Burung merupakan salah satu hewan yang perlu dilindungi karena adanya beberapa jenis yang telah punah. Salah satu upaya konservasi yang dapat dilakukan adalah dengan pengenalan suara burung, di mana suara burung merupakan salah satu penanda yang khas untuk menandakan kehidupan jenis burung tersebut. Pengenalan jenis burung dilakukan dengan klasifikasi berdasarkan sinyal suara burung. Proses klasifikasi berdasarkan sinyal suara merupakan salah satu permasalahan dalam Machine Learning. Sinyal suara burung dapat diperoleh dari rekaman suara yang direkam di habitat burung. Dataset yang digunakan yaitu Machine Learning for Signal Processing (MLSP) 2013 Bird Classification Dataset. Proses reduksi noise diperluan untuk menghilangkan suara yang tidak diperlukan. Reduksi Noise sinyal suara menggunakan Transformasi Wavelet dengan mother Wavelet Daubechies. Nilai rata-rata Peak Signal To Noise Ration (PSNR) setelah direduksi noise sebesar 4,2890 lebih besar dibandingkan sebelum direduksi yaitu sebesar -22,4934. Setiap Sinyal suara yang telah direduksi dibagi menjadi 5 chunk (potong) sehingga total data adalah 1.000 data dengan 5 jenis burung yang akan diklasifikasi. Sebelum diklasifikasi data dipisah secara acak dengan rasio 6:4, 7:3, dan 8:2. Klasifikasi jenis burung berdasarkan suara menggunakan Extreme Learning Machine (ELM) dengan fungsi aktifasi Sigmoid dan Hard Limit. Akurasi yang dihasilkan dari penelitian ini adalah 79,60% pada rasio data 8:2 dengan data klasifikasi yang diekstraksi dengan wavelet dB8 pada level 8 serta dengan menggunakan fungsi aktifasi Sigmoid dan banyak hidden neuron 10.000.

Kata kunci : Klasifikasi Jenis Burung, Sinyal Suara Burung, Transformasi Wavelet, Mother Wavelet Daubechies, Extreme Learning Machine

Birds are one of the animals that need to be protected because of the existence of several species that have become extinct. One of conservation way can be done with bird sound recognition, where bird sound was one of the unique markers to indicate the existence of bird life. Recognition of bird species can be done with classification based on bird’s sound signal. Classification based on sound signal is one of the problems in Machine Learning. Bird’s sound signal can be obtained from recorded sounds recorded in their habitat. The dataset that used in this thesis is Machine Learning for Signal Processing (MLSP) 2013 Bird Classification Dataset. The noise reduction process is needed to remove noise in sound signal. Noise reduction of sound signals using Wavelet Transformation with Mother Wavelet Daubechies. Mean of Peak Signal To Noise Ration (PSNR) value in signal after noise reduction is 4,2890 greater than PSNR value before noise reduced is -22,4934. Each sound signal is divided into 5 chunk then total data is 1.000 with 5 species of birds to be classified. Before being classified, the data is randomly separated with ratio of 6:4, 7:3,  and 8: 2. Classification of bird species based on sound using Extreme Learning Machine (ELM) using Sigmoid and Hard Limit activation functions. From the test results, the accuracy from this experiment was 79,60% at ratio of 8:2 with classification data extracted with a dB8 wavelet at level 8 at using the Sigmoid activation function and 10.000 hidden neurons.

Keywords: Classification Bird Species, Bird’s Sound Signal, Wavelet Transformation, Mother Wavelet Daubechies, Extreme Learning Machine