IMPLEMENTASI MODEL TRANSFER LEARNING ARSITEKTUR CONVNEXT UNTUK KLASIFIKASI SUARA BURUNG DI TAMAN NASIONAL WAY KAMBAS

Abstract

Deforestasi di Sumatera telah mengancam keanekaragaman hayati dan habitat satwa liar, terutama burung. Penelitian ini bertujuan mengimplementasikan model transfer learning arsitektur ConvNeXt untuk mengklasifikasikan suara burung di Taman Nasional Way Kambas sebagai upaya pemantauan dan konservasi keanekaragaman hayati. Metode penelitian menggunakan pendekatan biofoni dengan ekstraksi fitur menggunakan Mels Spectrogram untuk merepresentasikan karakteristik frekuensi suara burung secara visual. Pemodelan transfer learning ConvNeXt dilakukan dengan dua pendekatan: augmentasi dan non-augmentasi data, di mana teknik augmentasi diterapkan untuk meningkatkan variabilitas model dalam mengenali berbagai variasi suara burung. Hasil penelitian menunjukkan model ConvNeXt dengan augmentasi data memberikan performa yang signifikan lebih baik dalam mengidentifikasi spesies burung dengan akurasi 71% berdasarkan karakteristik suaranya. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi pemantauan biodiversitas menggunakan kecerdasan buatan yang berpotensi menjadi alat efektif untuk memantau perubahan ekosistem dan mendukung upaya konservasi di Taman Nasional Way Kambas.