Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pustaka Robot Sister
Kahfi Zairan Maulana
Universitas Bengku
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mathematics Mechanical Engineering

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

Found 1 Documents
Search
Journal : Jurnal Pustaka Robot Sister

 1 
Implementasi Arsitektur CNN Inception V3 untuk Identifikasi Spesies Burung Endemik di Indonesia Kahfi Zairan Maulana; Agus Susanto
Jurnal Pustaka Robot Sister (Jurnal Pusat Akses Kajian Robotika, Sistem Tertanam, dan Sistem Terdistribusi) Vol 2 No 1 (2024): Jurnal Pustaka Robot Sister (Pusat Akses Kajian Robotika, Sistem Tertanam, dan Si
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakarobotsister.v2i1.775

Abstract

Konservasi burung endemik di Indonesia menjadi prioritas mengingat Indonesia adalah habitat bagi banyak spesies burung yang tidak ditemukan di tempat lain. Penelitian ini menerapkan arsitektur Convolutional Neural Network (CNN) Inception V3 untuk mengidentifikasi spesies burung endemik Indonesia. Data yang digunakan berasal dari situs Kaggle, mencakup 4.390 gambar dari 10 spesies burung. Penelitian ini menggunakan teknik transfer learning untuk melatih model dengan dataset spesifik yang terbatas. Setelah melalui proses fine-tuning, model diuji menggunakan delapan set data uji yang berbeda. Hasilnya menunjukkan bahwa model mampu mencapai akurasi klasifikasi sebesar 96%, yang ditunjukkan melalui confusion matrix dan laporan klasifikasi. Ini menunjukkan bahwa model Inception V3 efektif dalam identifikasi spesies burung endemik dan dapat berkontribusi pada upaya konservasi.
Co-Authors Agus Susanto