NANDA, TRI and Ritha, Nola and Hayaty, Nurul (2024) IDENTIFIKASI JENIS MANGROVE MENGGUNAKAN ALGORITMA BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION (STUDI KASUS DI PULAU BINTAN). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) Trinanda_2001020024_Teknik Informatika_Cover.pdf - Published Version Download (829kB)
	Text (Abstrak) Trinanda_2001020024_Teknik Informatika_Abstrak.pdf - Published Version Download (338kB)
	Text (BAB I) Trinanda_2001020024_Teknik Informatika_BAB I.pdf - Published Version Download (308kB)
	Text (Daftar Pustaka) Trinanda_2001020024_Teknik Informatika_Daftar Pustaka.pdf - Published Version Download (299kB)
	Text (Full Teks) Trinanda_2001020024_Teknik Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

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.

Actions (login required)

View Item