Jurnal Pustaka Robot Sister
Vol 2 No 1 (2024): Jurnal Pustaka Robot Sister (Pusat Akses Kajian Robotika, Sistem Tertanam, dan Si

Implementasi Arsitektur CNN Inception V3 untuk Identifikasi Spesies Burung Endemik di Indonesia

Kahfi Zairan Maulana (Universitas Bengku)
Agus Susanto (Universitas Bengkulu)

Article Info

Publish Date
22 Jan 2024

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.

Copyrights © 2024




Citation Download
RIS
EndNote, Reference Manager, ProCite
BibTex
Latex, Jabref
Original Source
Download Original
Google Scholar
Check in Google Scholar
Journal Info
Jurnal Pustaka Robot Sister
Website

Abbrev

robotsister

Publisher

Pustaka Galeri Mandiri

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mathematics Mechanical Engineering

Description

Sistem Informasi berbasis Web, Aplikasi Mobile, Sistem Komputer, Jaringan Komputer, Embedded Sistem, Internet of Things (IoT) , Sistem Otomatisasi, Desain Kontrol, ...