IDENTIFIKASI JENIS MANGROVE MENGGUNAKAN ALGORITMA BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION (STUDI KASUS DI PULAU BINTAN)
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
NANDA, TRI
Ritha, Nola
Hayaty, Nurul
Ritha, Nola
Hayaty, Nurul
Subject
005.1.Pemrograman
Datestamp
2024-07-31 02:20:28
Abstract :
Pulau Bintan yang berada di Provinsi Kepulauan Riau memiliki luas lautan yang lebih luas dibandingkan dengan daratan. Hal ini mempengaruhi potensi pesisir yang dimiliki salah satunya adalah mangrove yang tersebar dengan berbagai jenis dan manfaat yang diperoleh. Penelitian ini dilakukan dengan tujuan untuk membandingkan performa algoritma Backpropagation dan Learning Vector Quantization dalam mengidentifikasi jenis mangrove. Jenis mangrove yang digunakan sebanyak 9 jenis. Dari 9 Jenis mangrove dikumpulkan sampel daun dan buah sehingga diperoleh total data pelatihan sebanyak 1130 dan data pengujian 126 data. Berdasarkan hasil pengujian dari algoritma Backpropagation dan Learning Vector Quantization diperoleh confussion matrix Backpropagation dengan nilai akurasi 0.88, precision 0.89, recall 0.88, dan f1-score 0.88. Sementara LVQ memperoleh evaluasi model dengan nilai akurasi 0.67, 0.70 precision, 0.67 recall, dan 0.66% f1-score. Evaluasi model ini menunjukkan bahwa kedua model mampu melakukan identifikasi jenis mangrove berdasarkan citra mangrove yang diunggah namun model Backpropagation lebih baik dalam melakukan identifikasi.
Pulau Bintan yang berada di Provinsi Kepulauan Riau memiliki luas lautan yang lebih luas dibandingkan dengan daratan. Hal ini mempengaruhi potensi pesisir yang dimiliki salah satunya adalah mangrove yang tersebar dengan berbagai jenis dan manfaat yang diperoleh. Penelitian ini dilakukan dengan tujuan untuk membandingkan performa algoritma Backpropagation dan Learning Vector Quantization dalam mengidentifikasi jenis mangrove. Jenis mangrove yang digunakan sebanyak 9 jenis. Dari 9 Jenis mangrove dikumpulkan sampel daun dan buah sehingga diperoleh total data pelatihan sebanyak 1130 dan data pengujian 126 data. Berdasarkan hasil pengujian dari algoritma Backpropagation dan Learning Vector Quantization diperoleh confussion matrix Backpropagation dengan nilai akurasi 0.88, precision 0.89, recall 0.88, dan f1-score 0.88. Sementara LVQ memperoleh evaluasi model dengan nilai akurasi 0.67, 0.70 precision, 0.67 recall, dan 0.66% f1-score. Evaluasi model ini menunjukkan bahwa kedua model mampu melakukan identifikasi jenis mangrove berdasarkan citra mangrove yang diunggah namun model Backpropagation lebih baik dalam melakukan identifikasi.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
