Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Metode Mel-Frequency Cepstrum Coefficients (MFCC) Dalam IDentifikasi jenis Suara Burung Berkicau
Fakhrizal Ahadiat NIM. (2016) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Burung adalah anggota kelompok hewan bertulang (vertebrata) yang memiliki bulu dan sayap. Di Indonesia burung berkicau merupakan salah satu jenis burung yang paling diminati, hal tersebut dapat dilihat semakin banyaknya masyarakat yang memulai hobinya dalam memelihara burung dan lomba-lomba suara kicauan burung yang sering dan rutin diselenggarakan pada setiap kota. Oleh karena itu dibutuhkannya suatu kemudahan bagi para penghobi burung dalam mengidentifikasikan jenis suara burung berkicau terutama pada jenis burung yang memiliki karakteristik bentuk dan warna yang hampir sama. Pada penelitian sebelumnya yang dilakukan oleh Risha Annisa, Bambang Hidayat, dan Inung Wijayanto klasifikasi jenis suara burung menggunakan metode Wavelet Packet Decomposition dan Jaringan Syaraf Tiruan SOM dengan jumlah sample sebanyak 4 jenis burung didapatkan akurasi dalam identifikasi sebesar 83,13%. Pada penelitian dan penyusunan tugas akhir ini untuk identifikasi jenis suara burung menggunakan metode Mel-Frequency Cepstrum Coefficients dan Jaringan Syaraf Tiruan SOM. Berdasarkan hasil dari pengujian dapat disimpulkan bahwa metode MFCC dan Jaringan Syaraf Tiruan SOM dapat mendeteksi jenis suara burung dengan tingkat akurasi sebesar 85,625% untuk kasus jenis burung yang sama sedangkan untuk kasus jenis burung yang masing-masing memiliki subjenis dengan karakteristik yang hampir sama dapat mendeteksi suara dengan tingkat akurasi sebesar 48,824% sehingga dapat disimpulkan sistem dengan menggunakan metode MFCC sebagai ekstraksi ciri dapat mengidentifikasi jenis burung lebih baik untuk kasus jenis burung yang sama dengan penelitian yang dilakukan sebelumnya.
Ringkasan Alternatif
Bird is a member of the group of animals with (vertebrates) that had feathers and wings. Birds chirping in Indonesia is one of the most attractive bird species, it can be seen more and more people who began his hobby in maintaining and competitions birds chirping sound of birds frequently and regularly held in each city. Hence the need for a convenience in identifying the type of bird hobbyist birds chirping mainly on the type of birds that have characteristic shapes and colors are almost the same. In a previous research conducted by Risha Annisa, Bambang Hidayat and Inung Wijayanto sound classification of the types of birds using Wavelet Packet Decomposition and Neural Network SOM with a sample number of four species of birds found in the identification accuracy of 83.13%. On the research and preparation of this thesis for identifying the type of bird sounds using Mel-Frequency Cepstrum Coefficients and Neural Network SOM. Based on the results of the test can be concluded that the method MFCC and Neural Network SOM can detect the type of bird sounds with accuracy rate of 85.625% in the case of same bird species, while in the case of bird species who each have sub-types with similar characteristics can detect the sound the accuracy rate of 48.824%, so it can be concluded the system using MFCC as feature extraction can identify the type of bird it is better to cases of bird species similar to previous research conducted