<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="121435">
 <titleInfo>
  <title>IMPLEMENTASI MASK R-CNN PADA PROSES PERHITUNGAN TINGGI DAN LEBAR KARANG UNTUK MEMANTAU LAJU PERTUMBUHAN TRANSPLANTASI KARANG</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Naufal Alkhalis</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Informatika</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Transplantasi karang telah menjadi salah satu pendekatan yang dilakukan untuk konservasi. Penelitian ini mengimplementasikan algoritma Mask R-CNN dengan pustaka Detectron2 dalam deteksi dan segmentasi objek terumbu karang untuk menghitung tinggi dan lebar karang transplantasi. Metode penelitian melibatkan pengumpulan dataset, pembagian dataset, anotasi dataset, implementasi model, evaluasi model, dan menghitung laju pertumbuhan karang. Implementasi model melibatkan tujuh backbone segmentasi instance dengan jadwal laju pembelajaran sebesar tiga kali. Hasil penelitian menunjukkan bahwa dari ketujuh backbone yang di uji X101-FPN dan R101-DC5 menghasilkan presisi dan recall yang lebih baik. Selisih antara kedua model terbaik tersebut untuk masker segmentasi pada Average Precision (AP) maksimal sebesar 2,2% sedangkan untuk kotak deteksi sebesar 5,8%. Sedangkan selisih pada Average Recall (AR) maksimal sebesar 8,3% sedangkan untuk kotak deteksi pada Average Recall (AR) sebesar 5,2%. Hasil segmentasi X101-FPN dipilih untuk mengukur tinggi dan lebar karang yang sudah di transplantasi.&#13;
&#13;
Kata Kunci: Terumbu Karang, Mask R-CNN, Segmentasi, Transplantasi, Detectron2, Pengukuran&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>121435</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-03-21 12:59:37</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-03-21 14:50:13</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>