Pengembangan Fitur Pengenalan Suara Hewan Pada Aplikasi Zoosite Menggunakan Convolutional Neural Network (CNN)

Saputra, Anggara (2025) Pengembangan Fitur Pengenalan Suara Hewan Pada Aplikasi Zoosite Menggunakan Convolutional Neural Network (CNN). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025211241-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (25MB) | Request a copy

Abstract

Kebun binatang sebagai fasilitas edukasi dan konservasi sering kali menghadapi tantangan dalam menyajikan informasi satwa yang menarik dan interaktif bagi pengunjung. Suara hewan sebagai salah satu elemen unik dari setiap spesies memiliki potensi besar untuk menjadi media interaktif dalam memperkenalkan keanekaragaman fauna kepada pengunjung. Penerapan teknologi wisata kebun binatang sudah diterapkan sebelumnya pada aplikasi wisata ZooSite, namun fitur pengenalan hewan menggunakan deteksi suara belum diaplikasikan. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan pengembangan aplikasi Android yang dapat mengklasifikasikan suara hewan menggunakan model Convolutional Neural Network (CNN) dengan pre-trained model YAMNet. Aplikasi ini memanfaatkan dataset suara hewan yang telah dikumpulkan. Dataset kemudian dilakukan preprocessing guna membersihkan dan menormalisasikan data, serta dilakukan augmentasi yang bertujuan untuk meningkatkan keragaman dan jumlah data untuk memperkuat kemampuan generalisasi model. Pada penelitian ini dilakukan serangkaian pengujian model hingga tahap evaluasi pada aplikasi secara sistematis. Hasil terbaik yang ditunjukkan oleh YAMNet setelah proses fine tuning serta pegaplikasian k-cross fold validation mendapatkan akurasi sebesar 90,41%. Hasil penelitian menunjukkan bahwa model YAMNet dapat digunakan secara efektif untuk klasifikasi suara hewan dalam aplikasi mobile.
=====================================================================================================================================
Zoos as educational and conservation facilities often face challenges in presenting interesting and interactive animal information to visitors. Animal sounds as one of the unique elements of each species have great potential to be an interactive medium in introducing fauna diversity to visitors. The application of zoo tourism technology has been applied previously in the ZooSite tourism application, but the animal recognition feature using voice detection has not been applied. To overcome these problems, this research proposes the development of an Android application that can classify animal sounds using a Convolutional Neural Network (CNN) model with a pre-trained YAMNet model. This application utilizes the collected dataset of animal sounds. The dataset is then preprocessed to clean and normalize the data, and augmentation is carried out which aims to increase the diversity and amount of data to strengthen the generalization ability of the model. In this research, a series of model testing up to the evaluation stage of the application is carried out systematically. The best results shown by YAMNet after the fine tuning process and the application of k-cross fold validation obtained an accuracy of 90,41%. The results show that the YAMNet model can be used effectively for animal sound classification in mobile applications

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Android, Convolutional Neural Network, Deep learning, Kebun binatang, Klasifikasi, Tensorflow, Zoo, Classification
Subjects:	T Technology > T Technology (General) > T385 Visualization--Technique T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Architecture, Design, and Planning > Architecture > 23001-(S3) PhD Thesis
Depositing User:	Anggara Saputra
Date Deposited:	31 Jul 2025 04:42
Last Modified:	31 Jul 2025 04:42
URI:	http://repository.its.ac.id/id/eprint/123833

Actions (login required)

View Item