Perpustakaan Digital ITB

Mangrove merupakan ekosistem pesisir yang berperan penting dalam penyimpanan karbon biru. Namun, informasi spasial stok karbon mangrove masih terbatas, terutama pada wilayah yang minim data lapangan. Penelitian ini bertujuan melakukan pemodelan stok karbon mangrove secara spasial di kawasan Segara Anakan, Cilacap, menggunakan integrasi citra optis Landsat, radar SAR L-band ALOS PALSAR/PALSAR-2, dan data canopy height berbasis algoritma machine learning dengan seleksi fitur Grey Wolf Optimization (GWO). Sebanyak 21 variabel prediktor yang mencakup band reflektansi optis, indeks vegetasi, fitur radar, dan canopy height dianalisis dalam tiga skenario sensor yaitu optis, radar, dan integrasi, menggunakan algoritma Random Forest, XGBoost, dan CatBoost, baik tanpa maupun dengan optimasi GWO. Model dibangun menggunakan data tahun 2010 sebagai baseline dan dievaluasi menggunakan R², RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa skenario integrasi multisensor secara konsisten menghasilkan akurasi tertinggi pada ketiga algoritma yang diuji. Model terbaik yaitu XGBoost skenario integrasi dengan GWO mencapai R² = 0,441, RMSE = 9,901ton C/ha, MAE = 5,553 ton C/ha, dan MAPE = 36,85%, dengan reduksi 21 variabel menjadi 8 fitur optimal. Aplikasi model terbaik menghasilkan pemodelan total stok karbon mangrove Segara Anakan sebesar 255.276,656 ton C pada tahun 2010 dan 220.738,797 ton C pada tahun 2020, dengan penurunan sebesar 34.537,859 ton C yang mengindikasikan degradasi ekosistem mangrove selama satu dekade.