Sistem integrasi ai dan citra digital: algoritma cnn dan mask r-cnn untuk menghitung persentase kerusakan terumbu karang pertambangan laut penagan

Jepri, (NIM. 1102211016) (2026) Sistem integrasi ai dan citra digital: algoritma cnn dan mask r-cnn untuk menghitung persentase kerusakan terumbu karang pertambangan laut penagan. Other thesis, Universitas Bangka Belitung.

[thumbnail of HALAMAN DEPAN.pdf] Text
HALAMAN DEPAN.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf
Restricted to Registered users only

Download (367kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB V.pdf] Text
BAB V.pdf
Restricted to Registered users only

Download (357kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (376kB)
[thumbnail of LAMPIRAN.pdf] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (3MB)

Abstract

Terumbu karang di perairan Desa Penagan, Kabupaten Bangka, menghadapi ancaman degradasi akibat aktivitas pertambangan timah laut yang memicu sedimentasi tinggi. Pemantauan manual yang konvensional dinilai kurang efektif dalam memetakan kerusakan secara cepat. Penelitian ini bertujuan mengembangkan sistem berbasis kecerdasan buatan yang mengintegrasikan Convolutional Neural Network (CNN) dan Mask Region-Based Convolutional Neural Network (Mask R-CNN) untuk mengidentifikasi serta menghitung persentase kerusakan terumbu karang secara otomatis. Penelitian ini menggunakan 200 citra bawah laut sebagai dataset dengan arsitektur ResNet-50 dan FPN. Model dilatih selama 55.000 iterasi dan diimplementasikan ke dalam sistem website berbasis Flask. Berdasarkan hasil evaluasi menggunakan metrik COCO Average Precision (AP), model memperoleh nilai AP sebesar 23,707 pada evaluasi bounding box dan 20,687 pada evaluasi segmentation mask. Hasil tersebut menunjukkan bahwa model memiliki kemampuan yang lebih baik dalam menentukan lokasi objek dibandingkan menghasilkan batas segmentasi objek. Hasil inferensi mendeteksi area karang rusak seluas 436.179 piksel dan area karang hidup seluas 11.968 piksel, dengan total luas terumbu karang sebesar 448.147 piksel serta persentase kerusakan mencapai 97,33% pada citra yang dianalisis. Pengujian Black Box menunjukkan sistem berjalan dengan baik dan telah divalidasi langsung oleh Dinas Kelautan dan Perikanan Provinsi Kepulauan Bangka Belitung dengan tanggapan positif. Sistem ini mampu memfasilitasi identifikasi dan perhitungan persentase kerusakan terumbu karang secara kuantitatif serta berpotensi mendukung pengambilan keputusan dalam upaya konservasi dan rehabilitasi ekosistem laut.

Item Type: Thesis (Other)
Uncontrolled Keywords: terumbu karang, kecerdasan buatan, cnn dan mask r-cnn, coco evaluation metrics, segmentasi citra
Subjects: T Teknologi > T Teknologi (UMUM)
Divisions: FAKULTAS SAINS DAN TEKNIK > TEKNOLOGI INFORMASI > SKRIPSI
Depositing User: Supiyati Supiyati
Date Deposited: 16 Nov 2026 02:24
Last Modified: 16 Nov 2026 02:24
URI: https://repository.ubb.ac.id/id/eprint/15859

Actions (login required)

View Item View Item