Perpustakaan Digital ITB

Terumbu karang di perairan Raja Ampat termasuk Pulau Arborek dalam 5 tahun terakhir terus mengalami degradasi akibat aktifitas wisata dan pemanasan global. Kegiatan restorasi terumbu karang merupakan salah satu tindakan yang bisa dilakukan untuk mengatasi permasalahan tersebut; namun dalam praktiknya kegiatan ini cenderung memakan waktu dan biaya yang besar. Maka dari itu, diperlukan suatu metode pendekatan yang lebih efisien dari segi biaya dan waktu. Penelitian ini bertujuan untuk mengembangkan model spasial prediktif probabilitas untuk menentukan lokasi optimal restorasi terumbu karang di Pulau Arborek, Raja Ampat, menggunakan metode machine learning ensemble dengan algoritma randomForest. Data prediktor yang digunakan mencakup citra satelit Sentinel-2 (Band 1, 2, 3, dan 4), batimetri, serta turunannya yang dihitung untuk memperoleh parameter seperti kedalaman, kemiringan, dan kompleksitas substrat. Evaluasi model menunjukkan nilai diskriminasi yang cukup baik dengan AUC sebesar 0,75; Sensitivity 0,5; dan Specificity 0,91. Untuk evaluasi kalibrasi, model ini menghasilkan nilai Accuracy 0,85; Balanced Accuracy 0,70; Cohen’s Kappa 0,41; MCC 0,41; F1-Score 0,85; Precision 0,85; dan Recall 0,85. Fitur input yang paling berpengaruh terhadap prediksi model adalah parameter Standar Deviasi pada radius 100 m, Depth, serta Standar Deviasi pada 50 m dan 30 m. Model kedua dikembangkan dengan tambahan prediktor dinamis suhu musiman (DJF, MAM, JJA, SON), dan menunjukkan bahwa suhu tetap menjadi faktor penting. Hasil penelitian ini membuktikan bahwa model ensemble machine learning efektif untuk memetakan lokasi restorasi terumbu karang dan mendukung efisiensi perencanaan berbasis kondisi lingkungan yang kompleks.