Klasifikasi Jenis Burung Cucak Berdasarkan Suara Menggunakan MFCC Dan Naive Bayes

Indonesia memiliki ekosistem yang kaya dan beragam dengan tingkat keanekaragaman hayati yang tinggi, termasuk keanekaragaman burung. Penelitian ini berfokus pada pengembangan sistem klasifikasi suara burung yang menggunakan Mel-Frequency Cepstral Coefficient dan algoritma Naive Bayes. Sistem ini bertujuan untuk mengidentifikasi spesies burung dari famili Pycnonotidae di Indonesia: brinji gunung, cucak kutilang, merbah belukar, merbah cerukcuk, dan merbah mata merah. Dataset suara burung dikumpulkan dari website xeno-canto.org, kemudian data diproses dan diekstraksi menggunakan fitur mel frequency cepstral coefficient. Model naive bayes kemudian dilatih dan diuji pada dataset yang telah diberi label. Penelitian ini menunjukkan bahwa model naïve bayes adalah metode yang efektif untuk mengklasifikasikan suara burung. Model naive bayes memiliki kinerja yang cukup bagus dalam mengklasifikasian suara burung, mencapai akurasi prediksi mulai dari yang terendah 52% hingga yang tertinggi 90%. Hal ini menunjukkan bahwa model ini cocok untuk membedakan antara suara burung cucak yang berbeda. Hasil pengujian yang diperoleh menunjukkan bahwa model naiva bayes memiliki potensi besar dalam mengklasifikasikan suara cucak. Akurasi yang dicapai oleh model ini, bahkan dengan 20% data latih, membuktikan kemampuannya untuk mengidentifikasi dan membedakan suara cucak dengan tingkat akurasi yang cukup tinggi. Efektivitas model naive bayes dalam mengklasifikasikan suara cucak cukup bagus, terutama mengingat kemampuannya untuk mencapai efisiensi yang tinggi meskipun dengan data pelatihan yang terbatas.