Cut Nadilla Maretna Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika

Skripsi

Terumbu karang sebagai ekosistem yang rentan, memerlukan pemantauan efisien untuk mengetahui keadaanya. Dalam era teknologi yang pesat, kecerdasan buatan khususnya Algoritma Mask R-CNN dengan menggunakan Pustaka Detectron2 menawarkan solusi inovatif untuk pemantauan ekosistem ini. Penelitian ini menerapkan Algoritma Mask R-CNN untuk mendeteksi dan memisahkan objek terumbu karang guna menghitung persentase tutupan karang hidup. Penelitian ini menggunakan 358 citra dari ekosistem terumbu karang di perairan Pulau Gosong, Aceh Barat Daya. Digunakan tujuh backbone yang berbeda dalam Algoritma Mask RCNN dilatih, dievaluasi berdasarkan presisi dan recall. Hasil menunjukkan ResneXt101-FPN dan R101-C4 sebagai backbone terbaik berdasarkan evaluasi tersebut. ResneXt101-FPN menampilkan segmentasi yang lebih baik dan visualisasi yang lebih akurat. Penggunaan ResneXt101-FPN dalam menghitung tutupan karang menghasilkan estimasi sebesar tutupan karang 86.06% pada gambar uji, menuntujukkan efektivitas Mask R-CNN, terutama dengan ResNeXt101-FPN, dalam segmentasi objek terumbu karang dan perhitungan persentase tutupan karang hidup. Hal ini memberikan sumbangan penting pada pemantauan dan konservasi terumbu karang. Kata kunci: Terumbu Karang, Tutupan Karang, Mask R-CNN, Detectron2, Backbone, Segmentasi 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 121420 2024-03-21 12:13:17 2024-03-21 13:30:24 machine generated