Tampilan Tarif

(1)

6. Alur Kerja DSAS 47

6.8.1 Tampilan Tarif

Tab tampilan Laju adalah tempat dimana pengguna dapat mengontrol keluaran berwarna (ramp warna) dari transek berdasarkan data laju (gbr. 30A). Opsi untuk menampilkan laju merupakan keluaran standar yang ditetapkan oleh DSAS ("Terapkan ramp warna") atau keluaran yang disesuaikan dengan data pengguna ("Skala ke data saya") yang menggunakan kisaran nilai laju di dalam dataset. Simbologi ini dirancang untuk meningkatkan visualisasi awal data laju tetapi selalu dapat diedit dengan menggunakan simbologi standar di properti layer

di ArcMap.

Menerapkan Ramp dan Skala Warna ke Aturan Data Saya

Opsi untuk simbologi terbatas pada statistik perubahan garis pantai yang ditentukan oleh pengguna (gbr. 27), tetapi dapat mencakup SCE, NSM, EPR, LRR, dan WLR. Jika dataset menyertakan koreksi bias proksi-datum, NB_SCE, NB_NSM, NB_EPR, NB_LRR, dan NB_WLR juga akan ditampilkan, yang memberikan tingkat perubahan garis pantai tanpa bias yang diterapkan. Ketika menentukan jeda untuk nilai data dalam memvisualisasikan data, DSAS selalu mempertimbangkan empat bin untuk nilai positif yang digambarkan dengan warna biru, satu bin tengah di sekitar 0 yang digambarkan dengan warna abu-abu netral, dan empat bin untuk nilai negatif yang digambarkan dengan warna merah (gbr. 31). Semakin besar angkanya, semakin gelap warnanya. Nilai nol diwakili oleh garis abu-abu putus-putus. Setelah simbologi diterapkan (baik secara default di akhir penghitungan nilai atau setelah menggunakan alat tampilan nilai), setiap transek dengan nilai nol tidak akan dapat dipilih di peta, dan jika nilai nol disorot pada tabel atribut, nilai tersebut tidak akan muncul di peta sebagai nilai yang disorot. Hal ini disebabkan oleh pengecualian nilai null pada simbologi rate dan dapat diatasi dengan menggunakan alat bantu simbologi standar di ArcMap untuk memilih tampilan rate. Contoh data tetap dan data yang diskalakan dari dataset sampel ditunjukkan pada gambar 32.

Gambar 31. Opsi bin tetap untuk laju perubahan untuk sebuah dataset contoh (kiri) dan diskalakan ke data (kanan). EPR, laju titik akhir; LRR, laju regresi linier; m, meter; m/yr, meter per tahun; MAX, maksimum; MIN, minimum; NSM, pergerakan garis pantai bersih;

SCE, amplop perubahan garis pantai; WLR, laju regresi linier tertimbang.

Subscribe to DeepL Pro to translate larger documents.

Visit www.DeepL.com/pro for more information.

(2)

48 Sistem Analisis Garis Pantai Digital (DSAS) Versi 5.1 Panduan Pengguna

Gambar 32. Visualisasi data A, dengan skala tetap dan B, diskalakan ke opsi data yang diterapkan. Contoh C, pergerakan garis pantai bersih (NSM) dan D, amplop perubahan garis pantai (SCE) juga ditampilkan. Data tidak berubah-hanya penskalaan dan statistik yang dipilih melalui alat Visualisasi Data Digital Shoreline Analysis System (DSAS). LRR, laju regresi linier; MAX, maksimum; MIN, minimum.

Ketika data diskalakan, DSAS menghitung persentil ke-85 data secara terpisah untuk nilai positif dan negatif. Data di luar persentil ke-85 diberi warna biru dan merah paling gelap, yang dicadangkan untuk nilai-nilai ini. Data dalam persentil ke-85 dipecah menjadi tiga tempat sampah di setiap sisi dengan membagi nilai pada persentil ke-85 dengan 3 jika ada tempat sampah di tengah atau 4 jika tidak ada tempat sampah di tengah.

6.8.2 Tarif Klip ke SCE

Fungsi "Clip rates to SCE" membuat sebuah salinan dari transek asli yang terpotong sampai batas garis pantai - atau dikenal sebagai amplop perubahan garis pantai (shoreline change envelope/SCE). Setelah pengguna menentukan file transek pada menu drop-down (gbr. 30B), proses kliping akan membuat salinan dari file transek yang ditentukan, dengan menambahkan sebuah nomor (contohnya, "_1" atau "_2") pada nama file. Pengguna kemudian dapat memvisualisasikan transek yang telah dipotong dengan tingkat seperti yang dibahas di bagian 6.8.2. Memotong transek ke SCE mungkin berguna untuk visualisasi atau mempublikasikan data. Lihat gambar 33 untuk contoh transek yang dipotong dengan menggunakan fungsi ini.

(3)

7. Statistik 49

Gambar 33. Transek yang ditunjukkan sebagai A, yang aslinya dicetak dan B, yang dipotong menjadi amplop perubahan garis pantai (SCE).

7. Statistik

Setiap metode yang digunakan untuk menghitung laju perubahan garis pantai didasarkan pada perbedaan yang terukur antara posisi garis pantai dari waktu ke waktu. Laju yang dilaporkan dinyatakan sebagai meter perubahan per tahun yang diukur di sepanjang transek. Ketika perhitungan laju yang dipilih pengguna telah selesai diproses, DSAS mengeluarkan kelas fitur laju transek yang baru dan kelas fitur titik potong.

Statistik perubahan nilai tukar yang disediakan dengan DSAS memiliki judul bidang standar yang tercantum dalam kolom pertama tabel 10

dan dijelaskan secara rinci dalam bagian ini.

Catatan: Jika tingkat dihitung dengan menggunakan bias proxy-datum (PDB), statistik akan dilaporkan dengan nilai di mana bias telah diterapkan (misalnya, LRR) dan di mana bias tidak diterapkan (misalnya, NB_LRR, di mana NB adalah singkatan dari "Tidak ada bias"). Di dalam set data yang berisi PDB, mungkin terdapat beberapa bagian pesisir dengan kombinasi tipe garis pantai yang berbeda di mana bias tidak dapat diterapkan. Sebagai contoh, transek yang hanya memiliki perpotongan garis pantai HWL, atau transek yang memiliki perpotongan garis pantai MHW tanpa bias, tidak akan memiliki bias yang diterapkan. Jika transek hanya bertemu dengan garis pantai HWL, maka nilai dengan dan tanpa bias akan sama karena tidak ada bias yang diperlukan. Namun, jika transek memotong garis pantai MHW yang tidak mengandung PDB (dan tidak ada MHW lain yang memiliki bias), hasil LRR akan dilaporkan sebagai NULL, dan hanya nilai tanpa bias yang akan dilaporkan.

(4)

LSE LCI LR2

Kesalahan standar regresi linier

Interval kepercayaan regresi linier-LCI%, di mana % adalah nilai CI yang dimasukkan di jendela Hitung Nilai (bagian 6.7.2)

R-kuadrat dari regresi linier

WSE WCI WR2

Kesalahan standar dari regresi linier tertimbang

Interval kepercayaan regresi linier tertimbang-WCI%, di mana % adalah nilai CI yang dimasukkan di jendela Hitung Nilai (bagian 6.7.2)

R-kuadrat dari regresi linier tertimbang

Tabel 10. Tabel judul bidang standar yang disediakan oleh Sistem Analisis Garis Pantai Digital (DSAS) untuk penghitungan perubahan.

[Entri yang diarsir adalah ketidakpastian dan parameter statistik. Contoh disertakan untuk bagaimana interval kepercayaan yang dipilih pengguna ditentukan (interval kepercayaan regresi linier [LCI] atau interval kepercayaan regresi linier tertimbang [WCI])]

DSAS statistik

Pergerakan garis pantai NSMNet Amplop perubahan garis batas SCEShoreline

Tingkat poin EPREnd

Deskripsi

Tingkat regresi linier LRRLinier

WLR Laju regresi linier tertimbang

7.1 Pergerakan Garis Pantai Bersih

Pergerakan garis pantai bersih (NSM) adalah jarak antara garis pantai tertua dan termuda untuk setiap transek

(gbr. 34); oleh karena itu, satuannya dalam meter. Jika jarak ini dibagi dengan waktu yang telah berlalu antara dua pengukuran posisi garis pantai, hasilnya adalah nilai titik akhir yang dijelaskan di bagian 7.3. Jika PDB diterapkan, ada dua versi statistik ini yang dilaporkan: "NSM" memasukkan PDB dalam perhitungan; "NB_NSM" tidak memasukkan PDB.

7.2 Amplop Perubahan Garis Pantai

Amplop perubahan garis pantai (SCE) melaporkan jarak (dalam meter), bukan laju. Nilai SCE menunjukkan jarak terbesar di antara semua garis pantai yang bersinggungan dengan transek tertentu (gbr. 34). Karena jarak total antara dua garis pantai tidak memiliki tanda, nilai SCE selalu positif. File laju transek bisa dipotong pada rentang ini untuk tujuan tampilan (lihat bagian 6.8.2). Jika PDB diterapkan, dua versi statistik ini dilaporkan: "SCE" memasukkan PDB dalam perhitungan;

"NB_SCE" menghilangkan PDB.

7.3 Tingkat Titik Akhir

Laju titik akhir (EPR) dihitung dengan membagi jarak pergerakan garis pantai dengan waktu yang telah berlalu antara garis pantai yang lama dan garis pantai yang terbaru (gbr. 34). Keuntungan utama dari EPR adalah kemudahan komputasi dan hanya membutuhkan dua tanggal garis pantai. Kerugiannya adalah bahwa pada kasus-kasus di mana lebih banyak data tersedia, informasi tambahan akan diabaikan. Perubahan tanda (dengan kata lain, akresi terhadap erosi), besaran, atau tren siklus dapat terlewatkan (Dolan dan lain-lain, 1991; Crowell dan lain-lain, 1997). Jika PDB digunakan, ada dua versi statistik yang dilaporkan: "EPR" memasukkan PDB dalam perhitungan; "NB_EPR" tidak memasukkan PDB.

EPRuncKetidakpastian tingkat titik akhir

(5)

7. Statistik 51

Gambar 34. Kumpulan data garis pantai yang mencakup garis dasar (hitam), transek (abu-abu), dan garis pantai serta data

perpotongan (multiwarna) untuk mengilustrasikan hubungan antara statistik perubahan garis pantai: pergerakan garis pantai bersih (NSM), laju titik akhir (EPR), dan amplop perubahan garis pantai (SCE). NSM adalah jarak sepanjang transek dalam meter (m) antara garis pantai tertua (1936, merah) dan garis pantai terbaru (2005, magenta). EPR adalah jarak NSM dibagi dengan waktu antara garis pantai tertua (1936, merah) dan garis pantai terbaru (2005, magenta) (69 tahun dalam contoh ini). SCE adalah jarak terbesar di antara semua garis pantai tanpa memandang tanggal.

7.4 Tingkat Regresi Linier

Statistik laju perubahan regresi linier dapat ditentukan dengan memasang garis regresi kuadrat terkecil pada semua titik garis pantai dalam sebuah transek (gbr. 35). Garis regresi ditempatkan sedemikian rupa sehingga jumlah kuadrat residu (ditentukan dengan mengkuadratkan jarak offset setiap titik data dari garis regresi dan menjumlahkan kuadrat residu)

diminimalkan. Tingkat regresi linier adalah kemiringan garis. Metode regresi linier mencakup fitur-fitur berikut ini: (1) semua data digunakan, terlepas dari perubahan tren atau akurasi, (2) metode ini murni komputasi, (3) perhitungan didasarkan pada konsep-konsep statistik yang diterima, dan (4) metode ini mudah digunakan (Dolan dkk., 1991; Crowell dkk., 1997). Namun, metode r e g r e s i linier rentan terhadap efek pencilan dan cenderung meremehkan tingkat perubahan relatif terhadap statistik lainnya, seperti

EPR (Dolan, dkk., 1991; Genz dkk., 2007). Jika PDB digunakan, ada dua versi statistik yang dilaporkan: "LRR" memasukkan PDB dalam perhitungan; "NB_LRR" tidak memasukkan PDB. Sehubungan dengan tingkat regresi linier, kesalahan standar estimasi (LSE/NB_LSE), kesalahan standar kemiringan dengan interval kepercayaan yang dipilih pengguna (LCI/NB_LCI), dan nilai R-kuadrat (LR2/NB_LR2) juga dilaporkan (bagian 7.6).

(6)

Gambar 35. Kumpulan data garis pantai (garis dasar [hitam], transek [abu-abu], dan garis pantai serta perpotongan [multiwarna]) disajikan pada peta dan sebagai grafik jarak dari garis dasar terhadap tanggal garis pantai dalam kaitannya dengan garis regresi laju regresi linier (LRR). LRR ditentukan dengan memplotkan posisi perpotongan garis pantai (jarak dari garis dasar) terhadap waktu (tahun) dan menghitung persamaan regresi linier y = 1,34x - 2587,4. Kemiringan persamaan yang menggambarkan garis tersebut adalah laju (1,34 meter per tahun). LR2, R-kuadrat dari regresi linier.

7.5 Regresi Linier Tertimbang

Dalam regresi linier berbobot, data yang lebih dapat diandalkan diberikan penekanan atau bobot yang lebih besar untuk menentukan garis yang paling sesuai (gbr. 36). Dalam penghitungan statistik laju perubahan untuk garis pantai, penekanan yang lebih besar diberikan pada titik-titik data yang ketidakpastian posisinya lebih kecil. Bobot (w) didefinisikan sebagai fungsi dari varians ketidakpastian pengukuran (e) (Genz dan lainnya, 2007):

w = 1/e² , (1)

di mana

e adalah nilai ketidakpastian garis pantai.

Bidang ketidakpastian dari kelas fitur garis pantai digunakan untuk menghitung bobot. Jika PDB diterapkan, dua versi statistik ini dilaporkan: "WLR" menyertakan PDB dalam perhitungan: "NB_WLR" tidak menyertakan PDB. Dalam hubungannya dengan tingkat regresi linier tertimbang, kesalahan standar estimasi (WSE/NB_WSE), kesalahan standar kemiringan dengan interval kepercayaan yang dipilih pengguna (WCI/NB_WCI), dan nilai R-kuadrat (WR2/NB_WR2) dilaporkan (lihat bagian 7.6).

(7)

7. Statistik 53

2 2

Gambar 36. Kumpulan data garis pantai (garis dasar [hitam], transek [abu-abu], dan garis pantai serta perpotongan [multiwarna], dengan ketidakpastian posisi garis pantai) yang disajikan pada peta dan sebagai grafik jarak dari garis dasar terhadap tanggal garis pantai dalam kaitannya dengan garis regresi linier berbobot (weighted linear regression, WLR). Nilai WLR ditentukan dengan memplotkan posisi garis pantai terhadap waktu. Nilai ketidakpastian posisi yang lebih kecil (ditunjukkan sebagai batang vertikal di sekitar setiap titik data dalam grafik) memiliki pengaruh yang lebih besar daripada nilai lainnya dalam perhitungan regresi karena adanya komponen pembobotan dalam algoritme. Kemiringan garis regresi adalah laju (1,14 meter per tahun).

WR2, R-kuadrat dari regresi tertimbang.

7.6 Statistik Tambahan

Tingkat titik akhir (EPR) mencakup penghitungan ketidakpastian yang terkait dengan penghitungan. Kesalahan standar, koefisien korelasi, dan interval kepercayaan dihitung untuk dua metode regresi linier (LRR dan WLR). Statistik tambahan ini memberikan informasi yang membantu dalam menilai ketahanan tingkat regresi yang dihitung.

7.6.1 Ketidakpastian Tingkat Titik Akhir

Ketidakpastian garis pantai untuk dua posisi yang digunakan dalam perhitungan titik akhir masing-masing dikuadratkan, kemudian dijumlahkan (penjumlahan kuadrat). Akar kuadrat dari penjumlahan kuadrat dibagi dengan jumlah tahun di antara dua garis pantai untuk menentukan ketidakpastian tingkat titik akhir (EPRunc):

di mana

EPRunc uncyA uncyB dateA dateB

, (2)

uncy A adalah ketidakpastian dari bidang atribut garis pantai A, uncy B adalah ketidakpastian dari bidang atribut garis pantai B, tanggal A adalah tanggal garis pantai A (terbaru), dan

tanggal B adalah tanggal garis pantai B (tertua).

(8)

( yy

')² n 2

Nilai ketidakpastian untuk setiap garis pantai ditentukan dari "Bidang Ketidakpastian Garis Pantai" di kelas fitur garis pantai yang ditetapkan oleh pengguna di jendela Set Default Parameters. Jika tidak ada ketidakpastian yang disediakan di bidang atribut, nilai default (yang ditentukan di dalam parameter default) akan digunakan. Hasil perhitungan ini dilaporkan sebagai ketidakpastian dari perhitungan tingkat titik akhir (EPRunc). Jika PDB diterapkan, dua versi statistik ini dilaporkan: "EPRunc" menyertakan PDB dalam perhitungan; "NB_ EPRunc" tidak menyertakan PDB. Pada versi DSAS sebelum 5, statistik ini merupakan kepercayaan dari perhitungan tingkat titik akhir (ECI).

7.6.2 Kesalahan Standar dari Estimasi

Nilai y (jarak dari garis dasar) yang diprediksi (atau diperkirakan) dihitung untuk setiap titik garis pantai dengan menggunakan nilai x (tanggal garis pantai) dan menyelesaikan persamaan garis regresi yang paling sesuai:

y = mx + b, (3)

di

mana y adalah jarak yang diprediksi dari baseline, m adalah kemiringan (laju perubahan), dan

b adalah intersep y (di mana garis melintasi sumbu y).

Kesalahan standar estimasi mengukur keakuratan nilai prediksi y dengan membandingkannya dengan nilai yang diketahui dari data titik garis pantai. Hal ini didefinisikan sebagai LSE untuk regresi linier biasa dan WSE untuk regresi linier tertimbang:

LSE atau WSE _, ₍₄₎

di mana

y adalah jarak yang diketahui dari garis dasar untuk titik data garis pantai,

y′ adalah nilai prediksi berdasarkan persamaan garis regresi yang paling sesuai, dan n adalah jumlah garis pantai yang digunakan.

Jumlah total titik garis pantai (n) dikurangi dengan 2 karena dua parameter di dalam garis regresi sedang diestimasi (kemiringan dan intersep). Nilai y yang diprediksi dikurangi dengan nilai y yang diketahui untuk menghitung residu (y - y′).

Residual dikuadratkan, dan kemudian residual yang dikuadratkan (untuk setiap titik garis pantai) ditambahkan (di sepanjang transek DSAS)

untuk mendapatkan jumlah kuadrat dari residual (yang merupakan pembilang dalam persamaan 4). Jumlah ini dibagi dengan jumlah derajat kebebasan, dan kemudian akar kuadrat dari hasil bagi tersebut diambil untuk menghitung kesalahan standar estimasi. Kesalahan standar dari estimasi tersebut menilai keakuratan garis regresi yang paling sesuai dalam memprediksi posisi garis pantai pada suatu titik waktu tertentu (gbr. 37). Jika PDB diterapkan, dua versi statistik ini dilaporkan: "LSE/WSE"

memasukkan PDB dalam perhitungan; "NB_LSE/NB_WSE" tidak memasukkan PDB.

Gambar 37. Data perubahan garis pantai yang diplot sebagai jarak dari garis dasar (meter) terhadap tanggal garis pantai (tahun) untuk menyoroti perhitungan kesalahan standar regresi linier (LSE). Persamaan yang menggambarkan tingkat regresi linier (LRR, garis putus- putus pada gambar) digunakan untuk memprediksi nilai (y) pada tanggal-tanggal tertentu (x). Residual (nilai aktual y dikurangi nilai prediksi y) diilustrasikan oleh panah dan digunakan untuk menghitung LSE. Kesalahan standar mengevaluasi keakuratan garis regresi yang paling sesuai dalam memprediksi posisi garis pantai pada tanggal

(9)

7. Statistik 55 tertentu.

(10)

7.6.3 Kesalahan Standar Tingkat Dengan Interval Keyakinan

Kesalahan standar dari angka dengan interval kepercayaan (LCI untuk regresi linier biasa dan WCI untuk regresi linier tertimbang) menggambarkan ketidakpastian dari angka yang dilaporkan. Pengguna dapat memilih persentase tingkat

kepercayaan yang telah ditentukan sebelumnya dari menu tarik-turun atau secara manual memasukkan nilai hingga dua angka di belakang koma (bagian 6.7.2 dan gbr. 27). Tingkat LRR dan WLR ditentukan oleh garis regresi yang paling sesuai melalui data sampel. Kemiringan garis ini adalah laju perubahan yang dilaporkan (dalam meter per tahun [m/thn]). Interval kepercayaan (LCI atau WCI) dihitung dengan mengalikan kesalahan standar kemiringan dengan statistik uji dua sisi pada persentase kepercayaan yang ditentukan oleh pengguna (Zar, 1999). Jika PDB diterapkan, ada dua versi statistik yang dilaporkan: "LCI/WCI"

memasukkan PDB dalam perhitungan; "NB_LCI/NB_WCI" tidak memasukkan PDB.

Pada contoh yang diilustrasikan pada gambar 38, LRR yang dilaporkan adalah 1,34 m/tahun dan interval kepercayaan 95 persen dari lereng (LCI95) adalah 0,50. Pita kepercayaan di sekitar tingkat perubahan yang dilaporkan adalah 1,34 ± 0,50.

Dengan kata lain, Anda dapat meyakini 95 persen bahwa laju perubahan yang sebenarnya adalah antara 0,84 dan 1,84 m/tahun, dengan menyisakan 5 persen kemungkinan bahwa garis yang sebenarnya berada di luar batas-batas tersebut. Hal ini tidak sama dengan mengatakan bahwa garis kepercayaan mengandung 95 persen titik data dan beberapa titik data akan berada di luar batas interval.

Gambar 38. Data perubahan garis pantai yang diplot sebagai jarak dari garis dasar (meter) terhadap tanggal garis pantai (tahun) untuk menyoroti perhitungan statistik interval kepercayaan persen. Wilayah yang diarsir kuning mengilustrasikan pita kepercayaan 95 persen (95% CI) di sekitar tingkat regresi linier (garis putus-putus hitam). LCI95, interval kepercayaan 95 persen; LRR, laju regresi linier; LSE, kesalahan standar estimasi.

(11)

7. Statistik 57

( yy )

7.6.4 Statistik r-kuadrat

Statistik r-kuadrat (r² ), atau koefisien determinasi, adalah persentase varians dalam data yang dijelaskan oleh sebuah regresi. Ini merupakan indeks tanpa dimensi yang berkisar antara 1,0 hingga 0,0 dan mengukur seberapa berhasil garis yang paling sesuai menjelaskan variasi dalam data, di mana 1,0 merupakan kecocokan yang sempurna. Dengan kata lain, indeks ini mencerminkan hubungan linier antara titik-titik garis pantai di sepanjang transek DSAS. Untuk tingkat regresi linier (LRR), statistiknya didefinisikan sebagai LR2, sedangkan untuk regresi linier tertimbang adalah WR2. Ini dihitung sebagai berikut,

di

mana r² adalah koefisien determinasi,

r 1²

2 ,(5) y y

y adalah jarak yang diukur dari garis dasar untuk titik data garis pantai,

y′ adalah nilai prediksi berdasarkan persamaan garis regresi yang paling sesuai, dan y adalah rata-rata jarak garis pantai yang diukur dari garis dasar.

Nilai r² mengukur proporsi variabilitas dalam variabel dependen y yang dijelaskan oleh model regresi melalui variabel independen x. Semakin kecil variabilitas nilai residual di sekitar garis regresi relatif terhadap variabilitas keseluruhan, maka semakin baik prediksinya.

• Nilai r² yang mendekati 1,0 mengimplikasikan bahwa garis yang paling sesuai menjelaskan sebagian besar variasi dalam variabel dependen. Jika x dan y berhubungan sempurna, maka tidak ada varians residual dan nilai r² adalah 1,0.

• Nilai r² yang mendekati 0,0 menyiratkan bahwa garis yang paling cocok menjelaskan sedikit variasi dalam variabel dependen dan tidak

model yang berguna. Jika tidak ada hubungan antara variabel x dan y, maka r² sama dengan 0,0.

8. Peramalan Garis Pantai Beta

Yang baru pada DSAS v5 adalah sebuah opsi untuk menghitung perkiraan posisi garis pantai (10 atau 20 tahun ke depan) berdasarkan data historis posisi garis pantai. Sangat penting untuk diketahui bahwa alat prakiraan ini tidak ideal untuk semua lokasi, tipe data, dan pola perubahan garis pantai, dan tergantung pada pengguna untuk mempertimbangkan spesifikasi dan keterbatasan data mereka ketika memutuskan kelayakan penggunaan alat ini untuk memproyeksikan prakiraan posisi garis pantai.

Perhitungan prakiraan garis pantai dilakukan dengan menggunakan filter Kalman (Kalman, 1960), seperti yang

dikembangkan oleh Long dan Plant (2012), untuk meramalkan posisi garis pantai di masa depan dengan menggabungkan posisi garis pantai yang teramati dengan posisi yang diturunkan dari model. Pendekatan DSAS Kalman filter diinisialisasi dengan laju regresi linier yang dihitung oleh DSAS, kemudian mengestimasi posisi garis pantai dan laju perubahannya untuk setiap tanggal 10 dalam satu tahun dan memberikan estimasi ketidakpastian posisi pada setiap langkah waktu. Proses-proses yang mendorong perubahan garis pantai sangat rumit dan tidak selalu tersedia sebagai input model; oleh karena itu, banyak faktor yang mungkin penting tidak dipertimbangkan dalam metodologi ini atau diperhitungkan dalam ketidakpastian. Metodologi ini mengasumsikan bahwa regresi linier terhadap posisi garis pantai di masa lalu merupakan perkiraan yang baik untuk posisi garis pantai di masa depan; namun, asumsi ini mungkin tidak selalu valid.

(12)

(13)

8. Peramalan Garis Pantai

Beta 57

Gambar 39. Perbandingan prakiraan garis pantai dengan pendekatan filter Kalman dalam kaitannya dengan laju regresi linier (LRR). Perhatikan bahwa pita ketidakpastian di sekitar prakiraan filter Kalman berkurang lebarnya pada setiap pengamatan garis pantai dan bahwa ketidakpastian pada

pengamatan yang diketahui didasarkan pada ketidakpastian garis pantai yang diberikan pada garis pantai tersebut di dalam tabel atribut.

Gambar 39 menunjukkan contoh prakiraan garis pantai beta dan ketidakpastian yang berasal dari model filter Kalman. Nilai regresi linier sederhana juga ditampilkan sebagai perbandingan.

8.1 Model Filter Kalman

Model ini dimulai pada langkah waktu pertama (tanggal survei paling awal) dan memperkirakan posisi garis pantai untuk setiap langkah waktu yang berhasil hingga pengamatan garis pantai yang lain ditemukan. Setiap kali pengamatan garis pantai ditemukan, filter Kalman melakukan analisis untuk meminimalkan kesalahan antara posisi garis pantai yang dimodelkan dan yang diamati untuk meningkatkan prakiraan, termasuk memperbarui laju dan ketidakpastian (Long dan Plant, 2012). Laju yang telah diperbarui kemudian digunakan untuk memprediksi posisi garis pantai untuk setiap langkah waktu yang berurutan hingga tanggal survei berikutnya tercapai dan data baru diasimilasikan ke dalam model.

Proses ini diulangi sampai tanggal prakiraan yang diinginkan tercapai. Kesalahan pengukuran diestimasi dengan menggunakan ketidakpastian posisi garis pantai yang terkait dengan setiap garis pantai yang digunakan dalam analisis (lihat bagian 5.2.5).

Metode ini mencoba untuk mengatasi gangguan proses, yang meliputi variabilitas musiman yang tidak terselesaikan di setiap lokasi. Ketidakpastian prakiraan pada awalnya diestimasi dari interval kepercayaan dan kesalahan standar dari regresi linier yang sebelumnya dihitung oleh DSAS (LCI dan LSE). Karena gangguan proses termasuk dalam prakiraan, ketidakpastian dalam prakiraan akan terus bertambah setiap tahun sampai pengamatan lain diasimilasi.

Ketika data garis pantai diwakili dengan baik oleh kecocokan linier, prakiraan berbasis filter Kalman terlihat seperti garis regresi linier yang diekstrapolasi ke masa depan. Namun, dalam kasus-kasus di mana laju perubahan garis pantai berubah dari waktu ke waktu, pendekatan filter Kalman mungkin dapat memodelkan perbedaan ini dengan lebih baik daripada regresi linier jangka panjang dengan membiarkan laju tersebut sedikit berubah dari waktu ke waktu. Seberapa besar tingkat perubahannya harus dibiarkan bervariasi tergantung pada beberapa faktor. Metode yang dikembangkan oleh Long dan Plant (2012) memiliki beberapa parameter bebas yang dapat disesuaikan untuk memodifikasi seberapa responsif metode ini terhadap perubahan nonlinier. Dalam

Pada rilis beta DSAS ini, parameter tersebut diatur ke nilai umum yang biasanya membuat model relatif mendekati regresi linier. Sekali lagi, sangat penting untuk menyadari bahwa alat prakiraan ini tidak ideal untuk semua lokasi, tipe data, dan pola perubahan garis pantai, dan tergantung pada pengguna untuk mempertimbangkan spesifikasi dan

keterbatasan data mereka ketika memutuskan kelayakan penggunaan alat ini untuk memproyeksikan posisi garis pantai yang diprakirakan. Ketika prediksi ditampilkan, sangat disarankan agar pita ketidakpastian juga ditampilkan untuk memvisualisasikan ketidakpastian yang terkait dengan prediksi tersebut.

(14)

Gambar 40. Toolbar Digital Shoreline Analysis System (DSAS) versi 5 dengan ikon Perkiraan Garis Pantai yang dipilih.

8.2 Input Model

Gambar 41. Jendela Prakiraan Garis Pantai. Kecepatan yang tersedia untuk prakiraan muncul di "Pilih Lapisan Data Kecepatan." DSAS, Sistem Analisis Garis Pantai Digital.

Filter Kalman diinisialisasi dengan menggunakan laju regresi linier yang dihitung oleh DSAS. Pengguna harus sudah menjalankan perhitungan laju yang menyertakan regresi linier sebagai salah satu metrik laju yang dihitung. Meskipun LRR dapat dihitung dengan tiga garis pantai atau lebih, prakiraan garis pantai tidak tersedia untuk data dengan kurang dari empat garis pantai. Dengan demikian, prakiraan garis pantai tidak akan dihitung jika data masukan mencakup kurang dari empat tanggal garis pantai.

Setelah pengguna mengklik ikon Prakiraan Garis Pantai di toolbar DSAS (gbr. 40), kelas fitur yang berisi bidang atribut LRR akan muncul di menu drop-down untuk dipilih (gbr. 41). Prakiraan garis pantai DSAS menggunakan file laju transek dan file perpotongan yang sesuai untuk perhitungan. Jika file perpotongan tidak ada di dalam peta, file rate yang sesuai tidak akan ditampilkan di jendela Peramalan Garis Pantai untuk dipilih.

8.3 File Keluaran Prakiraan

Pendekatan filter Kalman dapat digunakan untuk menghasilkan horison prakiraan garis pantai 10 atau 20 tahun dari tanggal pengoperasian. Satu atau kedua kerangka waktu dapat dipilih untuk keluaran. Setiap kerangka waktu menghasilkan file keluaran sebagai berikut:

1. Kelas fitur titik adalah lokasi garis pantai yang diperkirakan pada jangka waktu yang dipilih (10 dan [atau] 20 tahun) di sepanjang satu transek. Kelas fitur titik memiliki atribut termasuk tahun prakiraan dan perkiraan ketidakpastian posisi prakiraan. File titik ini dapat digunakan untuk mengekspor dan memplot data prakiraan garis pantai. Lihat tabel 11 untuk bidang atribut keluaran.

2. Prakiraan cakrawala garis pantai (10 dan [atau] 20 tahun), yang ditampilkan sebagai kelas fitur poligon, merupakan lokasi garis pantai yang diprakirakan pada jangka waktu yang dipilih. Garis cakrawala garis pantai yang diprakirakan harus selalu ditampilkan dengan ketidakpastian prakiraan garis pantai yang terkait (butir 3, di bawah). Lihat tabel 12 untuk bidang-bidang atribut keluaran.

3. Ketidakpastian prakiraan garis pantai (10 dan [atau] 20 tahun) ditampilkan sebagai kelas fitur poligon transparan, yang dapat

(15)

Beta 59

berupa

dianggap sebagai batas ketidakpastian untuk garis horizon garis pantai yang diperkirakan. Lihat tabel 13 untuk bidang atribut keluaran.

(16)

Catatan: Ketika cakrawala garis pantai yang diperkirakan ditampilkan, sangat disarankan untuk menonaktifkan pita

ketidakpastian, karena kedua produk ini dirancang untuk digunakan secara bersamaan. Ketidakpastian yang dihitung dengan metode ini hanya memasukkan kesalahan yang diketahui terkait dengan posisi garis pantai di masa lalu dan mengasumsikan bahwa perubahan di masa depan akan sama dengan perubahan di masa lalu. Ketidakpastian ini tidak dapat memperhitungkan faktor-faktor lain yang dapat mempengaruhi posisi garis pantai di masa depan.

Tabel 11. Deskripsi atribut titik prakiraan yang dihasilkan oleh Sistem Analisis Garis Pantai Digital (DSAS).

Nama bidang Tipe dataTujuan bidang

OBJEK ID Objek Bidang identifikasi objek secara otomatis dibuat dan dipelihara oleh ArcGIS. Bidang ini menetapkan sebuah

IDENTIFIER Pengenal (ID) untuk setiap baris dalam tabel atribut.

Geometri Geometri Bidang geometri secara otomatis dibuat dan dikelola oleh ArcGIS. Bidang ini menyediakan definisi dari tipe fitur (titik, garis, poligon). Nama bidang ini juga dapat disebut

"Shape".

Periode

Prakiraan Bilangan bulat

panjang Jumlah tahun perkiraan yang dimodelkan. Bisa 10 atau 20 tahun.

Perkiraan Tahun Dua kali lipat Tahun prakiraan adalah horison prakiraan garis pantai pada 10 atau 20 tahun sejak prakiraan dihitung.

Tahun prakiraan ditetapkan dari tanggal pengoperasian, bukan dari tanggal garis pantai terakhir.

Ketidakpastian Bilangan bulat panjang

Perkiraan ketidakpastian perkiraan.

Jarak Teks Jarak dalam meter antara garis dasar referensi DSAS dan posisi garis pantai di masa depan yang diproyeksikan di sepanjang transek DSAS.

IntersectX Dua kali lipat Lokasi koordinat x dari titik potong.

Berpotongan

denganY Dua kali lipat Lokasi koordinat y dari titik potong.

TransectID Bilangan bulat

panjang TransectID berhubungan langsung dengan file transek asli "Object Identifier".

TransOrder Bilangan bulat

panjang Ditetapkan oleh DSAS berdasarkan urutan transek di sepanjang garis dasar atau baseline. Urutan transek harus

selalu digunakan untuk menghubungkan titik-titik potong dengan transek.

TCD Dua kali lipat "Jarak kumulatif total" (TCD) adalah jumlah meter di sepanjang pantai dari awal garis dasar dengan ID=1 dan diukur secara berurutan di sepanjang garis pantai hingga akhir segmen baseline akhir.

Tabel 12. Deskripsi atribut-atribut poligon prakiraan yang dihasilkan oleh Sistem Analisis Garis Pantai Digital (DSAS).

Geometri Geometri Bidang geometri secara otomatis dibuat dan dikelola oleh ArcGIS. Bidang ini

menyediakan definisi tipe fitur (titik, garis, poligon). Nama bidang ini juga dapat disebut "Shape".

ForecastPeriodLong integer Jumlah tahun pemodelan prakiraan. Bisa 10 atau 20 tahun.

Tahun Prakiraan Tahun prakiraan adalah horison prakiraan garis pantai pada 10 atau 20 tahun sejak prakiraan dihitung. Tahun prakiraan ditetapkan dari tanggal pengoperasian, bukan dari tanggal garis pantai terakhir.

SHAPE_LengthDouble Panjang poligon prakiraan garis pantai dalam satuan meter, dengan asumsi data diproyeksikan dengan benar dalamsistem koordinat berbasis meterKolom ini secara otomatis dibuat dan dipelihara ketika data berada di dalam sebuah basis data geografis.

Tabel 13. Deskripsi atribut poligon ketidakpastian prakiraan yang dihasilkan oleh Sistem Analisis Garis Pantai Digital (DSAS).

Geometri Geometri Bidang geometri secara otomatis dibuat dan dikelola oleh ArcGIS. Bidang ini

menyediakan definisi tipe fitur (titik, garis, poligon). Nama bidang ini juga dapat disebut "Shape".

(17)

Beta 61

ForecastPeriodLong integer Jumlah tahun pemodelan prakiraan. Bisa 10 atau 20 tahun.

Tahun Prakiraan Tahun prakiraan adalah horison prakiraan garis pantai pada 10 atau 20 tahun sejak prakiraan dihitung. Tahun prakiraan ditetapkan dari tanggal pengoperasian, bukan dari tanggal garis pantai terakhir.

SHAPE_Area Double Area file poligon ketidakpastian dalam meter kuadrat. Bidang ini dibuat secara otomatis dan dipertahankan ketika data berada di dalam geodatabase.

(18)

Gambar 42A menunjukkan horison prakiraan garis pantai dan perkiraan ketidakpastian yang diplot oleh DSAS sebagai fitur pada peta. Prakiraan garis pantai adalah sebuah garis padat, dan pita ketidakpastian adalah sebuah poligon transparan yang memanjang di kedua sisi garis pantai prakiraan. Grafik pada gambar tersebut bukan merupakan produk DSAS, tetapi

menggambarkan metode yang digunakan oleh filter Kalman dari waktu ke waktu untuk mencapai horizon prakiraan dan garis ketidakpastian yang dihasilkan yang ditampilkan pada peta. Pada gambar 42B, prakiraan DSAS dan tingkat regresi linier serupa.

Namun, pada gambar 42C terdapat lebih banyak variabilitas pada posisi garis pantai dari waktu ke waktu, dan filter Kalman memodelkan posisi-posisi tersebut berdasarkan perkembangan nonlinier dari data. Namun, hal ini menghasilkan pita ketidakpastian yang lebih besar di sekitar garis pantai yang diperkirakan.

Gambar 42. A, Contoh prakiraan garis pantai dengan filter Kalman dan ketidakpastian di dua lokasi transek Sistem Analisis Garis Pantai Digital (DSAS). B, C, Grafik pengamatan garis pantai dari dua lokasi dengan regresi linier, prakiraan filter Kalman, dan ketidakpastian prakiraan terhadap waktu. Grafik-grafik tersebut disertakan di sini untuk membantu menjelaskan metode ini; grafik-grafik tersebut bukan merupakan produk DSAS.

(19)

Beta 63

8.4 Peramalan Menggunakan Garis Pantai Berbasis Datum dan Proksi

Prakiraan garis pantai menghasilkan prakiraan 10 dan (atau) 20 tahun berdasarkan data garis pantai yang dimasukkan.

Jika semua garis pantai masukan memiliki tipe yang sama (misalnya, MHW), garis pantai yang dihasilkan akan menjadi lokasi potensial garis pantai MHW di masa mendatang. Jika data masukan mengandung beberapa proksi garis pantai (HWL dan MHW), bias data proksi (PDB) harus diterapkan untuk menggunakan prakiraan garis pantai. Penggunaan PDB akan mengubah nilai jarak dalam file rate dan intersect yang terkait dengan garis pantai HWL dengan jumlah bias sehingga dapat dibandingkan secara langsung dengan posisi garis pantai MHW. Jika PDB diterapkan, semua posisi garis pantai yang diperkirakan akan direferensikan ke MHW. Jika beberapa transek tidak memiliki nilai PDB, prakiraan garis pantai memiliki solusi bawaan untuk menerapkan konversi regional pada transek-transek tersebut sehingga semua data yang diprakirakan akan direferensikan ke MHW. Jika PDB

Karena nilai PDB sangat bervariasi di seluruh wilayah studi, konversi regional ini dapat menyebabkan lebih banyak kesalahan pada prakiraan di transek tersebut. Opsi untuk melanjutkan jika DSAS mendeteksi konflik datum termasuk melewatkan transek yang tidak memiliki PDB, menerapkan rata-rata PDB regional pada transek yang kehilangan informasi bias, dan menghentikan prakiraan sama sekali (Gambar 43). Untuk informasi lebih lanjut mengenai PDB, lihat bagian 5.4.

Gambar 43. Sistem Analisis Garis Pantai Digital (Digital Shoreline Analysis System, DSAS) memberikan peringatan ketika beberapa proksi garis pantai terdeteksi. HWL, garis air tinggi; MHW, air tinggi rata-rata.

(20)

9. Laporan Ringkasan

Jika "Buat Laporan Ringkasan DSAS" dipilih pada jendela Hitung Nilai (gbr. 27), DSAS akan menghasilkan laporan ringkasan dengan hasil perhitungan nilai. Ringkasan ini akan menyertakan informasi deskriptif mengenai penghitungan laju yang dipilih, termasuk nama file transek masukan, tanggal garis pantai unik yang digunakan, rata-rata regional (menurut DSAS_group), dan nilai deskriptif (minimum, maksimum) untuk erosi dan akresi.

Gambar 44. A, Contoh keluaran dari bagian laporan ringkasan Sistem Analisis Garis Pantai Digital (Digital Shoreline Analysis System, DSAS) yang menyoroti penggunaan DSAS_group untuk mengatur statistik keluaran dan B, tampilan peta yang sesuai dengan data yang mengidentifikasi DSAS_Group 1 (ID Dasar 1 dan 2) yang berkaitan dengan penggunaannya dalam laporan ringkasan. ID, pengenal; m, meter.

(21)

9. Laporan

Ringkasan 63

n

1 i

U

q

Gambar 44 mengilustrasikan penggunaan DSAS_group untuk mendefinisikan dua wilayah yang mencakup beberapa segmen dasar. Laporan ringkasan menghasilkan tingkat rata-rata untuk seluruh dataset, serta tingkat untuk setiap kelompok.

Untuk contoh lengkap keluaran ringkasan, lihat bagian 14 (lampiran 3).

9.1 Pengurangan n (**n*) dan Ketidakpastian Suku Bunga Rata-Rata Regional**

Sebagai bagian dari statistik ringkasan, DSAS menghitung n yang telah dikurangi (atau n*) dan estimasi ketidakpastian tingkat rata-rata regional. Bagian ini menjelaskan bagaimana kuantitas ini dihitung. Laju rata-rata dihitung dengan

menjumlahkan semua laju (R) dan membaginya dengan jumlah transek (n):

di

mana R adalah tarif rata-rata,

R_i adalah laju di setiap transek, dann adalah jumlah transek.

R 1 ⁿR , (6)

Cara paling sederhana untuk memperkirakan ketidakpastian tingkat rata-rata adalah dengan menghitung ketidakpastian rata-rata dengan cara yang sama. Yaitu dengan menjumlahkan ketidakpastian yang terkait dengan setiap transek dan membaginya dengan jumlah transek:

d i m a n a

U

UR 1

n

1 Ri, (7)

R adalah ketidakpastian rata-rata yang terkait dengan tarif,

Ri adalah ketidakpastian yang terkait dengan masing-masing suku bunga (LCI untuk LRR, WCI untuk WLR), dan n adalah jumlah transek.

Namun, metode ini menghasilkan estimasi ketidakpastian yang terlalu tinggi karena mengasumsikan bahwa setiap transek tidak bergantung pada transek lainnya sehingga mengandung ketidakpastian yang independen (Hapke dkk., 2011;

Ruggiero dkk., 2013). Metodologi yang lebih tepat adalah dengan menghitung n*, atau n tereduksi. n tereduksi adalah estimasi jumlah transek independen di wilayah tersebut; kadang-kadang juga disebut ukuran sampel efektif. Jika jarak transek jauh lebih kecil dari skala

variabilitas sepanjang pantai, maka transek yang berdekatan pada dasarnya mengambil sampel dari pantai yang sama, dan semua proses dan perubahan akan sangat mirip pada transek yang berdekatan. Dalam hal ini, dua transek yang berdekatan tidak independen, dan ketika n* (n yang dikurangi) dihitung untuk wilayah tersebut, hasilnya akan lebih kecil dari n (jumlah total transek). Ketika jarak transek jauh lebih panjang daripada variabilitas sepanjang pantai, maka proses dan perubahan pada dua transek yang berdekatan mungkin berbeda. Dalam hal ini, transek yang berdekatan mungkin independen, dan ketika n* dihitung untuk wilayah tersebut, maka akan sama dengan n. Untuk mengestimasi n*, autokorelasi spasial yang tertinggal dari setiap ukuran ketidakpastian laju digunakan, seperti yang disarankan oleh Garrett dan Toulany (1981). Dalam laporan ringkasan DSAS, n* dilaporkan sebagai "n yang dikurangi (jumlah transek independen)."

Seperti yang dijelaskan dalam Hapke dkk. (2010) dan Ruggiero dkk. (2013), n* digunakan untuk menghitung estimasi yang lebih akurat dari ketidakpastian tingkat perubahan rata-rata regional sebagai berikut:

d i m a n a U

U _R_*

=q

1

UR, (8)

R _* adalah ketidakpastian tingkat rata-rata regional menggunakan n^* ,

U_R adalah ketidakpastian rata-rata yang terkait dengan tarif (dari persamaan 7), dan n^* adalah jumlah transek independen.

Nilai ini dilaporkan sebagai "ketidakpastian tingkat rata-rata menggunakan n yang dikurangi" dalam laporan ringkasan DSAS.

Jika fungsi kelompok baseline digunakan, maka akan dilakukan pengurangan n (n*) dan tingkat perubahan rata-rata regional untuk setiap kelompok. Semua nilai n* dari masing-masing kelompok dijumlahkan untuk mendapatkan estimasi n* untuk seluruh

n^*

U

(22)

wilayah, dan nilai ini digunakan ketika menghitung ketidakpastian tingkat rata-rata untuk seluruh wilayah.

(23)

9. Laporan

Ringkasan 65

9.2 Keluaran Laporan Ringkasan 9.2.1 Data Deskriptif

Laporan ringkasan DSAS dimulai dengan informasi deskriptif berikut ini tentang data input dan pengaturan pengguna:

• Nama file: nama file tarif yang digunakan untuk menghitung statistik ringkasan.

• Cap waktu penghitungan tarif: mm/dd/yyyy hh:mm:ss.

• Versi DSAS: versi DSAS yang digunakan untuk menghitung tarif.

• Versi ArcGIS: versi ArcGIS yang digunakan oleh DSAS.

• Jenis tarif yang dijalankan: daftar tarif yang dipilih oleh pengguna untuk dihitung.

• Tanggal garis pantai yang digunakan: daftar tanggal garis pantai masukan yang digunakan.

• Ambang batas garis pantai: dicantumkan jika pengguna menentukan nilai di jendela Setel Parameter Default.

• Confidence Interval (CI) yang dipilih: nilai yang ditentukan di jendela Calculate Rates (Hitung Tarif).

• Ketidakpastian default: nilai yang ditentukan oleh pengguna di jendela Setel Parameter Default.

• Panjang jarak transek: ditentukan di jendela Set Default Parameters.

• Jarak penghalusan: ditentukan oleh pengguna di jendela Set Default Parameters (Tetapkan Parameter Default).

• Sistem koordinat: mengidentifikasi referensi spasial dari set data.

• Apakah bias diterapkan: Nilai YA/TIDAK yang menunjukkan apakah PDB diterapkan.

9.2.2 Ringkasan Statistik

Setelah data deskriptif, laporan mencantumkan rangkuman statistik untuk setiap metrik garis pantai yang dipilih untuk seluruh rentang transek. Ini diikuti dengan rata-rata kelompok dalam laporan ringkasan, jika atribut kelompok disertakan dalam file dasar. Berikut ini adalah kemungkinan kecepatan/jarak dan rangkuman statistik yang dihitung untuk setiap metrik garis pantai yang dipilih.

Pengukuran Jarak-SCE (Amplop Perubahan Garis Pantai)

Untuk pengukuran jarak SCE (lihat bagian 7.2), statistik berikut ini dilaporkan:

• Jumlah total transek: jumlah transek (masing-masing dengan ID unik) yang berisi penghitungan nilai spesifik ini.

• Jarak rata-rata: jumlah semua nilai jarak dibagi dengan jumlah total transek.

• Jarak maksimum: jarak maksimum antara semua garis pantai.

• ID transek jarak maksimum: ID transek dengan jarak maksimum.

• Jarak minimum: jarak terkecil di antara semua garis pantai.

• ID transek jarak minimum: ID transek dengan jarak minimum.

Pengukuran Jarak-NSM (Pergerakan Garis Pantai Bersih)

Untuk pengukuran jarak NSM (lihat bagian 7.1), statistik berikut ini dilaporkan.

• Jarak rata-rata: jumlah semua nilai jarak dibagi dengan jumlah total transek.

• Jumlah transek dengan jarak negatif: jumlah transek dengan nilai jarak negatif.

(24)

• Persentase dari semua transek yang memiliki jarak negatif: jumlah transek dengan nilai negatif, dibagi dengan jumlah total transek dan dikalikan 100.

• Jarak negatif maksimum: nilai perubahan yang paling negatif.

• ID transek jarak negatif maksimum: ID transek di mana perubahan paling negatif ditemukan.

• Rata-rata semua jarak negatif: jumlah semua nilai jarak negatif dibagi dengan jumlah total transek dengan jarak negatif.

• Jumlah transek dengan jarak positif: jumlah transek dengan nilai jarak positif.

• Persentase dari semua transek yang memiliki jarak positif: jumlah transek dengan nilai positif, dibagi dengan jumlah total transek dan dikalikan 100.

• Jarak positif maksimum: nilai perubahan yang paling positif.

• ID transek jarak positif maksimum: ID transek di mana perubahan paling positif ditemukan.

• Rata-rata semua jarak positif: jumlah semua nilai jarak positif dibagi dengan jumlah total transek dengan jarak positif.

Pengukuran Tingkat

Untuk pengukuran laju EPR (laju titik akhir), LRR (regresi linier), dan WLR (regresi linier tertimbang), statistik berikut ini dilaporkan:

• Laju rata-rata: jumlah semua nilai laju dibagi dengan jumlah total transek.

• Rata-rata dari interval kepercayaan yang terkait dengan tingkat: nilai rata-rata bidang CI (EPR menggunakan EPRunc, LRR menggunakan

LCI, dan WLR menggunakan WCI) yang menggambarkan ketidakpastian rata-rata dari tingkat suku bunga.

• Pengurangan n (jumlah transek independen): jumlah transek yang ditemukan memiliki transek independen yang efektif ketidakpastian (lihat bagian 9.1).

• Ketidakpastian tingkat rata-rata menggunakan n yang dikurangi: ketidakpastian rata-rata regional untuk jumlah transek independen (lihat bagian 9.1).

• Tingkat rata-rata dengan ketidakpastian n yang dikurangi: tingkat rata-rata, ± ketidakpastian tingkat rata-rata menggunakan n yang dikurangi.

• Jumlah transek erosi: jumlah total transek dengan nilai laju negatif.

• Persentase dari semua transek yang erosional: jumlah transek dengan nilai laju negatif, dibagi dengan jumlah total transek dan dikalikan 100.

• Persentase dari semua transek yang memiliki erosi yang signifikan secara statistik: persentase dari semua transek yang memiliki laju negatif yang memiliki besaran lebih besar dari ketidakpastian (plus/minus nilai CI).

• Contoh: Laju -2,3 m/tahun dengan nilai CI 0,5 akan dianggap signifikan, karena melaporkan kisaran -2,8 hingga -1,8 m/tahun, di mana nilai minimum dan maksimumnya masih negatif. Laju -2,3 m/tahun dengan nilai CI 2,8 tidak akan dianggap signifikan, karena melaporkan kisaran -5,1 hingga +0,5 m/tahun, di mana nilai minimumnya negatif (erosional) dan nilai maksimumnya positif (akresi); oleh karena itu, kita tidak dapat memastikan bahwa laju yang sebenarnya adalah erosional atau akresi.

• Erosi nilai maksimum: Laju yang paling negatif. Secara teknis, laju erosi maksimum juga merupakan angka terkecil, tetapi dalam hal laju perubahan garis pantai, angka ini merupakan nilai negatif terjauh dari nol, yang mengindikasikan laju erosi terbesar.

• ID transek erosi nilai maksimum: ID transek dengan tingkat erosi paling negatif.

(25)

9. Laporan

Ringkasan 67

• Rata-rata semua laju erosi: jumlah semua nilai laju negatif dibagi dengan jumlah total transek dengan laju negatif.

• Jumlah transek pertambahan: jumlah transek dengan nilai laju positif.

• Persentase dari semua transek yang bertambah: jumlah transek dengan nilai laju positif, dibagi dengan jumlah total transek dan dikalikan 100.

• Persentase dari semua transek yang memiliki riap yang signifikan secara statistik: persentase dari semua transek yang memiliki nilai positif yang lebih besar dari ketidakpastian (plus/minus nilai CI).

• Contoh: Laju +0,7 m/tahun dengan nilai CI 0,3 akan dianggap signifikan, karena melaporkan kisaran +1,0 hingga +0,4 m/tahun, di mana nilai minimum dan maksimumnya masih positif. Laju ±0,7 m/tahun dengan nilai CI 0,8

tidak akan dianggap signifikan, karena melaporkan kisaran +1,5 hingga -0,1 m/tahun, di mana nilai minimumnya negatif (erosional) dan nilai maksimumnya positif (akresi); oleh karena itu, kita tidak dapat memastikan bahwa laju yang sebenarnya adalah erosional atau akresi.

• Nilai maksimum pertambahan: nilai paling positif yang menunjukkan tingkat pertambahan terbesar.

• ID transek pertambahan nilai maksimum: ID transek dengan nilai yang paling positif.

• Rata-rata semua laju pertambahan: jumlah semua nilai laju positif dibagi dengan jumlah total transek dengan laju positif.

Untuk contoh teks lengkap laporan ringkasan DSAS, lihat bagian 14 (lampiran 3).

10. Metadata

Menghasilkan metadata yang lengkap merupakan komponen penting dari integritas dan pemeliharaan data. Pada DSAS v4.0 dan yang lebih tinggi, metadata dibuat secara otomatis ketika file program dibuat dan ketika perhitungan dilakukan. Tab Metadata dalam jendela Set Default Parameters (lihat bagian 6.2.3) memungkinkan pengguna untuk memasukkan beberapa komponen penting dari informasi metadata. Antarmuka metadata sederhana, hanya membutuhkan input informasi dasar yang sering kali spesifik untuk masing-masing organisasi. DSAS mengambil variabel masukan pengguna ini, menangkap deskripsi langkah pemrosesan dan informasi dataset dasar (seperti koordinat pembatas, atribut, dan informasi referensi spasial), dan memasukkannya ke dalam file metadata kelas fitur transek ketika transek dibuat.

10.1 Mengkonfigurasi ArcGIS untuk melihat metadata yang dihasilkan oleh DSAS

Metadata yang ditulis di ArcGIS 9.0 hingga 9.3 didasarkan pada format FGDC CSDGM. Pada ArcGIS 10, Esri berpindah ke format metadata yang lebih mengikuti standar International Organization for Standardization (ISO) 19115 (Metadata Informasi Geografis). Metadata yang dihasilkan oleh DSAS tetap menggunakan standar FGDC CDGSM dan memerlukan beberapa langkah tambahan untuk dapat dilihat atau diedit di ArcGIS 10. Karena tidak ada batasan pada catatan metadata setelah dihasilkan, pengguna dapat memodifikasi file yang ada dengan menggunakan editor metadata pilihan mereka.

Pengguna pada awalnya tidak dapat melihat atau mengedit metadata yang dihasilkan oleh DSAS. Tab Metadata telah digantikan dengan tab Deskripsi di ArcCatalog. Untuk melihat metadata, selesaikan langkah-langkah berikut:

1. Pada ArcCatalog, klik Customize >> ArcCatalog Options.

2. Klik tab Metadata (gbr. 45).

3. Klik "FGDC CSDGM Metadata" dalam daftar Gaya Metadata.

4. Klik "OK."

Catatan: Jika Anda menggunakan tab Description ketika Anda memilih gaya metadata baru, Anda tidak akan langsung melihat hasil dari perubahan ini. Klik tab lain di ArcCatalog atau jendela Item Description, dan kemudian klik tab Description lagi agar gaya metadata yang baru dapat diterapkan. Semua metadata yang ditulis oleh DSAS ditampilkan di bawah judul Metadata FGDC (hanya-baca) (gbr. 46).

(26)

68 Sistem Analisis Garis Pantai Digital (DSAS) Versi 5.1 Panduan

Pengguna 10. Metadata 67

10.2 Mengedit Metadata yang Dihasilkan DSAS dalam Format FGDC

Sebuah add-in tersedia bagi pengguna yang lebih memilih untuk mengedit metadata berformat FGDC dengan editor metadata yang tersedia pada rilis ArcGIS sebelumnya. Add-in ini memungkinkan pengguna untuk mengakses editor metadata FGDC dengan memasukkan perintah baru ke toolbar ArcCatalog. Hal ini memungkinkan pengguna untuk mengedit konten metadata yang dapat dipratinjau di bagian read-only di bawah menu

Gambar 45. Jendela Opsi ArcCatalog dan properti tab Metadata. Standar Konten Komite Data Geografis Federal (FGDC) untuk standar Data Metadata Geospasial Digital (CSDGM) dapat dipilih dari menu drop-down di bawah bagian Gaya Metadata. Hal ini akan memungkinkan metadata yang dihasilkan oleh Sistem Analisis Garis Pantai Digital (DSAS) untuk dilihat di ArcCatalog. CAD, desain berbantuan komputer.

Tab Deskripsi. Detail lebih lanjut mengenai add-in, serta petunjuk pengunduhan dan petunjuknya, dapat ditemukan di sini:

https://www.esri.com/ arcgis-blog/products/arcgis-desktop/administration/fgdc-metadata-editor-for-arcgis-10/.

(27)

(28)

10.3 Meningkatkan Metadata yang Dihasilkan DSAS ke Format ArcGIS 10.x

Gambar 46. Metadata yang dihasilkan oleh Sistem Analisis Garis Pantai Digital (DSAS) yang dilihat di ArcCatalog pada bagian read-only.

FGDC, Komite Data Geografis Federal.

Setelah ArcCatalog dikonfigurasikan untuk membaca gaya FGDC CDGSM, metadata read-only yang dihasilkan oleh DSAS dapat dikonversi ke format Esri, jika diinginkan. Konversi ini tidak perlu dilakukan; bagian read-only dari metadata dapat diedit dengan menggunakan add-in yang dijelaskan pada bagian sebelumnya. Untuk memutakhirkan metadata secara otomatis, centang opsi "Automatically update when metadata is seen" dan "Show metadata upgrade prompt" pada tab Metadata yang terdapat pada Arc Catalog Options (lihat bagian 10.1 dan gbr. 45). Untuk menerapkan konversi peningkatan metadata individual, buka ArcToolbox >> Conversion Tools >> Metadata >> Upgrade Metadata. Pemrosesan batch menggunakan alat ini tersedia dengan mengklik kanan ikon Upgrade Metadata. Perlu diingat bahwa mengupgrade sama dengan menimpa.

Apapun yang terdapat di dalam format metadata internal Esri ArcGIS (bagian dari pratinjau file yang tidak hanya dapat dibaca) akan ditimpa oleh informasi yang diekstrak dari format FGDC (hanya dapat dibaca). Langkah-langkah proses selanjutnya, yang ditulis oleh DSAS setelah metadata diupgrade, akan ditambahkan ke format yang sesuai dengan FGDC dan hanya akan terlihat pada bagian pratinjau hanya-baca pada tab Deskripsi di ArcCatalog. Metadata dapat ditingkatkan lagi nanti, jika diinginkan.

(29)

11. Referensi yang dikutip

11. Referensi yang dikutip 69

Anders, F.J., dan Byrnes, M.R., 1991, Akurasi laju perubahan garis pantai yang ditentukan dari peta dan foto udara: Pesisir dan Pantai, v. 59, hal. 17-26.

Crowell, M., Douglas, B.C., dan Leatherman, S.P., 1997, Tentang peramalan posisi garis pantai Amerika Serikat di masa depan-Sebuah uji coba algoritma: Jurnal Penelitian Pesisir, v. 13, no. 4, p. 1245-1255.

Crowell, M., Leatherman, S.P., dan Buckley, M.K., 1991, Perubahan garis pantai historis-Analisis kesalahan dan akurasi pemetaan: Journal of Coastal Research, v. 7, hal. 839-852.

Dolan, R., Fenster, M.S., dan Holme, S.J., 1991, Analisis temporal resesi dan akresi garis pantai: Journal of Coastal Research, v. 7, hal. 723-744.

Garrett, C.J.R., dan Toulany, B., 1981, Variabilitas arus yang melewati Selat Pulau Bele: Jurnal Penelitian Kelautan, v. 39, p. 163-189.

Genz, A.S., Fletcher, C.H., Dunn, R.A., Frazer, L.N., dan Rooney, J.J., 2007, Keakuratan prediksi metode laju perubahan garis pantai dan variasi pantai sepanjang pantai di Maui, Hawaii: Journal of Coastal Research, v. 23, no. 1, hal. 87-105.

Hapke, C.J., Himmelstoss, E.A., Kratzmann, M.G., List, J.H., dan Thieler, E.R., 2011, Penilaian nasional tentang perubahan garis pantai; perubahan garis pantai secara historis di sepanjang pantai New England dan Mid-Atlantik: Laporan Open-File U.S. Geological Survey 2010-1118, 57 hal, diakses pada September 2018 di https://doi.org/10.3133/ofr20101118.

Himmelstoss, E.A., Farris, A.S., Henderson, R.E., Kratzmann, M.G., Ergul, A., Zhang, O., Zichichi, J.L., dan Thieler, E.R., 2018, Sistem Analisis Garis Pantai Digital versi 5.0: Rilis perangkat lunak U.S. Geological Survey, diakses pada Juli 2021 di https://code.usgs.gov/cch/dsas.

Leatherman, S.P., dan Clow, J.B., 1983, Proyek pemetaan garis pantai UMD: IEE Geoscience and Remote Sensing Society News- letter, v. 22, hal. 5-8.

Long, J.W., dan Plant, N.G., 2012, Kerangka kerja Extended Kalman Filter untuk peramalan evolusi garis pantai: Geophysical Research Letters, v. 39, no. 13, hal. 1-6.

Miller, T.L., Morton, R., A., dan Sallenger, A.H., 2005, The National Assessment of Shoreline Change-Sebuah kompilasi SIG dari vektor garis pantai dan data perubahan garis pantai yang terkait di Pantai Atlantik Tenggara AS: Survei Geologi AS Laporan Open-file 2005-1326, diakses pada Agustus 2021 di https://pubs.usgs.gov/of/2005/1326/.

Moore, L.J., 2000, Teknik pemetaan garis pantai: Journal of Coastal Research, v. 16, hal. 111-124.

Moore, L.J., Ruggiero, P., dan List, J.H., 2006, Membandingkan rata-rata garis pantai tinggi air dan garis pantai tinggi air - haruskah proksi

bagaimana offset datum dimasukkan ke dalam analisis perubahan garis pantai? Jurnal Penelitian Pesisir, v. 22, no. 4, p. 894- 905.

Morton, R.A., dan Miller, T.L., 2005, Penilaian Nasional Perubahan Garis Pantai-Bagian 2, Perubahan garis pantai historis dan kehilangan lahan pesisir yang terkait di sepanjang pantai Atlantik tenggara AS: Laporan Open-file U.S. Geological Survey 2005-1401, 35 hal., diakses pada Agustus 2021 di https://pubs.usgs.gov/of/2005/1401.

Morton, R.A., Miller, T.L., dan Moore, L.J., 2004, Penilaian Nasional Perubahan Garis Pantai-Bagian 1, Perubahan garis pantai historis dan kehilangan lahan pesisir yang terkait di sepanjang Teluk Meksiko: Arsip Terbuka Survei Geologi AS

Laporan 2004-1043, 42 hlm., diakses pada Agustus 2021 di http://pubs.usgs.gov/of/2004/1043.

Ruggiero, P., Kaminsky, G.M., dan Gelfenbaum, G., 2003, Menghubungkan garis pantai berbasis proksi dan datum pada garis pantai berenergi tinggi-Implikasi untuk analisis perubahan garis pantai: Jurnal Penelitian Pesisir, v. 38, hal. 57-82.

Ruggiero, P., Komar, P.D., McDougal, W.G., dan Beach, R.A., 1996, Permukaan air yang ekstrim, limpasan gelombang, dan erosi pantai: Konferensi Internasional Teknik Pesisir, Persatuan Insinyur Sipil Amerika, 25, Orlando, 1996 [Prosiding], p. 2793-2805.

Ruggiero, P., Komar, P.S., McDougal, W.G., Marra, J.J., dan Beach, R.A., 2001, Runup gelombang, ketinggian air ekstrim dan erosi properti yang mendukung pantai: Journal of Coastal Research, v. 17, no. 2, hal. 407-419.

(30)

Ruggiero, P., Kratzmann, M.G., Himmelstoss, E.A., Reid, D., Allan, J., dan Kaminsky, G., 2013, Penilaian nasional terhadap pesisir perubahan garis pantai-Perubahan garis pantai secara historis di sepanjang pantai Barat Laut Pasifik: Arsip Terbuka Survei Geologi AS

Laporan 2012-1007, 62 hlm., diakses pada Agustus 2021 di https://pubs.usgs.gov/of/2012/1007/.

Ruggiero, P., dan List, J.H., 2009, Meningkatkan akurasi dan keandalan statistik estimasi posisi garis pantai dan laju perubahannya: Jurnal Penelitian Pesisir, v. 25, no. 5, p. 1069-1081.

Smith, T.L., Himmelstoss, E.A., dan Thieler, E.R., 2013, Massachusetts shoreline change project-Sebuah kompilasi SIG garis pantai vektor dan data perubahan garis pantai yang terkait untuk pembaruan tahun 2013: U.S. Geological Survey Open-File Report 2012-1183, diakses pada bulan Agustus 2021 di http://pubs.usgs.gov/of/2012/1183/.

Thieler, E.R., dan Danforth, W.W., 1994, Pemetaan garis pantai historis (1) - Memperbaiki teknik dan mengurangi kesalahan penentuan posisi: Jurnal Penelitian Pesisir, v. 10, hal. 549-563.

Zar, J.H., 1999, Analisis biostatistik (4th ed.): Upper Saddle River, N.J., Prentice Hall, 663 p.

(31)

12. Lampiran 1. Pemecahan masalah

12. Lampiran 1. Pemecahan masalah 71

Tabel 1.1. Solusi potensial untuk masalah yang mungkin dihadapi ketika menggunakan Sistem Analisis Garis Pantai Digital.

Masalah Solusi potensial

File (transek, garis pantai, garis dasar) tidak muncul sebagai pilihan yang dapat dipilih pada menu drop-down (Default Pa- rameters, toolbar Digital Shoreline Analysis System [DSAS]).

Pesan kesalahan: Tidak dapat menghitung statistik.

Pesan kesalahan: Tidak dapat menemukan basis data

tabel untuk lapisan dasar.

Perhitungan tingkat berjalan, tetapi tabel berisi nilai <null> untuk banyak (atau semua) transek.

Saat mencoba menghitung tarif, pesan kesalahan berikut muncul: "Tidak dapat menemukan file keluaran

"C:\....\ DSASCore. out.xml."

1. Tutup dan buka kembali:

a. Simpan proyek ArcMap, kemudian tutup dan buka kembali dokumen tersebut.

b. Hapus file dari proyek ArcMap dan kemudian tambahkan lagi.

2. Gunakan alat bantu Attribute Automator untuk menambahkan bidang baru ke file data. Tutup dan buka kembali jendela

proyek.

3. Jika solusi sebelumnya gagal, pilihan terakhir adalah membuat kelas fitur baru dan mengisi dengan data yang ada sebagai berikut:

a. Pada geodatabase yang sudah ada (dengan file yang dimaksud), klik kanan dan pilih "create a new feature class," beri nama file dengan tepat, dan impor atau pilih koordinat

sistem. Yang paling penting, di jendela dengan pemilihan atribut, pilih "Impor" dan pilih file asli untuk menambahkan semua bidang dari file asli ke file baru.

b. Salin dan tempelkan fitur lama ke dalam kelas fitur baru. Periksa untuk memastikan semua fitur

file atribut dibawa dengan benar.

4. Buat kelas fitur baru dan isi dengan data yang ada sebagai berikut:

a. Pada geodatabase yang sudah ada (dengan file yang dimaksud), klik kanan dan pilih

"create a new feature class," beri nama file dengan tepat, impor atau pilih sistem koordinat, dan selesaikan tanpa memilih atribut tambahan.

b. Pada ArcMap, tambahkan bidang yang diperlukan seperti yang dijelaskan untuk garis dasar (bagian 5.3), garis pantai (bagian 5.2), atau transek (bagian 6.3).

c. Salin dan tempelkan fitur lama ke dalam kelas fitur baru. Periksa untuk memastikan semua fitur

file atribut dibawa dengan benar.

Jika ArcCatalog terbuka, tutup dan jalankan statistik lagi.

Pastikan bahwa nama shapefile dan "alias" adalah sama, jika tidak, DSAS tidak akan bekerja dengan baik. Untuk memperbaiki kesalahan ini, buat kelas fitur dasar baru dan isi dengan data yang ada sebagai berikut:

a. Pada geodatabase yang sudah ada (dengan file yang dimaksud), klik kanan dan pilih "buat kelas fitur baru", beri nama file dengan tepat, dan impor atau pilih sistem koordinat. Yang paling penting, pada jendela dengan pemilihan atribut, pilih "Import" dan pilih file asli untuk menambahkan semua bidang dari file asli ke file baru.

b. Salin dan tempelkan fitur lama ke dalam kelas fitur baru. Periksa untuk memastikan semua atribut

file bute dibawa dengan benar.

Anda mungkin secara tidak sengaja telah menjalankan kalkulasi laju aliran dengan fitur tertentu (seperti satu segmen garis dasar atau garis pantai) yang dipilih. Hal ini akan membatasi penghitungan laju ke fitur yang dipilih. Tarif hanya akan dihitung untuk segmen garis dasar yang dipilih atau untuk fitur

garis pantai. Jika hanya satu garis pantai yang dipilih, tidak ada perhitungan yang akan berjalan dengan sukses. Metadata

Langkah proses yang ditambahkan ke file transek akan menunjukkan jika fitur telah dipilih.

Periksa nilai nol atau nol di bidang atribut "ketidakpastian" pada kelas fitur garis pantai (lihat bagian 5.2.3), atau atur ketidakpastian data default ke nilai yang lebih besar dari nol pada jendela Default

(32)

Parameters (lihat bagian 6.2.2).

Komputer harus dikonfigurasikan ke bahasa Inggris (AS), dan format tanggal harus berupa mm/dd/yyyy. Dari menu Control Panel (Panel Kontrol), pilih

"Regional Configuration and Language (Konfigurasi Regional dan Bahasa),"

pilih "English (AS)," lalu ubah konfigurasi tanggal menjadi

"mm/dd/yyyy."

(33)

(34)

Tabel 1.1. Solusi potensial untuk masalah yang mungkin dihadapi ketika menggunakan Sistem Analisis Garis Pantai Digital.

Masalah Solusi potensial

Pembaruan lama: Garis pantai tidak akan muncul di jendela Set Default Paramater.

Pemutakhiran lama: Transek lama tidak akan muncul pada alat upgrade transek.

Pemutakhiran lama: File proyek lama memiliki baseline darat dan lepas pantai (alat pemutakhiran hanya dapat membuat satu jenis baseline dalam satu waktu).

Periksa semua pengaturan atribut yang diperlukan (bagian 5.2.3). Jika kolom yang diperlukan ada dan dapat dipertanggungjawabkan, cobalah untuk membuat kelas fitur baru dan isi dengan data garis pantai seperti yang dijelaskan di atas (pada solusi 1a di baris pertama tabel ini).

Periksa kolom atribut yang sudah ada. Jika semuanya ada dan akurat, dan alat ini masih tidak mengenali transek, gunakan solusi berikut: Buat kelas fitur baru dan isi dengan data transek seperti yang dijelaskan di atas (pada solusi 1c dan 1d di baris pertama tabel ini).

File transek lama harus dipisahkan ke dalam proyek-proyek lepas pantai dan darat dan kemudian masing-masing dijalankan secara terpisah melalui alat pemutakhiran. Setelah diupgrade, transek dapat digabungkan sebagai transek DSAS v5 dengan menyalin dan menempelkan satu transek ke transek lainnya.