Identifikasi Fitoplankton Berbasis Machine Learning

MU'AMMAR, Waliyu Faiq Marzuq (2024) Identifikasi Fitoplankton Berbasis Machine Learning. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Download (133kB)
	PDF (Legalitas) LEGALITAS-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Restricted to Repository staff only Download (387kB)
	PDF (Abstrak) ABSTRAK-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Download (161kB)
	PDF (BabI) BAB-I-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Restricted to Repository staff only until 22 August 2025. Download (188kB)
	PDF (BabII) BAB-II-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Restricted to Repository staff only until 22 August 2025. Download (897kB)
	PDF (BabIII) BAB-III-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Restricted to Repository staff only until 22 August 2025. Download (574kB)
	PDF (BabIV) BAB-IV-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Restricted to Repository staff only Download (948kB)
	PDF (BabV) BAB-V-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Download (137kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Download (325kB)
	PDF (Lampiran) LAMPIRAN-Waliyu Faiq Marzuq Mu'ammar-L1C020077-Skripsi-2024.pdf Restricted to Repository staff only Download (1MB)

Abstract

Metode yang umum digunakan dalam identifikasi fitoplankton adalah dengan identifikasi mikroskopis secara manual yang membutuhkan banyak tenaga dan waktu. Untuk mengatasi kekurangan ini, dibutuhkan peralatan pencatat dan pendeteksi plankton dengan akurasi tinggi. Perkembangan teknologi mengalami kemajuan besar dalam bidang deteksi objek pada gambar ataupun video secara real time. Teknologi yang dapat digunakan untuk deteksi objek otomatis adalah deep learning. Konsep dasar dari deep learning adalah dengan memodelkan data berskala besar dengan beberapa lapisan pemrosesan dengan struktur yang kompleks. Penelitian ini bertujuan untuk mengaplikasikan algoritma YOLO dalam Software untuk mengidentifikasi genus fitoplankton. Penelitian ini menggunakan algoritma YOLOv5 dengan melakukan training data terhadap 20 genera fitoplankton yaitu Actinocyclus, Asterionella, Carteria, Ceratium, Chaetoceros, Cocconeis, Coscinodiscus, Crucigenia, Cyclotella, Dinophysis, Navicula, Nitzschia, Noctiluca, Pinnularia, Pleurosigma, Skeletonema, Spirulina, Synedra, Tabellaria, dan Tetraselmis yang diambil dari penelitian terdahulu, website Algaebase, dan Google Image untuk kemudian diuji menggunakan confusion matrix. Hasil dari pengujian berupa nilai Accuracy sebesar 0,831; nilai Precision sebesar 0,934; nilai Recall sebesar 0.882; F-Score sebesar dan 0,907.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	L24124
Uncontrolled Keywords:	Fitoplankton, Deep Learning, YOLOv5, Deteksi Objek
Subjects:	F > F182 Fishes
Divisions:	Fakultas Perikanan dan Ilmu Kelautan > S1 Ilmu Kelautan
Depositing User:	Mr. Waliyu Faiq Marzuq Mu'ammar
Date Deposited:	22 Aug 2024 08:26
Last Modified:	22 Aug 2024 08:26
URI:	http://repository.unsoed.ac.id/id/eprint/29229

Actions (login required)

View Item

Search for collections on Repository Universitas Jenderal Soedirman