KLASIFIKASI SPESIES LEBAH MADU TANPA SENGAT MENGGUNAKAN MODEL DEEP LEARNING INCEPTION-RESNETV2 DI LEMBAH SUHITA

ALFI, JULIAN AZHARI (2026) KLASIFIKASI SPESIES LEBAH MADU TANPA SENGAT MENGGUNAKAN MODEL DEEP LEARNING INCEPTION-RESNETV2 DI LEMBAH SUHITA. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF Abstrak.pdf Download (149Kb) | Preview
	File PDF Skripsi (Full).pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF Skripsi (Tanpa Pembahasan).pdf Download (1771Kb) | Preview

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

Lebah madu tanpa sengat (Meliponinae) berperan penting sebagai penyerbuk dalam menjaga keseimbangan ekosistem dan produktivitas pertanian, tetapi identifikasi spesies masih sulit dilakukan karena ukuran tubuh kecil dan kemiripan morfologi antarspesies. Penelitian ini bertujuan mengembangkan sistem klasifikasi spesies berbasis citra menggunakan arsitektur deep learning Inception-ResNetV2. Dataset terdiri atas 1.280 citra dari empat spesies lebah tanpa sengat, yaitu Heterotrigona itama, Tetrigona apicalis, Tetrigona binghami, dan Tetrigona vidua, yang diperoleh melalui pengambilan gambar langsung di Lembah Suhita. Model dikembangkan menggunakan pendekatan OSEMN dengan transfer learning melalui feature extraction, fine tuning, dan augmentasi citra. Model yang dihasilkan memperoleh akurasi sebesar 97,92% pada hasil pelatihan dan 92,5% pada pengujian. Model kemudian diimplementasikan dalam aplikasi berbasis web dengan mekanisme energy based untuk mengidentifikasi spesies sekaligus menolak citra yang tidak dikenali sistem. Pengujian implementasi model menunjukkan tingkat ketepatan hasil klasifikasi sebesar 70%. Kata kunci: Lebah Madu Tanpa Sengat, Klasifikasi Citra, Deep Learning, Inception-ResNetV2, Transfer Learning

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Informatika
Pengguna Deposit:	2605909747 Digilib
Date Deposited:	24 Jun 2026 03:40
Terakhir diubah:	24 Jun 2026 03:40
URI:	http://digilib.unila.ac.id/id/eprint/101325

Actions (login required)

Lihat Karya Akhir