Pemanfaatan Unmanned Aerial Vehicle (Uav) dalam Deteksi Goresan Lamun dengan Pendekatan Machine Learning di Pantai Terora, Tanjung Benoa, Bali

Seagrass propeller; seagrass damage; machine learning; unmanned aerial vehicle (UAV)

Abstrak

Lamun di daerah Tanjung Benoa menyebar di sepanjang pantai bagian timur salah satunya di Pantai Terora, aktivitas wisata seperti water sport dan lalu lalang perahu nelayan di lingkungan perairan dangkal pantai berkontribusi besar terhadap kerusakan komunitas padang lamun. Goresan Lamun terbentuk ketika baling-baling perahu menghantam dasar padang lamun yang dangkal dan menghancurkan daun, akar, dan rimpang lamun. Tujuan penelitian ini mengetahui tingkat kerusakan goresan lamun di Pantai Terora berdasarkan rumus absolute percent scarring dan membandingkan algoritma machine learning yang tepat untuk mendeteksi dan melakukan segmentasi pada goresan lamun. Pengambilan data dilakukan pada bulan November 2023 dengan area 350x350 meter menggunakan drone DJI 4 RTK. Algoritma machine learning support vector machine (SVM) berperan penting dalam melakukan segmentasi tingkat kerusakan lamun dengan memanfaatkan unmanned aerial vehicle (UAV) dan selain support vector machine (SVM) terdapat algoritma machine learning lain yang digunakan yaitu random forest dan decision tree. Selain algoritma machine learning diterapkan juga gabor filter untuk meningkatkan evaluasi model. Evaluasi model SVM mendapatkan Accuracy dengan persentase 78.29%, Precision 80,49%, Recall 78,29%, dan F1 Score 78,67% dimana nilai tersebut merupakan nilai tertinggi dibandingkan dengan algoritma random forest dan decision tree. Tingkat kerusakan lamun yang terjadi di Pantai Terora mencapai 43,6% dan termasuk dalam kategori severe scaring.