iii
ABSTRAK
Perkembangan teknologi yang terus meningkat memberikan sejumlah besar
manfaat kepada masyarakat. Salah satu keunggulannya adalah memberikan kemudahan
dalam memenuhi kebutuhan, termasuk mendukung hobi, terutama bagi komunitas
pecinta burung kicau. Kelebihan yang diinginkan oleh komunitas tersebut adalah
keberadaan suatu sistem yang mampu mendeteksi suara kicau jenis burung, sehingga
mereka dapat dengan mudah menilai kualitas bentuk suara dalam setiap kompetisi
burung. Untuk memenuhi kebutuhan tersebut, diperlukan sistem yang mampu
mengklasifikasikan jenis burung berdasarkan karakteristik suara kicauannya..
Tugas akhir ini mengimplementasikan Compressive Sensing (CS) dengan
menggunakan Discrete Cosine Transform (DCT) sebagai metode untuk membuat data
menjadi lebih jarang atau Sparsitas, kemudian menggunakan metode Orthogonal
Matching Pursuit (OMP) untuk melakukan rekonstruksi data, dan inverse sparsity
dengan menggunakan Inverse DCT (IDCT). Metode ini akan digunakan dalam proses
klasifikasi jenis suara burung dengan menggunakan algoritma Convolutional Neural
Network (CNN) berbasis deep learning. Penilitian ini menggabungkan CS ke dalam
klasifikasi jenis suara burung dan menggunakan waveform sebagai data 2 dimensi sinyal
audio.
Hasil terbaik yang didapatkan dalam Tugas Akhir ini adalah melibatkan pengujian
dan deteksi klasifikasi suara jenis burung berdasarkan bentuk kicauannya. Dengan
menggunakan Convolutional Neural Network (CNN) dan Compressive Sensing (CS) dan
metode rekonstruksi Orthogonal Matching Pursuit (OMP) mendapatkan hasil tingkat
akurasi optimal sebesar 100%, dengan nilai loss terendah sebesar 0.8552, dan selesisi
waktu komputasi lebih cepat sebesar 8 detik, serta hasil performansi matriks terbaik
dengan menggunakan CS mendapatkan tingkat akurasi 100%.
Kata kunci: Burung, Compressive Sensing, Orthogonal Matching Pursuit,
Convolutional Neural Network, performansi matriks, suara burung.