<![CDATA[Sebagai negara kepulauan terbesar, Indonesia memiliki kekayaan maritim melimpah, termasuk Perairan Merak Banten, yang memiliki peran strategis dalam transportasi laut, perikanan, dan industri. Suhu permukaan laut (SPL) di wilayah ini memengaruhi ekosistem laut, produktivitas perikanan, serta perekonomian masyarakat. Penelitian sebelumnya umumnya menggunakan pendekatan statistik konvensional atau machine learning secara terpisah dalam memprediksi SPL, sehingga belum ada perbandingan langsung antara metode deep learning dan metode statistik dalam satu studi, sementara pengukuran SPL secara konvensional masih memiliki keterbatasan secara spasial dan temporal. Penelitian ini membandingkan performa model prediksi SPL dengan pendekatan deep learning menggunakan Long Short-Term Memory dan metode statistik smoothing eksponensial, yang belum diterapkan secara bersamaan dalam analisis SPL di Perairan Merak, Banten. Studi ini mengisi kesenjangan penelitian sebelumnya dengan mengevaluasi efektivitas kedua metode dalam memprediksi SPL. Data penelitian diperoleh dari citra satelit Aqua MODIS, yang memungkinkan analisis spasial lebih representatif. Dengan demikian, integrasi teknologi penginderaan jauh dan metode machine learning dalam model prediksi SPL diperlukan untuk meningkatkan akurasi dan efisiensi prediksi. Hasil penelitian menunjukkan bahwa model LSTM dengan parameter look_back 7 dan epoch 200 memberikan performa terbaik dengan nilai MAE 0,3798 dan RMSE 0,8970, sehingga lebih unggul dalam memprediksi pola jangka panjang. Sementara itu, smoothing eksponensial dengan damped trend True dan look_back 7 menghasilkan MAE 0,9052 dan RMSE 1,6771, lebih efektif untuk prediksi jangka pendek. Temuan ini menegaskan bahwa LSTM lebih akurat dalam menganalisis tren SPL jangka panjang, sedangkan smoothing eksponensial lebih sesuai untuk prediksi jangka pendek yang stabil, memberikan wawasan baru dalam pemilihan model prediksi SPL di perairan merak, Banten.]]>
