SYAMI, MUHAMAD NUR and Ritha, Nola and Apdillah, Dony (2025) IDENTIFIKASI JENIS MANGROVE MENGGUNAKAN FASTER REGION CONVOLUTIONAL NEURAL NETWORK (FASTER R-CNN) (Studi Kasus: Pulau Bintan). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) MUHAMAD_NUR_SYAMI_2101020005_Teknik_Informatika - Cover.pdf Download (857kB)
	Text (Abstrak) MUHAMAD_NUR_SYAMI_2101020005_Teknik_Informatika - Abstrak.pdf - Published Version Download (283kB)
	Text (BAB I) MUHAMAD_NUR_SYAMI_2101020005_Teknik_Informatika - BAB I.pdf - Published Version Download (315kB)
	Text (Daftar Pustaka) MUHAMAD_NUR_SYAMI_2101020005_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (291kB)
	Text (Full Teks) MUHAMAD_NUR_SYAMI_2101020005_Teknik_Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengukur performa akurasi model menggunakan algoritma Faster R-CNN dengan arsitektur ResNet-50 FPN sebagai backbone dalam mengidentifikasi 9 jenis mangrove di Pulau Bintan. Proses pelatihan yang dilakukan pada model dengan membandingkan metrik evaluasi AP dan mAP pada epoch 30 diberbagai batch size seperti 4, 8 dan 16 dengan paramater yang digunakan yaitu learning rate sebesar 0,01, momentum sebesar 0,9, weight decay sebesar 0,0005 dan optimizer SGD. Hasil eksperimen menghasilkan bahwa batch size 4 memiliki nilai metrik evaluasi terbaik dari berbagai batch size yang dilakukan pada proses pelatihan dengan nilai mAP sebesar 62,59% dan nilai AP untuk kelas Avicennia Lanata sebesar 95,61%, Bruguiera cylindrica sebesar 82,27%, Bruguiera gymnorrhiza sebesar 97,72%, Lumnitzera liitorea sebesar 96,46%, Rhizophora apiculata sebesar 95,42%, Rhizophora mucronata sebesar 93,19%, Scyphiphora hydrophyllacea sebesar 97,87%, Sonneratia Alba sebesar 99,00%, Xylocarpus granatum sebesar 89,99%. Hasil ini menunjukkan bahwa model Faster R-CNN dengan backbone ResNet-50 FPN mampu mendeteksi dan mengklasifikasikan jenis mangrove di Pulau Bintan sehingga dapat membantu dalam peningkatan pemahaman keberagaman mangrove sebagai upaya pelestarian ekosistem mangrove diwilayah tersebut

Actions (login required)

View Item