digilib@itb.ac.id +62 812 2508 8800

ANALISIS SPASIO-TEMPORAL DISTRIBUSI RUMPUT LAUT DENGAN PENDEKATAN MACHINE LEARNING DAN KAITANNYA DENGAN PARAMETER OSEANOGRAFI DI PESISIR PULAU SABU TAHUN 2020–2025

365 views
Save At List
Penulis : Sabitha Chairunnisa Syahrial [12922092]
Kontributor / Dosen Pembimbing :
  • Prof. Dr.rer.nat. Mutiara Rachmat Putri, S.Si., M.Si.
  • Dr. Iwan Pramesti Anwar, S.Si., M.Si
Jenis Koleksi : Tugas Akhir
Tahun Terbit : 2026
Penerbit : Oseanografi
Fakultas : Fakultas Ilmu dan Teknologi Kebumian
Subjek :
Kata Kunci : Random Forest, Sentinel-2, Sabu Raijua, Oseanografi, PCA, Rumput Laut
Sumber :
Staf Input/Edit : Rita Nurainni, S.I.Pus  
File : 1 file
Tanggal Input : 24 Jun 2026

Penelitian ini bertujuan memetakan distribusi spasio-temporal rumput laut di perairan Pulau Sabu, Kabupaten Sabu Raijua, periode 2020–2025 menggunakan model Machine Learning Random Forest (RF) berbasis citra Sentinel-2 serta menganalisis hubungannya dengan parameter oseanografi. Hasil optimasi menunjukkan konfigurasi ntree = 100 dan mtry = 2 sebagai model terbaik dengan Overall Accuracy (OA) 88% dan Kappa 0,76. Validasi independen terhadap 15.617 sampel menghasilkan OA 87,92% dengan F-measure 89,4% untuk kelas rumput laut dan 85,9% untuk kelas non-rumput laut. Luasan rumput laut berfluktuasi antara 2.194,93–2.908,49 ha, dengan puncak pada Maret dan September serta minimum pada Juni. Secara spasial, Zona A memiliki luasan terbesar (1.113,02–1.700,75 ha), diikuti Zona B (558,21–626,52 ha) dan Zona C (432,17–581,21 ha). Hasil pemetaan merepresentasikan tutupan rumput laut secara keseluruhan, mencakup rumput laut budidaya maupun alami. Estimasi luasan lebih besar dibandingkan areal budidaya resmi tahun 2016, namun masih berada dalam kisaran luas areal potensial rumput laut Pulau Sabu tahun 2022 (3.955 ha). Meskipun demikian, nilai False Positive sebesar 23,5% menunjukkan adanya potensi overestimasi. Analisis Principal Component Analysis (PCA) menunjukkan bahwa dinamika musiman merupakan faktor utama yang mengontrol variasi luasan rumput laut. Suhu permukaan laut (SPL), salinitas, dan kecepatan arus menjelaskan 78,82–87,96% keragaman data pada komponen utama pertama. Musim barat dicirikan oleh SPL yang lebih tinggi dan salinitas yang relatif stabil yang berasosiasi dengan peningkatan luasan rumput laut, sedangkan musim timur ditandai oleh penguatan arus, pencampuran massa air, dan peningkatan nutrien yang bertepatan dengan penurunan luasan rumput laut. Meskipun demikian, luasan rumput laut kembali meningkat pada akhir musim timur, menunjukkan adanya respons yang tidak langsung terhadap perubahan kondisi oseanografi. Zona B memperlihatkan respons yang lebih fluktuatif akibat pengaruh transisi antara Laut Sawu dan Samudra Hindia.

Artikel Terkait