Universitas Dian Nuswantoro (UDINUS), melalui peserta kegiatan Prabowo, Dwi Puji; Rohman, Muhammad Syaifur; Megantara, Rama Aria; Pergiwati, Dewi; Saraswati, Galuh Wilujeng; Pramunendar, Ricardus Anggi; Shidik, Guruh Fajar; dan Andono, Pulung Nurtantio, melaksanakan kajian mengenai seleksi augmentasi untuk klasifikasi citra terumbu karang bawah air menggunakan Convolutional Neural Networks (CNNs). Kajian ini membahas klasifikasi citra terumbu karang dalam konteks Indonesia yang berada di kawasan segitiga terumbu karang dan memiliki kehidupan laut yang beragam, termasuk terumbu karang yang penting. Sumber menyatakan bahwa terumbu karang menghadapi ancaman perubahan iklim, polusi, dan aktivitas manusia yang membahayakan keanekaragaman hayati serta masyarakat pesisir. Oleh karena itu, pemantauan dan pelestarian disebut penting.
Kajian tersebut mengevaluasi berbagai metode augmentasi citra karena citra terumbu karang bawah air memiliki karakteristik yang unik. Metodologinya menguji berbagai metode augmentasi, parameter epoch, dan parameter CNN pada dataset citra terumbu karang. Lima algoritma optimasi dibandingkan, yaitu Adaptive Inertia Weight Particle Swarm Optimization (AIWPSO), Genetic Algorithm (GA), Grey Wolf Optimizer (GWO), Particle Swarm Optimization (PSO), dan FOX. Akurasi tertinggi yang dilaporkan adalah 95,64% dan dicapai pada epoch ke-10. AIWPSO dan GA menunjukkan rata-rata akurasi tertinggi di antara algoritma yang dibandingkan, masing-masing sebesar 93,44% dan 93,50%. Sumber melaporkan tidak terdapat perbedaan kinerja yang signifikan di antara algoritma tersebut.
Analisis statistik menggunakan uji Wilcoxon menunjukkan adanya perbedaan signifikan antara akurasi pelatihan dan validasi, dengan nilai p sebesar 0,0020. Temuan tersebut menekankan pentingnya memilih metode augmentasi yang selaras dengan karakteristik setiap algoritma optimasi untuk meningkatkan kinerja klasifikasi. Hasilnya memberikan wawasan mengenai peningkatan kualitas dan keberagaman data masukan bagi algoritma klasifikasi dalam analisis citra bawah air. Hasil tersebut juga menyoroti perlunya mencocokkan metode augmentasi dengan algoritma optimasi tertentu untuk meningkatkan akurasi dan efektivitas. Sumber merekomendasikan eksplorasi lebih lanjut terhadap metode augmentasi dan algoritma optimasi tambahan untuk meningkatkan ketahanan dan akurasi klasifikasi citra terumbu karang bawah air. Kegiatan ini berkaitan dengan SDG 13 dan SDG 14 melalui konteks ancaman perubahan iklim dan penelitian terumbu karang bawah air yang didukung sumber.