@thesis{thesis,
		author={ARMIDA SEPTIANA  DESY and Bettiza  Martaleli and Hayaty  Nurul},
		title ={IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA KLASIFIKASI JENIS LAMUN (STUDI KASUS : DESA TELUK BAKAU, PESISIR BINTAN TIMUR - INDONESIA)},
		year={2023},
		url={http://repositori.umrah.ac.id/5449/},
		abstract={Lamun merupakan tumbuhan air berbunga, hidup di dalam air laut, 
berpembuluh, berdaun, berimpang, berakar serta berkembang biak dengan biji dan 
tunas. Metode yang biasa digunakan untuk mengidentifikasi lamun adalah 
Pengamatan Lamun yang dilakukan dengan pengambilan sampel lamun atau 
dengan membawa buku identifikasi lamun. Perkembangan teknologi di era revolusi 
industri 4.0 memungkinkan untuk mengidentifikasi lamun secara otomatis.
Penelitian ini bertujuan untuk menerapkan algoritma deep learning untuk 
klasifikasi gambar lamun jenis Enhalus acoroidesse, Cymodocea Rotundata dan 
lamun Thalassia hemprichii. Salah satu metode deep learning dalam klasifikasi 
gambar yaitu Convolutional Neural Network (CNN). Arsitektur CNN yang 
digunakan dalam penelitian ini adalah 3 Convolution Layers, 3 Pooling Layers, dan 
Fully Connected Layers dengan aktivasi softmax. Pada penelitian ini digunakan 
1150 data gambar dan diperoleh akurasi pelatihan sebesar 100% dan loss sebesar 
3.5%. Hasil pengujian model dengan menggunakan confusion matrix mendapatkan 
hasil akurasi 96%, Presicion 96% dan Recall 96%. CNN dalam penelitian ini 
mempelajari jenis pada lamun. Sehingga CNN dapat mengklasifikasikan jenis 
lamun Enhalus acoroidesse, Cymodocea Rotundata dan lamun Thalassia 
hemprichii dengan intensitas dan kondisi cahaya yang berbeda dengan cukup baik.}
		}