IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI CITRA GUNUNG MERAPI

ALAMIN, DUTA (2024) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI CITRA GUNUNG MERAPI. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (10kB)
	Text COVER.pdf Download (132kB)
	Text DAFTAR ISI.pdf Download (37kB)
	Text DAFTAR PUSTAKA.pdf Download (126kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (178kB)
	Text PENGESAHAN PENGUJI.pdf Download (103kB)
	Text SKRIPSI FULL_DUTA ALAMIN_123190156.pdf Restricted to Repository staff only Download (1MB)

Abstract

Gunung Merapi menjadi salah satu gunung berapi yang paling aktif berdasarkan
seringnya terjadi erupsi dalam rentang waktu 2-7 tahun sekali. Dampak yang ditimbulkan
dari erupsi ini dapat merugikan bagi manusia, untuk itu diperlukan pemantauan aktivitas
Gunung Merapi. Salah satunya secara visual (Penglihatan). Pemantauan aktivitas Gunung
Merapi dilakukan oleh Balai Penyelidikan dan Pengembangan Teknologi Kebencanaan
(BPPTKG). BPPTKG melakukan pencatatan aktivitas Gunung Merapi seperti data visual.
Data visual memuat informasi tentang aktivitas Gunung Merapi dalam bentuk citra yang
ditangkap menggunakan kamera DSLR. Dari semua citra Gunung Merapi yang diperoleh
ternyata tidak semuanya dapat menangkap objek Gunung Merapi secara jelas. Terdapat
banyak citra di mana objek Gunung Merapi tidak tampak secara jelas karena terhalang oleh
awan atau kabut. Data visual yang tidak layak tersebut perlu dihapus agar tidak memenuhi
media penyimpanan data pada server BPPTKG. Oleh karena itu, diperlukannya sistem untuk
mengklasifikasi citra Gunung Merapi secara otomatis guna memilah citra secara tepat.
Pada penelitian ini dilakukan klasifikasi citra Gunung Merapi menggunakan metode
Convolutional Neural Network (CNN) arsitektur VGG16. Dataset yang digunakan
merupakan data sekunder yang diperoleh dari Balai Penyelidikan dan Pengembangan
Teknologi Kebencanaan Geologi (BPPTKG). Data yang digunakan dalam penelitian ini
sebanyak 1167 citra dengan enam kelas yaitu Siang Tampak, Siang Sebagian Terlihat, Siang
Tertutup, Malam Tampak, Malam Sebagian Terlihat, dan Malam Tertutup. Penelitian ini
melakukan pengujian berupa hyperparameter epoch 10, 20, 30, 40 dan 50 dengan optimizer
Adam, RMSprop, dan SGD.
Berdasarkan pengujian yang telah dilakukan dengan menerapkan metode CNN
arsitektur VGG16 serta melakukan kombinasi pengujian hyperparameter epoch dengan
optimizer Adam, RMSprop, dan SGD pada klasifikasi citra Gunung Merapi. Didapatkan
kombinasi hyperparameter dan optimizer optimal yaitu kombinasi hyperparameter epoch 50
dengan Optimizer Adam yang menghasilkan nilai akurasi pada data test sebesar 99.15%.
Kata Kunci : Klasifikasi, Convolutional Neural Network, VGG16, Gunung Merapi

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, Convolutional Neural Network, VGG16, Gunung Merapi
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	07 May 2024 04:00
Last Modified:	07 May 2024 04:02
URI:	http://eprints.upnyk.ac.id/id/eprint/39402

Actions (login required)

View Item