Rancang Bangun Aplikasi Pengenalan Hewan Langka Dan Terancam Punah Berbasis Augmented Reality
Bibliographic record
Abstract
Indonesia merupakan negara yang memiliki keunikan pada keanekaragaman hayati serta tingkat endemisme yang sangat tinggi. Indonesia memiliki 17.504 pulau. Dari banyaknya pulau tersebut terdapat beberapa jenis hewan yang telah langka dan hampir punah. Namun, sebagian besar anak-anak belum mengetahui dan mengenal hewan-hewan langka dan terancam punah yang ada di Indonesia. Penelitian ini bertujuan untuk membantu mengatasi masalah tersebut dengan menggunakan teknologi Augmented Reality (AR), yaitu merancang sebuah aplikasi sebagai media pembelajaran pengenalan hewan langka dan terancam punah di Indonesia. Metode yang digunakan pada penelitian ini yaitu dimulai dengan pembahasan masalah, penentuan tujuan, studi pustaka, pengumpulan data, analisis sistem, dan desain sistem. Terdapat tiga hasil dari penelitian ini yaitu aplikasi mobile yang diberi nama AR Rare Animals, pengunjung website, dan admin website. Selain itu, penelitian ini juga menghasilkan pengujian terhadap aplikasi tersebut, metode yang digunakan dalam pengujian adalah pengujian blackbox yang fokus pada persyaratan fungsional dari aplikasi yang dibangun. Hasil dari pengujian black box yang telah dilakukan di seluruh halaman aplikasi AR Rare Animals menunjukkan bahwa, baik menu maupun kamera AR berfungsi dengan baik.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".