FINE-GRAINED CLASSIFICATION PADA SPESIES TUMBUHAN DENGAN CITRA ALAMI MENGGUNAKAN VISION TRANSFORMER-Jurnal Ilmu Komputer dan Informasi
Total View This Week0

Institusion

Institut Teknologi Kalimantan

Author

Yuardi, Koko

Subject

QK Botany 

Datestamp

2025-01-10 07:23:04 

Abstract :
Otomatisasi klasifikasi biodiversitas tumbuhan krusial dalam mendukung upaya konservasi dan penelitian ilmiah. Proses identifikasi spesies tumbuhan secara manual memerlukan waktu dan keterampilan khusus, sehingga diperlukan solusi berbasis teknologi untuk meningkatkan efisiensi dan akurasi. Penelitian ini berfokus pada pengaruh variasi learning rate, jumlah neuron pada lapisan Multi-Layer Perceptron dan penggunaan berbagai fungsi aktivasi terhadap akurasi dan F1-Score dari model Vision Transformer (ViT) dalam tugas klasifikasi fine-grained. Selain itu, penelitian ini juga membandingkan performa kedua model tersebut dalam hal akurasi, F1-Score, dan waktu komputasi untuk menentukan konfigurasi yang optimal. Metode penelitian yang digunakan adalah pembelajaran transfer pada model ViT-B/16 dan ViT-L/16 yang telah dipra-latih pada ImageNet-21k, sebagai ekstraksi fitur pada dataset VNPlant-200. Hasil penelitian menunjukkan bahwa kombinasi learning rate sebesar 10-4, 1024 neuron, dan fungsi aktivasi Tanh memberikan performa terbaik pada model ViT-B/16, sedangkan kombinasi learning rate 10-4, 256 neuron, dan fungsi aktivasi Hard Tanh menghasilkan performa optimal pada model ViT-L/16. 

File :
11201048_cover.pdf
11201048_statement_of_authenticity.pdf
11201048_chapter_1.pdf
11201048_chapter_2.pdf
11201048_chapter_3.pdf
11201048_chapter_4.pdf
11201048_conclusions.pdf
11201048_bibliography.pdf
11201048_enclosure.pdf
11201048_paper.pdf
11201048_presentation.pdf
11201048_form020.pdf
11201048_publishing_agreement.pdf
11201048_approval_sheet.pdf
11201048_preface.pdf
11201048_abstract_id.pdf
11201048_abstract_en.pdf
11201048_table_of_content.pdf
11201048_illustrations.pdf
11201048_tables.pdf