<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="4898">
 <titleInfo>
  <title>Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Endang Ripamdi-16130008</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>Asti Herliana, S. Kom., M. Kom</namePart>
  <role>
   <roleTerm type="text">Editor</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text"></placeTerm>
   <publisher>UNIVERSITAS BSI BANDUNG</publisher>
   <dateIssued>2017-2018</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Endang Ripandi (16130008), Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection&#13;
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%.&#13;
&#13;
Kata kunci : Jenis Populasi Tumbuhan Hutan, Support Vector Machine (SVM), Multy Layer Perceptron (MLP), Optimasi Fitur, Deep Learning, Optimize Selection</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>Sistem Informasi</topic>
 </subject>
 <subject authority="">
  <topic>Jenis Populasi Tumbuhan Hutan</topic>
 </subject>
 <subject authority="">
  <topic>Support Vector Machine (SVM)</topic>
 </subject>
 <subject authority="">
  <topic>Multy Layer Perceptron (MLP)</topic>
 </subject>
 <subject authority="">
  <topic>Optimasi Fitur</topic>
 </subject>
 <subject authority="">
  <topic>Deep Learning</topic>
 </subject>
 <subject authority="">
  <topic>Optimize Selection</topic>
 </subject>
 <classification>012/S1.SI.SKP/2017-2018</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Digital Library ARS University Perpustakan Online ARS University</physicalLocation>
  <shelfLocator>012/S1.SI.SKP/2017-2018</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">S01032K</numerationAndChronology>
    <sublocation>Perpustakaan</sublocation>
    <shelfLocator>012/S1.SI.SKP/2017-2018</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals>
  <slims:digital_item id="9991" url="" path="/400d116880e1e12b9656edef24e7970e.doc" mimetype="application/msword">ABSTRAK</slims:digital_item>
  <slims:digital_item id="9992" url="" path="/30e4be28329bb6bd1424d7e31b2da280.doc" mimetype="application/msword">BAB 1</slims:digital_item>
  <slims:digital_item id="10006" url="" path="/9ff1bdc734577abe8adccf9d01955bba.doc" mimetype="application/msword">BAB 5</slims:digital_item>
  <slims:digital_item id="10008" url="" path="/72c41f52ca8957e55c2f24aa63d0545b.doc" mimetype="application/msword">DAFTAR PUSTAKA</slims:digital_item>
  <slims:digital_item id="10009" url="" path="/edd95aea26346d4cf5eb5c0428ce7288.pdf" mimetype="application/pdf">JURNAL</slims:digital_item>
 </slims:digitals>
 <slims:image>cover.PNG.PNG</slims:image>
 <recordInfo>
  <recordIdentifier>4898</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2019-07-31 10:45:06</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2020-02-11 14:41:07</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>