Klasifikasi Jenis Burung Cucak Berdasarkan Suara Menggunakan MFCC Dan Naive Bayes

Muhammad Romadloni Putra; Firman  Nurdiyansyah; Aviv  Yuniar Rahman

doi:10.37859/jf.v14i2.7558

Authors

Muhammad Romadloni Putra Universitas Widyagama Malang
Firman Nurdiyansyah Universitas Widyagama Malang
Aviv Yuniar Rahman Universitas Widyagama Malang

DOI:

https://doi.org/10.37859/jf.v14i2.7558

Keywords: keanekaragaman burung, klasifikasi suara, MFCC, naive bayes, suara burung

Abstract

Indonesia memiliki ekosistem yang kaya dan beragam dengan tingkat keanekaragaman hayati yang tinggi, termasuk keanekaragaman burung. Penelitian ini berfokus pada pengembangan sistem klasifikasi suara burung yang menggunakan Mel-Frequency Cepstral Coefficient dan algoritma Naive Bayes. Sistem ini bertujuan untuk mengidentifikasi spesies burung dari famili Pycnonotidae di Indonesia: brinji gunung, cucak kutilang, merbah belukar, merbah cerukcuk, dan merbah mata merah. Dataset suara burung dikumpulkan dari website xeno-canto.org, kemudian data diproses dan diekstraksi menggunakan fitur mel frequency cepstral coefficient. Model naive bayes kemudian dilatih dan diuji pada dataset yang telah diberi label. Penelitian ini menunjukkan bahwa model naïve bayes adalah metode yang efektif untuk mengklasifikasikan suara burung. Model naive bayes memiliki kinerja yang cukup bagus dalam mengklasifikasian suara burung, mencapai akurasi prediksi mulai dari yang terendah 52% hingga yang tertinggi 90%. Hal ini menunjukkan bahwa model ini cocok untuk membedakan antara suara burung cucak yang berbeda. Hasil pengujian yang diperoleh menunjukkan bahwa model naiva bayes memiliki potensi besar dalam mengklasifikasikan suara cucak. Akurasi yang dicapai oleh model ini, bahkan dengan 20% data latih, membuktikan kemampuannya untuk mengidentifikasi dan membedakan suara cucak dengan tingkat akurasi yang cukup tinggi. Efektivitas model naive bayes dalam mengklasifikasikan suara cucak cukup bagus, terutama mengingat kemampuannya untuk mencapai efisiensi yang tinggi meskipun dengan data pelatihan yang terbatas.

Downloads

Download data is not yet available.

References

A. R. Junaid, Jihad, and F. Hasudungan, Burung-Burung Di Indonesia. Burung Indonesia, 2021.

A. M. Afida, “Klasifikasi Jenis Burung Berdasarkan Suara Menggunakan Algoritme Support Vector Machine,” 2020.

J. Kurniawan, H. Prayogo, and R. Herawatiningsih, “Keanekaragaman Jenis Burung Diurnal Di Desa Bukit Batu Kecamatan Sungai Kunyit Kabupaten Mempawah,” 2019.

N. Husna Siregar, P. Studi Pendidikan Biologi, I. Pendidikan Tapanuli Selatan, and P. Studi Pendidikan Fisika, “Keragaman Burung Pada Berbagai Tipe Habitat Di Taman Nasional Batang Gadis,” 2019.

P. A. N. Yania and D. Juniati, “Penerapan Dimensi Fraktal Higuchi Dan K-Nearest Neighbor Dalam Klasifikasi Passeriformes (Burung Pengicau) Berdasarkan Suara,” Jurnal Riset dan Aplikasi Matematika (JRAM), 2020.

A. W. Goni, D. T. Salaki, D. Luther, and A. Latumakulita, “Identifikasi Suara Burung Menggunakan Mel-Frequency Cepstral Coefficients Dan Backpropagation Neural Network,” Konferensi Nasional Ilmu Komputer (KONIK), 2021, [Online]. Available: https://omkicau.com/

S. D. Dewi and D. Juniati, “Klasifikasi Burung Nokturnal Berdasarkan Suara Menggunakan Dimensi Fraktal Higuchi Dan K-Nearest Neighbor,” Jurnal Riset dan Aplikasi Matematika, vol. 07, no. 02, pp. 177–194, 2023.

R. B. Handoko and S. Suyanto, “Klasifikasi Gender Berdasarkan Suara Menggunakan Support Vector Machine,” Indonesian Journal on Computing (Indo-JC), vol. 4, no. 1, p. 9, Mar. 2019, doi: 10.21108/indojc.2019.4.1.244.

A. Tangkelayuk and E. Mailoa, “Klasifikasi Kualitas Air Menggunakan Metode KNN, Naive Bayes Dan Decision Tree,” vol. 9, no. 2, pp. 1109–1119, 2022, [Online]. Available: http://jurnal.mdp.ac.id

R. Irwanto, B. Afriyansyah, I. S. Qomariah, J. Junita, and Y. S. Fadhilah, “Keanekaragaman Dan Status Konservasi Burung Yang Diperdagangkan Di Kota Pangkalpinang, Provinsi Kepulauan Bangka Belitung,” Ber Biol, vol. 22, no. 2, pp. 179–187, Oct. 2023, doi: 10.55981/beritabiologi.2023.1976.

H. Nugroho, W. Widodo, and A. Rachman, “Pattern Recognition Bird Sounds Based on Their Type Using Discreate Cosine Transform (DCT) and Gaussian Methods,” Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control, pp. 233–240, Jul. 2019, doi: 10.22219/kinetik.v4i3.791.

D. Trijatmiko, A. Y. Rahman, and I. Istiadi, “Voice Classification of Children with Speech Impairment Using MFCC Kernel-Based SVM,” 2023.

P. D. Prasetyo, I. Gede Pasek Suta Wijaya, and A. Y. Husodo, “Klasifikasi Genre Musik Menggunakan Metode Mel Frequency Cepstrum Coefficients (MFCC) Dan K-Nearest Neighbors Classifier,” 2019. [Online]. Available: http://jtika.if.unram.ac.id/index.php/JTIKA/

R. Umar, I. Riadi, and A. Hanif, “Analisis Bentuk Pola Suara Menggunakan Ekstraksi Ciri Mel-Frequency Cepstral Coefficients (MFCC) Voice Pattern Form Analysis Using Feature Extraction Mel-Frequency Cepstral Coefficients (MFCC),” Cogito Smart Journal, vol. 4, no. 2, pp. 1–294, 2018.

D. P. Martiyaningsih, C. A. A. Soemedhy, and V. A. Kurniawan, “Klasifikasi Tangisan Bayi Berdasarkan Amplitudo Frekuensi Suara Menggunakan Algoritma MFCC dan CNN,” Jurnal Teknik Industri, Sistem Informasi, dan Teknik Informatika, Jun. 2022.

S. Safriadi and R. Rahmadani, “Klasifikasi Gender Berdasarkan Suara Dengan Naive Bayes Dan Mel Frequency Cepstral Coefficient,” Technology Journal, vol. 2, no. 1, pp. 19–26, 2020, doi: 10.15575/jw.xxx.xxx.

J. Alberto and D. Hermanto, “Klasifikasi Jenis Burung Menggunakan Metode CNN Dan Arsitektur ResNet-50,” Jurnal Teknik Informatika dan Sistem Informasi , vol. 10, 2023, Accessed: Jun. 23, 2024. [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/4558/1529

Klasifikasi Jenis Burung Cucak Berdasarkan Suara Menggunakan MFCC Dan Naive Bayes

Authors

DOI:

Abstract

Downloads

References

Downloads

Published

Issue

Section

License