Implementasi Deep Leaning EfficientNet untuk Deteksi Terumbu Karang

Dwipayana, Kadek Hangga and Indrayana, I Nyoman Eddy and Peling, Ida Bagus Adisimakrisna (2025) Implementasi Deep Leaning EfficientNet untuk Deteksi Terumbu Karang. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2115354077_full.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy
	Text (Cover, Bab 1, Bab 5 dan Referensi) RAMA_58302_2115354077_0020027603_0030119106_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (735kB)
	Text (iThenticate) RAMA_58302_2115354077_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Identifikasi jenis terumbu karang sangat penting untuk mendukung konservasi ekosistem laut, namun dalam praktiknya proses identifikasi masih dilakukan secara manual oleh para ahli, yang memerlukan waktu, biaya, dan sumber daya yang tidak sedikit. Permasalahan ini menjadi dasar dikembangkannya sistem identifikasi otomatis berbasis deep learning menggunakan metode Convolutional neural network (CNN). Sistem ini dibangun dengan pendekatan waterfall dan diimplementasikan dalam bentuk aplikasi web menggunakan framework Flask pada sisi backend serta antarmuka pengguna yang responsif di sisi frontend. Model CNN yang digunakan adalah EfficientNet, yang dilatih menggunakan dataset gambar bawah laut dari empat jenis karang, yaitu Acropora cervicornis, Acropora palmata, Colpophyllia natans, dan Siderastrea siderea. Sistem ini memungkinkan pengguna mengunggah gambar terumbu karang dan memperoleh hasil klasifikasi secara langsung, serta dilengkapi fitur pendukung seperti filter jenis karang dan penghapusan data untuk admin. Berdasarkan hasil evaluasi performa menggunakan confusion matrix, diperoleh akurasi sebesar 74,56%, precision rata-rata 76,26%, recall 74,55%, dan f1-score 74,63%. Selain itu, hasil pengujian fungsional menunjukkan seluruh fitur berjalan sesuai dengan harapan. Dengan demikian, sistem ini dinilai layak diterapkan dan dapat menjadi solusi efektif dalam membantu proses identifikasi terumbu karang secara digital dan efisien, serta mendukung upaya pelestarian lingkungan laut.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Implementasi, Deep Learning EfficientNet, Identifikasi Terumbu Karang
Subjects:	Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Informatika Ilmu Teknik > Teknik Elektro Dan Informatika > Sistem Informasi Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak
Divisions:	Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User:	Kadek Hangga Dwipayana
Date Deposited:	29 Aug 2025 03:27
Last Modified:	29 Aug 2025 03:27
URI:	https://repository.pnb.ac.id/id/eprint/17296

Actions (login required)

View Item