LAPORAN PENELITIAN

APLIKASI IDENTIFIKASI BURUNG PARUH BENGKOK BERBASIS

ANDROID

PENULIS :

REMI SENJAYA

DEPOK

2020

ABSTRAK

Burung Paruh Bengkok merupakan jenis burung yang berasal dari kelompok Bayan yang

dimana kelompok burung ini memiliki lebih dari 350 spesies ordo Psittaciformes. Oleh

karena itu diperlukan adanya pendekatan digital agar dapat mengenali beragam spesies

burung paruh bengkok yang ada dengan mudah. Dengan menggunakan teknologi Deep

Learning, yang merupakan salah satu bidang ilmu baru dalam Machine Learning dan

berkembang dengan pesat. Deep Learning memiliki kemampuan yang baik dalam Computer

Vision, salah satunya yaitu image classification atau klasifikasi objek pada citra. Metode

yang dapat digunakan dalam melakukan klasifikasi citra ini yaitu Convolutional Neural

Network (CNN). Lalu CNN ini diimplentasikan ke aplikasi mobile yaitu Android yang

dimana di zaman sekarang penggunaan Android sendiri sudah menjadi kebutuhan untuk

membantu kegiatan sehari – hari. Hasil final test accuracy yang diperoleh yaitu didapat

keakuratan sebesar 98,28% dengan salah satu hasil pengujian yaitu klasifikasi kakapo

dengan akurasi sebesar 99,30%.

PENDAHULUAN

Burung adalah anggota kelompok hewan bertulang belakang (vertebrata) yang memiliki

bulu dan sayap. Fosil tertua burung ditemukan di Jerman dan dikenal sebagai Archaeopteryx. Jenis-

jenis burung begitu bervariasi, mulai dari burung kolibri yang kecil dan dapat mengepakkan sayap

dengan sangat cepat, penguin yang menyelam dengan sayapnya, hingga burung unta, yang lebih

tinggi dari manusia. Sebagian besar spesies burung di dunia mampu terbang menggunakan

sayapnya (mis. bebek, angsa, burung gereja, pelikan, burung hantu, elang, cenderawasih, dan masih

banyak lagi), kecuali beberapa jenis burung yang biasanya endemik di tempat tertentu, seperti

burung unta, moa, kasuari, kiwi, penguin, dan sebagainya. Diperkirakan terdapat sekitar 8.800 –

10.200 spesies burung di seluruh dunia. sekitar 1.500 jenis di antaranya ditemukan di Indonesia.

Berbagai jenis burung ini secara ilmiah digolongkan ke dalam kelas Aves[2]. Salah satu jenis

burung di dunia yaitu burung paruh bengkok yang memiliki banyak sekali variannya. Banyaknya

jenis dari burung salah satunya burung paruh bengkok maka diperlukan pendekatan digital

terhadap burung paruh bengkok agar lebih mudah dan cepat teridentifikasi salah satunya

menggunakan pengidentifikasian citra menggunakan Convolutional Neural Network (CNN).

Convolutional Neural Network adalah salah satu metode machine learning dari

pengembangan Multi Layer Perceptron (MLP) yang didesain untuk mengolah data dua dimensi.

CNN termasuk dalam jenis Deep Neural Network karena dalamnya tingkat jaringan dan banyak

diimplementasikan dalam data citra. CNN memiliki dua metode yakni klasifikasi menggunakan

feedforward dan tahap pembelajaran menggunakan backpropagation. Cara kerja CNN memiliki

kesamaan pada MLP, namun dalam CNN setiap neuron dipresentasikan dalam bentuk dua dimensi,

tidak seperti MLP yang setiap neuron hanya berukuran satu dimensi[5]. Dalam penerapan metode

https://id.wikipedia.org/wiki/Hewanhttps://id.wikipedia.org/wiki/Vertebratahttps://id.wikipedia.org/wiki/Buluhttps://id.wikipedia.org/wiki/Sayaphttps://id.wikipedia.org/wiki/Fosilhttps://id.wikipedia.org/wiki/Jermanhttps://id.wikipedia.org/wiki/Archaeopteryxhttps://id.wikipedia.org/wiki/Burung_kolibrihttps://id.wikipedia.org/wiki/Penguinhttps://id.wikipedia.org/wiki/Burung_untahttps://id.wikipedia.org/wiki/Bebekhttps://id.wikipedia.org/wiki/Angsahttps://id.wikipedia.org/wiki/Burung_gerejahttps://id.wikipedia.org/wiki/Undanhttps://id.wikipedia.org/wiki/Burung_hantuhttps://id.wikipedia.org/wiki/Elanghttps://id.wikipedia.org/wiki/Burung-burung_Cenderawasihhttps://id.wikipedia.org/wiki/Endemismehttps://id.wikipedia.org/wiki/Burung_untahttps://id.wikipedia.org/wiki/Moahttps://id.wikipedia.org/wiki/Kasuarihttps://id.wikipedia.org/wiki/Kiwihttps://id.wikipedia.org/wiki/Penguinhttps://id.wikipedia.org/wiki/Spesieshttps://id.wikipedia.org/wiki/Duniahttps://id.wikipedia.org/wiki/Indonesia

CNN harus didukung juga teknologi salah satunya teknologi mobile.

(a) (b)

(c) (d)

(e)

Gambar Jenis Burung Paruh Bengkok

Sumber : https://ladygouldianfinch.com/product_posters.php

LANDASAN TEORI

Python

Python merupakan bahasa pemograman serbaguna yang diciptakan oleh Guido van Rossum

pada tahun 1991. Bahasa ini dirancang agar kode mudah untuk dibaca oleh orang. Sebagai

perwujudannya, penggunaan spasi untuk mengatur indentasi kode sangat signifikan. Dengan

demikian, penambahan spasi pada kode tidak dapat dilakukan sembarangan. Seperti halnya C++,

Python bersifat portabel dalam kode sumber. Kode sumber dapat digunakan pada berbagai platform

seperti Windows, Mac OS, dan Linux. Python menyediakan manajemen memori yang bertindak

seperti metode pengumpulan sampah pada java[15].

Artificial Intelligence

Kecerdasan Buatan atau Artificial Intelligence (AI) adalah teknik yang digunakan

untuk meniru kecerdasan yang dimiliki oleh makhluk hidup maupun benda mati untuk

menyelesaikan sebuah persoalan.[17] Untuk melakukan hal ini, setidaknya ada tiga metode

yang dikembangkan, yaitu :

1. Fuzzy Logic(FL). Teknik ini digunakan oleh mesin untuk mengadaptasi bagaimana

https://ladygouldianfinch.com/product_posters.php

makhluk hidup menyesuaikan kondisi dengan memberikan keputusan yang tidak kaku 0

atau 1. Sehingga dimunculkan sistem logika fuzzy yang tidak kaku. Penerapan logika

fuzzy ini salah satunya adalah untuk sistem pengereman kereta api di Jepang.

2. Evolutionary Computing(EC). Pendekatan ini menggunakan skema evolusi yang

menggunakan jumlah individu yang banyak dan memberikan sebuah ujian untuk

menyeleksi individu terbaik untuk membangkitkan generasi selanjutnya. Seleksi

tersebut digunakan untuk mencari solusi dari suatu permasalahan. Contoh dari

pendekatan ini adalah Algoritme Genetika yang menggunakan ide mutasi dan kawin

silang, Particle Swarm Optimization (PSO) yang meniru kumpulan binatang seperti

burung dan ikan dalam mencari mangsa, Simulated Annealing yang menirukan

bagaimana logam ditempa, dan masih banyak lagi.

3. Machine Learning (ML) atau pembelajaran mesin merupakan teknik yang paling populer

karena banyak digunakan untuk menggantikan atau menirukan perilaku manusia untuk

menyelesaikan masalah. Sesuai namanya ML mencoba menirukan bagaimana proses

manusia atau makhluk cerdas belajar dan mengeneralisasi.

Gambar Skema Kecerdasan Buatan

Convolutional Neural Network

Convolutional Neural Network merupakan salah satu jenis neural network yang biasanya

digunakan dalam pengolahan data image. Konvolusi atau biasa yang disebut dengan

convolution adalah matriks yang memiiki fungsi melakukan filter pada gambar. Convolutional

Neural Network memiliki beberapa layer yang difungsikan untuk melakukan filter pada setiap

prosesnya. Prosesnya disebut dengan proses training. Pada proses training terdapat 3 tahapan

yaitu Convolutional layer, Pooling layer, dan Fully connected layer[8].

Gambar 2.3 Proses Convolutional Neural Network

Sumber: https://www.mathworks.com/discovery/convolutional-neural-network.html

PEMBAHASAN MASALAH

Struktur Navigasi

Langkah awal dalam perancangan aplikasi yang dibuat adalah membuat struktur

navigasi. Struktur navigasi yang digunakan adalah navigasi campuran atau composite.

Struktur navigasi campuran pada aplikasi ini merupakan gabungan dari struktur navigasi

linear dan hirarki.

Gambar 3.21 Struktur Navigasi

https://www.mathworks.com/discovery/convolutional-neural-network.htmlhttps://www.mathworks.com/discovery/convolutional-neural-network.html

Implementasi dan Uji Coba Aplikasi

Tahap ini membahas mengenai hasil implmentasi, uji coba aplikasi klasifikasi burung paruh

bengkok pada beberapa perangkat. Hasil dan uji coba disajikan dalam bentuk tabel dan juga gambar

beserta keterangan pendukung.

Menampilkan Menu Utama

Ketika aplikasi dijalankan tampilan menu utama akan muncul dengan menampilkan

icon menu dan juga teks keterangan dari icon. Di bagian bawah ada copyright aplikasi

tampilan dari menu utama bisa dilihat pada gambar 3.31.

Gambar Tampilan Menu Utama

Menampilkan Menu Scan

Tampilan menu scan merupakan tampilan untuk mendeteksi objek. Tampilan ini akan

memberi informasi akurasi objek yang diidentifikasi. Sebelum membuka kamera, aplikasi

meminta hak akses kepada pengguna kamera pada smartphone. Lalu ada tombol capture

mode di pojok kanan atas untuk berbindah ke halaman capture mode nantinya.

Gambar Tampilan Menu Scan

Gambar 3.32 salah satu contoh implementasi ke jenis burung paruh bengkok yang

diidentifikasi yang sedang menampilkan deteksi objek dengan keakuratan 99.19%. tampilan

menu scan memberikan akurasi dari 3 jenis objek yang mendekati kemiripan dengan objek

yang ada pada dataset dengan skala 0% -100% .

1.1.1. Menampilkan Capture Mode

Tampilan Capture mode berbeda dengan menu scan yang secara realtime yang dimana

kamera yang digunakan tidak terlalu besar seperti menu scan utama tampilan output dari

Capture Mode sendiri akan menampilkan output di bawah kamera dengan menampilkan

gambar hasil tangkapan dan juga teks keterangan Gambar 3.33 merupakan tampilan capture

mode.

Gambar Tampilan Capture Mode

Saat berada di halaman capture mode ada 2 tombol yaitu toggle camera dan detect

object yang dimana toggle camera berguna untuk mengganti kamera dan detect object

untuk melakukan identifikasi gambar.

Menampilkan Menu Info

Tampilan menu Info merupakan tampilan yang menyajikan list info dari burung paruh

bengkok yang dimana apabila kita memilih salah satu list akan menampilkan detail info dari burung

paruh bengkok.

Gambar Tampilan Menu Info

Menampilkan Detail Info

Tampilan dari detail info menyajikan informasi detail dari list info yang disediakan

di menu info yang dimana berisi nama burung, tempat populasi burung, deskripsi burung,

dan audio burung.

Gambar Tampilan Detail Info

Saat berada di halaman detail info terdapat 2 tombol yaitu play yang diwakilkan

dengan icon speacker dan stop dengan icon lingkaran yang dimana saat menekan play akan

menjalankan audio dari burung tersebut begitu juga apabila menekan stop akan

memberhentikan audio yang sedang berjalan.

PENUTUP

Aplikasi ini sudah berhasil dibuat menggunakan Android Studio 4.0.0 dan dapat

dijalankan pada smartphone dengan minimum versi Android Lollipop. Metode Convolutional

Neural Network mampu melakukan klasifikasi burung paruh bengkok. Hasil dari final test

accuracy yang diperoleh dari keseluruhan proses pelatihan yaitu sebesar 98,28%. Salah satu hasil

pengujian yaitu klasifikasi kakapo dengan akurasi sebesar 99,30%.

DAFTAR PUSTAKA

[1] Wikipedia Indonesia. 2020. Burung. https://id.wikipedia.org/wiki/Burung (Online,

diakses 30 Juni 2020)

[2] Artikel Omkicau. 2010. Burung-burung paruh bengkok yang dilindungi.

https://omkicau.com/kategori-populer/paruh-bengkok/ (Online, diakses 30 juni 2020)

[3] Wikipedia Indonesia. 2008. Bayan (burung).

https://id.wikipedia.org/wiki/Bayan_(burung) (Online, diakses 30 Juni 2020)

[4] Kusumanto, RD. Tompunu, Alan Novi. 2011. PENGOLAHAN CITRA DIGITAL

UNTUK MENDETEKSI OBYEK MENGGUNAKAN PENGOLAHAN WARNA

MODEL NORMALISASI RGB. Semantik 2011.

https://dinus.ac.id/repository/docs/jurnas/15151.pdf (Online, diakses 30 Juni 2020)

[5] Sofia, Nadhifa. 2018. CONVOLUTIONAL NEURAL NETWORK.

https://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-

neural-network-merupakan-salah-satu-metode-machine-28189e17335b (Online, diakses

30 Juni 2020)

[6] Budi, Donny. 2018. Pengenalan Tentang Deep Learning.

https://otomasi.sv.ugm.ac.id/2018/10/09/pengenalan-tentang-deep-learning/ (Online,

diakses 30 Juni 2020)

[7] Dicoding. 2019. Memulai Pemrograman Dengan Python : Pengenalan Python.

https://www.dicoding.com/academies/86/freemodule/4733 (Online, diakses 30 Juni 2020)

[8] Santoso, Aditya. Ariyanto, Gunawan. 2018. IMPLEMENTASI DEEP LEARNING

BERBASIS KERAS UNTUK PENGENALAN WAJAH. Jurnal Editor. 18(01): 15-21.

http://journals.ums.ac.id/index.php/emitor/article/view/6235/3901 (Online, diakses 30

Juni 2020)

[9] Ramdani, Tiswa. 2019. Tensorflow yang Dikembangkan oleh Google Brain Team.

https://mmsi.binus.ac.id/2019/11/26/tensorflow-yang-dikembangkan-oleh-google-brain-

team/ (Online, diakses 30 juni 2020)

[10] Dicoding. Memulai Pemrograman Dengan Java : Introduction.

https://www.dicoding.com/academies/60/tutorials/1788 (Online, diakses 30 Juni 2020)

[11] Dokumentasi Scribd. Struktur Navigasi.

https://www.scribd.com/doc/187918648/Struktur-Navigasi (Online, diakses 30 Juni 2020)

[12] Imaduddin, Ahmad. Permana, Sidiq. 2018. Menjadi Android Developer Expert.

Bandung: Dicoding Indonesia.

https://id.wikipedia.org/wiki/Burunghttps://omkicau.com/kategori-populer/paruh-bengkok/https://id.wikipedia.org/wiki/Bayan_(burung)https://dinus.ac.id/repository/docs/jurnas/15151.pdfhttps://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-neural-network-merupakan-salah-satu-metode-machine-28189e17335bhttps://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-neural-network-merupakan-salah-satu-metode-machine-28189e17335bhttps://otomasi.sv.ugm.ac.id/2018/10/09/pengenalan-tentang-deep-learning/https://www.dicoding.com/academies/86/freemodule/4733http://journals.ums.ac.id/index.php/emitor/article/view/6235/3901https://mmsi.binus.ac.id/2019/11/26/tensorflow-yang-dikembangkan-oleh-google-brain-team/https://mmsi.binus.ac.id/2019/11/26/tensorflow-yang-dikembangkan-oleh-google-brain-team/https://www.dicoding.com/academies/60/tutorials/1788https://www.scribd.com/doc/187918648/Struktur-Navigasi

[13] Woods, Richard E., Gonzaler, Rafael C. 1992. Digital image processing. Massachusetts:

Addison-Wesley Publishing Company.

[14] Chollet, François. 2018. Deep learning with Python. Shelter Island: Manning.

[15] Kadir, Abdul. 2019. Logika Pemrograman Python. Jakarta: Elex Media Komputindo.

[16] Kadir, Abdul. 2020. Logika Pemrograman Java. Jakarta: Elex Media Komputindo.

[17] Ahmad, Abu. 2017. Mengenal Artificial Intelligence, Machine Learning, Neural

Network, dan Deep Learning. Yayasan Cahaya Islam, Jurnal Teknologi Indonesia.

https://docplayer.info/62490785-Mengenal-artificial-intelligence-machine-learning-

neural-network-dan-deep-learning.html (Online, diakses 5 Juli 2020)

[18] https://www.tensorflow.org/lite/guide (Online, diakses 5 Juli 2020)

[19] https://colab.research.google.com/ (Online, diakses 5 Juli 2020)

[20] Adam, Rian. 2019. Mengenal Google Colab. https://structilmy.com/2019/05/mengenal-

google-colab/ (Online, diakses 5 Juli 2020)

https://docplayer.info/62490785-Mengenal-artificial-intelligence-machine-learning-neural-network-dan-deep-learning.htmlhttps://docplayer.info/62490785-Mengenal-artificial-intelligence-machine-learning-neural-network-dan-deep-learning.htmlhttps://www.tensorflow.org/lite/guidehttps://colab.research.google.com/https://structilmy.com/2019/05/mengenal-google-colab/https://structilmy.com/2019/05/mengenal-google-colab/