Klasifikasi Spesies Mangrove Berbasis Citra Menggunakan Convolutional Neural Network dengan Transfer Learning VGG16

Abstract

Klasifikasi spesies mangrove merupakan tahapan penting dalam mendukung pengelolaan ekosistem pesisir, namun proses identifikasi manual masih menghadapi keterbatasan akurasi, waktu, dan ketergantungan pada keahlian pengamat. Penelitian ini mengusulkan model klasifikasi citra mangrove menggunakan pendekatan transfer learning berbasis arsitektur Convolutional Neural Network VGG16 untuk mengidentifikasi tiga spesies, yaitu Avicennia alba, Rhizophora apiculata, dan Sonneratia alba. Dataset dibagi menjadi data latih, validasi, dan uji dengan rasio 80:10:10 serta dilakukan augmentasi intensif guna meningkatkan keragaman data dan kemampuan generalisasi model. Proses pelatihan menggunakan optimizer Adam, fungsi kerugian categorical cross-entropy, serta mekanisme Early Stopping dan Reduce Learning Rate on Plateau. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi 90% dengan performa terbaik pada kelas Rhizophora apiculata dan Sonneratia alba, sedangkan kesalahan utama terjadi pada kelas Avicennia alba. Temuan ini menunjukkan bahwa pendekatan transfer learning berbasis VGG16 efektif untuk klasifikasi spesies mangrove meskipun dengan jumlah data yang terbatas dan berpotensi dikembangkan lebih lanjut untuk aplikasi monitoring ekosistem secara otomatis.