Klasifikasi Jenis Anjing Laut Berdasarkan Suara dengan Metode Higuchi dan K-Nearest Neighbor

Classification of Seals Based on Sound using Higuchi's Method and K-Nearest Neighbor

Anjing laut merupakan salah satu mamalia laut yang saat ini perlahan mengalami penurunan populasi karena perubahan iklim, perburuan yang berlebihan, dan kehilangan habitat. Padahal anjing laut memegang peran penting dalam ekosistem laut sehingga populasi dari anjing laut perlu dilestarikan. Sebagai langkah awal untuk melestarikan anjing laut yaitu perlu diketahui data kelimpahan anjing laut pada suatu wilayah dengan cara mengetahui ada atau tidaknya anjing laut pada wilayah tersebut. Kemudian diklasifikasikan sehingga dapat dengan mudah ditentukan upaya pelestarian yang harus dilakukan. Klasifikasi jenis anjing laut berdasarkan suara karena suara dapat menjadi penanda keberadaan anjing laut. Sehingga, perlu dilakukan klasifikasi jenis anjing laut berdasarkan suara dari segi matematis dengan dimensi fraktal. Tujuan dari penelitian ini yaitu dapat mengklasifikasikan jenis anjing laut berdasarkan suara dengan dimensi fraktal Higuchi. Data yang digunakan yaitu 100 data yang terdiri atas 20 data weddel seal, 20 data leopard seal, 20 data bearded seal, 20 suara harp seal, dan 20 suara spotted seal. Data diperoleh dari website Watkins Marine Mammals Sound Database. Proses pertama dari penelitian ini yaitu pre-processing sinyal yang terdiri atas dua proses yaitu proses filtering dan proses normalisasi. Selanjutnya, proses ekstraksi ciri dengan metode Discrete Wavelet Transform (DWT) dengan tipe mother wavelet Daubechies yaitu Daubechies 4 dengan dekomposisi wavelet 5 level. Proses ekstraksi ciri menghasilkan sinyal aproksimasi. Selanjutnya, menghitung dimensi fraktal dari sinyal aproksimasi menggunakan metode Higuchi. Dalam penelitian ini dipilih k-max 50 dan 60 sebagai percobaan. Hasil dimensi fraktal dari setiap sinyal suara selanjutnya dibagi dengan perbandingan 6:4 sampai 9:1 kemudian diklasifikasikan menggunakan metode K-Nearest Neighbor (KNN). Pada penelitian ini dipilh K = 1,2,3,5,7,9,10 sebagai percobaan pada metode KNN. Berdasarkan hasil penelitian diperoleh akurasi terbaik yaitu 80% pada k-max 60 pada metode Higuchi, perbandingan pembagian data 9:1, dan K= 10 pada metode KNN. Akurasi 80% termasuk ke dalam kategori akurasi yang baik sehingga dimensi fraktal Higuchi dapat digunakan untuk mengklasifikasikan jenis anjing laut berdasarkan suara.

Kata kunci : Suara Anjing Laut, Dimensi Fraktal Higuchi, K-Nearest Neighbor(KNN).

Seals are one of the marine mammals whose population is slowly declining due to climate change, overhunting and habitat loss. Even though seals play an important role in the marine ecosystem so that the population of seals needs to be preserved. As a first step in conserving seals, it is necessary to know data on the abundance of seals in an area by knowing whether or not there are seals in that area. Then it is classified so that it can be easily determined the conservation efforts that must be carried out. Classification of seal types based on sound because sound can be an indication of the presence of seals. Thus, it is necessary to classify seal species based on sound from a mathematical perspective with fractal dimensions. The purpose of this study is to classify seal types based on sound with the Higuchi fractal dimension. The data used is 100 data consisting of 20 weddel seal data, 20 leopard seal data, 20 bearded seal data, 20 harp seal sounds, and 20 spotted seal sounds. Data obtained from the Watkins Marine Mammals Sound Database website. The first process of this research is signal pre-processing which consists of two processes, namely the filtering process and the normalization process. Furthermore, the feature extraction process uses the Discrete Wavelet Transform (DWT) method with the Daubechies wavelet type, namely Daubechies 4 with 5-level wavelet decomposition. The feature extraction process produces an approximation signal. Next, calculate the fractal dimension of the signal approximation using the Higuchi method. In this study, k-max 50 and 60 were selected as experiments. The results of the fractal dimensions of each sound signal are then divided by a ratio of 6:4 to 9:1 and then classified using the K-Nearest Neighbor (KNN) method. In this study, K = 1,2,3,5,7,9,10 was chosen as an experiment in the KNN method. Based on the research results, the best accuracy was 80% at k-max 60 in the Higuchi method, the ratio of data division was 9:1, and K = 10 on the KNN method. 80% is included in the good accuracy category so that Higuchi's fractal dimensions can be used to classify seal types based on sound. 

Keywords : Seals Sound, Higuchi Fractal Dimension, K-Nearest Neighbor.