Pengenalan Suara Burung Menggunakan Mel Frequency Cepstrum Coefficient dan Jaringan Syaraf Tiruan pada Sistem Pengusir Hama Burung

Abstract

Abstrak-Indonesia merupakan salah satu negara agraris yang memproduksi hasil pertanian. Namun, Indonesia masih mengimpor beras dari negara lain dikarenakan penurunan hasil panen. Salah satu faktor menurunnya produksi beras Indonesia adalah akibat serangan hama burung. Ekosistem sawah mengandung berbagai macam spesies burung, baik hama maupun non-hama. Burung non-hama menolong petani melawan hama serangga. Petani menggunakan metode tradisional untuk mengusir hama burung. Pada penelitian ini telah dirancang perangkat lunak untuk mengenali jenis burung berdasarkan kicauannya. Voice Activity Detection (VAD) digunakan untuk mendeteksi adanya kicau burung. Metode ekstraksi ciri suara dari kicau burung menggunakan Mel Frequency Cepstrum Coefficient (MFCC) dan Fast Fourier Transform (FFT). Jaringan Syaraf Tiruan digunakan untuk mengenali pola hasil ekstraksi. Selanjutnya, audiosonic bird repeller digunakan sebagai metode pengusiran hama burung. Hasil identifikasi offline dengan menggunakan MFCC didapatkan tingkat keberhasilan mencapai 90% untuk variasi kicauan dan jenis burung, sedangkan dengan FFT mencapai 68%. Hasil identifikasi online untuk spesimen burung bondol didapatkan tingkat keberhasilan 70% dengan menggunakan MFCC, dan 30% dengan FFT. Selain itu, suara tembakan merupakan suara yang paling baik digunakan untuk mengusir hama burung. Tingkat keberhasilan pengenalan suara burung menggunakan ekstraksi ciri MFCC lebih tinggi jika dibandingkan dengan ekstraksi ciri dengan menggunakan FFT. Kata Kunci : Hama Burung, Voice Activity Detection, Fast Fourier Trasnform, dan Mel Frequency Cepstrum Coefficient.Abstract-Indonesia is one of the agricultural country that produces crops. Nevertheless, Indonesia still imports rice from other countries because of crop decreasement. One of its factors is caused by bird pests. In the ricefields ecosystem, the variety of bird species can be classified as a pest and as a non-pest. Nonpest birds usually help farmer against insects. Farmers are using traditional methods to repel bird pests. In this research, a software to recognize species of birds has been designed. The system is based on birdchirp types. A mono-microphone is used to capture the sound. Voice Activity Detection (VAD) method is used for birdchirp detection. Mel Frequency Cepstrum Coefficient (MFCC) and Fast Fourier Transform (FFT) are used to extract birdchirp feature. Artificial Neural Network is utilized to recognize the pattern of birdchirp feature. Furthermore, audiosonic bird repeller is used to repel bird pests. In the offline mode testing, success level using MFCC feature extraction is up to 90% for birdchirp variation, while up to 68% using FFT. In the online mode, the average success level using MFCC feature extraction is 70% for finch birds, while 30% using FFT. In addition, a gunshot is a best sound to repel bird pests. The success rate of bird voice recognitions using MFCC feature extraction is higher than that using FFT.

Implementasi Robot Orang-Orangan Sawah Supply Energi Matahari Memakai Microcontroller

“…Hasil yang didapatkan adalah alat yang dibangun sudah mampu untuk menerima input suara dari burung Lovebird. Namun, dalam percobaan yang dilakukan, alat yang digunakan tidak bisa ditetapkan pada satu jenis suara salah satunya masuk dalam kategori suara hama burung mulai dari 51.6 dB dengan frekuensi 3652.7 Hz [5]. Setelah melakukan pengamatan lokasi Rawang Panca Arga Kabupaten Asahan ada beberapa permasalahan yang saat ini didapati cara mengatasi hama burung dengan cara menjaring sementara masih banyak hama burung yang bisa mengelakan jaring selain itu oarang-orangan sawah yang digunakan para petani tidak berfungsi efektif dimana orangorangan sawah tersebut hanya diam tidak bergerak dan cara yang lainnya dengan menjaga lahan setiap hari pada saat padi mulai mengeluarkan bulir sampai padi bisa dipanen, dimana orang yang menjaga padi menarik-narik tali yang diikat ke batang kayu dengan menambakan kaleng atau seng bekas sehingga dapat mengeluarkan suara bising sekaligus berteriak kuat untuk menghindari hama burung hinggap pada padi.…”

Kontrol Kecepatan Motor Sepeda Listrik Menggunakan Force Sensor dan Elektromiografi (EMG)

“…Pembelajaran menggunakan ANN digunakan untuk mengenali tingkat aktivitas kaki subyek. ANN merupakan metode pembelajaran yang cukup sering digunakan dalam berbagai riset, seperti pengenalan suara [4], pendeteksian kualitas kesegaran daging [5], dan hidung elektronik [6]- [8]. ANN merupakan metode pembelajaran yang cocok untuk digunakan karena memiliki tingkat kesukesan yang tinggi dengan jumlah kanal yang minimum [9], [10].…”

Sistem Autodocking Mobile Robot Berbasis Suara Untuk Pengisian Ulang Baterai

“…Dari penelitian itu terlihat bahwa manusia menggunakan beberapa petunjuk untuk mendapatkan lokasi sumber suara yaitu membedakan level atau intensitas suara dan waktu sampai suara dari sumber ke telinga [7]. Sudah banyak dilakukan penelitian mengenai pengenalan lokasi sumber suara menggunakan beberapa array mikrofon yang memakai lebih dari 3 buah mikrofon, akan tetapi penelitian sistem pengenalan lokasi sumber suara yang menggunakan 2 buah mikrofon seperti pendengaran manusia masih jarang dilakukan [8].…”