IMPLEMENTASI MODEL KLASIFIKASI SPESIES STINGLESS BEE MENGGUNAKAN MODEL CNN MOBILENETV2 DAN EFFICIENTNETB0 (STUDI KASUS: DATA CITRA LEBAH MADU DI LEMBAH SUHITA)

ANNISA ZHAFIRAH, . (2025) IMPLEMENTASI MODEL KLASIFIKASI SPESIES STINGLESS BEE MENGGUNAKAN MODEL CNN MOBILENETV2 DAN EFFICIENTNETB0 (STUDI KASUS: DATA CITRA LEBAH MADU DI LEMBAH SUHITA). FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF (PDF) ABSTRAK - Annisa Zhafirah.pdf Download (230Kb) | Preview
	File PDF (PDF) FULL BAB - Annisa Zhafirah.pdf Restricted to Hanya staf Download (2880Kb) | Minta salinan
Preview	File PDF (PDF) FULL BAB TANPA PEMBAHASAN - Annisa Zhafirah.pdf Download (1419Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Lebah madu tanpa sengat (stingless) memiliki potensi yang unggul dibanding lebah sengat pada umumnya dalam perannya sebagai penghasil produk-produk lebah seperti madu, selain itu peranan lebah secara umum sangat penting dalam keberlanjutan ekosistem. Namun, upaya dalam pelestariannya masih tergolong minim, disisi lain tantangan lain yang dihadapi salah satunya masih kurangnya pengetahuan masyarakat dalam identifikasi spesies lebah stingless karena visual morfologi lebah yang beragam dan hampir serupa. Maka dari itu, penelitian ini bertujuan membuat sebuah model klasifikasi citra dari empat jenis (spesies) lebah stingless menggunakan metode deep learning yaitu Convolutional Neural Network (CNN). Data yang digunakan berjumlah 800 data yang diambil langsung di Lembah Suhita. Arsitektur CNN diterapkan dengan proses transfer learning pada pretrained model MobileNetV2 dan EfficientNetB0. Hasil penelitian menunjukkan akurasi terbaik pada model MobileNetV2 mencapai dua kali lipat akurasi dibanding model EfficientNetB0, dengan akurasi tertinggi sebesar 91% setelah proses fine tuning. Kata kunci: Lebah Tanpa Sengat, Convolutional Neural Network (CNN), Klasifikasi, Transfer Learning, Fine Tuning. Stingless bees have superior potential compared to common stinging bees in their role as producers of bee products, such as honey. Furthermore, the general role of bees is crucial for ecosystem sustainability. However, conservation efforts for these bees remain limited. Another challenge is the lack of public knowledge in identifying stingless bee species due to their diverse and visually similar morphology. Therefore, this research aims to build an image classification model for four species of stingless bees using a Convolutional Neural Network (CNN). The dataset used consists of 800 images collected directly at Lembah Suhita. The CNN architecture was implemented using a transfer learning approach on the pre- trained MobileNetV2 and EfficientNetB0 models. The results showed that the best- performing model, MobileNetV2, achieved twice the accuracy of the EfficientNetB0 model, reaching a peak accuracy of 91% after a fine-tuning. Keywords: Stingless Bee, Convolutional Neural Network (CNN), Classification, Transfer Learning, Fine Tuning.

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Elektro
Pengguna Deposit:	UPT . Ery Elyasari
Date Deposited:	14 Jan 2026 02:40
Terakhir diubah:	14 Jan 2026 02:40
URI:	http://digilib.unila.ac.id/id/eprint/94755

Actions (login required)

Lihat Karya Akhir