RANCANG BANGUN SISTEM KLASIFIKASI JENIS AYAM BERBASIS SUARA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

Reyner Hagana Siregar, Ir. Nazrul Effendy, S.T, M.T, Ph.D., IPM. ; Dr. med. vet. drh. Hendry T. S. Saragih, M.P.

2023 | Skripsi | FISIKA TEKNIK

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem klasifikasi suara ayam menggunakan metode Convolutional Neural Network (CNN). Ayam merupakan hewan penting dalam industri pertanian dan konservasi, dan pengenalan suara ayam dapat membantu dalam pengawasan dan pemantauan populasi ayam serta identifikasi jenis ayam secara efisien.

Pada tahap awal penelitian, data suara ayam dikumpulkan dengan merekam tiga jenis suara ayam dari beberapa spesies yang berbeda yaitu ayam bangkok, ayam pelung, dan ayam ketawa. Data suara ayam tersebut kemudian diolah dan disusun menjadi sebuah dataset yang mewakili variasi karakteristik suara dari tiap jenis ayam. Proses preprocessing data juga dilakukan untuk menghilangkan noise dan mengoptimalkan kualitas data.

Metode Convolutional Neural Network (CNN) dipilih karena kemampuannya dalam memproses data yang memiliki struktur spasial seperti data gambar atau suara. Model CNN diimplementasikan dan dilatih menggunakan data pelatihan untuk memahami pola suara yang berbeda dari setiap jenis ayam.

Hasil evaluasi menunjukkan bahwa sistem klasifikasi suara ayam dengan metode CNN mencapai tingkat akurasi yang memuaskan dalam mengidentifikasi jenis ayam. Hal ini menunjukkan potensi aplikasi teknologi pengenalan suara untuk pengawasan populasi ayam, pendeteksian perubahan perilaku, dan konservasi jenis ayam.

This study aims to design and develop a chicken sound classification system using the Convolutional Neural Network (CNN) method. Chickens are essential animals in agriculture and conservation, and sound recognition of chickens can aid in monitoring chicken populations and efficiently identifying different chicken species.

In the initial stage of the research, chicken sound data were collected by recording three types of chicken sounds from various species, namely Bangkok chicken, Pelung chicken, and Laughter chicken. The chicken sound data were then processed and organized into a dataset representing the characteristic variations in sound for each chicken type. Data preprocessing was also conducted to eliminate noise and optimize data quality.

The Convolutional Neural Network (CNN) method was chosen due to its ability to process spatially structured data like images or sounds. The CNN model was implemented and trained using the training data to learn distinct sound patterns from each chicken type.

The evaluation results demonstrated that the chicken sound classification system using the CNN method achieved satisfactory accuracy in identifying different chicken species. This highlights the potential application of sound recognition technology for monitoring chicken populations, detecting behavioral changes, and conserving chicken species.

Kata Kunci : Klasifikasi Suara Ayam, Convolutional Neural Network, Preprocessing Suara.