.webp)
Badan Riset dan Inovasi Nasional (BRIN) mengembangkan metode berbasis kecerdasan buatan (artificial intelligence/AI) untuk mengekstraksi garis pantai di wilayah pesisir utara Pulau Jawa (Pantura) menggunakan citra satelit Sentinel-2. Inovasi ini bertujuan meningkatkan akurasi pemantauan perubahan garis pantai yang dinamis akibat faktor alam maupun aktivitas manusia.
Penelitian ini dilakukan oleh tim periset BRIN dengan memanfaatkan model deep learning U-Net untuk memisahkan area darat dan laut secara otomatis dari citra satelit. Metode ini diterapkan di sepanjang pesisir utara Jawa yang memiliki karakteristik kompleks, mulai dari pantai berpasir, berlumpur, hingga kawasan dengan intervensi infrastruktur intensif.
Peneliti Pusat Riset Teknologi Hidrodinamika BRIN, Edwin Adi Wiguna, mengungkapkan bahwa wilayah Pantura merupakan kawasan strategis yang padat penduduk. Namun demikian, kawasan ini rentan terhadap berbagai tekanan lingkungan seperti abrasi, banjir rob, serta penurunan muka tanah.
“Pemanfaatan model U-Net memungkinkan identifikasi batas darat dan laut secara lebih presisi. Hasil pengujian menunjukkan tingkat akurasi yang tinggi dengan nilai Intersection over Union mencapai sekitar 92 persen,” jelas Edwin.
Dalam prosesnya, citra satelit Sentinel-2 diolah melalui beberapa tahapan, mulai dari penyusunan dataset, pelatihan model, hingga segmentasi citra. Model U-Net menghasilkan klasifikasi piksel yang membedakan wilayah darat dan laut, yang kemudian diproses lebih lanjut menggunakan algoritma deteksi tepi untuk memperoleh garis pantai secara detail.
Hasil penelitian menunjukkan performa model yang sangat baik pada pantai berpasir dan berkerikil. Namun, tantangan masih ditemukan pada wilayah pantai berlumpur, terutama di kawasan tambak, karena memiliki kemiripan karakteristik spektral dengan perairan dangkal.
Secara kuantitatif, rata-rata deviasi hasil ekstraksi garis pantai terhadap data referensi mencapai sekitar 55,73 meter, dengan kesalahan maksimum hingga 326,45 meter pada kondisi tertentu (pada area kompleks dan berlumpur). Meskipun demikian, model tetap menunjukkan konsistensi dalam menangani kompleksitas wilayah pesisir Pantura.
Edwin menambahkan bahwa teknologi ini berpotensi besar untuk mendukung pemantauan garis pantai secara rutin dan efisien.
“Pendekatan ini dapat dimanfaatkan untuk observasi garis pantai secara berkala dengan biaya yang lebih rendah, sehingga membantu pemerintah dalam pengambilan kebijakan berbasis data, khususnya terkait mitigasi abrasi, banjir rob, dan perubahan garis pantai,” tambahnya.
Melalui inovasi ini, BRIN terus mendorong pemanfaatan teknologi kecerdasan buatan dan penginderaan jauh guna mendukung pengelolaan wilayah pesisir yang adaptif, berkelanjutan, serta memperkuat ketahanan terhadap dampak perubahan iklim.
Cek Artikel dan Berita Lainnya di Google News
