View/Open

Author
Lasma, Keren Joice Marbun

Date Published
22 Sep 2026

Advisor
Rudi Setiawan, S.T., M.T.,
Rafli Filano, S.Si., M.T.,
I Gde Eka Dirgayussa, M.Si.,

Subject
Teknik Biomedis

Publisher

Penyakit tular vektor seperti dengue, malaria, dan filariasis memerlukan identifikasi nyamuk yang tepat. Pada penelitian ini dikembangkan sistem klasifikasi genus Aedes, Anopheles, dan Culex menggunakan few-shot learning berbasis prototypical network dengan ResNet-50. Pengujian dilakukan pada dataset 20, 40, 60, 80, dan 100 citra per kelas menggunakan grid search dan 5-fold cross validation. Konfigurasi terbaik diperoleh pada 100 citra per kelas, dengan K = 6, Q = 3, dan learning rate = 1×10⁻⁵, menghasilkan akurasi cross-validation sembilan puluh enam persen dan akurasi pengujian delapan puluh empat koma empat puluh empat persen. Sistem klasifikasi yang dikembangkan diduga dapat diimplementasikan dalam bentuk Graphical User Interface (GUI) yang menyediakan fitur unggah dan pratinjau citra, eksekusi klasifikasi, serta menampilkan hasil klasifikasi dan confidence score.

URI
https://repository.itera.ac.id/depan/submission/SB2609220088

Keyword
Few-shot learning GUI Klasifikasi Nyamuk Prototypical Network ResNet-50