Sistem Prediksi Kenaikan Muka Air Laut dengan Pendekatan Seasonal Trend Decomposition Using Loess di Pesisir Kabupaten Jember

Abstract

Kenaikan muka air laut merupakan salah satu dampak signifikan dari perubahan iklim global yang mengancam wilayah pesisir, termasuk kawasan pesisir Kabupaten Jember. Penelitian ini bertujuan untuk memprediksi kenaikan muka air laut di sepanjang pesisir Kabupaten Jember menggunakan metode Seasonal-Trend Decomposition using LOESS (STL) dan model hybrid ARIMA–ES–LSTM, serta mengintegrasikan hasil prediksi tersebut ke dalam Geographic Information System (GIS) untuk visualisasi spasial genangan wilayah pesisir. Data Sea Level Anomaly harian yang digunakan bersumber dari Copernicus Marine Environment Monitoring Service dengan periode data tahun 1993–2024 dan proyeksi hingga tahun 2050. Data SLA didekomposisi menggunakan metode STL menjadi tiga komponen, yaitu tren, musiman, dan residual. Komponen tren dimodelkan menggunakan ARIMA dengan pemilihan parameter otomatis berdasarkan Bayesian Information Criterion (BIC), komponen musiman dimodelkan menggunakan Exponential Smoothing (ES) aditif dengan optimasi parameter otomatis, sedangkan komponen residual dimodelkan menggunakan Long Short-Term Memory (LSTM). Pendekatan pemodelan hybrid ini menghasilkan prediksi yang stabil dan realistis, sementara integrasi dengan GIS memungkinkan analisis spasial potensi genangan wilayah pesisir di Kabupaten Jember