RAFI FIRJATULLAH Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Mangrove merupakan ekosistem pesisir yang penting dengan manfaat ekologi, seperti perlindungan pantai dan penyerapan karbon. Namun, proses identifikasi jenis mangrove oleh Dinas Lingkungan Hidup dan Kehutanan Aceh masih dilakukan secara manual di lapangan, yang memerlukan waktu dan biaya besar. Untuk mengatasi tantangan ini, dikembangkan sebuah model deteksi otomatis berbasis citra udara dari drone, dengan lebih dari 20.000 vegetasi mangrove sebagai dataset. Penelitian ini menguji tiga arsitektur model deteksi objek MobileNetV2, EfficientDet, dan CenterNet dengan variasi parameter learning rate 1e-4 dan 1e-5 dengan jumlah Steps 50.000 dan 78.000. Khusus untuk CenterNet, digunakan Steps yang lebih kecil 5.000 dan 3.000 karena keterbatasan penyimpanan di platform Kaggle akibat ukuran model yang besar. Hasil terbaik diperoleh dari model CenterNet dengan learning rate 1e-4 dan 5.000 Steps, mencatat mAP 0.50 sebesar 0,165 dan recall 0,312. Sementara itu, model EfficientDet dengan konfigurasi 50.000 Steps dan learning rate 10-4 mencatat mAP 0.50 sebesar 0,155 dan recall 0,353. Model MobileNetV2 dalam konfigurasi yang sama mencatat mAP 0.50 sebesar 0,149 dan recall 0,217.Berdasarkan evaluasi kuantitatif terhadap kedekatan hasil prediksi dengan ground truth, secara visual model EfficientDet dinilai sebagai yang paling akurat dan konsisten dalam mendeteksi objek mangrove. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 162659 2025-07-17 10:15:23 2025-07-17 10:32:09 machine generated