Oktafia Marpaung, Veronika and Bayu Rahayudi, S.T., M.M and Dr. Eng.Novanto Yudistira, S.Kom., M.Sc (2024) Klasifikasi Terumbu Karang Menggunakan Convolutional Neural Network. Sarjana thesis, Universitas Brawijaya.
Abstract
Terumbu karang memiliki beberapa tipe. Sebagai alat bantu untuk mengetahui klasifikasi tipe terumbu karang, maka dibutuhkan sebuah model yang dapat mengenali bentuk dari terumbu karang di Indonesia. Salah satunya dengan menerapkan teknologi ilmu komputasi yang sedang berkembang yaitu object detection. Salah satu metode object detection adalah Convolutional Neural Netwok (CNN) dan akan diterapkan pada penelitian ini. Tujuan dari penelitian ini adalah untuk mendapatkan hyperparameter usulan yang memiliki hasil optimal terhadap klasifikasi terumbu karang pada model serta menguji tingkat nilai akurasi, precision, recall, dan F1‐Score untuk melakukan klasifikasi terumbu karang. Pengumpulan data untuk penelitian ini didapatkan dari kegiatan Studi Potensi Hewan Benthic Penyusun Terumbu Karang Beserta Biota Pendukungnya di Pulau Miang Kec. Sangkulirang. Data yang terkumpul kemudian dianalisis dan diuji menggunakan confusion matrix. Hasil pengujian beberapa hyperparameter pada metode CNN didapatkan hasil akurasi tertinggi yaitu pada pengujian menggunakan hyperparameter optimizer Adam, learning rate sebesar (0.0001), batch size (32), fungsi aktivasi ReLU, setelah melakukan perulangan selama 500 epoch, yaitu nilai rata‐rata akurasi training sebesar 93%. Hasil pengujian dengan data testing dan analisis yang sudah dilakukan, didapatkan nilai akurasi, precision, recall, dan F1‐Score dengan menggunakan model CNN dapat dikatakan kurang baik secara performa. Hal ini ditunjukkan dengan hasil klasifikasi dengan nilai rata‐rata precision sebesar 0,7033, nilai rata‐rata recall sebesar 0,7133, nilai rata‐rata F1Score sebesar 0,6933, dan nilai akurasi rata‐rata setiap jenis sebesar 0,8115. Selain itu, diketahui juga bahwa jumlah epoch dan jumlah data juga mempengaruhi performa klasifikasi pada model yang diuji, terutama pada waktu, nilai akurasi, dan nilai loss.
English Abstract
Coral reefs have several types. To increase public knowledge about coral reefs, a model is needed that can recognize the shape of coral reefs in Indonesia. The way was applying emerging computing science technology, namely object detection. One of the object detection methods is Convolutional Neural Network (CNN) will be applied in this research. This research aims to obtain proposed hyperparameters that have optimal results for classifying coral reefs in the model as well as testing the level of accuracy, precision, recall and F1Score values for classifying coral reefs. Data collection for this research was obtained from the Study of the Potential of Benthic Animals Composing Coral Reefs and Their Supporting Biota on Miang Island, Kecamatan Sangkulirang. The collected data was then analyzed and tested using a confusion matrix. The results of testing several hyperparameters in the CNN method obtained the highest accuracy results, namely in testing using the Adam hyperparameter optimizer, learning rate of (0.0001), batch size (32), ReLU activation function, after looping for 500 epochs, namely a training accuracy value of 93%. Test results with data testing and analysis that has been carried out, obtained accuracy values, precision, recall, and F1Score using the modelCNN It can be said that performance is not good. This is shown by the classification results with the average value precision of 0,7033, the average value recall of 0,7133, the average value F1Score amounted to 0,693 , and the average accuracy value for each type was 0,8115. Apart from that, it is also known that the amount epoch and the amount of data also affects the classification performance of the model being tested, especially in time, accuracy and value loss.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052415 |
| Uncontrolled Keywords: | Convolutional Neural Netwok (CNN), Kalsifikasi terumbu karang, object detection, Convolutional Neural Network (CNN), Coral reef calcification, object detection |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Annisti Nurul F |
| Date Deposited: | 12 Feb 2024 03:24 |
| Last Modified: | 12 Feb 2024 03:24 |
| URI: | http://repository.ub.ac.id/id/eprint/215908 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Veronika Oktafia Marpaung.pdf Restricted to Registered users only Download (5MB) |
Actions (login required)
 |
View Item |