MHD. TAMPAN AHYAUL IHSAN BATUBARA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Abstrak - Mangrove merupakan ekosistem pesisir yang penting dengan manfaat ekologi, seperti perlindungan pantai dan penyerapan karbon. Namun, tantangan dalam membedakan genus mangrove dan mengukur luas kanopi mangrove untuk estimasi daya serap karbon menjadi perhatian utama. Untuk itu, digunakan dataset citra udara yang diambil menggunakan drone dengan lebih dari 20.000 vegetasi mangrove. Studi ini berfokus pada pengembangan model deep learning untuk mendeteksi dan mengklasifikasikan vegetasi mangrove serta menghitung jumlah vegetasi dan luas kanopi mangrove di Gampong Pande, Aceh, dengan tujuan mendukung konservasi lingkungan. Beberapa model yang telah dilakukan berupa model YOLOv8, RTDETR, RTMDET, dan RETINANET dengan menggunakan 2 learning rate yang berbeda yaitu 1e-3 dan 1e-4, serta menggunakan 2 epoch yang berbeda yaitu 100 dan 200 epoch. Model RTDETR dengan learning rate 1e-3 dan 200 Epoch menunjukkan hasil paling unggul di antara model RTDETR dan Model lainnya, dengan nilai mAP@0.50 sebesar 0.251, mAP@0.50:95 sebesar 0.115, dan recall sebesar 0.395. Model YOLOv8l dengan learning rate yang sama dan 100 Epoch menempati posisi kedua dengan mAP@0.50 sebesar 0.24, mAP@0.50:95 sebesar 0.103, dan recall sebesar 0.309. Sementara itu, model. RTMDET memperoleh mAP@0.50 sebesar 0.218, mAP@0.50:95 sebesar 0.095 dan recall 0.326, sedangkan RETINANET memiliki mAP@0.50 sebesar 0.226, mAP@0.50:95 sebesar 0.068 dan recall 0.348. Dari ke-empat model ini dilakukan evaluasi kuantitatif untuk menentukan model terbaik dalam mendeteksi bounding box mangrove terhadap ground truth, dan di dapat bahwa RETINANET menunjukkan hasil terbaik, dengan prediksi bounding box yang paling akurat dan mendekati ground truth. Hal ini terjadi dikarenakan model RETINANET memiliki kemampuan untuk menangani ketidakseimbangan kelas dan memiliki kemampuan untuk belajar lebih fokus untuk membedakan objek yang serupa. Dengan demikian, RETINANET menjadi model terbaik dalam eksperimen ini. Keyword : Mangrove, Object detection, , YOLOv8, RTDETR, RTMDET, RETINANET 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 162675 2025-07-17 10:26:58 2025-07-17 10:28:22 machine generated