Klasifikasi Jenis Burung Kacamata dan Ciblek Berdasarkan Warna dengan Metode RFBNN (Radial Basis Function Neural Network)
Kata Kunci:
Klasifikasi burung, RBFNN, Warna bulu, Ekstraksi fitur warna, Jaringan sarafAbstrak
Klasifikasi jenis burung berbasis warna merupakan suatu pendekatan yang inovatif dalam mengidentifikasi dan membedakan spesies burung. Penelitian ini fokus pada penerapan metode Radial Basis Function Neural Network (RBFNN) untuk mengklasifikasikan dua jenis burung, yaitu burung kacamata dan burung ciblek, berdasarkan karakteristik warna pada bulu mereka. Pendekatan ini menggunakan teknologi pengolahan citra untuk mengekstraksi fitur-fitur warna yang representatif dari gambar burung. Dataset yang digunakan dalam penelitian ini mencakup berbagai gambar burung kacamata dan burung ciblek dengan variasi warna bulu yang signifikan.
Metode RBFNN dipilih karena kemampuannya dalam memodelkan pola-pola non-linier dan kemampuannya untuk mengatasi permasalahan klasifikasi pada dataset yang kompleks. Jaringan saraf ini dilatih dengan menggunakan algoritma pembelajaran yang dapat mengoptimalkan bobot dan parameter lainnya untuk meningkatkan akurasi klasifikasi. Hasil penelitian menunjukkan bahwa metode RBFNN efektif dalam mengklasifikasikan jenis burung berdasarkan warna bulu mereka. Tingkat akurasi yang tinggi dicapai, menunjukkan keberhasilan pendekatan ini dalam membedakan burung kacamata dan burung ciblek. Selain itu, analisis fitur-fitur warna yang signifikan juga memberikan wawasan tambahan terkait perbedaan karakteristik antar spesies. Penelitian ini memberikan kontribusi pada pengembangan teknik klasifikasi jenis burung berbasis warna dan dapat menjadi landasan untuk pengembangan lebih lanjut dalam pemahaman dan pelestarian biodiversitas burung.
Referensi
Rahman, A. Y. (2021). Klasifikasi Citra Burung Lovebird Menggunakan Decision Tree dengan Empat Jenis Evaluasi. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(4), 688-696.
Putra, Y. K., Ahmadi, H., & Suhartini, S. (2019). KOMPARASI ALGORITMA C4. 5 DAN C4. 5 BERBASIS PSO UNTUK PREDIKSI JUMLAH PENGGUNAAN BBM PERBULAN PADA KANTOR DINAS LINGKUNGAN HIDUP DAN KEBERSIHAN KABUPATEN LOMBOK
TIMUR. Infotek: Jurnal Informatika dan Teknologi, 2(1), 34-42.
Ma'mun, M. A., & Akbar, M. (2021). Identifikasi Telur Fertil dan Infertil menggunakan Jaringan Syaraf Tiruan Radial Basis Function (RBF) Berdasarkan Citra Tekstur. KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, 1(2), 346-356.
Hidayati, R., Midyanti, D. M., & Bahri, S. (2018). Klasifikasi bibit tanaman lahan gambut berdasarkan bentuk daun menggunakan metode radial basis function (RBF). Semnasteknomedia Online, 6(1), 2-12.
Borman, R. I., Ahmad, I., & Rahmanto, Y. (2022). Klasifikasi Citra Tanaman Perdu Liar Berkhasiat Obat Menggunakan Jaringan Syaraf Tiruan Radial Basis Function. Bulletin of Informatics and Data Science, 1(1), 6-13.
Wahyuningrum, V. (2020). Penerapan Radial Basis Function Neural Network dalam Pengklasifikasian Daerah Tertinggal di Indonesia. Jurnal Aplikasi Statistika & Komputasi Statistik, 12(1), 37-54.
Wibisono, B. A., Widiyanto, D., & Falih, N. (2022, August). Klasifikasi Malware Berdasarkan Fitur API Call dan Android Permissions Menggunakan Radial Basis Function Network. In Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya (Vol. 3, No. 2, pp. 620-629).
ARINGG, B. D. (2019). IDENTIFIKASI JENIS BURUNG LOVEBIRD BERDASARKAN
WARNA . simki.unpkediri, 9.Agusriandi, A., Elihami, E., & Widiawati, W. (2020). Identifikasi bawang merah dan bombay dengan pendekatan radial basis function neural network (RBFNN). Jurnal Media Informatika Budidarma, 4(4), 1043-1050.
Aprilia, R. (2021). Ensiklopedia Klasifikasi Jenis Buah Mangga (Mangifera SPP.) Berbasis Neural Network Skripsi (Doctoral dissertation, Politeknik Negeri Jember).
Agusriandi, A., Elihami, E., & Widiawati, W. (2020). Identifikasi bawang merah dan bombay dengan pendekatan radial basis function neural network (RBFNN). Jurnal Media Informatika Budidarma, 4(4), 1043-1050.
GUSTIA, R. (2020). PENERAPAN RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) UNTUK KLASIFIKASI PENYAKIT KANKER SERVIKS (Doctoral dissertation,
Universitas Islam Negeri Sultan Syarif Kasim Riau).
Astuti, Y. P., Subhiyakto, E. R., Wardatunizza, I., & Kartikadarma, E. (2023). Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Tanah Berbasis Android. Jurnal Informatika: Jurnal Pengembangan IT, 8(3), 220-225.
Nuraini, R., Harlena, S., Amalya, F., & Ariestiandy, D. (2023). Klasifikasi Jenis Tanaman Fast Growing Species Menggunakan Algoritma Radial Basis Function Berdasarkan Citra Daun. Building of Informatics, Technology and Science (BITS), 4(4), 2005-2014.
