skip to main content

Analisis Prediksi Kenaikan Permukaan Laut Menggunakan Data Satelit Altimetri dengan LSTM di Perairan Jepara dan Sekitarnya

Refaldi Rizky Maulana  -  Departemen Oseanografi, Fakultas Perikanan dan Ilmu Kelautan, Universitas Diponegoro, Indonesia
*Baskoro Rochaddi  -  Departemen Oseanografi, Fakultas Perikanan dan Ilmu Kelautan, Universitas Diponegoro, Indonesia
Yusuf Jati Wijaya  -  Departemen Oseanografi, Fakultas Perikanan dan Ilmu Kelautan, Universitas Diponegoro, Indonesia
Open Access Copyright (c) 2025 Buletin Oseanografi Marina under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Abstract

Perubahan iklim global telah menyebabkan kenaikan permukaan laut yang signifikan, yang mengancam negara kepulauan seperti Indonesia. Penelitian ini berfokus pada wilayah Jepara, Jawa Tengah, yang berbatasan dengan Laut Jawa dan rentan terhadap kenaikan permukaan laut. Penelitian ini bertujuan untuk menganalisis dan mencari hubungan antara pasang surut dan Sea Level Anomaly (SLA), serta mengevaluasi model Long Short-Term Memory (LSTM) dalam memprediksi data SLA di Jepara. Penelitian ini menggunakan data SLA komponen Delayed Time (DT) dan Near-Real Time (NRT) dari Copernicus Marine Environment Monitoring Service (CMEMS) dan data pasang surut dari Badan Informasi Geospasial (BIG). Hasil analisis menunjukkan bahwa pasang surut di perairan Jepara cenderung bersifat campuran condong ke harian tunggal. Hasil korelasi Pearson yang linear positif yang kuat dan koefisien determinasi sebesar 52,01% pada dataset komponen DT dengan 4 titik pengamatan di perairan Jepara menunjukkan bahwa peningkatan SLA berhubungan dengan peningkatan pasang surut, di mana SLA menjelaskan 52,01% variasi pasang surut. Tren kenaikan SLA dari tahun 1993 hingga 2023 menunjukkan rata-rata kenaikan permukaan laut sebesar 4,794 mm/tahun, dengan puncak tertinggi pada tahun 2022. Model LSTM dengan 2 hidden layers, 100 epochs, 100 hidden units, dan dropout rate 0,1 menunjukkan kinerja yang baik dalam memprediksi data SLA, dengan MAE sebesar 2,3776, RMSE 3,0389, dan MAPE 17%. Hasil evaluasi tersebut menunjukkan nilai error yang kecil, sehingga dapat disimpulkan bahwa model LSTM memiliki performa yang baik dalam memprediksi kenaikan permukaan laut.

 

 

Global climate change has caused significant sea level rise, which threatens archipelagic countries like Indonesia. This research focuses on the Jepara region in Central Java, which borders the Java Sea and is vulnerable to rising sea levels. The study aims to analyze and identify the relationship between tides and Sea Level Anomaly (SLA), and evaluate the Long Short-Term Memory (LSTM) model in predicting SLA data in Jepara. The research uses Delayed Time (DT) and Near-Real Time (NRT) SLA data from the Copernicus Marine Environment Monitoring Service (CMEMS) and tidal data from Badan Informasi Geospasial (BIG). The results of the analysis show that the tides in Jepara waters tend to be mixed tide prevailing diurnal. The strong positive linear Pearson correlation and a 52.01% coefficient of determination in the DT component dataset with 4 observation points in Jepara waters indicate that the increase in SLA is related to the increase in tides, where SLA explains 52.01% of the tidal variation. The SLA trend from 1993 to 2023 shows an average sea level rise of 4,794 mm/year, with the maximum height in 2022. The LSTM model with 2 hidden layers, 100 epochs, 100 hidden units, and a dropout rate of 0.1 demonstrated good performance in predicting SLA data, with an MAE of 2.3776, RMSE of 3.0389, and MAPE of 17%. These results indicate that the LSTM model performs well in predicting sea level rise.

Fulltext View|Download
Keywords: Kenaikan permukaan laut; Long Short-Term Memory; hyperparameter tuning; perairan Jepara

Article Metrics:

Last update:

No citation recorded.

Last update: 2025-06-03 07:18:34

No citation recorded.