Pengembangan Model Deep Learning Berbasis Swin-Transformer untuk Klasifikasi Multi-Label Kesehatan Terumbu Karang

Abstract

Indonesia memiliki ekosistem terumbu karang yang sangat luas dan beragam, menjadikannya salah satu pusat biodiversitas laut terbesar di dunia. Namun, kondisi ekosistem ini semakin terancam oleh perubahan iklim, polusi, dan aktivitas manusia yang merusak. Upaya pemantauan dan pelestarian terumbu karang konvensional umumnya dilakukan secara manual, yang memerlukan biaya dan waktu yang besar dengan cakupan yang terbatas. Oleh karena itu, dibutuhkan teknologi yang lebih efektif dan efisien untuk mengatasi tantangan ini. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis Swin-Transformer guna mengklasifikasikan kondisi kesehatan terumbu karang secara multi-label. Swin-Transformer dipilih karena kemampuannya dalam menangkap informasi spasial dan taksonomi pada berbagai skala, yang penting dalam memahami kompleksitas kondisi terumbu karang. Model ini diharapkan mampu mengklasifikasikan berbagai kondisi kesehatan terumbu karang, seperti sehat, rusak, mati, dan kondisi stres lainnya, dengan akurasi yang lebih tinggi dibandingkan pendekatan machine learning tradisional.