Identifikasi Potensi Lahan Budidaya Udang Di Pesisir Teluk Banten Menggunakan Algoritma CNN

M. Andre Setiawan, - (2023) Identifikasi Potensi Lahan Budidaya Udang Di Pesisir Teluk Banten Menggunakan Algoritma CNN. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_SIK_1903325_Title.pdf Download (855kB)
	Text S_SIK_1903325_Chapter1.pdf Download (69kB)
	Text S_SIK_1903325_Chapter2.pdf Restricted to Staf Perpustakaan Download (178kB)
	Text S_SIK_1903325_Chapter3.pdf Download (383kB)
	Text S_SIK_1903325_Chapter4.pdf Restricted to Staf Perpustakaan Download (256kB)
	Text S_SIK_1903325_Chapter5.pdf Download (105kB)
	Text S_SIK_1903325_Appendix.pdf Restricted to Staf Perpustakaan Download (689kB)

Abstract

Udang menjadi salah satu komoditas perikanan yang melimpah di Provinsi Banten. Budidaya udang biasa dilakukan petani di area tambak. Kesesuaian lahan menjadi pertimbangan dalam pemilihan tambak udang. Sulitnya dalam identifikasi kesesuaian lahan budidaya udang bagi masyarakat mengakibatkan produksi budidaya udang menurun. Maka dari itu dibutuhkan proses identifikasi lahan berpotensi menjadi tambak udang yang dilakukan menggunakan teknologi. Penelitian ini bertujuan untuk mengidentifikasi lahan yang berpotensi dijadikan lahan budidaya udang di pesisir Teluk Banten. Data terdiri dari peta jenis tanah bersumber dari FAO-UNESCO dan peta administrasi kota Serang bersumber dari Indonesia-Geospasial. Peta diolah sehingga menghasilkan total 160 gambar dengan pembagian 80 untuk data gambar lahan berpotensi dan 80 gambar lahan tidak berpotensi. Model klasifikasi yang digunakan adalah Convolution Neural network (CNN) yang terdiri dari convolution layer, pooling layer, flatten layer, dan dense layer. Library tensorflow diterapkan pada model sebagai pendukung eksekusi algoritma dan framework yang membantu dalam perhitungan numerik. Hasil dari model tersebut berdasarkan variasi batch size dan epoch diperoleh accuracy terbesar yaitu 99% dan loss 21% dengan ukuran batch size 8 dan jumlah epoch 30. Performa model menghasilkan nilai accuracy 97,20%, precision 94,63%, dan sensitivity 95,81%. Model dapat dikatakan baik karena tidak terlihat adanya tanda overfitting ataupun underfitting yang dilihat dari grafik loss dan accuracy. Dapat disimpulkan bahwa model klasifikasi lahan budidaya udang di pesisir Teluk Banten dapat digunakan dengan baik dalam identifikasi lahan berpotensi atau tidak berpotensi menjadi lahan budidaya udang.

Item Type:	Thesis (S1)
Additional Information:	Scholar M. Andre Setiawan https://scholar.google.com/citations?user=zSTXlk0AAAAJ&hl=en&oi=sra ID Sinta Dosen Pembimbing Ishak Ariawan : 6745750 Luthfi Anzani : 6721957
Uncontrolled Keywords:	Budidaya Udang, CNN, Deep learning, Google earth engine, Klasifikasi lahan.
Subjects:	L Education > L Education (General)
Divisions:	UPI Kampus Serang > S1 Sistem Informasi Kelautan
Depositing User:	M. Andre Setiawan
Date Deposited:	12 Apr 2023 03:03
Last Modified:	12 Apr 2023 03:03
URI:	http://repository.upi.edu/id/eprint/87842

Actions (login required)

View Item