<![CDATA[Peningkatan pencemaran sungai menjadi isu lingkungan yang semakin mendesak untuk ditangani melalui metode pemantauan yang efisien. Namun, pemantauan manual terhadap kualitas sungai masih memiliki keterbatasan dari segi waktu dan sumber daya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kondisi sungai menggunakan citra visual dengan pendekatan deep learning berbasis transfer learning. Dua arsitektur Convolutional Neural Network (CNN), yaitu Xception dan InceptionV3, digunakan sebagai model utama dengan teknik fine-tuning agar dapat membedakan antara sungai bersih dan sungai tercemar. Dataset citra diperoleh melalui metode web scraping dari berbagai sumber daring, kemudian diproses melalui tahapan resize, augmentasi, dan normalisasi. Hasil eksperimen menunjukkan bahwa kedua model mencapai akurasi pengujian sebesar 85%. Model Xception memiliki keunggulan dalam precision sebesar 90% dan F1-score 86% pada kelas sungai tercemar, meskipun menghasilkan beberapa false negative. Sementara itu, model InceptionV3 menunjukkan performa yang lebih seimbang dengan nilai precision, recall, dan F1-score sebesar 0,86. Temuan ini menunjukkan bahwa kedua model mampu mengklasifikasikan kondisi sungai secara cukup akurat dan dapat menjadi solusi alternatif dalam pemantauan kualitas lingkungan perairan secara otomatis]]>
Copyrights © 2025
