Prediksi Tinggi Muka Air Di Lahan Gambut Provinsi Jambi Berdasarkan Curah Hujan, Suhu Dan Kelembapan Udara Menggunakan Metode Random Forest Regression

Abstract

Lahan gambut merupakan ekosistem penting yang rentan terhadap kerusakan, terutama akibat kebakaran yang sering dipicu oleh penurunan tinggi muka air (TMA). Provinsi Jambi, sebagai salah satu wilayah dengan luasan gambut yang signifikan, mengalami kebakaran berulang dalam beberapa tahun terakhir. Penelitian ini bertujuan untuk membangun model prediksi TMA berbasis algoritma Random Forest Regression guna mendukung mitigasi kebakaran dan pengelolaan lahan gambut berkelanjutan. Model dilatih menggunakan data iklim (curah hujan, suhu, dan kelembaban udara) dari tahun 2019 hingga 2024 di wilayah gambut Provinsi Jambi, dengan 100 pohon keputusan dan pendekatan bootstrap sampling, menggunakan Python dan pustaka Scikit-Learn. Hasil evaluasi menunjukkan performa model yang cukup baik, dengan nilai RMSE sebesar 0,1173 dan R² sebesar 0,7182, yang berarti sekitar 72% variasi TMA dapat dijelaskan oleh model. Analisis feature importance mengidentifikasi curah hujan sebagai faktor paling berpengaruh yaitu sebesar 51.05%, disusul kelembaban sebesar 32.9% dan suhu sebesar 11.9%. Temuan ini menegaskan peran utama curah hujan dalam dinamika TMA, serta potensi penggunaan model sebagai alat bantu dalam sistem peringatan dini dan perencanaan pengelolaan lahan gambut yang lebih efektif.