PEMODELAN EFEK OSEAN ATMOSFER TERHADAP POPULASI BINTANG LAUT MAHKOTA DURI (Acanthaster planci) DI GREAT BARRIER REEF AUSTRALIA

Bintang laut mahkota duri dikenal sebagai predator karang dan merupakan salah satu penyebab dari hilangnya tegakan karang di kawasan Great Barrier Reef (GBR). Berbagai hipotesis yang muncul untuk menjelaskan penyebab populasi bintang laut mahkota duri. Salah satu hipotesis tersebut adalah perubahan suhu permukaan laut dan salinitas dapat memengaruhi pertumbuhan dan perkembangan bintang laut mahkota duri di dalam siklus hidupnya. Penelitian ini bertujuan untuk melakukan pemodelan terhadap populasi bintang laut mahkota duri yang dipengaruhi oleh prediktor atmosfer lautan di kawasan Great Barrier Reef dengan menggunakan model Multiple Regression (MR), dan Stepwise merupakan metode yang digunakan dalam model ini. Data yang digunakan dalam penelitian ini terbagi menjadi dua, yaitu data observasi dan data prediksi. Data observasi adalah data populasi bintang laut mahkota duri di GBR, mulai tahun 1992 sampai tahun 2018, dan data prediksi adalah data Sea Surface Temperature (SST), salinitas, Watercourse Discharge (WD), Sunspot Number (SSN), Ocean Heat Content (OHC), monsun, Pacific Decadal Oscillation (PDO), Niño 3.4 atau El Niño Southern Oscillation (ENSO), Madden-Julian Oscillation (MJO), Indian Ocean Dipole (IOD), dan West Pacific Index (WPI), mulai dari tahun 1991 sampai tahun 2018. Hasil dari penelitian ini adalah model terbaik dari data observasi dan prediksi. Kemudian, model tersebut diverifikasi melalui analisis diagram tebar atau dengan mengidentifikasi besar nilai koefisien korelasi, dan analisis persentase kebenaran yang didasarkan pada kategori populasi. Maka, berdasarkan hasil model dan verifikasi prediksi terbaiknya, diperoleh nilai koefisien determinasi dan korelasi, 0,34 dan 0,58 untuk model satu kawasan GBR oleh 7 prediktor signifikan, WD 11, PDO 8, WPI 5, SALT 5, SSN 3, SSN 2, dan WPI 0. Sedangkan, untuk model pada 11 sektor pengataman GBR diperoleh nilai koefisien determinasi dan korelasi terbesar, 0,85 dan 0,92 pada sektor Whitsunday oleh 4 prediktor signifikan, SALT 0, ENSO 4, MJO 7, dan WPI 8.