ARMIDA SEPTIANA, DESY and Hayaty, Nurul and Bettiza, Martaleli (2023) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA KLASIFIKASI JENIS LAMUN (STUDI KASUS : DESA TELUK BAKAU, PESISIR BINTAN TIMUR - INDONESIA). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Cover.pdf - Published Version Download (201kB)
	Text (Abstrak) DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Abstrak.pdf - Published Version Download (30kB)
	Text (Bab 1) DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Bab 1.pdf - Published Version Download (59kB)
	Text (Daftar Pustaka) DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Daftar Pustaka.pdf - Published Version Download (40kB)
	Text (Full Teks) DESY ARMIDA SEPTIANA_190155201036_Teknik Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (879kB) | Request a copy

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.

Actions (login required)

View Item