pemodelan perubahan garis pantai dengan metode …

Seminar Nasional Teknologi Informasi dan Multimedia 2015STMIK AMIKOM Yogyakarta, 6-8 Februari 2015

ISSN : 2302-3805

4.2-19

PEMODELAN PERUBAHAN GARIS PANTAI DENGAN METODEEND POINT RATE PADA CITRA SATELIT LANDSAT

I Made Agus Wirahadi Putra1), Adhi Susanto2), Indah Soesanti3)

1) Pascasarjana Teknik Elektro Universitas Gadjah Mada2),3)Staf Pengajar Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gajah Mada Yogyakarta

Jalan Grafika No.2 Kampus UGM Yogyakarta [email protected]), [email protected]), [email protected])

Abstrak

Analisis garis pantai menjadi hal yang sangat pentingdalam mengelola kawasan pesisir. Analisis garis pantaimemberikan gambaran mengenai perubahan garis pantaiyang diakibatkan oleh abrasi dan akresi selain itu dapatmemberikan estimasi terbaik mengenai kemungkinan-kemungkinan garis pantai yang akan terjadi didasarkanpada garis pantai waktu sebelumnya. Metode BILKO danmultispektrum dibandingkan dalam mealkukan ekstraksigaris pantai. Metode end point rate (MPR) merupakansalah satu metode dalam menghitung laju perubahangaris pantai sehingga memungkinkan untuk menglakukanuntuk menentukan garis pantai di masa depan. Dalampenelitian ini menggunakan citra satelit Landsat padapantai selatan taman Nasiaonal Ujung Kulon pada tahun1992, 2009 dan 2014.dalam penelitian ini menunjukanadanya penambahan area pantai (akresi) pada pantaibagaian timur pada wilayah kajian. Berdasarkan dataEPR dilakukan prediksi garis pantai pada tahun 2020 dan2030.

Kata kunci: Segmentasi Garis pantai, BILKO, Abrasi,Akresi EPR

1. Pendahuluan

Kawasan pesisir merupakan kawasan yang dinamis,dimana kawasan pesisir mengalami proses perubahansecara terus menerus dan dapat terjadi sewaktu-waktu.Perubahan garis pantai dapat terjadi karena adanya prosesfisik seperti adanya proses perubahan pasang surut airlaut, angkut sedimen yang dibawa oleh sungai,gelombang air laut serta arus yang bergerak mengikutiatau menyusuri garis pantai. Perubahan garis pantaiberupa abrasi maupun akresi merupakan salah satu contohhasil dari proses fisik yang terjadi. Abrasi merupakanfenomena perubahan garis pantai yang diakibatkan olehpengikisan tepi pantai oleh gelombang laut maupun daripengikisan yang disebabkan oleh angin. Gelombang lautmengikis bagian dasar (daerah interaksi) sehinggamembentuk cekung-cekungan yang berdampak padapergeseran struktur pasir atau bebatuan ke arah bawah[1].Akresi merupakan proses perubahan gari pantai yangdisebabkan oleh bertambahnya wilayah daratandikarenakan adanya proses pengendapan sedimen yang

dibawa oleh sungai maupun yang terbawa oleh laut.Sedimentasi umumnya terjadi pada derah delta, maupundaerah yang memiliki tingkat kerapatan trumbu karangmaupun vegetasi pantai yang tinggi. Karang serta akardari vegetasi pantai akan mengikat atau menghalangipergerakan dari sedimen sehingga terjadi penimbunansedimen dan memunculkan daerah daratan baru[2].

Garis pantai merupakan garis interaksi antarakawasan perairan dan kawasan daratan dan memiliki sifatyang dinamis[3]. Perubahan garis pantai yang dinamisselain dipengaruhi oleh adanya faktor fisik jugadipengaruhi oleh faktor antropogenik yang berdampakbesar pada lingkungan [4]. Antropogenik merupakanfenomena perusakan atau pencemaran yang terjadi secaratidak alami yang disebabkan oleh adanya pencemaranyang dilakukan oleh manusia.

Mendeteksi garis pantai dan melakukan analisisterhadap garis pantai sehingga menghasilkan peramalanposisi garis pantai yang akan terjadi menjadi hal yangsangat penting dalam kajian dinamika pesisir. Kajian iniakan membantu dalam pengelolaan kawasan pesisirseperti pembentukan zona bahaya, studi pengelolaan danpengembangan wilayah , transportasi laut, sedimentbudget dan pemodelan morfodinamika pesisir[5][6][7].

Beberapa metode dikembangkan dalam melakukanekstraksi garis pantai dan peramaln. Pendekatan metodeyang dilakukan seperti menggunakan algoritma EmpiricalOrthogonal Functions (EOF) pada data bathymetric,penerapan algoritma jaringan saraf tiruan dalammemodelkan garis pantai akibat adanya pengaruh badai,dan inferensineuro-fuzzy adaptif (ANFIS) [8][9][10].Model dengan perhitungan matematis yang lebihsederhana dalam menganalisis perubahan garis pantaisehingga mampu menghasilkan peramalan yangmenggunakan historical garis pantai sepertimenggunakan metode End Point Rate (EPR) model ,Average of Rates (AOR), Linear Regression (LR) andJackknife (JK) .

Tujuan dari penelitian yang dilakukan adalahmelakukan analisis EPR dalam memantau perubahangaris pantai sehingga nantinya dapat memprediksi garispantai yang terbentuk di masa depan.

A. Citra Satelit Landsat

Landsat merupakan salah satu satelit pengindraan


ISSN : 2302-3805

4.2-20

jauh yang dikembangkan oleh National Aeronautics andSpace Administration (NASA) dan United StatesGeological Survey (USGS).Tabel 1. Landsat

Nama Satelit TanggalPeluncuran

Tanggaldinonaktifkan

Landsat 1 (EarthResourcesTechnologySatellite 1 )

23 Juli 1972 6 Januari 1978

Landsat 2 22 Januari1975

22 Januari 1981

Landsat 3 5 Maret 1978 31 Maret 1983Landsat 4 16 Juli 1982 1993Landsat 5 1 Maret 1984 26 Desember

2012Landsat 6 5 Oktober

1993Gagal mencapaiorbit

Landsat 7 15 Desember1999

-

Landsat 8 11 Februari2013

-

Landsat 8 merupakan satelit observasi sumberdaya alam varian terbaru yang diluncurkan oleh NASAdan USGS. Landsat 8 diluncurkan pada tanggal 11Februari 2013 dengan membawa sesor nboardOperational Land Imager (OLI) dan Thermal InfraredSensor (TIRS)[11]. Keseluruhan jumlah kanal yangdimiliki adalah 11 buah dimana 9 kanal berada padasensor OLI dan 2 kanal pada sensor TIRS. Resolusispasial yang dimiliki oleh landsat 8 berkisar antara 15m –100 m sesuai dengan kanal yang digunakan. Resolusi danpanjang gelombang yang digunakan pada landsat 8 secaradetail disajikan pada Table 2.

Tabel 2. Kanal pada landsat 8.Spectral Band Wavelength Resolution

Band 1 - Coastal /Aerosol

0.433 -0.453 µm

30 m

Band 2 – Blue 0.450 -0.515 µm

30 m

Band 3 – Green 0.525 -0.600 µm

30 m

Band 4 – Red 0.630 -0.680 µm

30 m

Band 5 - NearInfrared

0.845 -0.885 µm

30 m

Band 6 - ShortWavelengthInfrared

1.560 -1.660 µm

30 m

Band 7 - ShortWavelengthInfrared

2.100 -2.300 µm

30 m

Band 8 –Panchromatic

0.500 -0.680 µm

15 m

Band 9 – Cirrus 1.360 -1.390 µm

30 m

Band 10 - LongWavelengthInfrared

10.30 -11.30 µm

100 m

Band 11 - LongWavelengthInfrared

11.50 -12.50 µm

100 m

Seumber: Jurnal processing and interpretation of satelliteimages landsat 8 [12]

Citra pada masing masing band umumnya memilikirona warna grayscale dimana citra tersebut memilikirentang nilai pixel dari 0 hingga 255.Masing-masing bandmemiliki tangkapan tingkat kecerahan warna yangberbeda terhadapt suatu objek sehingga penggabungancitra antar band akan menghasilkan suatu informasi baru.Gelombang dengan panjang 0.45-0.52 memiliki spektrumwarna biru dimana gelombang ini digunakan dalammemetakan tanah, tumbuhan, dan permukaan air karenamemiliki sifat gelombang yang diserap oleh permukaanair. Gelombang dengan spekrum hijau dengan panjanggelombang 0.52-0.60 digunakan dalam mengukur nilaipantulan warna hijau vegetasi. Spektrum merah memilikipanjang gelombang 0.63-0.69 yang digunakan untukmelihat daerah yang menyerap klorofil dan juga untukmemisahkan spesimen vegetasi. Spektrum infra-merahdekat (near infrared) memiliki panjang gelombang 0.76-0.90 dan digunakan dalam pemantauan jenis ataukesehatan vegetasi dan biomasa. Spektrum infra-merahsedang (middle infrared) memiliki panjang gelombang1.55-1.75 yang digunakan untuk mengukur kelembabantanah, dan juga digunakan dalam membedakan salju danawan. Infra-merah termal (TIR atau LWIR) mempunyaipanjang gelombang 10.4-12.5 yang digunakan dalammemetakan suhu permukaan bumi.

B. Median Filtering

Derau atau noise merupakan ganguan yang timbulpada citra yang diakibatkan oleh adanya gangguan dalamproses pengambilan citra maupun dalam pengolahan.Noise umumnya memiliki ukuran yang relative kecilnamun tetap memberikan pengaruh yang besar dalamanalisis citra. Penapisan dapat dilakukan untukmengurangi atau menghilangkan noise yang muncul[13].

Median filtering merupakan salah satu metodedalam mehilangan derau. Dalam median filtering nilaipixel derau diganti dengan nilai pixel baru yang diperolehdari nilai tengah pixel tetangga. Untuk ukuran kernel mbaris dan n kolom maka banyaknya piksel dalam kerneladalah (m x n), m serta n adalah bilangan ganjil, karenaposisi tengahnya untuk nilai baru yang diperoleh, yaituposisi (m x n + 1)/2. Semua nilai piksel bertetangga harusdiurutkan besaranya dan diambil posisi tengah. Secaramatematis, tapis median dapat dinyatakan sebagaiberikut.

( , )= { ( + −1, + −1),( , ) ∈ }….(1)


ISSN : 2302-3805

4.2-21

C. Laplacian Operator

Tepi citra mengandung informasi penting dari citrabersangkutam. Tepian citra dapat menggambarkanmengenai informasi-informasi yang terkandung di dalamcitra baik berupa bentuk, tekstur maupun ukuran dariobjek yang ada di dalam citra. Tepian citra adalah posisidimana merupakan perubahan nilai pixel secara ekstrim.Perubahan ekstrim yang dimaksud disini adalahperubahan nilai pixel dari tinggi ke rendah maupun darirendah ke tinggi[14]. Deteksi tepi dapat dibagi menjadidua yaitu deteksi tepi turunan pertama dan deteksi tepiturunan kedua. Operator Gradien Pertama (DifferentialGradient) yang mencakup Operator Robert, OperatorSobel, Operator Prewitt, Operator Krisch, OperatorCanny, dan Deteksi Tepi Isotropik, 2) Operator TurunanKedua (Laplacian of Gaussian atau LOG), 3) OperatorKompas (Compass Operator) [15].Deteksi tepi turunankedua dapat menghasilkan tepian yang lebih baikdikarenakan menghasilkan tepian yang lebih tipis.Oprator laplacian merupakan salah satu oprator deteksitepi turunan kedua.

Laplacian oprator merupakan oprator turunan keduadimana memiliki rumus matematis dari bentuk dasar citrakontinu adalah sebagai berikut [16]:( , ) = + ……………………….…..(2)

Berdasarkan bentuk persamaan 2, Laplacian opratormemiliki bentuk diskret sebagai berikut:( , ) = ( − 1, ) + ( + 1, ) + ( , − 1) +( , + 1) + (−4 ( , ))

Berdsarkan bentuk diskrit tersebut maka dalammealkukan proses deteksi tepi dengan oprator laplacianmenggunakan karnel sebagai berikut:0 1 01 −4 10 1 0D. Pembentukan garis pantai

Pembentukan garis pantai secara otomatis menjadi halyang komplek, hal ini dikarenakan adanya zona air jenuhpada batas antara air dan daratan[6][17].Terdapatbeberapa metode yang umum dilakukan dalammelakukan ekstraksi informasi kawasan air dan tanah.Metode pertama menggunakan 1 kanal yaitu kanalinframerah dekat. Metode yang menggunakan pendekatanini adalah BILKO. Algoritma BILKO dikembangkan olehTraining and Education in Marine Science Programme(TREDMAR) – UNESCO. Algoritma ini menggunakanpendekatan nearest integer pada format citra 8-bit. Secaramatematis algoritma BILKO dapat dirumuskan sebagaiberikut:

output[i,j]=((( 4[ , ])/( ∗2))+1)∗ −1………(3)

Pendekatan kedua dengan menggunakanmultispektrum. Pendekatan ini memungkinkan untukmemunculkan batas antara daratan dan perairan dengan

membandingkan nilai tingkat kecerahan pada kanal birudan kanal inframerah dekat. Kanal biru menghasilkancitra greyscale dengan wilayah perairan memiliki ronayang lebih gelap dibandingkan dengan wilayah daratsedangkan pada kanal inframerah dekat menghailkan citradengan wilayah daratan lebih terang dibandingkandengan kawasan perairan. Secara matematis algoritma inidapat dinotasikan sebagai berikut

If (b4/b1) >= 1 then 0 else 1………………….(4)

Dimana b4 merupakan kanal inframerah dekatsedangkan b1 merupakan kanal biru. Hasil dari metode iniadalah kawasan daratan akan mimiliki nilai gelapsedangkan kawsan perairan akan memiliki warna terang.

E. End Point Rate (EPR) model

Pantai yang berbatasan langsung dengan samudramengalami proses abrasi dan akresi yang tinggi. Tingkatakurasi dari peramalan garis pantai sangan ditentukanoleh adanya informasi mengenai sejarah perubahan garispantai dari masa lalu. Dalam analisis dinamika pantai,perubahan laju konstan umum digunakan dalammenghitung perubahan yang terjadi[18]. Kecepatanperubahan garis pantai menjadi hal umum digunakandalam melakukan peramalan garis pantai.

End poin rate (EPR) merupakan salah satu metodeyang sederhana dalam meramalakan garis pantai. Metodeini mengasumsikan tingkat periodik diamati dariperubahan posisi garis pantai merupakan estimasi terbaikdalam memprediksi garis pantai di masa depan [19] danmetode EPR tidak memerlukan informasi mengenaitransport sedimen yang terjadi atau interferensigelombang yang terjadi pada masa pengamtan, hal inidikarenakan metode EPR mengasumsikan proses fisikbaik berupa pengaruh gelombang maupaun transportsedimen yang terjadi pada masa pengamatan dapatdiwakilkan dalam perubahan garis pantai yang terjadi[20].

Laju perubahan diperoleh dari perubahan jarakantara satu titik dengan titik lainya dibagi dengan lamanyaproses perubahan titik terjadi [21],[22]. Secara matematishal ini diformulasikan sebagai berikut [23]:= ………………………………………(5)

Dimana merupakan laju perubahangaris(meter/tahun), merupakan jarak antara titik padagaris satu dengan titik pada garis pantai selanjutnya, tmerupakan lamanya waktu pengamatan.

Dengan menggunakan laju perubahan maka dapatditentukan perubahan garis pantai selanjutnya. Secarateknis pendugaan ditentukan dengan mengalikan nilaidan lamanya waktu pengamtan. Secara matematis dapatdirumuskan sebagai berikut= ∗ ( − )……………………………(6)


ISSN : 2302-3805

4.2-22

Dimana merupakan titik baru sedangankanmerupakan batas pengamatan. Validasi EPR dilakukandengan menggunakan rumus RMSE.= [ ∑ ( − ) + ( −) ] (7)

Dimana dan merupakan koordniat dari garispanati hasil peramalan sedangkan dan

merupakan koordinat dari garispantai acuan.

2. Pembahasan

Percobaan dilakukan dengan menggunakan data citragaris pantai landsat pada derah Taman nasional ujungKulon. Data landsat yang digunakan adalah data tahun1992 yang diambil pada data landsat TM, data satelitlandsat ETM+ tahun 2009 dan data Landsat OLItahun2004. Gambar 1 merupakan citra RGB daerahpenelitian pada tahun 1992,2009 dan 2014.

(a)

(b)

Gambar 1. Citra RGB Tahun 1992(a),tahun2009(b),tahun2014(c)

Ekstraksi fitur air-darat dilakukan denganmenggunakan dua metode yaitu metode BILKO danmetode perbandingan antar kanal biru dank analinframerah dekat. Gamabr 2 menunjukan perbedaan hasilekstarksi fitur antra algoritma BILKO dan perbandinganantra band.

(a. Tahun 1992)

(b. Tahun 1992)

(a Tahun 2009)

(b. tahun 2009)

Gambar 2. Ekstraksi fitur air-darat dengan metodeBILKO(a), Perbandingan antar band(b)

Penerapan algoritma segmentasi berperan sebagaipemunculan informasi mengenai kawasan daratan dankawasan perairan dimana kawasan darat diwakilkandengan warna terang sedangkan perairan diwakilkandengan warna gelap. Algoritma BILKO memilikikelemahan dimana puncak ombak yang memiliki tingkatkecerahan tinggi akan selalu dianggap sebagai kawasandaratan sehingga memungkinkan terjadinya kesalahandalam proses ekstraksi. Sedangkan pada algoritmaperbandingan puncak ombak yang memiliki nilai pixelyang tinggi akan tetap diidentifikasi sebagai daerahperairan sehingga memungkinkan untuk meminimalisiradanya kesalahn dalam proses ekstraksi. Perbandingan


ISSN : 2302-3805

4.2-23

garis pantai antara tahun 1992 dengan tahun 2009 dapatdilihat pada Gambar 4.

Gambar 4. Perbandingan Garis pantai tahun 1992 dan2009

.Peramalan dilakukan dengan mengikuti sekenariodimana EPR dibentuk dengan menggunakan citra tahun1992 dan 2009. Hasil dari laju perubahan di validasidengan menggunakan citra pada tahun 2014. Validasidihitung dengan menggunakan pendekatan RMSE.Gambar 5 merupakan hasil prediksi perubahan garispantai pada tahun 2014 dan garis pantai aktual tahun2014.

Gambar 5. Overlay Garis pantai prediksi dan Garispantai aktual tahun 2014

Berdasarkan perhitungan, nilai error berkisar antara-51,17 meter hingga 65,29 meter dengan RMSE 15,19.

Prediksi garis pantai jangka pendek dilakukandengan mprediksi garis pantai selatan taman nasionalujung kulon pada tahun 2020 sedangkan untuk jangkapanjang dilakukan untuk tahun 2030. Overlay garispantai tahun 2020 dan 2030 dapat dilihat pada Gambar6

(a)

(b)

Gambar 6. Garis pantai tahun 2020 (a), Garis pantaitahun 2030 (b)

3. Kesimpulan

Pada penelitian ini dilakukan ekstraksi garis pantaidengan metode BILKO dan segmentasi multispektrumuntuk dijadikan acuan dalam peramalan garis pantaidengan metode end point rate (EPR). Dalam penelitian inimenghasilkan kesimpulan dimana metode segmentasimultispektrum menghasilkan segmentasi lebih baikdibandingkan dengan BILKO. Hal ini dikarenakanmetode BILKO merepresentasikan puncak ombaksebagai daratan sehingga akan mengakibatkan kesalahandalam pembentukan garis pantai. Berdasarkan gambarvalidasi model, metode MPR dapat diterima dengantingkat kesalahan yang masih dapat diterima. Metodeperamalan dengan MPR menjadi efektif ketikadiasumsikan faktor interaksi fisik yang terjadi konstan,seperti tidak adanya pengaruh perubahan yangdiakibatkan oleh badai.

Resolusi citra yang digunakan memiliki pengaruh yangbesar dalam menentukan keakurasaian dalam melakukanproses deteksi tepi sihngga memungkinkan untukmendapatkan hasil permalan yang lebih akurat.

Daftar Pustaka[1] M. S. Tarigan, “Perubahan garis pantai di wilayah pesisir

perairan cisadane, provinsi banten,” vol. 11, no. 1, pp. 49–55,2007.

[2] B. Hermanto, “Pemantauan Garis Pantai DenganMenggunakan Citra LANDSAT,” Oseana XI, p. 163 170,1986.

[3] L. X. Cui B., “Coastline change of Yellow River estuary andits response to the sediment and runoff (1976-2005),”Geomorphology, 2011.

[4] T. Q. Chen S., Chen L., Liu Q., Li X., “Remote sensing andGIS based integrated analysis of coastal changes and theirenvironmental impacts in Lingding Bay, Pearl River Estuary,South China. Ocean & Coastal Management,” Ocean Coast.Manag., pp. 65–83, 2005.

[5] Al Bakri D, “Natural Hazards of Shoreline Bluff Erosion: ACase Study of Horizon View, Lake Huron,” Geomorphology,vol. 17, no. Geomorphology, pp. 323–337, 1996.

[6] B. A. Maiti S., “Shoreline change analysis and its applicationto prediction: A remote sensing and statistics basedapproach,” Mar. Geol., 2009.

[7] Zuzek P. Nairn R. Thieme S., “Spatial and temporalconsideration for calculating shoreline change rates in theGreat Lakes Basin,” J. Coast. Res., 2003.

[8] J. J. Muñoz-pérez, R. Medina, and B. Tejedor, “Evolution oflongshore beach contour lines determined by the E . O . F .method *,” vol. 65, no. 4, pp. 393–402, 2001.


ISSN : 2302-3805

4.2-24

[9] and G. G. Peter Ruggiero1*, Maarten Buijsman2, George M.Kaminsky3, “MODELING THE EFFECTS OF WAVECLIMATE AND SEDIMENT SUPPLY,” pp. 1–63, 2006.

[10] F.-J. Chang and H.-C. Lai, “Adaptive neuro-fuzzy inferencesystem for the prediction of monthly shoreline changes innortheastern Taiwan,” Ocean Eng., vol. 84, pp. 145–156, Jul.2014.

[11] “LANDSAT DATA CONTINUITY MISSION ( LDCM )LEVEL 0 REFORMATTED ( L0R ) DATA FORMATCONTROL BOOK ( DFCB ) October 2012,” no. October,2012.

[12] M. V. Herbei, L. Dragomir, C. Popescu, and R. Pirsan,“PROCESSING AND INTERPRETATION OFSATELLITE IMAGES LANDSAT 8,” vol. XLIII, pp. 109–118, 2013.

[13] R. Munir, Pengolahan Citra digital dengan PendekatanAlgoritmik. Penerbit Informatika Bandung, 2004.

[14] A. K. Jain, Fundamentals of Digital Image Processing.United States of America: Prentice-Hall, 1989.

[15] R. C. Gonzalez, R. E. Woods, and S. L. Eddins, DigitalImage Processing Using MATLAB. United States ofAmerica: Gatesmark Publishing, 2009.

[16] D. Putra, No TitlePengolahan Citra Digital. Yogyakarta:Andi Offset, 2010.

[17] M. K. D. RYU J.H., WON J.S., “WATERLINEEXTRACTION FROM LANDSAT TM DATA IN ATIDAL FLAT: A CASE STUDY IN GOSMO BAY,KOREA,” Remote Sens. Environ., vol. 83, 2002.

[18] C. D. Eliot J., “Temporal and spatial bias in the estimation ofshoreline rate-of-change statistics from beach surveyinformation,” Coast. Manag., 1989.

[19] FensterM. Dolan R. Elder j, “A new method for predictingshoreline positions from historical data,” J. Coast. Res., vol.9, pp. 147–171, 1993.

[20] Li R. Liu J. Felus Y., “Spatial modelling and analysis forshoreline change and coastal erosion monitoring,” Mar.Geod., vol. 24, 2001.

[21] Thieler ER O’Connell JF Schupp CA, “The MassachusettsShoreline Change Project: 1800s to 1994,” Tech. Report.USGS Adm Rep. NOAA.

[22] K. M. L. J. T. E. Hapke CJ Himmelstoss EA, “NationalAssessment of Shoreline Change: Historical ShorelineChange along the New England and Mid-Atlantic Coasts,”USGS Rep., 2010.

[23] Faizal Kasim, “Pendekatan Beberapa Metode dalamMonitoring Perubahan Garis Pantai Menggunakan DatasetPenginderaan Jauh Landsat dan SIG,” vol. 5, no. April2012, pp. 620–635.

Biodata Penulis

I Made Agus Wirahadi Putra, S.Pd, memperoleh gelarSarjana Pendidikan (S.Pd), Jurusan Pendidikan TeknikInformatika Universitas Pendidikan Ganesha Singaraja,lulus tahun 2011. Saat ini melanjutkan pendidikan PascaSarjana Magister Teknik Informatika Universitas GajahMada Yogyakarta.

Prof. Adhi Susantho, M.Sc, Ph.D. memperoleh gelarSarjana Komputer (S.Kom), Jurusan Fisika UniversitasGajah Mada Yogyakarta , lulus tahun 1963. Memperolehgelar Master of Science (M.Sc), jurusan ElectricalEngineering University of California, Davis, lulus tahun1986. Saat ini menjadi Dosen (Professor) di TeknikElektro Universitas Gajah Mada Yogyakarta

Dr. Indah Soesanti M.T. memperoleh gelar SarjanaTeknik (S.T), Jurusan Teknik Elektro, Fakultas TeknikUniversitas Gajah Mada Yogyakarta, lulus tahun 1998.Pasca Sarjana Teknik Elektro Fakultas Teknik

Universitas Gajah Mada Yogyakarta, lulus tahun 2001.Memperoleh gelar Doktor (Dr.), Prodi S3 Ilmu TeknikElektro, Fakultas Teknik Universitas Gajah MadaYogyakarta, lulus tahun 2011. Saat ini menjadi stafpengajar di jurusan Teknik Elektro dan teknologiInformasi Universitas Gajah Mada Yogyakarta.

pemodelan perubahan garis pantai dengan metode …

Documents