IBRAHIM, IRFAN and Ritha, Nola and Hayaty, Nurul (2026) IMPLEMENTASI CENTERNET UNTUK IDENTIFIKASI JENIS LAMUN PADA CITRA BAWAH AIR BERBASIS METODE ANCHOR-FREE. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) IRFAN IBRAHIM_2201020100_Teknik Informatika_Cover.pdf - Published Version Download (838kB)
	Text (Abstrak) IRFAN IBRAHIM_2201020100_Teknik Informatika_Abstrak.pdf - Published Version Download (207kB)
	Text (BAB 1) IRFAN IBRAHIM_2201020100_Teknik Informatika_BAB 1.pdf - Published Version Download (221kB)
	Text (Daftar Pustaka) IRFAN IBRAHIM_2201020100_Teknik Informatika_Daftar Pustaka.pdf - Published Version Download (244kB)
	Text (Full Teks) IRFAN IBRAHIM_2201020100_Teknik Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

IRFAN IBRAHIM. Implementasi CenterNet untuk Identifikasi Jenis Lamun pada Citra Bawah Air Berbasis Metode Anchor-Free. Dibimbing oleh NOLA RITHA dan NURUL HAYATY. Ekosistem padang lamun di perairan Desa Pengudang, Pulau Bintan, Kepulauan Riau mengalami degradasi akibat pencemaran minyak dan aktivitas manusia, sehingga membutuhkan sistem pemantauan yang efisien. Identifikasi spesies lamun secara manual memiliki keterbatasan karena bergantung pada keahlian taksonomi pengamat dan rentan terhadap kesalahan manusia. Penelitian ini bertujuan mengevaluasi kinerja arsitektur CenterNet dengan backbone ResNet50 dalam mendeteksi dan mengklasifikasikan enam spesies lamun pada citra bawah air ditinjau dari nilai mean Average Precision (mAP), precision, dan recall. Dataset berjumlah 6.000 citra yang dikumpulkan secara in situ di lokasi penelitian. Dataset dibagi menjadi data latih, validasi, dan uji dengan perbandingan 70:20:10. Model dilatih dengan mencoba berbagai macam variasi learning rate yaitu 1×10⁻⁵, 5×10⁻⁵, 1×10⁻⁴, 2,5×10⁻⁴, 5×10⁻⁴, dan 1×10⁻3 untuk menemukan konfigurasi optimal. Model terbaik mencapai nilai mAP@0.5 sebesar 0,622, precision sebesar 0,558, dan recall sebesar 0.742 dengan learning rate optimal 2,5×10⁻⁴. Kata kunci: Anchor-free, CenterNet, Lamun, Object detection, ResNet-50.

Actions (login required)

View Item