HIKMATUN RIFKA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Mangrove berperan penting dalam menyerap karbon dan menjaga keseimbangan ekosistem pesisir. Penelitian ini mengimplementasikan model YOLOv11 untuk mendeteksi dan mengklasifikasikan tiga jenis vegetasi mangrove Rhizophora, Avicennia, dan Nypa dari citra drone, serta mengestimasi daya serap karbon menggunakan pendekatan allometrik. Model terbaik, yaitu YOLOv11l dengan 50 epoch, menghasilkan mAP@0.5 sebesar 0.249 dan estimasi total karbon sebesar 74.19 kg (setara 274.88 kg CO₂). Rhizophora memiliki selisih estimasi terkecil (5–12%), diikuti Avicennia (9–33%), dan Nypa menunjukkan selisih terbesar (36–60%) jika dibandingkan dengan hasil referensi manual. Meskipun pendekatan ini menunjukkan efisiensi dalam klasifikasi dan estimasi spasial vegetasi mangrove, akurasi model masih terbatas, terutama pada objek tumpang tindih, kanopi kecil, atau yang berada di tepi citra. Dengan peningkatan kualitas dataset dan optimasi parameter pelatihan model YOLOv11, pendekatan ini berpotensi digunakan untuk pemantauan mangrove dan estimasi karbon secara spasial dan berkelanjutan. Kata kunci: YOLOv11, Mangrove, Klasifikasi, Estimasi karbon, Deep Learning 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 165319 2025-07-22 23:36:23 2025-07-23 10:02:56 machine generated