CLASSIFICATION OF NOCTURNAL BIRDS BASED ON SOUND USING HIGUCHI FRACTAL DIMENSION AND K-NEAREST NEIGHBOR

Abstract

Burung nokturnal merupakan jenis burung yang aktif di malam hari sehingga menjadi sulit untuk ditemui keberadaannya. Namun, suara khas yang dihasilkan setiap burung dapat dimanfaatkan untuk mendeteksi keberadaan suatu spesies burung nokturnal dengan mengklasifikasikan burung nokturnal menggunakan nilai dimensi fraktal. Pada penelitian ini akan diklasifikasikan burung nokturnal menggunakan metode Higuchi dan K-Nearest Neighbor (KNN). Pada penelitian ini digunakan sebanyak 120 data dengan masing-masing 15 data untuk 8 spesies burung yang berbeda, yaitu Eastern whip-poor-will, Eurasian stone-curlew, European nightjar, kowak-malam Abu, Pauraque, Short-tailed nighthawk, Striped owl, dan Long-tailed Potoo. Tahap pertama dilakukan pre-processing pada data dan dilanjutkan dengan ekstraksi ciri data sinyal suara menggunakan Discrete Wavelet Transform (DWT) dengan tipe mother wavelet Daubechies 4 dengan dekomposisi 5 level. Setelah itu, dicari nilai dimensi fraktalnya dengan metode Higuchi. Nilai dimensi fraktal yang diperoleh dibagi menjadi data latih dan data uji yang selanjutnya diklasifikasikan dengan metode KNN. Dari penelitian ini diperoleh akurasi tertinggi sebesar 87,5% pada K-max metode Higuchi 50 dan 60 dengan k=3 pada KNN. Hal ini menunjukkan bahwa dimensi fraktal Higuchi dan metode pengklasifikasian KNN dapat digunakan untuk mengklasifikasikan burung nokturnal berdasarkan suara.

Nocturnal birds are birds that are active at night, making them difficult to find. However, the distinctive sound produced by each bird can be utilized to detect the presence of nocturnal birds by classifying nocturnal birds using fractal dimension values. In this study, nocturnal birds will be classified using the Higuchi and K-Nearest Neighbor (KNN) methods. In this study, 120 data were used with 15 data each for 8 different bird species, i.e. Eastern whip-poor-will, Eurasian stone-curlew, European nightjar, black-crowned night heron, Pauraque, Short-tailed nighthawk, Striped owl, and Long-tailed Potoo. The first step is pre-processing the data and continuing with the extraction of sound signal data characteristics using Discrete Wavelet Transform (DWT) with Daubechies 4 mother wavelet type with 5-level decomposition. After that, the fractal dimension value is sought using the Higuchi method. The fractal dimension values obtained are divided into training data and test data which are then classified by the KNN method. From this study, the highest accuracy of 87.5% was obtained at K-max of Higuchi method 50 and 60 with k = 3 in KNN. This shows that the Higuchi fractal dimension and KNN method can be used to classify nocturnal birds based on sound.