (Navulur, 2007).
Parameter segmentasi dalam penelitian ini adalah shape, compactness, dan
compactness sehingga menciptakan homogenitas pada segmen–segmen yang
dihasilkan. Faktor shape mengatur homogenitas spektral dan bentuk objek, faktor
compactness menyeimbangkan kekompakan dan kehalusan, dan faktor
compactness mengatur ukuran objek yang sesuai dengan kebutuhan pengguna
berdasarkan tingkat kedetailan dan merupakan parameter kunci dalam segmentasi
citra (Prabowo, 2018).

3.5.3 Algoritma Supported Vector Machine (SVM)

Algoritma SVM merupakan klasifikasi terbimbing yang dapat mencari sebuah
vektor atau garis yang berfungsi sebagai pemisah dua kelas dengan
memaksimalkan margin antar kelas tersebut (Wahidin et al. 2015). Algoritma
klasifikasi ini berdasarkan prinsip linear classifier yang tergolong klasifikasi
machine learning. Konsep SVM dapat dijelaskan secara sederhana sebagai usaha
mencari pemisah (hyperplane) terbaik yang berfungsi sebagai pemisah dua buah
kelas pada input space (Nugroho et al. 2003)

10
4. HASIL DAN PEMBAHASAN
4.1 Proses Pengambilan Data Foto Udara
Sebelum dilakukan penerbangan drone ini penulis sudah mengecek keadaan
lokasi dan memperiksa perangkat drone seperti kaertu memori/SD Card sudah
terpasang didalam kamera, memeriksa keadaan baterai, melepas penutup lensa
kamera drone dan ketinggian yang pas untuk pengambilan data foto udara ini.
setelah itu sebelum dilakukan pengambilan foto udara ini sudah dilakukan
pemasangan baling-baling, pencopot pelindung kamera dan dinyalakannya drone
Mavic Mini 2 dengan posisi berada diatas landasan dan jangan lupa untuk
menghidupkan DJI FLY setelah menghidupkan drone . Pengambilan data foto
udara ini menggunakan teknik over lap yang dimana drone searah dengan
mengikuti jalur penerbangan dan kita menggerakan serta memotret foto udara
melalui smart controller. Jumlah semua foto udara yang dihasilkan terbang pada
perairan pulau kelapa dua ini berjumlah 382 data foto udara.

Pengambilan data foto udara ini dilakukan pada pagi hingga siang hari, pukul
08.59-10.32 WIB agar mendapatkan hasil foto udara sesuai yang untuk
menciptakan gambar yang indah menggunakan drone. Karena melakukan
pengambilan data foto udara bagian barat dengan menggunakan estimasi waktu
terbang sekitar 20 menit sehingga diperlukan satu baterai pesawat udara tanpa awak
untuk drone yang berjenis Mavic Mini 2 agar dapat melanjutkan pengambilan.

Gambar 8. Proses Pengambilan Data Drone Mavic Mini 2

11
Gambar 9. Proses Pengambilan Data Drone Mavic Mini 2

12
4.2 Proses Pengolahan Foto Udara
Pada tahapan ini data foto diproses menggunakan aplikasi Agisoft Metahsape,
Berikut merupakan langkah kerjanya:
4.2.1 Agisoft Metashape
Langkah-langkah pengolahan data foto udara menggunakan Aplikasi Agisoft
Metashape , dijabarkan sebagai berikut:
a) Membuka Software Agisoft Metashape.

(Sumber: Agisoft Metashape, 2022)

Gambar 10. Membuka Software Agisoft Metashape
b) Add Photos

Gambar 11. Add Photos Dalam Software Agisoft Metashape

(Sumber: Agisoft Metashape, 2022)

c) Align Photos
d) Optimize Alignment
e) Build Dense Coulds
f) Build Mesh
g) Build Texture

13
h) Build Tiled Model
i) Build DEM
j) Build Orthomosaic

Gambar 12. Batch Process Software Agisoft Metashape

(Sumber: Agisoft Metashape, 2022)

Setelah melalui Batch Process tinggal menunggu saja hasilnya dan akan di
proses secara otomatis. Setelah melalui rangkaian proses pengolahan data foto
udara pada Aplikasi Agisoft Metashape Professional, diperoleh orthomosaic
perairan kelapa dua, dengan hasil kalibrasi data foto udara 97%. Hasil pengolahan
data foto udara yaitu sebagai berikut:

Gambar 13. Hasil Pengolahan Dalam Software Agisoft Metashape

(Sumber: Agisoft Metashape, 2022)

14
Gambar 14. Hasil Orthomosaic Lokasi Penelitian
(Sumber: Agisoft Metashape, 2022)

15
4.2.2 Survei Lapang
Teknik pengumpulan data dilakukan dengan menggunakan transek kuadrat
berukuran 50 x 50 cm, setiap titik koordinat pengambilan data dibantu dengan
menggunakan GPS Garmin serta kamera underwater untuk pengamatan beserta
mendokumentasikan dan memudahkan identifikasi yang berada dalam transek
kuadrat 50 x 50 cm untuk masing-masing kelas habitat dasar perairan laut dangkal
ini seperti lamun, karang hidup, karang mati, rubble, pasir beserta alga yang berada
di Perairan Pulau Kelapa Dua Bagian Barat dan tak luput menggunakan metode
stratified random sampling dengan jarak setiap titik sampling sekitar 15 m dan
dilakukan menyebar pada lokasi Perairan Pulau Kelapa Dua Bagian Barat agar
setiap objek dapat terwakili dengan baik untuk setiap habitat dasar perairan laut
dangkal yang berada di Perairan Pulau Kelapa Dua Bagian Barat. Teknik ini
didasarkan pada pengetahuan tentang lokasi penelitian yang dibagi dalam
kelompok-kelompok yang dipilih secara acak (Congalton dan Green, 2009)

4.2.3 Skema Klasifikasi Level 1

Hasil pengamatan lapangan yang diperoleh dari survei dikelompokkan ke
dalam kelas habitat bentik dengan merujuk kelas habitat yang dilakukan oleh
beberapa peneliti sebelumnya. Karakteristik komponen penyusun habitat bentik di
Perairan Pulau Kelapa Dua Bagian Barat ini dapat diidentifikasikan sebanyak 6
habitat kelas yaitu seperti lamun, karang hidup, karang mati, rubble, pasir beserta
alga
Proses segmentasi dengan Skema Klasifikasi Level 1, Klasifikasi level 1
dilakukan dengan membuat segmen untuk memisahkan darat, perairan dangkal,
lamun, karang hidup, karang mati, rubble, pasir beserta alga. Skala segmentasi yang
digunakan dalam level 1 adalah sebesar 8.000 MRS, Berdasarkan percobaan
segmentasi dengan bilangan skala 8.000, 10.000, dan 15.000, Besar parameter yang
dianggap paling baik adalah bilangan skala 8.000, bentuk 0,2 dan kekompakan 0,7.

Gambar 15. Hasil Segmentasi Bilangan Skala 8.000, Bentuk 0,2 Dan
Kekompakan 0,7
(Sumber: eCognition Developer, 2022)

16
Gambar 16. Hasil Segmentasi Bilangan Skala 10.000, Bentuk 0,2 Dan
Kekompakan 0,7
(Sumber: eCognition Developer, 2022)

17
 Gambar 17. Hasil Segmentasi Bilangan Skala 15.000, Bentuk 0,2,
Dan Kekompakan 0,7
(Sumber: eCognition Developer, 2022)

4.2.4 Skema Klasifikasi Level 2

Proses klasifikasi dalam metode OBIA merupakan lanjutan dari proses
segmentasi tiap level. Objek-objek yang telah dikelompokkan dalam proses
segmentasi kemudian diklasifikasi berdasarkan kesamaan informasi yang dimiliki
oleh tiap-tiap segmen proses klasifikasi habitat dasar perairan laut dangkal di
perairan Pulau Kelapa Dua Bagian Barat dilakukan setelah pengamatan lapang
secara visual. Terdapat 6 kelas yang biasa digunakan untuk pengklasifikasian
habitat bentik, seperti lamun, karang hidup, karang mati, rubble, pasir beserta alga.
Kelas habitat bentik ditentukan berdasarkan habitat bentik yang paling dominan
menempati perairan Pulau Kelapa Dua Bagian Barat.

hasilnya dari proses klasifikasi tampak pada gambar dibawah ini. dimana alga
(kuning), pasir (putih), rubble (abu-abu), karang hidup (merah), karang mati
(orange), lamun (hijau), tempat budidaya keramba (biru muda), perairan laut
dangkal (biru tua), daratan (coklat) memilih warna dalam pengklasifikasian sangat
penting menentukan warna yang sesuai, karena warna dapat membuat peta yang
dihasilkan dapat bermanfaat, dan mudah dipahami oleh para pembaca.

18
 Gambar 18. Hasil Segmentasi Dan Klasifikasi
Peta Perairan Laut Dangkal

Gambar 19. Peta Hasil Segmentasi Dan Klasifikasi

Peta Perairan Laut Dangkal

19
5. PENUTUP
5.1 Kesimpulan
Pada Kerja Praktik Akhir ini dapat disimpulkan mengenai Pemetaan Perairan
Laut Dangkal Menggunakan Teknologi Drone Di Perairan Pulau Kelapa Dua
Bagian Barat yaitu:
1. Hasil penelitian menunjukkan adanya peta habitat dasar perairan laut dangkal
beserta informasi habitat perairan laut dangkal menggunakan metode Object Based
Image Analysis/OBIA, terdapat 6 kelas habitat perairan laut dangkal yaitu kelas alga,
lamun, karang hidup, karang mati, pasir, rubble.
2. Distribusi habitat dasar perairan laut dangkal di perairan pulau kelapa dua bagian
barat memiliki nilai luasan habitat perairan laut dangkal Alga memiliki luasan nilai
sebesar 82,93 hektar, lamun memiliki luasan nilai sebesar 2,780 hektar, untuk karang
hidup memiliki luasan nilai sebesar 6,916 hektar, karang mati memiliki luasan nilai
sebesar 0,658 hektar, untuk pasir memiliki luasan nilai sebesar 0,736 hektar, untuk
rubble memiliki luasan nilai 0,002 hektar.

5.2 Saran
Perlu dilakukan pengembangan dan penelitian lebih lanjut terkait dengan
pemanfaaatan teknologi drone, agar dapat menghasilkan akuisisi foto udara untuk
dapat memetakan habitat dasar perairan laut dangkal sehingga menghasilkan citra
drone yang lebih baik. Dan proses segmentasi lainnya agar dapat diuji yang belum
dilakukan agar kedepannya dapat diteliti lebih lanjut agar memperoleh gambaran
akuisisi yang maksimal pada peta perairan habitat dasar laut dangkal menggunakan
teknologi drone.

20
 LAMPIRAN

Lampiran 1. Dokumentasi Lapangan

Gambar 21. Rubble

Gambar 22. Karang Hidup

21
Gambar 20. Lamun

Gambar 23. Pasir

22
 Gambar 24. Alga

Gambar 25. Karang Mati

23
 Gambar 26. Pengambiklan Data Drone

Gambar 27. Drone Mavic Mini 2 Beserta Baling-Baling

24
Gambar 28. Smart Controller

Gambar 29. Baterai Drone Mavic Mini 2

25
 DAFTAR PUSTAKA

Bahar, Emirul. 2016. Drone. (online) : emirul.staff.gunadarma.ac.id/Do

wnloads/files/46041/DRONE.pdf.
Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS
Journal Photogrammetry and Remote Sensing, 65(1), 2-16.
https://doi.org/10.1016/j.isprsjprs.2009.06.004/.
Brouwe, R.L., De Schipper, M.A., Rynne, P.F., Graham, F.J., Reniers, A.D.J.H.M.,
& MacMahan, J.H. (2015). Surfzone monitoring using rotary wing unmanned aerial
vehicles. Journal of Atmospheric and Oceanic Technology, 32(4), 855-863.
https://doi.org/10.1175/JTECH-D-14-00122.1
Candiago, et.al. 2015. Evaluating Multispectral Images and Vegetation Indices for
Precision Farming Applications from UAV Images. Switzerland: Jurnal Remote
Sensing. 7(4), 4026- 4047.
Casella, E., Collin, A., Harris, D., Ferse, S., Bejarano, S., Parravicini, V., Hench,
J.L., & Rovere, A. (2017). Mapping coral reefs using consumer-grade drones and
structure from motion photogrammetry techniques. Coral Reefs, 36(1), 269-275.
https://doi.org 10.1007/s00338-016-1522-0.
Chao, H.Y., Cao, Y.C., & Chen, Y.Q. (2010). Autopilots for small unmanned aerial
vehicles: a survey. International Journal of Control, Automation, and Systems, 8(1), 36-
44. https://doi.org/10.1007/s12555-010-0105-z
Congalton, RG., Green K., 2009. Assessing the Accuracy of Remotely Sensed
Data— Principles and Practices (second edition). Taylor & Francis Group, LLC.
Feng, et.al. 2015. UAV Remote Sensing for Urban Vegetation Mapping Using
Random Forest and Texture Analysis. Switzerland: Jurnal remote sensing. Volume 7.
Fernández, et.al. 2016. Analysis of Landslide Evolution Affecting Olive Groves
Using UAV and Photogrammetric Techniques. Switzerland: Jurnal remote sensing. 8,
837.
Geologinesia. 2016. Pengertian, Komponen, dan Manfaat Penginderaan Jauh.
Green, E. P., Mumby, P. J., Edwards, A. J., dan Clark, C. D. (2000). Remote Sensing
Handbook for Tropical Coastal Management. UNESCO. Paris.
Hassan, et.al. 2011. Contextual Classification of Cropcam UAV High Resolution
Images Using Frequency-Based Approach for Land Use/Land Cover Mapping.
Malaysia: Symposium on Industrial Electronics and Applications (ISIEA2011),
September 25-28, 2011.
Koshkarev, A. V, Antipov, A. N., Batuyev, A. R., Yermoshin, V. V, & Karakin, V.
P. (2008). Geo-portals as part of spatial GDWDLQIUDVWUXFWXUHV
5XVVLDQ$FDGHP\- supported resources and geoservices. 29, 18±27.
https://doi.org/10.1016/j.gnr.2008.04.00
Lu, D., Li, G., Moran, E., Batistella, M., & Freitas, C. C. (2011). ISPRS Journal of
Photogrammetry and Remote Sensing Mapping impervious surfaces with the integrated
use of Landsat Thematic 0DSSHUDQGUDGDUGDWD $FDVHVWXG\LQ an urban
± rural landscape in the Brazilian Amazon. ISPRS Journal of Photogrammetry and
Remote Sensing, 66(6), 798±808.
Malczewski, J. (2004). GIS-based land-use VXLWDELOLW\ DQDO\VLV D
FULWLFDO. 62, 3±65. https://doi.org/10.1016/j.progress.2003. 09.002

26
 Mastu, L.O.K. (2018). Pemetaan Habitat Bentik Berbasis Objek Menggunakan
Citra Unmanned Aerial Vehicle (UAV) dan Satelit Sentinel-2 di Perairan Pulau Wangi-
wangi Kabupaten Wakatobi. Tesis Sekolah Pascasarjana IPB University. Bogor. 83
hlm.
Mastu, L.O.K., Nababan, B., & Panjaitan, J.P. (2018). Object based mapping on
benthic habitat using Sentinel-2 Imagery of the Wangi-Wangi Island Waters of the
Wakatobi District. Jurnal Ilmu dan Teknologi Kelautan Tropis, 10(2), 381-396.
https://doi.org/10.29244/jitkt.v10i2.21039
Mount, R.E. (2005). Acquisition of through-water aerial survey images: surface
effects and the prediction of sun glitter and subsurface illumination. Photogrammetric
Engineering & Remote Sensing, 71(12), 1407- 1415.
https://doi.org/10.14358/PERS.71.12.1407
Navulur K. 2007. Multispectral image analysis using the object-oriented paradigm
Taylor & Francis Group, LLC
Nugroho AS, Witarto AB, Handoko D. 2003. Support vector machine teori dan
aplikasinya dalam bioinformatika. Ilmu Komputer.
Prabowo NW. 2018. Klasifikasi Habitat Bentik Berbasis Objek dengan Algoritma
Support Vector Machines dan Decision Tree Menggunakan Citra Multispektral SPOT-
7 di Pulau Harapan dan Pulau Kelapa. [tesis]. Bogor (ID): Institut Pertanian Bogor
Pradana, (2016). Single Propeller Drone (Singrone): Inovasi Rancang Bangun
Drone Single Propeller sebagai Wahana Pemetaan Lahan Berbasis UAV, Jurnal
Electronics, Informatics, and Vocational Education (ELINVO). 1(3).
Ramadhani, Y.H., Rohmatulloh, Pominam, K.A., & Susanti, R. (2015). Pemetaan
pulau kecil dengan pendekatan berbasis objek menggunakan data Unmanned Aerial
Vehicle (UAV). Majalah Ilmiah Globe, 17(2), 125-134.
Siregar VP, Wouthuyzen S, Sukimin S, Agus SB, Selamat MB, Sunuddin A, Sriati,
Muzaki AA. 2010. Informasi Spasial Habitat Perairan Dangkal dan Pendugaan Stok
Ikan Terumbu Menggunakan Citra Satelit. Bogor[ID]: Seameo Biotrop.
Talitha AE. 2017. Pemetaan Bentik Habitat Perairan Dangkal Karang Bongkok
dengan Metode OBIA Menggunakan Citra WorldView-2. [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
Xiaoxia S, Jixian Z, Zhengjun L. 2004. A comparison of object-oriented and
pixelbased classification approachs using Quickbird Imagery [paper]. Beijing (PRC) :
Chinese Academy of Surveying and Mapping.
Zarco, & Pablo J., et.al. 2014. Tree height quantification using very high resolution
imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-
reconstruction methods. European journal of agronom

27