ABSTRAK PENGEMBANGAN MODEL KLOROFIL -A BERBASIS CITRA SATELIT SENTINEL-2 DAN LANDSAT 9 PADA WADUK SAGULING, SUNGAI CITARUM, JAWA BARAT Oleh Aulia Tirtana Putri NIM: 25322320 (Program Studi Magister Teknik Lingkungan) Waduk Saguling memiliki kondisi hulu tercemar ringan dengan kandungan nitrat yang diatas baku mutu, sehingga diperlukan pemantauan kualitas air guna menjaga kualitas air waduk. Konsentrasi klorofil-a sebagai indikator proxy biologi dapat digunakan sebagai salah satu parameter air dalam pemantauan kualitas air. Namun, pemantauan kualitas air secara tradisional membutuhkan waktu, biaya dan tenaga yang memadai. Oleh karena itu, teknologi remote sensing dapat menjadi alternatif sebagai solusi permasalahan dari keterbatasan pada pemantauan kualitas air secara tradisional tersebut. Pada remote sensing, konsentrasi klorofil- a dapat diidentifikasi melalui sifatnya yang menyerap cahaya pada panjang gelombang tertentu. Sehingga, cahaya yang diserap oleh klorofil-a akan diukur oleh satelit untuk mendapatkan nilai reflektansi yang dapat digunakan untuk memprediksi klorofil-a. Pada penelitian ini digunakan dua citra satelit, yaitu Sentinel-2 dan Landsat 9 untuk memprediksi klorofil-a pada Waduk Saguling. Model empiris berupa persamaan regresi digunakan untuk memprediksi konsentrasi klorofil-a dari data citra satelit. Data nilai konsentrasi klorofil-a insitu dan data nilai reflektansi pada tahun 2022 digunakan dalam memperoleh model empiris berupa persamaan regresi untuk prediksi konsentrasi klorofil-a. Sedangkan data validasi yang digunakan berupa data tahun 2024 yang menggabungkan data musim hujan dan kemarau. Pengolahan data-data tersebut dilakukan menggunakan software Rstudio. Data nilai reflektansi dan visualisasi hasil model menggunakan software Google Earth Engine (GEE). Pada penelitian ini juga membandingkan nilai reflektansi pada Sentinel-2 dan Landsat 9 berdasarkan data SR (Surface Reflectance) yang sudah di koreksi atmosferik dan data TOA (Top of Atmosphere) yang belum dilakukan koreksi atmosferik. Perbandingan ini untuk mengetahui kesesuaian data satelit dalam model. Uji validasi model dilakukan dengan parameter statistik berupa R 2 dan Root Mean Squared Error (RMSE), melalui perbandingan antara hasil model dengan data tahun 2022 dan data tahun 2024. Hasil penelitian menunjukkan bahwa model citra satelit Sentinel-2 dengan data SR memiliki performa yang lebih baik dibandingkan dengan data TOA, berdasarkan nilai R 2 yang lebih tinggi dan RMSE yang lebih rendah. Hasil model Sentinel-2 SR diperoleh nilai R 2 dan RMSE sebesar 0,751 dan 1,39. Sedangkan TOA diperoleh nilai R 2 dan RMSE sebesar 0,551 dan 1,86. Hasil model Landsat 9 TOA dengan R 2 dan RMSE sebesar 0,280 dan 2,35 memiliki performa lebih baik daripada model Landsat 9 SR dengan R 2 dan RMSE sebesar 0,289 dan 2,35. Hasil uji validasi menunjukkan bahwa model Sentinel-2 SR memiliki performa model yang lebih baik terhadap data baru dibandingkan dengan model Landsat 9 TOA. Model Sentinel-2 SR berupa persamaan Multiple Linear Regression (MLR) dengan integrasi band 2, 3, 4, 5 dan 11, dengan persamaan matematis sebagai berikut: y =13,36 - 239,98B2 + 235,19B3 – 0,578B4 - 56,68B11. Hasil uji validasi model Sentinel-2 diperoleh nilai R 2 dan RMSE sebesar 0,261 dan 4,2, yang menunjukkan penurunan nilai R 2 dan kenaikan RMSE yang mengindikasikan adanya penurunan performa model terhadap data baru. Namun, konsentrasi klorofil-a hasil model dengan nilai aktual masih berada pada status trofiknya yang sama. Sehingga model dapat memberikan gambaran besar prediksi sebaran konsentrasi klorofil-a pada Waduk Saguling dan dapat digunakan untuk memodelkan musim kemarau maupun musim hujan. Hasil visualisasi estimasi sebaran konsentrasi klorofil-a pada tahun 2022 – 2025 menunjukkan adanya kenaikan konsentrasi klorofil-a pada tahun 2022-2023 serta penurunan konsentrasi klorofil-a dari 2023 hingga Januari 2025. Hasil model dengan Sentinel-2 SR dapat digunakan untuk melakukan pemantauan kualitas air Waduk Saguling dan menjadi pertimbangan dalam keputusan pengelolaan air pada waduk tersebut. Kata kunci: Klorofil-a, Sentinel 2, Landsat 9, Google Earth Engine, Waduk Saguling ABSTRACT DEVELOPMENT OF A CHLOROPHYLL -A MODEL BASED ON SENTINEL-2 AND LANDSAT 9 SATELLITE IMAGERY AT WAGULING RESERVOIR, CITARUM RIVER , WEST JAVA By Aulia Tirtana Putri NIM: 25322320 (Master’s Program in Environmental Engineering) Saguling Reservoir has a slightly polluted upstream condition with nitrate content above the quality standard, so water quality monitoring is needed to maintain the quality of the reservoir water. Chlorophyll-a concentration as a biological proxy indicator can be used as one of the water parameters in water quality monitoring. However, traditional water quality monitoring requires adequate time, cost and energy. Thus, remote sensing technology can be an alternative as a solution to the problem of limitations in traditional water quality monitoring. In remote sensing, chlorophyll-a concentration can be identified through its nature, which absorbs light at certain wavelengths so that the light absorbed by chlorophyll-a will be measured by the satellite to obtain a reflectance value that can be used to predict chlorophyll-a. This study used two satellite images, namely Sentinel-2 and Landsat 9. An empirical model in the form of a regression equation is used to predict chlorophyll-a concentration from satellite image data. In-situ chlorophyll-a concentration data and reflectance value data in 2022 were used to obtain an empirical model for predicting chlorophyll-a concentration. The validation data used was data from 2024, which combined rainy and dry season data. The processing of these data was carried out using Rstudio software. Reflectance value data and visualization of model results using Google Earth Engine (GEE) software. This study also compares the reflectance values on Sentinel-2 and Landsat 9 based on SR (Surface Reflectance) data that has been atmospherically corrected and TOA (Top of Atmosphere) data that has not been atmospherically corrected. This comparison is to determine the suitability of satellite data in the model. Model validation tests were carried out with statistical parameters in the form of R 2 and Root Mean Squared Error (RMSE) through a comparison between model results with 2022 data and 2024 data. The results showed that the Sentinel-2 satellite imagery model with SR data performed better than TOA data, based on higher R 2 values and lower RMSE. The results of the Sentinel-2 SR model obtained R 2 and RMSE values of 0.751 and 1.39. In comparison, TOA obtained R 2 and RMSE values of 0.551 and 1.86. The results of the Landsat 9 TOA model with R 2 and RMSE of 0.280 and 2.35 have better performance than the Landsat 9 SR model with R 2 and RMSE of 0.289 and 2.35. The results of the validation test show that the Sentinel- 2 SR model has better model performance on new data compared to the Landsat 9 TOA model. The Sentinel-2 SR model is a Multiple Linear Regression (MLR) equation with integration of bands 2, 3, 4, 5 and 11, with the following mathematical equation: y = 13.36 - 239.98B2 + 235.19B3 - 0.578B4 - 56.68B11. The results of the Sentinel-2 model validation test using validation data and obtained R 2 and RMSE values of 0.261 and 4.2. There is a decrease in the R 2 value and an increase in RMSE, which indicates a decrease in model performance on new data. However, the chlorophyll-a concentration of the model results with the actual value is still at the same trophic status. So that the model can provide a big picture of the prediction of the distribution of chlorophyll-a concentration in the Saguling Reservoir and can be used to model the dry season and the rainy season. The visualization results of the estimated distribution of chlorophyll-a concentration in 2022 - 2025 show an increase in chlorophyll-a concentration in 2022-2023 and a decrease in chlorophyll-a concentration from 2023 to January 2025. The results of the Sentinel-2 SR model can be used to monitor the water quality of the Saguling Reservoir and be taken into consideration in water management decisions in the reservoir. Keywords: Chlorophyll-a, Sentinel 2, Landsat 9, Google Earth Engine, Saguling Reservoir.