13519097 Nabila Hannania.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Burung adalah kelompok hewan yang memiliki keragaman spesies yang sangat
besar. Namun, keragaman ini mulai terancam punah akibat ulah manusia dan
fenomena alam. Mengidentifikasi spesies burung yang masih ada pada suatu
ekosistem merupakan suatu tindakan awal yang dapat dilakukan untuk melindungi
keragaman burung ini. Pada penelitian tugas akhir ini, dibangun model
Convolutional Neural Network (CNN) untuk mengotomatisasi proses
pengidentifikasian spesies burung berdasarkan suara kicauannya.
Pada eksperimen yang dilakukan, dibangun 24 model CNN yang memiliki
perbedaan pada arsitektur, teknik ekstraksi fitur, dan jenis data yang digunakan.
Adapun arsitektur yang digunakan ada 3, yaitu AlexNet, DenseNet, dan VGG.
Teknik ekstraksi fitur yang digunakan ada 4, yaitu mel-spectrogram, harmonic
component based mel-spectrogram, percussive component based mel-spectrogram,
dan MFCC. Sedangkan untuk jenis data yang digunakan ada 2, yaitu clean data dan
raw data. Dari 24 model ini, kemudian dipilih tiga model untuk dilakukan tuning
hyperparameter.
Berdasarkan hasil analisis eksperimen yang dilakukan, diperoleh model dengan
konfigurasi terbaik adalah model dengan arsitektur DenseNet, ekstraksi fitur
percussive component based mel-spectrogram, dan menggunakan clean data.
Proses evaluasi ini dilakukan menggunakan 2 jenis metode pengujian, yaitu
pengujian dengan menggunakan data hasil pemotongan dan pengujian dengan data
yang utuh. Adapun akurasi yang dihasilkan oleh model dengan konfigurasi terbaik
ini mencapai 85,67% untuk metode 1 dan 90,42% untuk metode 2.