STMIK AMIKBANDUNGSTMIK AMIKBANDUNG

Journal of Information TechnologyJournal of Information Technology

Terumbu Karang memiliki peran penting dalam menjaga keseimbangan ekosistem di lautan. Penelitian ini bertujuan untuk membangun aplikasi mobile untuk melacak keberadaan terumbu karang serta melakukan klasifikasi untuk mengidentifikasi terumbu karang dengan penyajian informasi berupa nama spesies, jenis klasifikasi karang (karang keras atau lunak), akurasi, dan sebaran area keberadaan terumbu karang. Untuk pencapaian tujuan tersebut, terdapat 2 (dua) fokus utama dalam penelitian ini yaitu pembangun aplikasi mobile dengan framework Scrum serta mengimplementasikan Transfer Learning (TL) ResNet-50 pada aplikasi mobile untuk mendukung fitur yang terdapat pada aplikasi. Penelitian ini, memanfaatkan Flutter untuk membangun aplikasi mobile, Deep Learning of Transfer Learning (TL) ResNet-50 digunakan untuk klasifikasi, Google Cloud Platform untuk menerapkan Rest API dan menerapkan model TL ResNet-50 telah dibuat sebelumnya, serta database MongoDB untuk menyimpan data terumbu karang beserta daerah terumbu karang ditemukan. Adapun spesies terumbu karang yang dapat diklasifikasikan untuk diidentifikasi ada 5 (lima) jenis yaitu Acropora Clathrata, Acropora Florida, Cyphastrea Microphthalma, Diploastrea Heliopora, dan Pachyseris Speciosa. Total dataset Terumbu Karang memiliki 2197 gambar dan dilatih dengan TL ResNet-50 dan menghasilkan akurasi 0,9594 atau 96% untuk klasifikasi Terumbu Karang. Pemanfaatan Scrum framework pada penelitiaan ini, membantu untuk menghasilkan produk berupa aplikasi mobile dalam waktu singkat serta membantu dalam pengelolaan proses pengembangan aplikasi.

Pengembangan aplikasi mobile pelacak dan pengklasifikasi terumbu karang, menggunakan Flutter, Google Cloud Platform, Rest API, dan model TL ResNet-50 dengan metodologi Scrum, berhasil menghasilkan produk dalam waktu singkat melalui proses pengembangan yang terkelola dengan baik.Model TL ResNet-50 yang diimplementasikan menunjukkan akurasi tinggi sebesar 0,9594 (96%) dalam mengidentifikasi terumbu karang, yang sangat mendukung fitur klasifikasi pada aplikasi.Ke depannya, aplikasi ini diharapkan dapat dikembangkan lebih lanjut sesuai dengan kebutuhan bisnis atau fungsional sistem, termasuk kemungkinan implementasi arsitektur sistem untuk penggunaan di bawah air.

Saran penelitian lanjutan dapat berfokus pada beberapa area untuk mengembangkan potensi aplikasi pelacak dan pengklasifikasi terumbu karang ini. Pertama, perlu diselidiki bagaimana aplikasi dapat ditingkatkan untuk mengenali jauh lebih banyak spesies terumbu karang, tidak hanya lima jenis yang ada saat ini, tetapi juga mencakup identifikasi kondisi kesehatan karang seperti pemutihan atau tanda-tanda penyakit. Ini akan membutuhkan pengembangan arsitektur pembelajaran mendalam yang lebih kompleks dan kumpulan data yang lebih besar serta bervariasi. Kedua, penelitian selanjutnya dapat mengeksplorasi pengembangan sistem yang memungkinkan pelacakan dan klasifikasi terumbu karang secara real-time langsung di bawah air. Tantangan dalam skenario ini termasuk mengatasi kondisi pencahayaan yang berubah-ubah, kejernihan air yang berbeda, kebutuhan akan perangkat keras yang tahan air, serta optimasi algoritma untuk pemrosesan data secara cepat di perangkat keras dengan sumber daya terbatas (edge computing). Ketiga, penting untuk meneliti metode yang efektif untuk memanfaatkan data yang dikumpulkan dari kontribusi banyak pengguna awam (crowdsourcing) untuk terus menerus meningkatkan akurasi dan cakupan model klasifikasi. Hal ini melibatkan pengembangan mekanisme validasi data yang andal, sistem insentif bagi pengguna, serta strategi untuk memastikan kualitas dan keanekaragaman data masukan dari komunitas, sehingga aplikasi dapat belajar dan berkembang secara organik dengan bantuan seluruh masyarakat.

Read online
File size410.55 KB
Pages6
DMCAReport

Related /

ads-block-test