Search for collections on Undip Repository

Penerapan Convolutional Neural Network 9CNN) MobileNetV2 dengan Optimasi AMSGrad pada Klasifikasi Area Deforestasi

AFRIZAL, Agung (2026) Penerapan Convolutional Neural Network 9CNN) MobileNetV2 dengan Optimasi AMSGrad pada Klasifikasi Area Deforestasi. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

[thumbnail of 1. COVER.pdf] Text
1. COVER.pdf

Download (226kB)
[thumbnail of 3. HALAMAN PENGESAHAN I.pdf] Text
3. HALAMAN PENGESAHAN I.pdf

Download (200kB)
[thumbnail of 4. HALAMAN PENGESAHAN II.pdf] Text
4. HALAMAN PENGESAHAN II.pdf

Download (230kB)
[thumbnail of 5. KATA PENGANTAR.pdf] Text
5. KATA PENGANTAR.pdf

Download (208kB)
[thumbnail of 6. ABSTRAK.pdf] Text
6. ABSTRAK.pdf

Download (189kB)
[thumbnail of 7. ABSTRACT.pdf] Text
7. ABSTRACT.pdf

Download (188kB)
[thumbnail of 8. DAFTAR ISI.pdf] Text
8. DAFTAR ISI.pdf

Download (193kB)
[thumbnail of 12. BAB I PENDAHULUAN.pdf] Text
12. BAB I PENDAHULUAN.pdf

Download (380kB)
[thumbnail of 17. DAFTAR PUSTAKA.pdf] Text
17. DAFTAR PUSTAKA.pdf

Download (205kB)

Abstract

Hutan hujan tropis memegang peranan substansial dalam menjaga keseimbangan ekosistem global, namun keberadaannya kian terancam oleh aktivitas pengurangan hutan yang masif yakni deforestasi. Deforestasi secara signifikan memberi pengaruh jangka panjang terhadap keberlangsungan makhluk hidup di sekitarnya dan dibutuhkan langkah konstruktif dalam memantau eksistensinya. Melalui teknologi canggih saat ini, terdapat solusi pada pengolahan citra satelit dalam pemantauan deteksi kegiatan deforestasi dengan mendeteksi perubahan tutupan lahan menggunakan machine learning. Metode yang diterapkan adalah Convolutional Neural Network (CNN) berarsitektur MobileNetV2 yang efisien secara komputasi, serta dipadukan dengan optimasi AMSGrad guna
memaksimalkan stabilitas kinerja model. Analisis dilakukan dengan pelatihan pengolahan visual berupa citra satelit yang diekstrak dari berbagai posisi hutan. Dataset yang digunakan terdiri dari 134 citra satelit yang diperoleh dari wilayah
Amerika Selatan melalui website Google Earth, yang dataset tersebut didistribusikan menjadi data training (51%), validation (19%), dan testing (30%). Hasil penelitian menunjukkan performa model yang sangat baik, dengan capaian akurasi training sebesar 96,15% dan akurasi testing sebesar 100% dengan nilai loss 0,0108. Hal ini mengindikasikan bahwa kombinasi arsitektur CNN MobileNetV2 dengan optimasi AMSGrad sangat efektif dan akurat untuk klasifikasi deforestasi berbasis citra satelit.
Kata Kunci: Hutan Hujan Tropis, Deforestasi, Klasifikasi Citra, CNN, MobileNetV2, AMSGrad.

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Statistics
Depositing User: Yemima Laras Sekarsari
Date Deposited: 22 Jan 2026 11:30
Last Modified: 22 Jan 2026 11:30
URI: https://eprints2.undip.ac.id/id/eprint/43618

Actions (login required)

View Item View Item