MODEL DISTRIBUSI KLOROFIL-A DI PANTAI SELATAN YOGYAKARTA MENGGUNAKAN PENDEKATAN METODE RANDOM FOREST DENGAN INDEKS SPEKTRAL NDCI PADA CITRA SENTINEL 2 MSI DAN LANDSAT 8 OLI

Pesisir sering kali mengalami dampak perubahan iklim dan aktivitas manusia. Mulai dari pembuangan limbah organik dan non-organik, aliran run-off hujan, serta limpasan sungai yang tercemar semakin memperburuk kualitas air pesisir. Peningkatan konsentrasi klorofil-a juga terjadi, disebabkan oleh peningkatan jumlah alga, yang disebut eutrofikasi (Zulfiah dan Aisyah,2016). Eutrofikasi adalah peningkatan kadar unsur hara (nitrogen dan fosfor) di perairan, dapat disebabkan oleh aktivitas manusia atau sumber alami seperti limpasan sungai. Kandungan klorofil-a dalam ekosistem laut memiliki peran penting terhadap produktivitas perikanan dan dinamika ekosistem laut secara keseluruhan. Klorofil-a, sebagai pigmen utama dalam fotosintesis yang ditemukan pada tumbuhan dan fitoplankton, menjadi indikator penting untuk aktivitas biologis di perairan laut (Garini et al., 2021). Fitoplankton, sebagai sumber daya utama klorofil-a, berperan signifikan dalam meningkatkan produktivitas primer di suatu perairan dan menghasilkan karbon organik melalui proses fotosintesis. Pemantauan konsentrasi klorofil-a menjadi isu penting di dalam pengelolaan perairan di wilayah pesisir. Pengukuran konsentrasi klorofil-a di perairan laut umumnya dilakukan melalui serangkaian langkah. Langkah-langkah tersebut meliputi pengambilan sampel air laut, proses penyaringan, dan pengukuran absorpsi menggunakan spectrophotometer (Ridho et al., 2020). Studi tentang sebaran klorofil-a di lautan menggunakan teknik penginderaan jauh merupakan salah satu metode yang efisien dan ekonomis. Ketersediaan beberapa platform terbuka, seperti Google Earth Engine (GEE), memungkinkan analisis sebaran klorofil-a di lautan (Katlane et al., 2023). Beberapa model semi-empiris digunakan dalam memanfaatkan pita spektral guna memperkirakan konsentrasi klorofil-a di perairan. Model-model semi-empiris ini, seperti algoritma dua (2BDA), tiga pita (3BDA), dan NDCI (Watanabe et al., 2017; Shazad et al., 2018; Su Hua et al., 2021). Beberapa penelitian telah menggunakan Google Earth Engine untuk memanfaatkan pengklasifikasi terawasi, seperti menggunakan algoritma Support Vector Machine (SVM), Classification and Regression Tree (CART), dan Random Forest (RF) dalam mengk tutupan lahan di Taman Nasional Aspromonte.