Analisis Komparatif Model Praterlatih Deep Learning untuk Klasifikasi Spesies Tumbuhan di Kebun Raya Balikpapan

Dewanto, Dimas (2026) Analisis Komparatif Model Praterlatih Deep Learning untuk Klasifikasi Spesies Tumbuhan di Kebun Raya Balikpapan. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11201023_ statement_of_authenticity.pdf Restricted to Registered users only until 26 April 2028. Download (386kB) | Request a copy
	Text 11201023_cover.pdf Restricted to Registered users only until 26 April 2028. Download (564kB) | Request a copy
	Text 11201023_publishing_agreement.pdf Restricted to Registered users only until 26 April 2028. Download (401kB) | Request a copy
	Text 11201023_approval_sheet.pdf Restricted to Registered users only until 26 April 2028. Download (409kB) | Request a copy
	Text 11201023_preface.pdf Restricted to Registered users only until 26 April 2028. Download (440kB) | Request a copy
	Text 11201023_abstract_id.pdf Restricted to Registered users only until 26 April 2028. Download (395kB) | Request a copy
	Text 11201023_abstract_en.pdf Restricted to Repository staff only until 26 April 2028. Download (354kB) | Request a copy
	Text 11201023_table_of_content.pdf Restricted to Repository staff only until 26 April 2028. Download (373kB) | Request a copy
	Text 11201023_illustrations.pdf Restricted to Repository staff only until 26 April 2028. Download (357kB) | Request a copy
	Text 11201023_tables.pdf Restricted to Repository staff only until 26 April 2028. Download (357kB) | Request a copy
	Text 11201023_notations.pdf Restricted to Repository staff only until 26 April 2028. Download (354kB) | Request a copy
	Text 11201023_chapter_1.pdf Restricted to Repository staff only until 26 April 2028. Download (589kB) | Request a copy
	Text 11201023_chapter_2.pdf Restricted to Repository staff only until 26 April 2028. Download (686kB) | Request a copy
	Text 11201023_chapter_3.pdf Restricted to Repository staff only until 26 April 2028. Download (533kB) | Request a copy
	Text 11201023_chapter_4.pdf Restricted to Repository staff only until 26 April 2028. Download (1MB) | Request a copy
	Text 11201023_conclusions.pdf Restricted to Repository staff only until 26 April 2028. Download (431kB) | Request a copy
	Text 11201023_bibliography.pdf Restricted to Registered users only until 26 April 2028. Download (367kB) | Request a copy
	Text 11201023_enclosure.pdf Restricted to Repository staff only until 26 April 2028. Download (392kB) | Request a copy
	Text 11201023_paper.pdf Restricted to Repository staff only until 26 April 2028. Download (866kB) | Request a copy
	Text 11201023_Form. TA-020.pdf Restricted to Repository staff only until 26 April 2028. Download (997kB) | Request a copy
	Text 11201023_presentation.pdf Restricted to Repository staff only until 26 April 2028. Download (2MB) | Request a copy

Abstract

Biodiversitas tumbuhan di perkotaan sangat penting dalam menjaga fungsi ekosistem, tetapi menghadapi banyak ancaman serius seperti pembangunan infrastruktur, fragmentasi habitat, polusi, dan perubahan iklim. Pendataan spesies juga masih sulit karena kurangnya data dan perubahan nama ilmiah. Untuk mengatasinya, dilakukan berbagai upaya konservasi yang mana memerlukan identifikasi spesies secara akurat. Namun, klasifikasi manual seringkali tidak efisien dan akurat karena kemiripan antar spesies serta variasi dalam satu spesies. Oleh karena itu, pendekatan otomatis berbasis pembelajaran mesin seperti Convolutional Neural Network (CNN) digunakan untuk membantu klasifikasi tumbuhan, meskipun masih ada tantangan seperti ketidakseimbangan data, dan variasi gambar yang tinggi. Berbagai arsitektur CNN telah dikembangkan, dan tidak ada satu model yang unggul untuk semua kondisi. Sehingga pemilihannya harus disesuaikan dengan karakteristik tugas dan dataset yang digunakan. Penelitian ini bertujuan untuk membandingkan performa beberapa model praterlatih dan menentukan model yang paling optimal untuk klasifikasi spesies tumbuhan pada citra alami dari Kebun Raya Balikpapan (BBG52). Fokus penelitian ini adalah mengevaluasi kinerja dari empat arsitektur CNN (ResNet50, DenseNet121, MobileNetV3 Large, dan ConvNeXt Tiny) yang merupakan model praterlatih dengan bobot hasil dari pelatihan pada dataset ImageNet. Penelitian ini menggunakan dua konfigurasi (tanpa penambahan lapisan tersembunyi dan penambahan satu lapisan tersembunyi) untuk mengetahui pengaruh jumlah lapisan tersembunyi terhadap performa model dan dievaluasi berdasarkan pada nilai akurasi, F1-Score, serta waktu komputasi. Hasil dari penelitian ini menunjukkan bahwa ConvNeXt Tiny dengan konfigurasi penambahan lapisan tersembunyi merupakan model paling optimal untuk klasifikasi spesies tumbuhan pada dataset BBG52, dengan akurasi tertinggi (94.66%), F1-Score tertinggi (0.946), dan waktu komputasi tercepat (0.0098 detik).

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > QK Botany
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Dimas Dewanto
Date Deposited:	13 Jan 2026 05:19
Last Modified:	13 Jan 2026 05:19
URI:	http://repository.itk.ac.id/id/eprint/25072

Actions (login required)

View Item