Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal ILKOMNIKA: Journal of Computer Science and Applied Informatics
M. Andre Setiawan
Universitas Pendidikan Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Identifikasi Potensi Lahan Budidaya Udang Di Pesisir Teluk Banten Menggunakan Algoritma CNN M. Andre Setiawan; Ishak Ariawan; Luthfi Anzani
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 4 No 3 (2022): Volume 4, Nomor 3, Desember 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v4i3.514

Abstract

Udang menjadi salah satu komoditas perikanan yang melimpah di Provinsi Banten. Budidaya udang biasa dilakukan petani di area tambak. Kesesuaian lahan menjadi pertimbangan dalam pemilihan tambak udang. Sulitnya dalam identifikasi kesesuaian lahan budidaya udang bagi masyarakat mengakibatkan produksi budidaya udang menurun. Maka dari itu dibutuhkan proses identifikasi lahan berpotensi menjadi tambak udang yang dilakukan menggunakan teknologi. Penelitian ini bertujuan untuk mengidentifikasi lahan yang berpotensi dijadikan lahan budidaya udang di pesisir Teluk Banten. Data terdiri dari peta jenis tanah bersumber dari FAO-UNESCO dan peta administrasi kota Serang bersumber dari Indonesia-Geospasial. Peta diolah sehingga menghasilkan total 160 gambar dengan pembagian 80 untuk data gambar lahan berpotensi dan 80 gambar lahan tidak berpotensi. Model klasifikasi yang digunakan adalah Convolutional Neural Network (CNN) yang terdiri dari convolution layer, pooling layer, flatten layer, dan dense layer. Library tensorflow diterapkan pada model sebagai pendukung eksekusi algoritma dan framework yang membantu dalam perhitungan numerik. Hasil dari model tersebut berdasarkan variasi batch size dan epoch diperoleh accuracy terbesar yaitu 99% dan loss 21% dengan ukuran batch size 8 dan jumlah epoch 30. Performa model menghasilkan nilai accuracy 97,20%, precision 94,63%, dan sensitivity 95,81%. Model dapat dikatakan baik karena tidak terlihat adanya tanda overfitting ataupun underfitting yang dilihat dari grafik loss dan accuracy. Dapat disimpulkan bahwa model klasifikasi lahan budidaya udang di pesisir Teluk Banten dapat digunakan dengan baik dalam identifikasi lahan berpotensi atau tidak berpotensi menjadi lahan budidaya udang.
Co-Authors Ishak Ariawan Luthfi Anzani