AZHAR, RIZA NUR (2024) MACHINE LEARNING SEBAGAI INSTRUMEN IDENTIFIKASI RUMPUT LAUT DENGAN TEACHABLE MACHINE YANG TERIMPLEMENTASI PADA WEB APPLICATION (24dik51). Undergraduate thesis, Fakultas Perikanan dan Ilmu Kelautan.
|
Text
Riza Nur Azhar 24dik51.pdf Download (694kB) |
Abstract
Keterbatasan database identifikasi rumput laut di Indonesia serta
minimnya penelitian sebelumnya dalam bidang ini menjadi dorongan penting
dalam penelitian ini. Metode identifikasi morfologi rumput laut semakin
dipermudah dengan memanfaatkan teknologi machine learning. Penelitian ini
bertujuan untuk mengevaluasi akurasi dan efisiensi penggunaan Teachable
Machine dalam pengembangan metode identifikasi rumput laut dan
mengembangkan web application terintegrasi dengan teknologi tersebut.
Penelitian terfokus pada Pulau Panjang sebagai lokasi pengumpulan data
lapangan, memanfaatkan tiga stasiun dengan metode pengumpulan gambar
rumput laut yang luas dan representatif. Data lapangan ini menjadi landasan
penting dalam proses pelatihan model machine learning yang mendukung
identifikasi. Selain itu, pengumpulan data dari literatur tentang karakteristik visual
rumput laut memberikan wawasan lebih dalam terkait ciri-ciri yang penting dalam
proses identifikasi. Proses pengembangan model training dari data citra yang
terkumpul dilanjutkan dengan konversi, verifikasi data, serta implementasi model
pada WebApp dilakukan. Hasil pengujian model machine learning menunjukkan
tingkat akurasi yang baik sebesar 99,42 %, dengan kemampuan mengidentifikasi
13 kelas dari 9 genus rumput laut. Kinerja responsif model pada WebApp
memperlihatkan hasil yang memuaskan dalam berbagai pengujian fungsionalitas
dan performa, termasuk uji kecepatan pada Google PageSpeed. Kesimpulannya
adalah, integrasi teknologi machine learning dalam platform WebApp
memberikan solusi praktis untuk identifikasi rumput laut yang akurat dan mudah
diakses. Hal ini memiliki potensi besar untuk memberikan kontribusi signifikan
dalam penelitian dan konservasi rumput laut serta pemanfaatan sumber daya laut
secara berkelanjutan.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Akurasi model, Identifikasi rumput laut, Machine learning, Teachable Machine, Web Application, |
| Subjects: | Fisheries And Marine Sciences |
| Divisions: | Faculty of Fisheries and Marine Sciences > Department of Marine Science |
| Depositing User: | pancasila wati |
| Date Deposited: | 22 Apr 2025 03:32 |
| Last Modified: | 22 Apr 2025 03:32 |
| URI: | https://eprints2.undip.ac.id/id/eprint/31363 |
Actions (login required)
![]() |
View Item |
