Prediksi Anomali Kandungan Panas Laut dengan Random Forest Regressor: Pola dan Implikasi Ekologis
Ocean Heat Anomaly; Ecological Impact; Biodiversity; Random Forest Regressor Modeling
Abstrak
Perairan Indonesia mengalami peningkatan anomali kandungan panas laut yang berdampak pada ekosistem akuatik. Penelitian ini bertujuan memprediksi anomali tersebut dan implikasinya bagi keanekaragaman hayati laut menggunakan algoritma Random Forest Regression. Data anomali kandungan panas laut dari tahun 2000-2023 diolah dengan Python. Visualisasi menunjukkan tren kenaikan selama periode tersebut. Random Forest Regression digunakan dengan 100 estimators dan random_state=42. Evaluasi kinerja diukur dengan Mean Squared Error (MSE) 0,2952, Mean Absolute Percentage Error (MAPE) 2,73%, R^2 Score 0,9848, dan akurasi total 97,27%. Variabel penting adalah tahun pengamatan. Hasil prediksi menunjukkan nilai anomali 19,66x10^22 Joules pada 2023 dan relatif stabil 2024-2026. Peningkatan ini berdampak pada metabolisme biota, terumbu karang, pengasaman laut, migrasi spesies, variabilitas iklim, dan interaksi spesies. Upaya mitigasi dan adaptasi diperlukan untuk melindungi keanekaragaman hayati laut.
##plugins.generic.usageStats.downloads##
Referensi
Dewi, K. V., Pradesti, R., Siti Nurlaela, Yunita Murnisari, Ade Suryanda, & Nailul Rahmi Aulya. (2023). Dampak Perubahan Iklim Dan Aktivitas Manusia Terhadap Kerusakan Ekosistem Terumbu Karang Dan Biota Laut Di sekitarnya. Panthera : Jurnal Ilmiah Pendidikan Sains dan Terapan, 8-14.
Fitri, C. A. (2024). Pengaruh Pemanasan Global dan Pengasaman Laut Terhadap Biota. JOANE Vol. 02No. 01, 13-16.
Herwanto, Widiyaningtyas, T., & Indriana, P. (2019). Penerapan Algoritme Linear Regression untuk Prediksi Hasil Panen Tanaman Padi. J. Nas. Tek. Elektro dan Teknol. Inf., vol. 8, no. 4, 364.
Nurafifah, U. O., Zainuri, M., & Wirasatriya, A. (2022). Pengaruh ENSO dan IOD Terhadap Distribusi Suhu Permukaan Laut dan Klorofil-a Pada Periode Upwelling di Laut Banda. Indonesia Journal of Oceanography (IJOCE) Vol 04 No 03, 74-85.
Prayonto. (2024). Blue horizons: Menavigasi kebijakan publik untuk melindungi dan memulihkan ekosistem perairan. Bandung: Indonesia Emas Group.
Richardson, A., Chaudhary, C., Schoeman, D., & Costello, M. J. (2021, April 18). Makhluk Laut Di Ekuator Berpindah Ke Tempat Yang Lebih Dingin. Sejarah Tunjukkan Ini Bisa Berujung Pada Kepunahan Massal. University of the Sunshine Coast Australia, 1-6. Retrieved from UniSC.
S. S. Defiyanti Muhammad, Dermawan, & Arif, B. (2019). Algoritma C4.5 Untuk Memprediksi Produktivitas Tanaman Padi Di Karawang. Inform. Pertan., no. Vol 28, No 2, 103–110.
Saadah, S., & Salsabila, H. (2021). Prediksi Harga Bitcoin Menggunakan Metode Random Forest (Studi Kasus: Data Acak Pada Awal Masa Pandemic Covid-19). Jurnal Politeknik Caltex Riau, Vol. 7, No. 1, 24-32.
Setiawan, F., Muttaqin, A., Tarigan, S., A., M. M., Hotmariyah, M., Sabi, A., & Pingkan, J. (2017). Pemutihan Karang Akibat Pemanasan Global Tahun 2016 Terhadap Ekosistem Terumbu Karang: Studi Kasus Di TWP Gili Matra (Gili Air, Gili Meno Dan Gili Trawangan) Provinsi NTB. Journal of Fisheries and Marine Research, 39-54.
Surakusumah, W. (2011). Perubahan Iklim Dan Pengaruhnya Terhadap Keanekaragaman Hayati. Makalah Perubahan Lingkungan Global. Universitas Pendidikan Indonesia. , 1-24.
Suryaningrum, M., K., & W, S. P. (2015). Analisis dan Penerapan Metode Single Exponential Smoothing untuk Prediksi Penjualan pada Periode Tertentu (Studi Kasus: PT. Media Cemara Kreasi). Prosiding Senatif, 259–266.
Copyright Notice
The copyright to this article is transferred to Journal of Marine Research and Technology (JMRT). The copyright transfer covers the exclusive right and license to reproduce, publish, distribute and archive the article in all forms and media of expression now known or developed in the future, including reprints, translations, photographic reproductions, microform, electronic form (offline, online) or any other reproductions of similar nature.
