Disusun Oleh:
Rachela Amanda Aprillia Putri
26050122140128
Oseanografi C
Tim Asisten:
Stephanie Michelle Gunady 26050121130063
Atika Siti Nuraisyah 26040120130066
Erlinda Sofiani Levina 26050121120012
Gheyhaliza Anti 26050121120005
Nilamsari Dinda Andini 26050121140090
Shafa Nur Fadhillah 26050121120029
Ariel O. P. Simatupang 26050121130062
DEPARTEMEN OSEANOGRAFI
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2023
II. TINJAUAN PUSTAKA
Menurut Ahmed dan Harishnaika. (2023), Google Earth Engine (GEE) merupakan
platform yang memiliki lingkungan pemrograman interaktif dan berperan penting dalam
pemantauan serta analisis lingkungan dalam jangka waktu yang panjang. Platform ini
memiliki kemampuan untuk menyimpan catatan pengamatan bumi dalam jangka waktu yang
panjang, karena sangat penting dalam pemantauan dan analisis lingkungan. GEE juga
menyediakan antarmuka pemrograman aplikasi (API) yang mendukung JavaScript dan
Python, memungkinkan pengguna untuk mengotomatiskan analisis geospasial dengan mudah.
Selain itu, platform ini dilengkapi dengan berbagai alat visualisasi dan pengolahan data yang
memfasilitasi pembuatan peta interaktif, grafik, dan animasi untuk menjelajahi hasil analisis
dengan cara yang intuitif. Platform ini sangat menekankan konsep data terbuka dengan
menyediakan akses gratis ke berbagai data geospasial historis dan aktual. GEE telah banyak
digunakan dalam pemantauan lingkungan, membantu para peneliti dan praktisi untuk
memahami perubahan lingkungan dengan lebih baik. Namun, penting untuk dicatat bahwa
GEE memiliki beberapa keterbatasan dalam hal visualisasi. Platform ini hanya mampu
menampilkan data geospasial global dalam dua dimensi dan tidak memiliki kemampuan
visualisasi yang lebih canggih dibandingkan dengan Google Earth. Salah satu keunggulan
utama GEE adalah kemampuannya untuk mengakses beragam data citra satelit, seperti
Landsat dan Sentinel tanpa perlu mengunduh data secara lokal. Dapat diartikan bahwa
pengguna dapat melakukan analisis geospasial tanpa infrastruktur komputasi lokal yang kuat,
karena semua pemrosesan data terjadi di komputasi awan.
Google Earth Engine (GEE) adalah sebuah platform komputasi awan dari tahun 2010 hingga
sekarang telah berhasil mengatasi berbagai tantangan dalam analisis data geospasial global.
Google Earth Engine mengandalkan cloud computing dan telah terbukti sebagai alat yang
sangat efektif dalam melakukan analisis data geospasial, baik dalam skala kecil maupun besar.
Saat ini, GEE telah menjadi platform komputasi awan yang sangat populer dalam ilmu sistem
bumi. Platform tersebut sering digunakan untuk memproses data yang berkaitan dengan
berbagai bidang, termasuk pertanian, air, tutupan lahan, bencana, perubahan iklim, tanah,
lahan basah, hutan, urbanisasi, dan banyak bidang lainnya. GEE memberikan pengguna akses
ke data pengamatan bumi yang dapat diunduh secara publik dalam skala petabyte, dilengkapi
dengan algoritma canggih yang memudahkan analisis data geografi. Dalam perbandingan
dengan platform cloud lain seperti Amazon Web Services (AWS) dan Microsoft Azure, GEE
mendukung beragam jenis data geospasial. Sehingga platform tersebut memberikan
fleksibilitas yang lebih besar. Selain itu, Google Earth Engine memberikan layanan secara
gratis untuk semua pengguna. Fokus utama yang diberikan ialah manfaatnya, terutama bagi
negara-negara berkembang (Yang et al., 2022).
Klorofil a cenderung bersifat nonpolar, sementara klorofil b memiliki sifat sedikit lebih polar.
Karena sifat-sifat ini, klorofil dapat larut dalam pelarut seperti metanol, alkohol, campuran
aseton, dan bahkan air. Normalized Difference Chlorophyll Index (NDCI) adalah sebuah
indeks yang digunakan untuk mengukur kandungan klorofil dalam tanaman atau dalam
lingkup ekosistem (Lewandatu et al., 2019).
Ahdityas, R., A. Sukmono, dan Sasmito, B., 2023. Analisis Kualitas Perairan Waduk Cacaban
dengan Menggunakan Data Citra Landsat 8 & 9 Multitemporal. Jurnal Geodesi
Undip, 12 (2): 161-170.
Ahmed, S. A. dan Harishnaika, N., 2023. Land use and land cover classification using
machine learning algorithms in google earth engine. Earth Science Informatics, 1-17.
Al-Ramahi, F. K. M., Mohammed, S. B. dan M. H. Hasan. 2023. Monitoring the Water
Quality of the Tigris River and Producing Maps to Determine the Locations of
Turbidity in the Water for the Year 2022 in Baghdad Governorate. In IOP Conference
Series: Earth and Environmental Science (Vol. 1223, No. 1, p. 012020). IOP Publishing.
Chuzaini, F.dan Dzulkiflih, D., 2022. IoT Monitoring Kualitas Air dengan Menggunakan
Sensor Suhu, pH, dan Total Dissolved Solids (TDS). Inovasi Fisika Indonesia, 11(3):
46-56.
El-Mezayen, M. M., dan Abd El-Hamid, H.T., 2023. Assessment of Water Quality and
Modeling Trophic Level of Lake Manzala, Egypt Using Remotely Sensed
Observations after Recent Enhancement Project. Journal of the Indian Society of
Remote Sensing, 51 (1):197-211.
Guha, S., H. Govil dan Diwan, P., 2019. Analytical study of seasonal variability in land
surface temperature with normalized difference vegetation index, normalized
difference water index, normalized difference built-up index, and normalized
multiband drought index. Journal of Applied Remote Sensing., 13 (2): 024518-024518.
Hartono. 2015. Pemanfaatan Citra Landsat 8 Multitemporal Untuk Pemetaan Muatan Padatan
Tersuspensi Pada Muara Sungai Serayu Jawa Tengah. Jurnal Bumi Indonesia, 1 (1): 1-
10.
Lawendatu, O. P., J. Pontoh dan Kamu, V., 2019. Analisis kandungan klorofil pada berbagai
posisi daun dan anak daun aren (Arrenga pinnata). Chemistry Progress., 12(2):67-71.
Rahayu, N. L., Lestari, W. dan Erwin, R. A., 2017. Bioprospektif Perairan Berdasarkan
Produktivitas: Studi Kasus Estuari Sungai Serayu Cilacap, Indonesia. Biosfera, 34 (1):
15-21.
Rahmawati, S. D. 2023. Analisis Parameter Kunci Kualitas Air Sungai Kaligarang
Menggunakan Metode Water Pollution Index. Higeia. Journal of Public Health
Research and Development, 7 (2).
Syariz, M. A. 2022. A Convolutional Neural Network With Transfer Learning For
Chlorophyll-A Concentrations Retrieval In Mesotrophic Lakes Using Sentinel-3
Imagery (Doctoral dissertation, Institut Teknologi Sepuluh Nopember).
Yang, L., Driscol,J. S., Sarigai, Q., Wu, H. C. Dan Lippitt, C. D., 2022. Google Earth Engine
and artificial intelligence (AI): a comprehensive review. Remote Sensing, 14 (14): 3253.