PEMANFAATAN RANDOM FOREST DAN BACKPROPAGATION NEURAL NETWORK DALAM PEMETAAN STATUS TROFIK DI DANAU SEMAYANG PROVINSI KALIMANTAN TIMUR MENGGUNAKAN CITRA SENTINEL-2 MSI

Muhammad Dika Oktoberdinata, Prof. Dr. Pramaditya Wicaksono, M.Sc. ; Dr. Sudaryatno, M.Si.

2025 | Tesis | S2 Penginderaan Jauh

Danau Semayang di Kalimantan Timur merupakan bagian dari Danau Kaskade Mahakam yang mengalami degradasi akibat tekanan aktivitas antropogenik seperti alih fungsi lahan, pencemaran, dan budidaya ikan intensif. Penelitian ini bertujuan untuk memetakan dan menganalisis distribusi spasial serta temporal status trofik danau dengan memanfaatkan citra Sentinel-2 MSI dan pendekatan machine learning, yaitu algoritma Random Forest (RF) dan Backpropagation Neural Network (BPNN). Parameter utama status trofik yang dianalisis mencakup klorofil-a, total fosfor, dan kejernihan air (Secchi Disk), berdasarkan Indeks Carlson. Selain itu, faktor meteorologi lokal seperti temperatur, kelembapan, presipitasi, tekanan permukaan, arah angin dan kecepatan angin turut dikaji untuk melihat pengaruhnya terhadap sebaran unsur hara di perairan. Secara regresi, model RF menunjukkan performa prediksi yang lebih tinggi dengan nilai R² masing-masing sebesar 0,305 (klorofil-a), 0 (total fosfor), dan 0,720 (Secchi Disk). Model BPNN mencatat nilai R² sebesar 0,217, 0, dan 0,630 untuk masing-masing parameter tersebut. Setelah dikonversi ke dalam kelas status trofik berdasarkan Indeks Carlson, model BPNN memberikan hasil klasifikasi yang lebih stabil dan representatif terhadap kondisi lapangan, dengan nilai R² sebesar 0,660 (TSI klorofil-a), 0,180 (TSI total fosfor), dan 0,711 (TSI Secchi Disk), serta nRMSE < 25>

Semayang Lake in East Kalimantan is part of the Mahakam Cascade Lake system and has experienced degradation due to anthropogenic pressures such as land-use changes, pollution, and intensive fish farming. This study aims to map and analyse the spatial and temporal distribution of the lake’s trophic status using Sentinel-2 MSI imagery and machine learning approaches, specifically Random Forest (RF) and Backpropagation Neural Network (BPNN) algorithms. Key trophic indicators assessed include chlorophyll-a, total phosphorus, and water clarity (Secchi Disk), based on Carlson’s Index. Additionally, local meteorological factors such as temperature, humidity, precipitation, surface pressure, wind direction, and wind speed were examined to assess their influence on nutrient distribution in the water body. In terms of regression performance, the RF model demonstrated stronger predictive capabilities with R² values of 0.305 (chlorophyll-a), 0 (total phosphorus), and 0.720 (Secchi Disk). The BPNN model recorded R² values of 0.217, 0, and 0.630, respectively. When converted into trophic status classes using Carlson’s Index, the BPNN model produced more stable and field-representative classifications, achieving R² values of 0.660 (TSI chlorophyll-a), 0.180 (TSI total phosphorus), and 0.711 (TSI Secchi Disk), with nRMSE < 25>

Kata Kunci : Danau Semayang, Status Trofik, Penginderaan Jauh, Sentinel-2 MSI, Random Forest, Backpropagation Neural Network, Pemantauan Kualitas Air, TSI Carlson.