MODEL PEMBELAJARAN MESIN DALAM PENEROKAAN DATA KOLAR SATELIT UNTUK CORAK KEPELBAGAIAN TINGKAH LAKU GAJAH ASIA

AHMAD RADZALI, NURUL SU'AIDAH (2021) MODEL PEMBELAJARAN MESIN DALAM PENEROKAAN DATA KOLAR SATELIT UNTUK CORAK KEPELBAGAIAN TINGKAH LAKU GAJAH ASIA. Masters thesis, Universiti Kebangsaan Malaysia.

Text Thesis Draf Final1_P101454.pdf Restricted to Registered users only Download (16MB)

Abstract

Analisis data pergerakan haiwan dengan menggunakan aplikasi statistik dan pembelajaran mesin telah berkembang dengan pesat selaras dengan pembangunan dan penggunaan pelbagai peranti penjejakan. Data lokasi dan pergerakan pada skala temporal dan spatial dikumpul dengan menggunakan Global Positioning System (GPS) bagi menganggarkan lokasi haiwan manakala accelerometer tiga-paksi digunakan untuk mengukur kadar pecutan pergerakan haiwan dalam bentuk tiga-dimensi. Pandangan terhadap mekanisma fisiologi dan ekologi disebalik pergerakan dan tingkah laku haiwan dapat diterjemahkan dalam bentuk model konsep dengan menggunakan kaedah pembelajaran mesin. Kajian ini dijalankan dengan tujuan mencadangkan pendekatan deskriptif dan prediktif untuk meramal kepelbagaian tingkah laku Gajah Asia. Tiga objektif khusus yang digariskan adalah; i) Membangunkan model pembelajaran mesin separa terselia untuk menentukan label data tingkah laku Gajah Asia ii) Mencadangkan skema penilaian untuk mengesahkan data berlabel iii) Membangunkan model pengelasan untuk meramal kepelbagaian tingkah laku Gajah Asia. Kaedah kajian pembelajaran mesin separa terselia dilaksanakan dengan menggunakan data yang tidak berlabel dari kolar satelit yang dipasangkan pada lima ekor Gajah Asia jantan dan betina di kawasan hutan simpan di negeri Kelantan, Terengganu, Pahang, Perak, dan Johor bermula sekitar tahun 2018 sehingga 2020 oleh pihak Jabatan PERHILITAN. Empat model pengelasan iaitu XG Boost, Gradient Boost, Hutan Rawak, dan Ada Boost dilatih dengan menggunakan 100 rekod data yang dilabelkan secara manual kepada empat kelas tingkah laku berjalan, makan, mandi, dan berehat. XG Boost digunakan untuk melabel keseluruhan data selaku model pengelasan terbaik berdasarkan prestasi ketepatan yang ditunjukkan dalam latihan pengelasan. Skema penilaian dan peraturan bagi menilai data yang dilabel oleh model XGBoost dibangunkan. Penilaian dan analisis secara deskriptif dilakukan untuk mendapatkan set data lengkap yang dilabel dengan betul. Pengelasan ramalan corak aktiviti tingkah laku Gajah Asia ke atas set data lengkap dilaksanakan dengan menggunakan algoritma pembelajaran mesin XG Boost, Gradient Boost, Hutan Rawak, dan Ada Boost. Keempat-empat model menunjukkan prestasi ramalan yang cemerlang walaupun model Ada Boost menunjukkan kesukaran pada kelas ramalan tertentu. Prestasi model pengelasan ramalan Extreme Gradient Boost mengatasi tiga lagi model lain menerusi beberapa metrik penilaian yang dijalankan ke atas setiap kelas ramalan dengan kejituan bagi tiga kelas ramalan 100%, manakala satu lagi kelas ramalan berkejituan 99%. Hasil dapatan kajian ini bukan sahaja dapat membangunkan model pengelasan ramalan tingkah laku Gajah Asia untuk memelihara spesies ini di masa akan datang, malahan turut menyumbang kepada lapangan kajian pembelajaran mesin dan perlombongan data khasnya.

Item Type:	Thesis (Masters)
Subjects:	Technology > Technology (General)
Depositing User:	ENCIK SAIFUL FADZLY JAMALUDIN
Date Deposited:	31 Jul 2026 07:31
Last Modified:	31 Jul 2026 07:31
URI:	https://repositori.mohe.gov.my/id/eprint/381

Actions (login required)

View Item