Untitled

Abstract

Kucing adalah salah satu hewan mamalia karnivora yang banyak dipelihara oleh manusia. Sifatnya yang mudah beradaptasi dengan manusia menjadikan kucing memiliki hubungan yang erat dengan pemiliknya. Cara kucing menyampaikan pesan yaitu dengan mengeluarkan suara yang identik dan beberapa dari suara tersebut mencerminkan kondisi kucing. Akan tetapi, kategorisasi suara-suara kucing merupakan tantangan yang besar karena beberapa suara sangat mirip dengan yang lain dan kucing dapat menghasilkan suara yang berbeda dalam perbedaan waktu yang sangat kecil. Hal ini yang membuat si pemilik kucing sulit mengartikan dan memahami kondisi kucingnya. Dengan menggunakan dimensi fraktal dapat dilakukan analisis suara kucing sesuai kondisinya. Pada penelitian ini akan diklasifikasikan kondisi kucing berdasarkan suara menggunakan dimensi fraktal Higuchi dan K-Nearest Neighbor (KNN). Data yang digunakan yaitu 80 data suara kucing dengan kondisi angry (marah), fighting (berkelahi), happy (senang), huntingmind (berburu), mating (kawin), paining (sakit), resting (istirahat), dan warning (peringatan). Tahapan awal yang dilakukan yaitu proses Pre-Processing, kemudian ekstraksi ciri menggunakan Discrete Wavelet Transform dengan tipe mother wavelet Daubechies 4 dan dekomposisi 5 level. Selanjutnya akan dicari nilai dimensi fraktal dengan metode Higuchi. Setelah diperoleh nilainya, data dibagi menjadi 2 yaitu data training dan data testing. Selanjutnya diklasifikasikan menggunakan algoritma KNN dengan percobaan nilai K yaitu 1, 3, 5, 7, dan 9. Dari penelitian ini diperoleh akurasi tertinggi sebesar 87,5% dengan nilai K-max pada metode Higuchi adalah 60 dan K pada KNN adalah 9. Hal ini menunjukkan bahwa metode Higuchi dan KNN dapat diterapakan dalam klasifikasi kondisi kucing berdasarkan suara.