Fakultas Teknologi Informasi

Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection

Penulis
Dosen:
  1. RIZKI TRI PRASETIO
Eksternal:
  1. Endang Ripand
Tanggal Terbit
01 April 2019
Kategori
Jurnal Nasional Terakreditasi [SINTA 4]
Penerbit
Jurnal Informatika
Kota / Negara
Jakarta / Indonesia
Volume
Vol.6 No.1
Halaman
100-106
ISSN
2355-6579
E-ISSN
2528-2247
URL
https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/5176
Abstrak
Hutan adalah paru-paru dunia, maka menjaga kelestarian hutan merupakan suatu keharusan. Menurut WWF (2015) bahwa lebih dari 170 hektar hutan di seluruh dunia akan menghilang secara pesat hingga tahun 2030 mendatang. Brian Johnson, Ryutaro Tateishi, dan Zhixiao Xie (2010) melakukan penelitian untuk mengklasifikasikan jenis populasi tumbuhan hutan pada hutan Ibraki, Jepang. Algoritma SVM (Support Vector Machine) dan MLP (Multy Layer Perceptron) diterapkan untuk mengklasifikasikan jenis populasi tumbuhan hutan di hutan Ibraki dengan hasil akurasi 85.9%. Hasil Penelitian Brian Johnson dkk, diberi nama Forest Type Mapping Datasets. Hasil akurasi yang diperoleh dari penerapan algoritma SVM dan MLP masih belum mencapai hasil akurasi yang optimal dan masih mungkin untuk ditingkatkan. Untuk dapat meningkatkan hasil akurasi yang optimal terhadap klasifikasi jenis populasi tumbuhan hutan pada Forest Type Mapping Datasets, maka pada penelitian ini diusulkan untuk menerapkan algoritma optimasi fitur Optimize Selection pada algoritma Deep Learning. Hasil penelitian menunjukan bahwa metode yang diusulkan membuat peningkatan akurasi yang signifikan. Nilai akurasi klasifikasi pada jenis populasi tumbuhan hutan yang dihasilkan algoritma Deep Learning dengan optimasi fitur Optimize Selection berhasil meningkat menjadi 96.46%.