IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA KLASIFIKASI JENIS LAMUN (STUDI KASUS : DESA TELUK BAKAU, PESISIR BINTAN TIMUR - INDONESIA)
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
ARMIDA SEPTIANA, DESY
Hayaty, Nurul
Bettiza, Martaleli
Hayaty, Nurul
Bettiza, Martaleli
Subject
005.1.Pemrograman
Datestamp
2023-08-02 08:27:32
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.
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.
File :
DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Cover.pdf
DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Abstrak.pdf
DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Bab 1.pdf
DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Daftar Pustaka.pdf
DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Full Teks.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
