KLASIFIKASI SUARA HAMA SERANGGA JANGKRIK DAN SUARA SERANGGA SELAIN JANGKRIK MENGGUNAKAN ONE CLASS SUPPORT VECTOR MACHINE

DIDIT MAHENDRA WIJAYA, Sentagi S. Utami, S.T., M.Sc., Ph.D; Dr. Suputa, S.P., M.P.

2022 | Skripsi | S1 TEKNIK FISIKA

Hama dan penyakit tanaman menyebabkan penurunan hasil panen sebesar 30% per tahunnya. Pengelolaan hama terpadu merupakan strategi yang dapat dilakukan untuk menanggulangi permasalahan hama dan penyakit pada tanaman. Salah satu tahapan pengelolaan hama terpadu adalah identifikasi jenis hama yang menyerang tanaman. Akan tetapi keterbatasan petani dalam mengidentifikasi jenis hama yang menyerang tanaman menjadi salah satu tantangan untuk menerapkan pengelolaan hama terpadu. Identifikasi bioakustik merupakan metode identifikasi berbasis gelombang akustik yang diproduksi oleh hama dan setiap hama memiliki gelombang akustik yang berbeda. Identifikasi jenis hama berdasarkan suara yang dihasilkannya dapat diklasifikasikan menggunakan algoritma pembelajaran mesin. Pada penelitian ini algoritma yang digunakan adalah one class support vector machine dengan kernel Radial Basis Function sebagai klasifikasi suara serangga jangkrik dan selain jangkrik. Model dengan fitur Mel Frequency Cepstral Coefficients mendapatkan hasil hasil performansi f1 weighted average sebesar 97%. Sedangkan model dengan fitur Linear Frequency Cepstral Coefficients mendapatkan hasil performansi f1 weighted average sebesar 96,36%. Model dengan fitur LFCC memilik ketahanan yang lebih baik daripada model dengan fitur MFCC saat dihadapkan dengan data yang terdapat white noise. Sehingga pada penelitian ini fitur yang dipilih adalah fitur LFCC dengan lebar bingkai 256 dan jumlah filter 128. Memperoleh nilai hyperparameter gamma 10-5 dan Nu 0,048.

Pests and plant diseases cause crop yields to decrease by 30% per year. Integrated pest management is a strategy that can be used to overcome pest and disease problems in plants. One of the stages of integrated pest management is the identification of the types of pests that attack plants. However, the limitations of farmers in identifying the types of pests that attack plants are one of the challenges to implementing integrated pest management. Bioacoustic identification is an identification method based on acoustic waves produced by pests and each pest has a different acoustic wave. Identification of pests based on the sound they produce can be classified using machine learning algorithms. In this study, the algorithm used is a one-class support vector machine with a Radial Basis Function kernel as a classification of the sound of crickets and other than crickets. The model with the Mel Frequency Cepstral Coefficients feature gets an f1 weighted average performance result of 97%. While the model with the Linear Frequency Cepstral Coefficients feature gets an f1 weighted average performance of 96.36%. The model with the LFCC feature has better resilience than the model with the MFCC feature when faced with data containing white noise. So that in this study the selected feature is the LFCC feature with a frame width of 256 and the number of filters 128. Obtaining hyperparameter values of gamma 10-5 and Nu 0.048.

Kata Kunci : Bioakustik, pembelajaran mesin, one class SVM, MFCC, LFCC