IMPLEMENTASI DEEP LEARNING MENGGUNAKAN MODEL DENSENET121 DAN YOLOV9 UNTUK KLASIFIKASI SPESIES LEBAH TANPA SENGAT DI LEMBAH SUHITA BANDAR LAMPUNG

Leo Fetri , Hendli (2026) IMPLEMENTASI DEEP LEARNING MENGGUNAKAN MODEL DENSENET121 DAN YOLOV9 UNTUK KLASIFIKASI SPESIES LEBAH TANPA SENGAT DI LEMBAH SUHITA BANDAR LAMPUNG. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (212Kb) | Preview
	File PDF FILE SKRIPSI FULL.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF FILE SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (4Mb) | Preview

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

Identifikasi spesies lebah tanpa sengat secara manual masih bergantung pada keahlian khusus dan berpotensi menimbulkan kesalahan. Penelitian ini merancang sistem klasifikasi spesies lebah tanpa sengat di kawasan Lembah Suhita, Bandar Lampung. Sistem yang dirancang menggunakan arsitektur DenseNet121 dan YOLOv9 pada 1.470 citra yang terbagi ke dalam 7 kelas. Pengujian dilakukan pada ukuran input 224×224 dan 640×640 dengan teknik augmentasi yang sama, yaitu flipping, perubahan kecerahan, dan random cropping. Pada penelitian ini, DenseNet121 diterapkan menggunakan pendekatan hybrid prediction berbasis embedding dan indeks DLS, sedangkan YOLOv9 menggunakan data beranotasi bounding box. Pengembangan model dimulai dari melakukan pengumpulan data citra di Lembah Suhita, dilanjutkan dengan pra pemrosesan citra, pelatihan model, dan evaluasi model. Hasil menunjukkan bahwa model DenseNet121 dengan input 224×224 memberikan performa terbaik dengan akurasi (94,29%), DenseNet121 dengan input 640×640 menghasilkan akurasi (92,14%), YOLOv9 dengan input 640x640 menghasilkan akurasi (89%) dan YOLOv9 dengan input 224×224 menghasilkan akurasi (93%).

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 003 Sistem-sistem 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Informatika
Pengguna Deposit:	2602171839 Digilib
Date Deposited:	22 Apr 2026 05:56
Terakhir diubah:	22 Apr 2026 05:56
URI:	http://digilib.unila.ac.id/id/eprint/98459

Actions (login required)

Lihat Karya Akhir