PERBANDINGAN MOBILENETV2 DAN DENSENET121 PADA KLASIFIKASI CITRA TERUMBU KARANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

UTOMO, AHMAD AGUNG (2025) PERBANDINGAN MOBILENETV2 DAN DENSENET121 PADA KLASIFIKASI CITRA TERUMBU KARANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602100138_fullpdf.pdf Download (2MB)
	Text Teknik Informatika_32602100138_pernyataan_publikasi.pdf Restricted to Registered users only Download (84kB)

Abstract

Terumbu karang adalah ekosistem laut yang mengandung keragaman biologi yang besar dan berperan besar dalam melestarikan keselarasan ekologi perairan. Namun, saat ini terumbu karang sedang mengalami fenomena pemutihan (bleaching), sehingga Klasifikasi terumbu karang merupakan langkah penting dalam mendukung upaya pelestarian ekosistem laut. Riset ini berfokus menelaah perbedaan antara dua arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2 dan DenseNet121, dalam proses klasifikasi gambar terumbu karang. Dataset yang digunakan adalah citra terumbu karang (coral) yang diperoleh dari Kaggle yang berjudul “Bleached and Unbleached Corals Classification”. Dataset tersebut kemudian diproses melalui beberapa tahap, yaitu perubahan ukuran citra, pembagian data, pelatihan model, dan pengujian model MobileNetV2 dan DenseNet121. Setelah itu, dilakukan evaluasi terhadap kedua model menggunakan matriks kurva akurasi dan loss, akurasi dan loss, classification report, confusion matrix, waktu pelatihan dan penggunaan memori. Implementasi model menggunakan kedua model MobileNetV2 dan DenseNet121, dan bagian terakhir adalah analisis hasil. Riset ini memberikan bukti bahwa MobileNetV2 mempunyai performa yang lebih tinggi dibandingkan dengan DenseNet121. Hasil akurasi dari MobileNetV2 sebesar 92,54% dengan nilai loss sebesar 0,1280. Sedangkan hasil akurasi dari DenseNet121 sebesar 88,06% dengan nilai loss sebesar 0,3691. MobileNetV2 lebih unggul dengan waktu pelahitan yang lebih cepat, sehingga meningkatkan efisiensi. Selain itu, penggunaan memori dari MobileNetV2 lebih rendah jika dibandingkan dengan DenseNet121. Dengan demikian, Penelitian ini menyimpulkan bahwa arsitektur MobileNetV2 lebih unggul dalam melakukan klasifikasi terumbu karang, baik yang mengalami pemutihan (bleached) maupun yang tidak mengalami pemutihan (unbleached). Kata kunci: Convolutional Neural Network, MobileNetV2, DenseNet121, klasifikasi.

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 1 UNISSULA
Date Deposited:	05 Jun 2025 06:29
URI:	http://repository.unissula.ac.id/id/eprint/40136

Actions (login required)

View Item