Analisis kualitas gambar sebagai data training dalam pembuatan machine learning identifikasi pola pertumbuhan (life form) terumbu karang
Total View This Week0
Total View This Week0
Institusion
Universitas Bangka Belitung
Author
Lanang Satria Wiralaga, (NIM. 2021911026)
Subject
L Education (General)
Datestamp
2024-07-02 07:39:31
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
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
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
