Hartono, Gregorio (2024) IMPLEMENTASI LSTM BERBASIS WEB UNTUK SEXING BURUNG ENDEMIK INDONESIA MENGGUNAKAN SUARA. Tugas Akhir/Skripsi thesis, Universitas Ma Chung.
|
Text
01- 311910008 Gregorio_hartono.pdf Download (10MB) | Preview |
Abstract
Kondisi geografis, iklim tropis, dan kepulauan di Indonesia membuat berbagai macam satwa
seperti burung memiliki berbagai spesies yang tersebar luas dan harus dilestarikan. Melakukan
sexing merupakan salah satu cara untuk mendukung pelestarian burung-burung dengan
membedakan kelamin burung. Sexing burung dengan suara dapat dilakukan dikarenakan suara
burung jantan dan betina memiliki perbedaan. Oleh sebab itu dalam penelitian akan melakukan
klasifikasi suara burung dengan melibatkan artifical inteligence (AI) yang berasal dari internet
dan website pecinta burung menggunakan deep learning yaitu Recurrent Neural Networks
(RNN) yang terbagi menjadi 3 arsitektur yaitu Long Short Term Memory (LSTM) ,
Bidirectional Long Short Term Memory (Bi-LSTM), dan Convolution Long Short Term
Memory (ConvLSTM). Adapun activation dan optimizer yang digunakan sebagai perbedaan
parameter dalam proses pembuatan model. Activation yang digunakan adalah Tanh, ReLU,
dan Sigmoid, sedangkan Optimizer yang digunakan adalah Adam, RMSProp, Nadam, SGD,
dan Adadelta. Parameter tersebut akan dikombinasikan sehingga dihasilkan 180 pembuatan
model dan akan diambil hasil terbaik dari setiap kelompok model. Alat yang digunakan dalam
penelitian ini adalah python dan terintegrasi dengan html untuk uji coba dan melakukan
validasi data eskternal dengan website dari model terbaik. Hasil akurasi yang didapatkan dari
100 validasi data menggunakan website sesuai arsitekturnya yaitu LSTM dengan akurasi 14%,
Bi-LSTM dengan akurasi 16%, dan ConvLSTM dengan akurasi 18%, sedangkan validasi data
menggunakan python tanpa perantara website mendapatkan hasil sesuai arsitekturnya yaitu
LSTM dengan akurasi 27%, Bi-LSTM dengan akurasi 29%, dan ConvLSTM dengan akurasi
36%.
Kata kunci : Bidirectional Long Short-Term Memory, Convolution Long Short Term Memory,
Long Short-Term Memory ,Recurrent Neural Network, Sexing Burung, Suara
burung
| Item Type: | Thesis (Tugas Akhir/Skripsi) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknologi dan Desain > S1 Teknik Informatika |
| Depositing User: | umclibs1 |
| Date Deposited: | 04 Feb 2026 06:56 |
| Last Modified: | 04 Feb 2026 06:56 |
| URI: | http://repository.machung.ac.id/id/eprint/1136 |
Actions (login required)
 |
View Item |