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

ABSTRAK Ignasius Andri Pradipta
PUBLIC Rita Nurainni, S.I.Pus

COVER Ignasius Andri Pradipta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 1 Ignasius Andri Pradipta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 2 Ignasius Andri Pradipta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 3 Ignasius Andri Pradipta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 4 Ignasius Andri Pradipta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 5 Ignasius Andri Pradipta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

PUSTAKA Ignasius Andri Pradipta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

LAMPIRAN Ignasius Andri Pradipta
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

Sea surface height (SSH) merupakan parameter oseanografi yang penting untuk dikaji karena perubahan SSH dapat memengaruhi stabilitas wilayah pesisir. Perubahan SSH ini dapat dilihat dengan data Sea Surface Height Anomaly (SSHA). Penelitian ini bertujuan untuk mengetahui variasi SSHA secara temporal (musiman dan antartahunan) di perairan selatan Jawa dan mengetahui performa model Long Short Term Memory (LSTM) dalam memprediksi SSHA secara temporal di perairan selatan Jawa pada periode 1993-2020. Data yang digunakan dalam penelitian ini merupakan data SSHA periode 1993-2020 dengan resolusi spasial 0,25o x 0,25o dan resolusi temporal satu hari yang diunduh dari Copernicus. Variabilitas temporal musiman dan antartahunan SSHA dikaji dengan membagi data SSHA menjadi tahun normal (2001), tahun El Niño (2002), tahun La Niña (1999), tahun IOD positif (1994), dan IOD negatif (1996). Variabilitas musiman SSHA di pesisir perairan selatan Jawa mengalami peningkatan ketika musim barat dengan nilai mencapai 0,2 m, sebaliknya ketika musim timur SSHA mengalami penurunan dengan nilai mencapai -0,15 m. Fenomena antartahunan (interannual) seperti ENSO atau IOD juga memengaruhi variabilitas SSHA dimana ketika terjadi fenomena El Niño rata-rata SSHA mengalami penurunan sebesar 0,007 m dan ketika IOD positif sebesar 0,23 m dibandingkan tahun normal, sedangkan ketika fenomena La Niña rata-rata SSHA mengalami kenaikan sebesar 0,03 m dan ketika IOD negatif SSHA mengalami kenaikan sebesar 0,03 m dibandingkan tahun normal. Dalam melakukan prediksi nilai SSHA terdapat 4 skenario yang dibagi berdasarkan panjang data training, yaitu data training 20 tahun (1995-2014), 10 tahun (2005-2014), 5 tahun (2010-2014), dan 1 tahun (2014). Hasil prediksi terbaik didapatkan ketika menggunakan data training 20 tahun dengan rata-rata RMSE sebesar 0,006 m dan nilai korelasi berada di rentang 0,90-0,99. Secara keseluruhan, hasil prediksi memiliki pola yang sama dengan data aktualnya meskipun error yang dihasilkan berbeda tiap skenarionya. Sehingga dapat dikatakan model LSTM berhasil dalam memprediksi data SSHA di perairan selatan Jawa karena dapat menangkap pola SSHA baik musiman maupun antartahunan.