DETEKSI KUALITAS KEBERSIHAN PANTAI MENGGUNAKAN SEGMENTASI SEMANTIK CITRA BERBASIS U-NET 3+

Zidane Denino Putra Prayitno, . (2025) DETEKSI KUALITAS KEBERSIHAN PANTAI MENGGUNAKAN SEGMENTASI SEMANTIK CITRA BERBASIS U-NET 3+. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123210104.pdf Download (113kB)
	Text 2_Abstrak_123210104.pdf Download (178kB)
	Text 3_Halaman Pengesahan_123210104.pdf Download (543kB)
	Text 4_Daftar Isi_123210104.pdf Download (185kB)
	Text 5_Daftar Pustaka_123210104.pdf Download (154kB)
	Text 6_Skripsi Full_123210104.pdf Restricted to Repository staff only Download (3MB)

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi kualitas kebersihan pantai menggunakan pendekatan segmentasi semantik citra berbasis arsitektur U-Net 3+. Kualitas kebersihan pantai merupakan isu krusial yang berdampak pada lingkungan dan sektor pariwisata, di mana metode pemantauan manual saat ini bersifat subjektif dan tidak efisien. Untuk mengatasi hal ini, sebuah model deep learning dikembangkan menggunakan dataset primer yang terdiri dari 1.604 citra pantai. Dataset ini dianotasi secara manual ke dalam empat kelas segmentasi: "Background", "Trash" (Sampah), "Non-Trash" (Non-Sampah), dan "Human" (Manusia). Model U-Net 3+ dilatih menggunakan kombinasi loss functions (Cross-Entropy, Dice, dan Focal Loss) untuk meningkatkan akurasi segmentasi. Evaluasi model terbaik, yang dilatih selama 100 epoch dengan Batch Size 16 dan Learning Rate 0.0005, menunjukkan hasil performa yang tinggi dan stabil. Model ini berhasil mencapai nilai Validation Dice Score sebesar 92.33% , Validation IoU Score 86.02% , serta Validation Precision 92.08% dan Validation Recall 92.59%. Hasil ini membuktikan bahwa model U-Net 3+ mampu membedakan area sampah dan objek lainnya dengan sangat baik. Model yang telah dilatih kemudian berhasil diintegrasikan ke dalam antarmuka MATLAB GUI, yang fungsional untuk menganalisis input video atau citra, serta menampilkan hasil analisis berupa Clean-Coast Index (CCI) dan estimasi luas sampah.
Kata Kunci: Segmentasi Semantik, U-Net 3+, Kebersihan Pantai, Deep Learning, Deteksi Citra

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Zidane Denino Putra Prayitno (Penulis - 123210104) Novrido Charibaldi (Pembimbing)
Uncontrolled Keywords:	Kata Kunci: Segmentasi Semantik, U-Net 3+, Kebersihan Pantai, Deep Learning, Deteksi Citra
Subjek:	G Geography. Anthropology. Recreation > GE Environmental Sciences Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	02 Dec 2025 01:11
Last Modified:	02 Dec 2025 01:11
URI:	http://eprints.upnyk.ac.id/id/eprint/45921

Actions (login required)

View Item