Pulau Rupat memiliki luas sekitar 152.370 ha, dengan hutan mangrove yang
menutupi sekitar 9,35% atau seluas 14.246,6 ha sepanjang garis pantainya.
Penelitian ini bertujuan untuk memperkirakan cadangan karbon hutan mangrove di
Pulau Rupat dengan memanfaatkan teknologi penginderaan jauh Sentinel-2A
dengan metode klasifikasi Random Forest melalui kombinasi indeks vegetasi pada
tahun 2018 dengan akurasi keseluruhan sebesar 95?n tahun 2024 dengan
akurasi keseluruhan sebesar 93%. Selama periode 2018 hingga 2024, luas hutan
mangrove di pesisir Pulau Rupat mengalami peningkatan sebesar 6,9% atau 963,23
ha. Hasil validasi model menunjukkan nilai RMSE sebesar 34,64 Mg/ha, MAE
sebesar 28,47 Mg/ha, dan R² sebesar 0,69 yang mengindikasikan bahwa model
memiliki akurasi yang cukup baik dan mampu menjelaskan sekitar 69% variasi data
aktual. Rata-rata nilai Above-Ground Biomass (AGB) dan Above-Ground Carbon
(AGC) pada tahun 2018 masing-masing diperkirakan sebesar 186,4 Mg/ha dan
87,61 Mg/ha, sementara pada tahun 2024 meningkat menjadi 204,5 Mg/ha dan
96,11 Mg/ha. Berdasarkan hasil tersebut, penggunaan citra Sentinel-2 terbukti
efektif untuk memperkirakan stok AGB dan AGC hutan mangrove, serta berpotensi
untuk diimplementasikan di wilayah lain dengan karakteristik serupa.

Kata Kunci: AGB, AGC, Sentinel-2, Klasifikasi Random Forest.