<?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="1705221">
 <titleInfo>
  <title>DETEKSI OBJEK JENIS MANGROVE DI BANDA ACEH MENGGUNAKAN CITRA UAV DAN CENTERNET DENGAN EFFICIENTNET-B0</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Dimas Ayyub Alghafiqi</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 Teknik Komputer</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Penelitian ini membahas pengembangan sistem deteksi vegetasi mangrove dengan menggunakan arsitektur CenterNet yang dimodifikasi pada bagian backbone menjadi EfficientNet-B0. Studi dilakukan di kawasan mangrove Gampong Pande, Banda Aceh, yang terdiri atas tiga genus utama, yaitu Rhizophora, Avicennia, dan Nypa. Data penelitian dikumpulkan melalui citra UAV beresolusi tinggi dan dianotasi secara manual untuk menghasilkan dataset sebanyak 389 citra dengan 5.267 anotasi objek. Proses pelatihan dilakukan dengan konfigurasi 100 epoch, batch size 16, dan resolusi citra 640×640 piksel. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mampu mencapai nilai mean Average Precision (mAP) sebesar 0,45, precision sebesar 0,78, dan recall sebesar 0,83. Temuan ini mengindikasikan bahwa modifikasi arsitektur CenterNet–EfficientNet-B0 dapat meningkatkan kinerja deteksi mangrove, meskipun keterbatasan dataset yang tidak seimbang masih memengaruhi hasil. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem deteksi mangrove berbasis UAV untuk mendukung konservasi dan pemantauan ekosistem pesisir secara lebih efektif.</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>1705221</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-10-27 15:19:01</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-10-27 15:41:25</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>