Klasifikasi Jenis Burung menggunakan Metode Transfer Learning
DOI:
https://doi.org/10.54914/jtt.v9i2.744Kata Kunci:
Convolutional neural network, klasifikasi, MobileNetV2, pengolahan citra, transfer learningAbstrak
Indonesia dikenal karena kekayaan sumber daya alamnya yang melimpah, termasuk keberagaman fauna jenis burung yang dimiliki negara ini. Identifikasi dan klasifikasi jenis burung menjadi penting dalam menjaga keanekaragaman hayati serta untuk pengelolaan habitat yang efektif. Oleh karena itu, diperlukan pendekatan yang efisien dan akurat untuk mengidentifikasi jenis burung. Penelitian ini bertujuan untuk menguji dan membandingkan arsitektur MobileNetV2 dengan arsitektur yang sudah pernah digunakan pada penelitian sebelumnya dalam mengenali jenis burung menggunakan pendekatan deep learning. Kami menggunakan pendekatan transfer learning yang memanfaatkan pengetahuan yang sudah ada dari model yang telah dilatih sebelumnya, dan mengombinasikannya dengan algoritma Convolutional Neural Network (CNN) untuk mendeteksi dan mengklasifikasikan burung berdasarkan citra dengan total data gambar yaitu 95.376 data. Hasil eksperimen menunjukkan bahwa dengan menggunakan arsitektur MobileNetV2, kami mencapai akurasi sebesar 96,4% dengan nilai loss sebesar 0,241. Dalam membandingkannya dengan arsitektur yang sudah pernah digunakan pada penelitian sebelumnya, hasil yang kami dapatkan menunjukkan peningkatan signifikan dalam akurasi dan efisiensi. Waktu yang dibutuhkan untuk melakukan klasifikasi pada setiap langkah adalah sekitar 646 ms. Penelitian ini menunjukkan bahwa penggunaan arsitektur MobileNetV2 dalam pendekatan transfer learning dengan CNN sangat efektif dalam melakukan klasifikasi jenis burung.
Unduhan
Referensi
A. A. G. R. Dalem et al., “BURUNG SEBAGAI ATRAKSI EKOWISATA DI KAWASAN PARIWISATA UBUD, BALI,†Bali, 2014.
A. Roihan, P. Abas Sunarya, and A. S. Rafika, “IJCIT (Indonesian Journal on Computer and Information Technology) Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,†2019.
K. Bun and Hurnaningsih, “IDENTIFIKASI TELUR RETAK MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BERDASARKAN TEKSTUR TELUR,†Jurnal Ilmiah Teknologi dan Rekayasa, vol. 23, no. 3, pp. 183–192, 2018, doi: 10.35760/tr.2018.v23i3.2468.
M. Farid Naufal and S. Ferdiana Kusuma, “PENDETEKSI CITRA MASKER WAJAH MENGGUNAKAN CNN DAN TRANSFER LEARNING,†Jurnal Teknologi dan Ilmu Komputer (JTIIK), vol. 8, no. 6, pp. 1293–1300, 2021, doi: 10.25126/jtiik.202185201.
Samsul Kamal, Nursalmi Mahdi, and Nisfula Senja, “Keanekaragaman_Jenis_Burung_Pada_Perkebunan_Kopi_d,†Jurnal Biotik, vol. 1, no. 2, pp. 67–136, 2013.
N. Nufus et al., “Sistem Pendeteksi Pejalan Kaki Di Lingkungan Terbatas Berbasis SSD MobileNet V2 Dengan Menggunakan Gambar 360° Ternormalisasi,†Prosiding Seminar Nasional Sains Teknologi dan Inovasi Indonesia (SENASTINDO), vol. 3, pp. 123–134, Dec. 2021, doi: 10.54706/senastindo.v3.2021.123.
S. Tammina, “Transfer learning using VGG-16 with Deep Convolutional Neural Network for Classifying Images,†International Journal of Scientific and Research Publications (IJSRP), vol. 9, no. 10, p. p9420, Oct. 2019, doi: 10.29322/ijsrp.9.10.2019.p9420.
P. Nugraha, A. Komarudin, E. Ramadhan, U. Jenderal, A. Yani, and C. Jl, “DETEKSI OBJEK DAN JENIS BURUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR INCEPTION RESNET-V2,†Infotech Journal, vol. 8, no. 2, 2022, doi: 10.31949/infotech.v8I2.2889.
M. Alswaitti, L. Zihao, W. Alomoush, A. Alrosan, and K. Alissa, “Effective classification of birds’ species based on transfer learning,†International Journal of Electrical and Computer Engineering, vol. 12, no. 4, pp. 4172–4184, Aug. 2022, doi: 10.11591/ijece.v12i4.pp4172-4184.
A. B. Wijaya and D. Y. Wahyuningsih, “PENGIDENTIFIKASI SPESIES BURUNG MENGGUNAKAN CITRA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK,†ScientiCO : Computer Science and Informatics Journal, vol. 5, no. 2, 2022.
Gerry, Marionette, and Michael Bryant, “BIRDS 525 SPECIES- IMAGE CLASSIFICATION,†Kaggle.
S. D. Das and A. Kumar, “Bird Species Classification using Transfer Learning with Multistage Training,†Jurnal Nasional Teknologi Informasi dan Aplikasinya, Oct. 2018, [Online]. Available: http://arxiv.org/abs/1810.04250
G. Thiodorus, A. Prasetia, L. A. Ardhani, and N. Yudistira, “Klasifikasi citra makanan/non makanan menggunakan metode Transfer Learning dengan model Residual Network,†Teknologi, vol. 11, no. 2, pp. 74–83, Jul. 2021, doi: 10.26594/teknologi.v11i2.2402.
J. Kurniawan, C. K. Dewa, and Afiahayati, “Traffic Congestion Detection: Learning from CCTV Monitoring Images using Convolutional Neural Network,†in Procedia Computer Science, Elsevier B.V., 2018, pp. 291–297. doi: 10.1016/j.procs.2018.10.530.
M. Rafly Alwanda, R. Putra, K. Ramadhan, and D. Alamsyah, “Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle,†2020.
Irwan Guntoro, Dwi Marisa Midyanti, and Rahmi Hidayati, “PENERAPAN DROPOUT PADA JARINGAN SARAF TIRUAN BACKPROPAGATION DALAM MENGKLASIFIKASI TINGKAT FINE FUEL MOISTURE CODE (FFMC) UNTUK KEBAKARAN HUTAN DAN LAHAN,†2022.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Yeremia, Jeremia
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
