Perpustakaan Digital ITB

Teluk Jakarta merupakan perairan yang rentan terhadap algal bloom sehingga memerlukan sistem peringatan dini yang proaktif. Penelitian ini memprediksi algal bloom menggunakan arsitektur deep learning bidirectional stacked long short-term memory (BS-LSTM) serta menganalisis parameter pemicunya. Data diperoleh dari satelit Himawari-8/9 periode 2020-2025 pada 28 stasiun dengan resolusi harian yang optimal untuk mereduksi noise. Hasil menunjukkan dua puncak musiman pada Februari dan Juni yang dipengaruhi oleh debit sungai dan suplai nutrien dari tiga belas sungai, dengan Sungai Cisadane, Cikarang Bekasi Laut, dan Citarum sebagai penyumbang debit tertinggi, serta muara urban kecil seperti Muara Baru dan Muara Angke yang membawa konsentrasi hara lebih tinggi ke pesisir. Intensitas algal bloom didominasi kategori low risk (10-20 mg/m³) dengan kejadian tertinggi di stasiun B7 sebanyak 777 hari kejadian. Durasi beruntun rata-rata berkisar 1-1,5 hari, maksimum rata-rata di stasiun B7 2,5 hari dengan maksimum mencapai 11 hari di yang berpotensi meningkatkan risiko hipoksia. Korelasi spasial klorofil-a tertinggi terjadi antara inner bay dan nearshore (r = 0,68), sedangkan terendah antara inner bay dan outer bay (r = 0,22). Perbandingan hasil pengujian menunjukkan skenario 3 sebagai skenario terbaik dengan data latih lima tahun yang menghasilkan korelasi global 0,367, koefisien determinasi 0,122, bias -0,285 dan RMSE 1,546 mg/m³, mengungguli performa skenario 1 (r = 0,356, RMSE = 1,566 mg/m³, bias = -0.339) dan skenario 2 (r = 0,362, RMSE = 1,549 mg/m³, bias = -0.291). Kurva pembelajaran tidak menunjukkan overfitting, namun prediksi cenderung underestimate dan smoothing pada nilai ekstrem, dengan performa spasial terbaik di zona offshore barat. Model klasifikasi berbasis ambang dinamis terbaik di stasiun B7 dengan precision 0,72, recall 0,247, dan F1-score 0,367, meskipun masih dipengaruhi ketidakseimbangan data. Stasiun B7 menunjukkan bahwa pada Februari dinamika dipengaruhi debit sungai Citarum dengan jeda 10 hari (r = 0,43) serta fosfat harian dengan jeda 3 hari (r = 0,78), sedangkan pada Oktober dipengaruhi kecepatan angin dengan jeda 4 hari (r = 0,46) dan suhu permukaan laut yang lebih hangat dengan jeda 2 hari (r = 0,45). Hasil ini menunjukkan bahwa pendekatan BS-LSTM berpotensi mendukung pemantauan kualitas perairan pesisir secara lebih proaktif.