Informasi Mengenai Proyek Skripsi
Aplikasi web ini dikembangkan sebagai bagian dari penelitian skripsi berjudul "Klasifikasi Spesies Kumbang Coccinellidae Berbasis Citra Foto Menggunakan Arsitektur EfficientNetV2." Penelitian ini bertujuan untuk mengklasifikasikan sepuluh spesies kumbang Coccinellidae secara otomatis berdasarkan citra foto menggunakan pendekatan deep learning berbasis arsitektur EfficientNetV2. Sistem ini dirancang untuk membantu proses identifikasi spesies secara cepat, akurat, dan mudah digunakan melalui antarmuka berbasis web.
| Judul Penelitian | Klasifikasi Spesies Kumbang Coccinellidae Berbasis Citra Foto Menggunakan Arsitektur EfficientNetV2 |
|---|---|
| Peneliti | Riolan Pratama |
| Dosen Pembimbing |
Ernawati, S.T., M.Cs. Prof. Agustin Zarkani, S.P., M.Si., Ph.D. |
| Program Studi | Teknik Informatika |
| Arsitektur Deep Learning | EfficientNetV2 |
| Tahun Penelitian | 2026 |
| Jumlah Spesies | 10 |
|---|---|
| Jumlah Citra per Spesies | 250 |
| Total Citra | 2,500 |
| Resolusi Citra | 512 × 512 pixels |
| Sumber Dataset | iNaturalist (citra foto) dengan tambahan citra sketsa hasil gambar tangan |
| Jenis Citra | Citra Foto dan Gambar Sketsa |
| Arsitektur Deep Learning | EfficientNetV2 |
|---|---|
| Framework | TensorFlow / Keras |
| Transfer Learning | Ya |
| Fine-Tuning | Ya |
| Ukuran Citra Masukan | 512 × 512 pixels |
| Hasil Prediksi | Nama Spesies dan Nilai Kepercayaan |
| Python | Bahasa pemrograman utama |
|---|---|
| Flask | Framework aplikasi web |
| HTML5 | Struktur halaman web |
| CSS3 | Tampilan dan tata letak responsif |
| Bootstrap 5 | Antarmuka pengguna yang responsif |
| JavaScript | Fungsionalitas interaktif pada sisi klien |
| TensorFlow / Keras | Framework deep learning |
| EfficientNetV2 | Arsitektur CNN untuk klasifikasi citra |
| NumPy | Komputasi numerik |
| Pillow (PIL) | Pemrosesan citra |
Penelitian ini dilaksanakan sebagai bagian dari penyusunan skripsi pada Program Studi Teknik Informatika. Penulis mengucapkan terima kasih yang sebesar-besarnya kepada dosen pembimbing atas arahan, bimbingan, serta dukungan yang diberikan selama proses penelitian. Penulis juga menyampaikan apresiasi kepada seluruh pihak yang telah membantu, baik secara langsung maupun tidak langsung, sehingga penelitian dan pengembangan sistem klasifikasi berbasis web ini dapat diselesaikan dengan baik.