Muhammad Luthfi Humam Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Hutan mangrove memiliki peran penting dalam menjaga keseimbangan ekosistem pesisir, menyerap karbon, dan memberikan manfaat ekonomi bagi masyarakat. Namun, deteksi jenis mangrove secara manual memerlukan waktu dan sumber daya yang besar. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web untuk mendeteksi jenis mangrove menggunakan algoritma machine learning multimodel seperti YOLOv8, RTMDet, RTDETR, RetinaNet, EfficientDet, MobileNet, dan CenterNet. Aplikasi ini memungkinkan pengguna memilih model sesuai kebutuhan dan menyediakan deteksi akurat dari gambar citra udara yang diambil menggunakan drone. Fokus deteksi adalah mangrove jenis Rhizophora, Avicennia, dan Nypa yang ditemukan di kawasan Banda Aceh dan Aceh Besar. Proses pengembangan meliputi pengumpulan data, pengujian model, dan penerapan teknologi seperti FastAPI dan Bootstrap. Hasilnya berupa aplikasi berbasis web yang mampu melakukan deteksi jenis mangrove secara otomatis, menampilkan jumlah dan posisi jenis mangrove dalam gambar (bounding box), serta memberikan estimasi carbon stock. Aplikasi telah diuji secara fungsional dan menunjukkan hasil yang stabil. Pengujian usability menggunakan System Usability Scale (SUS) menghasilkan skor sebesar 76 dengan nilai B, yang termasuk dalam kategori baik, serta memiliki Margin of Error (MoE) sebesar 5.9, yang mencerminkan konsistensi dan keandalan persepsi pengguna terhadap kegunaan aplikasi. Kata Kunci: Mangrove, Deteksi Objek, Machine Learning, Aplikasi berbasis web,carbon stock 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 163325 2025-07-18 12:21:04 2025-07-18 14:36:29 machine generated