Perpustakaan Digital ITB

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.