Indonesia, sebagai negara yang ditandai oleh geografi maritim yang luas, menjadi wilayah yang subur untuk menggali potensi yang besar dari sektor perikanannya, dengan penekanan khusus pada budidaya udang—komoditas yang diminati dan bernilai ekonomi tinggi baik di pasar domestik maupun internasional. Namun demikian, budidaya udang menghadapi berbagai tantangan, di antaranya adalah masalah kompleks terkait kualitas air, yang merupakan faktor penting dalam keberhasilan budidaya ini. Kualitas air dipengaruhi oleh berbagai faktor, dan salah satu penyumbang signifikan adalah keberadaan mikroalga. Organisme mikroskopis ini memiliki dampak fisik yang nyata pada warna keseluruhan lingkungan perairan. Oleh karena itu, fokus utama dari penelitian ini berkisar pada pengukuran serta estimasi yang tepat terhadap kelimpahan mikroalga, dengan pendekatan metodologi optik di antaranya optical density, image processing, analisa spektrum dan spektrofotometri. Estimasi dibangun dengan mengumpulkan dan mengolah sejumlah data karakteristik yang diperoleh dari sampel air sebagai dasar bagi pembangunan dan kalibrasi model estimasi melalui penerapan metodologi regresi. Secara khusus, penelitian ini menggunakan berbagai teknik regresi, termasuk regresi multilayer perceptron, regresi support vector machine, regresi k-nearest neighbors dan regresi gaussian regression. Pada beberapa kasus juga digunakan model regresi matematik polinomial. Metrik kunci yang digunakan untuk penilaian ini adalah nilai Mean Absolute Error (MAE), yang memberikan ukuran kuantitatif yang nyata terhadap akurasi prediksi dari masing-masing metode. Model estimasi terbaik terdapat pada regresi k-nearest neighbor dimana pada 12 percobaan estimasi k-nearest neighbor memiliki nilai MAE terendah pada 7 percobaan dengan rerata MAE sebesar 0.433.