Klasifikasi Jenis Burung menggunakan Metode Transfer Learning

Abstract

Indonesia dikenal karena kekayaan sumber daya alamnya yang melimpah, termasuk keberagaman fauna jenis burung yang dimiliki negara ini. Identifikasi dan klasifikasi jenis burung menjadi penting dalam menjaga keanekaragaman hayati serta untuk pengelolaan habitat yang efektif. Oleh karena itu, diperlukan pendekatan yang efisien dan akurat untuk mengidentifikasi jenis burung. Penelitian ini bertujuan untuk menguji dan membandingkan arsitektur MobileNetV2 dengan arsitektur yang sudah pernah digunakan pada penelitian sebelumnya dalam mengenali jenis burung menggunakan pendekatan deep learning. Kami menggunakan pendekatan transfer learning yang memanfaatkan pengetahuan yang sudah ada dari model yang telah dilatih sebelumnya, dan mengombinasikannya dengan algoritma Convolutional Neural Network (CNN) untuk mendeteksi dan mengklasifikasikan burung berdasarkan citra dengan total data gambar yaitu 95.376 data. Hasil eksperimen menunjukkan bahwa dengan menggunakan arsitektur MobileNetV2, kami mencapai akurasi sebesar 96,4% dengan nilai loss sebesar 0,241. Dalam membandingkannya dengan arsitektur yang sudah pernah digunakan pada penelitian sebelumnya, hasil yang kami dapatkan menunjukkan peningkatan signifikan dalam akurasi dan efisiensi. Waktu yang dibutuhkan untuk melakukan klasifikasi pada setiap langkah adalah sekitar 646 ms. Penelitian ini menunjukkan bahwa penggunaan arsitektur MobileNetV2 dalam pendekatan transfer learning dengan CNN sangat efektif dalam melakukan klasifikasi jenis burung.