PEMANFAATAN ALGORITMA CNN – MOBILENETV2 DALAM MENGKLASIFIKASIKAN JENIS BURUNG RANGKONG INDONESIA

wisuda sardjono

doi:10.23960/jitet.v14i1.8873

Authors

wisuda sardjono Universitas Gunadarma

DOI:

https://doi.org/10.23960/jitet.v14i1.8873

Abstract Views: 25 File Views: 13

Keywords:

Klasifikasi, convolutional neural network, mobilenetv2, rangkong, android

Abstract

Burung Rangkong merupakan jenis burung berparuh besar dengan karakteristik unik. Ciri khasnya meliputi paruh yang panjang, ringan, besar dan melengkung serta dilengkapi dengan balung di atas paruhnya. Rangkong memiliki peran penting bagi ekosistem hutan tropis Indonesia, dengan peran vitalnya dalam penyebaran biji dari sisa makanannya untuk regenerasi hutan. Sayangnya, populasi burung Rangkong saat ini terancam punah akibat dari kegiatan manusia yaitu perusakan habitat dan perburuan liar. Dari 62 jenis Rangkong yang ada di Asia, 13 spesies hidup di Indonesia, dan sebagian besar di antaranya terancam punah. Penelitian ini bertujuan untuk membuat model machine learning menggunakan algoritma CNN dengan MobileNetV2 yang dapat mengklasifikasikan berbagai spesies Rangkong Indonesia yang di implementasikan kedalam sebuah aplikasi android berbasis flutter, guna mendukung upaya meningkatkan kesadaran dan pengetahuan masyarakat dan pelestarian terhadap burung Rangkong Indonesia. Kecerdasan buatan menjadi salah satu inovasi dalam ilmu komputer yang memungkinkan mesin untuk mengenali objek secara otomatis dengan tingkat akurasi yang tinggi. Kecerdasan buatan, memungkinkan komputer memiliki kemampuan belajar dari data dan pengalaman tanpa pemrograman manual. MobileNetV2, dirancang untuk beroperasi secara efisien pada perangkat dengan sumber daya terbatas, seperti ponsel. Penelitian ini menggunakan dataset sebanyak 4.312 citra burung Rangkong dari 13 spesies yang berbeda. Data citra di peroleh melalui website birdsoftheworld.org sebagai sumber utama dan bing.com sebagai penunjang pengumpulan dataset . Komposisi pembagian dataset sebesar 80% data uji, 10% data validasi dan 10% data uji, model CNN yang dikembangkan berhasil mencapai tingkat akurasi pelatihan 98,02%, akurasi validasi 83,37% dan akurasi pengujian 71,79% dengan mendeteksi 28 dari 39 citra baru dengan benar

Downloads

Download data is not yet available.

References

P. I. D. Siregar, “Identifikasi Jenis Burung Berdasarkan Bentuk Paruh dengan Menggunakan Metode Convolutional Neural Network,” manajemen informatika dan teknologi informasi, pp. 138 - 144, 2022.

M. S. Pratama, A. Setiawan, S. P. Harianto dan N. Nurcahyani, “KEANEKARAGAMAN JENIS BURUNG RANGKONG (Bucerotidae) DI STASIUN PENELITIAN WAY CANGUK TAMAN NASIONAL BUKIT BARISAN SELATAN,” Belantara, pp. 153-163, 2021.

I. Daqiqil, MACHINE LEARNING : Teori, Studi Kasus dan Implementasi Menggunakan Python, Gobah Pekanbaru: UR PRESS, 2021.

O. . V. Putra, M. Z. Mustaqim and D. Muriatmoko, “Transfer Learning untuk Klasifikasi Penyakit dan Hama,” Techno.COM, pp. 562-575, 2023.

G. A. Pratama, E. Y. Puspaningrum and H. Maulana, “Convolutional Neural Network dan Faster Region Convolutional Neural Network untuk Klasifikasi Kualitas Biji Kopi Arabika,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, no. 3, pp. 2776-27885, 2024.

S. S. Rambe and P. Asriyanik, “Penerapan Model Convolutional Neural Network (CNN) Barbasis MobileNetV2 untuk Klasifikasi Tingkat Kesegaran Ikan Nila,” JITET (Jurnal Informatikadan Teknik Elektro Terapan), vol. 13, no. 3, pp. 2234-2246, 2025.

J. Alberto and D. Hermanto, “Klasifikasi Jenis Burung Menggunakan Metode CNN Dan Arsitektur ResNet-50,” Teknik Informatika dan Sistem Informasi, pp. 34 - 46, 2023.

Y. Hadiprakarsa, A. Rahman, F. H. Kurniawan, H. J. Kurniawan dan R. Rahmansyah, ENGGANG KALIMANTAN Panduan Praktis Identifikasi Lapangan, Bogor: Yayasan Rekam Jejak Alam Nusantara, 2020.

N. S. Lubis, I. and S. , “POPULASI DAN POLA PENYEBARAN BURUNG RANGKONG (Famili Bucerotidae) DI TAHURA PMI DENGAN PENDEKATAN SISTEM INFORMASI GEOGRAFI (SIG),” ILMIAH MAHASISWA PERTANIAN, pp. 77 - 85, 2021.

H. Syaputra, E. Supratman dan S. D. Purnamasari , “Klasifikasi Jenis Burung Lovebird Menggunakan,” Journal of Computer and Information Systems Ampera , pp. 133-140, 2022.

C. N. Ihsan , “Klasifikasi data Radar Menggunakan Algoritma Convolutional Neural Network (CNN),” Computer and Information Technology, pp. 115-121, 2021.

M. N. Winnarto, M. Mailasari dan A. Purnamawati, “KLASIFIKASI JENIS TUMOR OTAK MENGGUNAKAN ARSITEKTURE MobileNetv2,” SIMETRIS, pp. 1-12, 2022.

I. F. Annur, J. Umami, M. N. Annafi, N. Trisnaningrum dan O. V. Putra, “Klasifikasi Tingkat Keparahan Penyakit Leafblast Tanaman Padi Menggunakan MobileNetv2,” Fountain of Informatics Journal, pp. 7-14, 2023.

D. Hermanto and J. Alberto, “Klasifikasi Jenis Burung Menggunakan Metode CNN Dan Arsitektur ResNet-50,” Jurnal Teknik Informatika dan Sistem Informasi (JATISI), pp. 34-46, 2023.

A. Setiawan, ANALISIS VEGETASI HABITAT BURUNG RANGKONG, Makassar: Fakultas Kehutanan Universitas Hasanuddin, 2022.