Automatic Differentiation: Introduction, History and Rounding Error Estimation

2012 ◽  
Keyword(s):  
Error Estimation ◽  
Automatic Differentiation ◽  
Rounding Error ◽  
Introduction History

scholarly journals Can We Avoid Rounding-Error Estimation in HPC Codes and Still Get Trustworthy Results?

2020 ◽  
pp. 163-177
Author(s):  
Fabienne Jézéquel ◽  
Stef Graillat ◽  
Daichi Mukunoki ◽  
Toshiyuki Imamura ◽  
Roman Iakymchuk
Keyword(s):  
Error Estimation ◽  
Rounding Error

PENILAIAN KESEHATAN TERUMBU KARANG MENGGUNAKAN CITRA SATELIT WORLDVIEW-2 DI PULAU PAHAWANG, LAMPUNG, INDONESIA

2018 ◽  
Vol 2 ◽  
pp. 125
Author(s):  
Lukman Hakim
Keyword(s):  
Error Estimation ◽  
Standard Error ◽  
Red Edge ◽  
Standard Error Estimation

<p>Perairan laut Lampung sebagai bagian kecil dari ekosistem terumbu karang Indonesia terindikasi memiliki tren penurunan kualitas karena aktivitas pelayaran dan pariwisata yang ekstensif khususnya di Pulau Pahawang. Kontrol kondisi terumbu karang pada wilayah ini menjadi kegiatan vital dalam rangkaian konservasi sumber daya laut. Sayangnya, pemetaan kesehatan terumbu karang memerlukan survei detail yang memakan banyak waktu, biaya, dan tenaga. Citra sebagai produk data penginderaan jauh hadir sebagai solusi monitoring terumbu karang secara cepat, murah, dan dalam jangkauan wilayah yang relatif luas. Tujuan dari penelitian ini adalah untuk memetakan kesehatan terumbu karang melalui citra WorldView-2 (WV-2) serta menguji akurasi peta yang dihasilkan. Metode yang digunakan untuk memetakan kesehatan terumbu karang adalah transformasi nilai <em>pixel</em> pada <em>band-band</em> WV-2 menjadi nilai original objek dengan urutan: 1) koreksi atmosfer (<em>Top of Atmospheric Reflectance)</em>, 2) koreksi kilap air (<em>sun glint</em>), dan 3) koreksi kolom air (metode <em>lyzenga</em>) menghasilkan 15 <em>band</em> DII (<em>depth invariant bottom index</em>). Kelima belas <em>band</em> DII tersebut diubah menjadi nilai kesehatan terumbu karang dengan cara regresi antara nilai <em>pixel</em> pada <em>band</em> DII dengan nilai rasio kesehatan terumbu karang aktual yang diperoleh dari proses kalkulasi acak titik foto transek di lapangan. Tiga tipe regresi (linier, eksponen, dan polinomial) dilakukan untuk melihat persamaan terbaik yang bisa digunakan untuk mentransformasi nilai <em>pixel</em> ke nilai kesehatan terumbu karang. Persamaan terbaik kemudian diimplementasikan menjadi model kesehatan terumbu karang untuk kemudian diuji akurasi menggunakan metode <em>Standard Error Estimation</em>. Hasil terbaik diperoleh pada regresi antara rasio kesehatan terumbu karang dengan <em>b</em><em>and</em> DII <em>Coastal Red-Edge</em> dengan koefisien determinasi (R<sup>2</sup>) sebesar 0,6553 dan akurasi pemetaan sebesar 70,191%. Nilai tersebut menunjukan bahwa citra WV-2 memiliki potensi untuk menjadi instrumen monitoring ekosistem marine yang layak.</p><p><strong>Kata Kunci: </strong>Depth Invariant Bottom Index, Kesehatan Terumbu Karang, Lyzenga, Regresi, WorldView-2<strong></strong></p>

Sign in / Sign up

Export Citation Format

Share Document