<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA)"^^ . "Kupu-kupu merupakan jenis serangga yang tergolong ke\r\ndalam ordo Lepidoptera. Jumlah spesies kupu-kupu di dunia\r\nmencapai 21.000 (Fathimathul dkk, 2022). Peranan kupu-kupu\r\nsangat penting di dalam mempertahankan keseimbangan ekosistem\r\ndan memperkaya tingkat biodeversitas hayati (Rohman, Efendi dan\r\nDanrini, 2019). Melalui penyerbukan oleh kupu-kupu, tanaman\r\ndapat memperbanyak diri secara alami, sehingga dapat\r\nmempertahankan keberadaannya. Selain sebagai polinator atau\r\nhewan penyerbuk, kupu-kupu juga dapat berperan sebagai indikator\r\nterjadinya perubahan lingkungan (Syaripuddin, Sing & Wilson,\r\n2015; An & Choi, 2020; Ismail dkk, 2020). Penelitian oleh Legal\r\ndkk, (2020) mengungkapkan bagaimana keberadaan kupu-kupu\r\nsangat berhubungan erat dengan habitat atau tempat makhluk hidup\r\ntinggal dan juga tingkat gangguan antropogeniknya (gangguan yang\r\nbersumber dari aktivitas manusia). Penelitian tersebut mengungkap\r\nbahwa selama 25 tahun mengamati hutan kering tropis (Tropical\r\nDry Forest) tidak satupun ditemukan keberadaan kupu-kupu di sana.\r\nIsmail, dkk (2020), juga mengungkapkan temuan yang identik,\r\nbahwa keberadaan kupu-kupu sangat dipengaruhi oleh lingkungan\r\nhidupnya. Selain itu, populasi dan diversitas kupu-kupu di\r\nlingkungan hidup dapat ditentukan oleh jenis vegetasi, sumber\r\ntanaman pelindung, kesehatan dan juga gangguan lingkungan hidup.\r\nVan der Burg & Reed (2021) mengungkapkan bahwa pembentukan\r\n2\r\ncorak kupu-kupu dapat dipengaruhi oleh environmental stress atau\r\ntekanan lingkungan, yang bisa berupa suhu, iklim mikro, dan\r\npaparan radiasi sinar matahari. Envinromental stress juga\r\nmenyebabkan perubahan epigenetik pada gen kupu-kupu yang\r\nberdampak pada pola sayap dan pewarisan transgenerasional.\r\nBerdasarkan hasil penelitian-penelitian di atas, maka studi mengenai\r\nkupu-kupu menjadi penting untuk bisa dipelajari karena tidak hanya\r\nuntuk tujuan mengungkap keberagaman fauna saja, namun juga\r\ndapat mempelajari perubahan lingkungan hidup. Saat ini, penelitian\r\nklasifikasi kupu-kupu masih banyak yang menggunakan metode\r\nmanual atau menggunakan jaring serangga umtuk menangkap kupukupu\r\n(Amrullah, Hilda dan Rusli, 2018; Gonggoli dkk, 2021;\r\nParamita, Syazali dan Erfan, 2022). Metode manual ini memiliki\r\nkelemahan, yaitu membutuhkan waktu klasifikasi yang relatif lama,\r\nakurasi yang rendah karena banyak spesies kupu-kupu memiliki\r\nkemiripan bentuk yang kadang sulit dibedakan, serta sedikitnya\r\njumlah ahli taksonomi yang tersedia (Almryad dan Kutucu, 2020).\r\nDitambah lagi, kupu-kupu yang ditangkap bisa mengalami cidera\r\natau mati karena jaring dan perlakuan manusia.\r\nBerdasarkan hasil analisis data dan pembahasan data serta untuk\r\nmenjawab rumusan masalah dan tujuan penelitian, kesimpulan yang\r\nbisa diambil dalam penelitian klasifikasi kupu-kupu (lepidoptera)\r\nadalah sebagai berikut.\r\n1. Augmentasi data melalui parameter epsilon zca whitening,\r\nimage rotation, width shift range, height shift range, shear\r\nrange, zoom range, channel shift range, fill mode horizontal\r\nflip, dan preprocessing function pada penelitian ini mampu\r\nmeningkatkan nilai akurasi pada model arsitektur ResNet50.\r\nAkurasi ResNet50 mengalami peningkatan dari 69% menjadi\r\n86%.\r\n2. Optimasi akurasi ResNet50 pada penelitian ini berhasil\r\ndilakukan dengan metode ensemble deep learning, yaitu\r\nmenggabungkan arsitektur CNN pada arsitektur ResNet50.\r\nHasil ensemble deep learning dalam penelitian ini mendapat\r\nnilai akurasi 95% dengan data diaugmentasi dan 93% dengan\r\ndata tidak diaugmentasi.\r\n3. Akurasi klasifikasi melalui ensemble deep learning pada\r\nmodel arsitektur ResNet50 menunjukan performa lebih baik\r\ndaripada penelitian-penelitian sebelumnya. Nilai akurasi\r\nyang didapatkan pada penelitian ini mencapai 95%.\r\nKemudian, pada matriks performa, didapatkan nilai precision\r\nsebesar 96%, recall sebesar 95%, dan F-1 score sebesar 95%."^^ . "2023-01-02" . . . . "UIN SUNAN KALIJAGA YOGYAKARTA"^^ . . . "FAKULTAS SAINS DAN TEKNOLOGI, UIN SUNAN KALIJAGA YOGYAKARTA"^^ . . . . . . . . . "NIM.: 20206051006"^^ . "Diniati Ruaika"^^ . "NIM.: 20206051006 Diniati Ruaika"^^ . . . . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Text)"^^ . . . . . "20206051006_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf"^^ . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Text)"^^ . . . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Other)"^^ . . . . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Other)"^^ . . . . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Other)"^^ . . . . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Other)"^^ . . . . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Other)"^^ . . . . . . "lightbox.jpg"^^ . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Other)"^^ . . . . . . "preview.jpg"^^ . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Other)"^^ . . . . . . "medium.jpg"^^ . . . "OPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA) (Other)"^^ . . . . . . "small.jpg"^^ . . "HTML Summary of #56299 \n\nOPTIMASI ARSITEKTUR RESNET50 DENGAN DATA AUGMENTATION DAN ENSEMBLE DEEP LEARNING PADA KLASIFIKASI SPESIES KUPU-KUPU (LEPIDOPTERA)\n\n" . "text/html" . . . "Tehnik Informatika"@en . .