Perpustakaan Digital ITB

Delta Berau, Kalimantan Timur, merupakan estuari bertipe tide-dominated yang menjadi jalur utama pelayaran dan operasional kapal tongkang, sehingga prediksi tinggi muka air yang akurat sangat diperlukan. Penelitian ini membandingkan performa Regresi Linear, Support Vector Regression (SVR), dan Random Forest dalam mengestimasi tinggi muka air menggunakan data univariat elevasi muka air dari program East Kalimantan Programme tahun 2007 pada empat stasiun pengamatan. Data dibagi menjadi 80% data pelatihan dan 20% data pengujian, kemudian dimodelkan menggunakan raw data dan data residu (data non-pasut) melalui pendekatan sliding window dengan fitur waktu 15, 30, dan 60 menit. Model SVR dan Random Forest dioptimasi menggunakan grid search. Kinerja model dievaluasi menggunakan koefisien determinasi (R²), Root Mean Square Error (RMSE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa Regresi Linear dan SVR secara konsisten memberikan performa terbaik, dengan masing-masing memperoleh nilai R² tertinggi sebesar 0,984 di Stasiun Muara Tumbuk pada fitur waktu 15 menit, lebih tinggi sekitar 1,2% dibandingkan Random Forest (R2 0,971). Peningkatan interval waktu dari 15 menjadi 30 dan 60 menit menurunkan performa model, ditunjukkan oleh penurunan nilai R² Regresi Linear di Muara Tumbuk dari 0,984 menjadi 0,938 (4,6%) dan 0,770 (21,7%). Proses hyperparameter tuning meningkatkan performa Random Forest, disertai penurunan RMSE dan MAE masing-masing sekitar 12,6% dan 13,7%, sedangkan pada SVR peningkatan nilai R² hanya sekitar 0,004% di Stasiun Batu-Batu. Analisis spasial menunjukkan bahwa pada Regresi Linear dengan interval waktu 15 menit, nilai R² di stasiun muara, yaitu Semanting dan Muara Tumbuk, masing-masing sekitar 0,07% dan 0,04% lebih tinggi dibandingkan Tanjung Redeb di wilayah hulu.