| dc.description.abstract | Identifikasi spesies lebah madu (Apis spp.) umumnya menggunakan metode morfologi, morfometrik, dan molekuler tetapi kurang efisien ketika diaplikasikan di lapang. Pendekatan artificial intelligence (AI) belum digunakan sebagai metode identifikasi karena kurangnya dataset untuk Apis spp. di Indonesia. Penelitian ini bertujuan menganalisis model DenseNet dan InceptionV3 untuk identifikasi A. mellifera dan A. cerana serta membandingkan metode AI dengan metode morfometrik dan molekuler melalui studi literatur. Pelatihan model identifikasi dilakukan dengan metode transfer learning dan augmentasi transformasi geometri untuk menyeimbangkan dataset. Model dievaluasi menggunakan analisis akurasi, presisi, sensitivitas, F1-score, dan grafik loss-accuracy. Model DenseNet yang dilatih pada epoch 50 memiliki akurasi sebesar 86% dengan nilai F1-score kedua kelas A. mellifera dan A. cerana yang baik, yaitu 89% dan 79%. Sementara itu, model InceptionV3 menghasilkan akurasi 63% dan hanya mampu memprediksi kelas A. mellifera. Identifikasi dua spesies Apis menggunakan model AI masih perlu dikembangkan untuk meningkatkan akurasi identifikasi. | |
