Prediksi Dinamika Tinggi Muka Air Berdasarkan Rambatan Aliran Lateral dan Data Cuaca Menggunakan Pembelajaran Mesin

Abstract

Lahan gambut tropis berperan penting dalam menjaga keseimbangan hidrologi, akan tetapi dinamika tinggi muka air di dalamnya sangat kompleks karena dipengaruhi faktor meteorologi dan rambatan aliran lateral yang tidak instan. Penelitian ini bertujuan mengembangkan model prediksi dinamika tinggi muka air di lahan gambut Desa Sponjen, Provinsi Jambi, menggunakan algoritma Random Forest dengan mengintegrasikan variabel meteorologi dan rambatan aliran lateral. Data beresolusi temporal 30 menit dari November 2023 hingga September 2024 digunakan, meliputi curah hujan, suhu udara, tekanan atmosfer, serta tinggi muka air Sungai Kumpeh, GW1, dan GW6. Analisis dilakukan melalui korelasi rank Spearman dan pemodelan Random Forest dengan beberapa skenario waktu tunda (lag-time). Hasil menunjukkan tinggi muka air GW1, GW6, dan Sungai Kumpeh berkorelasi sangat kuat (0,95-1,00), sedangkan pengaruh curah hujan baru meningkat pada skala harian akibat efek lag-time. Model prediksi terbaik untuk GW1 dicapai oleh Model 14 dengan skenario lag-time 12 jam (NSE = 0,990; RMSE = 0,04), yang didominasi oleh suhu dan tekanan udara. Sementara itu, model terbaik untuk GW6 diperoleh dari Model 14 dengan skenario lag-time 30 menit (NSE = 0,997; RMSE = 0,028), yang dikontrol oleh variabel rambatan aliran lateral. Secara umum, suhu, tekanan udara, dan rambatan aliran lateral menjadi variabel prediktor paling dominan. Temuan ini membuktikan bahwa integrasi variabel meteorologi dan rambatan aliran lateral menggunakan algoritma Random Forest menghasilkan akurasi tinggi yang berpotensi mendukung manajemen tata air serta mitigasi banjir ekosistem gambut