Identifikasi Ngengat menggunakan Metode Convolutional Neural Network

Abstract

Ngengat merupakan salah satu jenis serangga dari Ordo Lepidoptera yang populasinya sebesar 90% dari Ordo Lepidoptera di dunia. Ngengat berfungsi sebagai indikator kondisi lingkungan yang terkait dengan fenomena degradasi lingkungan, ngengat juga dapat digunakan sebagai objek untuk penelitian konservasi keanekaragaman hayati, evolusi, etologi dan genetika karena sifat taksonominya yang mapan dan mudah dikenali. Penelitian ini bertujuan untuk mengidentifikasi spesies ngengat menggunakan metode Convolutional Neural Network dengan arsitektur VGG-16 dan optimizer Adam. Dataset yang digunakan terbagi atas 7183 data train, 250 data test, dan 250 data valid. Kemudian dilakukan augmentasi pada objek dataset yang dibagi menjadi 400.400 data train, 85.800 data test, dan 85.800 data valid. Pada penelitian ini metode CNN dengan arsitektur VGG-16 dan Optimizer Adam serta dataset yang telah diaugmentasi berhasil meingidentifikasi ngengat dan menghasilkan tingkat akurasi sebesar 95%.