Search for collections on Repository Universitas Maritim Raja Ali Haji

IDENTIFIKASI SPESIES MANGROVE BERBASIS CITRA MULTI-ORGAN MENGGUNAKAN ENSEMBLE RF-DETR-EFFICIENTDET

ADRIAN ARIFIN, DIMAS and Ritha, Nola and Hayaty, Nurul (2026) IDENTIFIKASI SPESIES MANGROVE BERBASIS CITRA MULTI-ORGAN MENGGUNAKAN ENSEMBLE RF-DETR-EFFICIENTDET. S1 thesis, Universitas Maritim Raja Ali Haji.

[img] Text (Cover)
DIMAS_ADRIAN_ARIFIN_2201020118_Teknik_Informatika - Cover.pdf - Published Version

Download (777kB)
[img] Text (Abstrak)
DIMAS_ADRIAN_ARIFIN_2201020118_Teknik_Informatika - Abstrak.pdf - Published Version

Download (118kB)
[img] Text (BAB I)
DIMAS_ADRIAN_ARIFIN_2201020118_Teknik_Informatika - BAB I.pdf - Published Version

Download (200kB)
[img] Text (Daftar Pustaka)
DIMAS_ADRIAN_ARIFIN_2201020118_Teknik_Informatika - Daftar Pustaka.pdf - Published Version

Download (193kB)
[img] Text (Full Teks)
DIMAS_ADRIAN_ARIFIN_2201020118_Teknik_Informatika - Full Teks.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
Official URL: https://lib.umrah.ac.id/

Abstract

Identifikasi spesies mangrove di lapangan sulit dilakukan akibat tingginya kemiripan morfologi antarspesies serta kondisi visual yang kompleks seperti oklusi dan kamuflase. Penelitian ini bertujuan menguji secara empiris apakah penggabungan dua arsitektur deteksi objek, EfficientDet-D0 dan RF-DETR-Small, menggunakan teknik Weighted Boxes Fusion (WBF) menghasilkan performa deteksi spesies mangrove multi-organ yang lebih tinggi daripada masing-masing model tunggalnya. Dataset primer terdiri atas 8.100 citra dari sembilan spesies mangrove yang direpresentasikan melalui tiga organ (daun, bunga, akar) sehingga membentuk 27 kelas, dikumpulkan langsung di Pulau Bintan. Tiga skenario dievaluasi pada data uji: EfficientDet-D0 tunggal, RF-DETR-Small tunggal, dan ensemble WBF. Hasil menunjukkan RF-DETR-Small jauh mengungguli EfficientDet-D0, dengan keunggulan paling menonjol pada organ akar yang padat dan mudah membaur dengan latar. Ensemble WBF mencapai mAP@0,5 tertinggi sebesar 0,874 dengan kontribusi terbesar pada organ akar, namun pada metrik lokalisasi yang lebih ketat RF-DETR-Small tetap menjadi yang terbaik. Temuan ini menegaskan WBF unggul pada cakupan deteksi tetapi sedikit menurun pada presisi lokalisasi. Implikasinya, WBF tepat untuk memaksimalkan cakupan deteksi, sedangkan RF-DETR-Small tunggal lebih efisien apabila presisi lokalisasi menjadi prioritas.

Item Type: Thesis (S1)
Contributors:
ContributionNameNIP / NIDN
UNSPECIFIEDRitha, NolaNIP.199011142019032016
UNSPECIFIEDHayaty, NurulNIDN.0027039101
Subjects: 000_umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: user Teknik Informatika
Date Deposited: 28 Jul 2026 04:33
Last Modified: 28 Jul 2026 04:33
URI: http://repositori.umrah.ac.id/id/eprint/11163

Actions (login required)

View Item View Item