Analisis kualitas gambar sebagai data training dalam pembuatan machine learning identifikasi pola pertumbuhan (life form) terumbu karang

Lanang Satria Wiralaga, (NIM. 2021911026) (2024) Analisis kualitas gambar sebagai data training dalam pembuatan machine learning identifikasi pola pertumbuhan (life form) terumbu karang. skripsi thesis, Universitas Bangka Belitung.

	Text HALAMAN DEPAN.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (312kB)
	Text BAB II.pdf Restricted to Registered users only Download (426kB)
	Text BAB III.pdf Restricted to Registered users only Download (730kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (489kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (533kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (687kB)

Abstract

Provinsi Kepulauan Bangka Belitung memiliki aset perairan yang melimpah berupa terumbu karang, khususnya di Pulau Panjang. Terumbu karang di wilayah ini merupakan salah satu spot snorkeling favorit dan memiliki kondisi yang baik.
Pemantauan efektif terhadap terumbu karang sangat penting untuk konservasi dan keberlanjutannya. Namun, metode pemantauan tradisional seringkali tidak efisien dan rentan terhadap kesalahan manusia, sehingga diperlukan pendekatan baru yang lebih akurat. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan pola pertumbuhan (life form) terumbu karang di Pulau Panjang menggunakan metode Machine Learning, khususnya Convolutional Neural Network (CNN). Metode ini melibatkan pengumpulan gambar-gambar terumbu karang, pengolahan data, dan pembentukan model CNN. Lima jenis life form terumbu karang berhasil diidentifikasi, yaitu: Acropora branching, Acropora
digitate, Acropora tabulate, Coral massive, dan Coral foliose. Proses pembentukan model dimulai dari pengambilan gambar hingga evaluasi akurasi data training. Berdasarkan proses training machine learning yang telah dilakukan,
diperoleh akurasi tertinggi sebesar 80% pada epoch 50. Hasil penelitian menunjukkan bahwa metode Machine Learning dapat diimplementasikan secara efektif untuk identifikasi life form terumbu karang, dengan penekanan pada ekstraksi ciri visual dari gambar-gambar terumbu karang. Temuan ini diharapkan dapat berkontribusi pada pemahaman dan perlindungan ekosistem terumbu karang di Pulau Panjang serta membuka potensi pengembangan software untuk identifikasi jenis terumbu karang secara real-time. Saran untuk penelitian mendatang adalah mengeksplorasi lebih lanjut efek perubahan lingkungan terhadap pertumbuhan terumbu karang dan penggunaan teknologi baru dalam identifikasi

Item Type:	Thesis (skripsi)
Uncontrolled Keywords:	Machine learning; konservasi; convolutional neural network; Kepulauan Bangka Belitung
Subjects:	L Pendidikan > L Education (General) Z Bibliografi. Ilmu Perpustakaan. Sumber Informasi (Umum) > Z665 Library Science. Information Science Z Bibliografi. Ilmu Perpustakaan. Sumber Informasi (Umum) > ZA Information resources
Divisions:	SKRIPSI > Fakultas Pertanian, Perikanan dan Biologi > Manajemen Sumberdaya Perairan
Depositing User:	Darma -
Date Deposited:	02 Jul 2024 07:39
Last Modified:	02 Jul 2024 07:39
URI:	https://repository.ubb.ac.id/id/eprint/9328

Actions (login required)

View Item