@misc{eprints66216,
           month = {Agustus},
           title = {Perbandingan Kinerja Deep Learning Alexnet dan Efficientnet dengan Augmentasi Data untuk Identifikasi Kupu-Kupu},
          author = {1817051004 Atika Istiqomah},
         address = {Universitas Lampung},
       publisher = {Fakultas Matematika dan Ilmu Pengetahuan Alam},
            year = {2022},
             url = {http://digilib.unila.ac.id/66216/},
        abstract = {Kupu-kupu merupakan makhluk hidup yang berpengaruh dalam ekosistem. Hewan ini membantu dalam proses penyerbukan pada tanaman, serta dapat menjaga keseimbangan ekosistem sekitar. Identifikasi terhadap kupu-kupu diperlukan untuk membantu orang awam atau pengunjung taman kupu-kupu, dalam menambah pengetahuannya terkait macam-macam kupu-kupu. Proses identifikasi dimudahkan dengan adanya teknologi deep learning, serta munculnya algoritma Convolutional Neural Network (CNN) dan beragam arsitektur yang dibentuk oleh algoritma tersebut. Arsitektur AlexNet dan EfficientNet digunakan untuk membantu proses klasifikasi kelas kupu-kupu. Kedua arsitektur digunakan, karena dianggap sebagai arsitektur yang mudah diimplementasikan serta mudah untuk dilakukan perubahan, tetapi dapat menghasilkan akurasi yang baik pada beberapa penelitian terdahulu. Penelitian dilakukan menggunakan 800 gambar kupu-kupu dengan 8 kelas, masing-masing kelas terdiri dari 100 gambar. Percobaan menggunakan 2 macam mesin, yaitu google colab (online) dan komputer dengan GPU NVIDIA Tesla K20 (offline). Hasil yang diberikan ialah, perbandingan kedua arsitektur pada masing-masing mesin. Hasil percobaan menggunakan google colab menghasilkan akurasi terbesar pada arsitektur EfficientNet, yaitu sebesar 99.69\% dengan augmentasi flip vertical. Percobaan menggunakan mesin tesla didapatkan akurasi terbesar pada kedua arsitektur, yaitu sebesar 99.37\% dengan augmentasi flip horizontal.}
}