Klasifikasi Jenis Delphinidae (Lumba-Lumba) dengan Dimensi Fraktal Menggunakan Metode Higuchi dan KNN (K-Nearest Neighbor) 

CLASSIFICATION OF DELPHINIDAE WITH FRACTAL DIMENSIONS USING HIGUCHI AND KNN (K-NEAREST NEIGHBOR) METHODS

Keluarga delphinidae atau sejenis ikan lumba-lumba termasuk kedalam Ordo Cetacean dan merupakan anggota dari Odontocetes. Keluarga delphinidae memiliki ciri khas pada fisik dan range frequency sinyal suara yang dikeluarkan. Hidup di laut dan merupakan hewan yang langka membuat delphinidae sangat sulit untuk ditemukan dan belum lagi jika ingin diklasifikasikan, dimana kita harus menangkap dan menganalisis fisik dari delphinidae. Dengan menggunakan dimensi fraktal kita dapat menganalisis suara keluarga delphinidae berdasarkan ciri khas sinyal suaranya untuk mengklasifikasikannya. Pada penilitian kali ini akan diklasifikasikan anggota keluarga delphinidae dengan menggunakan metode Higuchi dan K-Nearest Neighbor. Dengan menggunakan 80 data yakni Common Dolphin 18 data, Killer Whale  20 data, Fraser’s Dolphin 20 data, dan Long-Finned Pilot Whale 22 data, data yang digunakan berupa .wav . Pada tahap pertama akan dilakukan proses Pre-Processing, selanjutnya akan dilakukan proses ekstraksi ciri dengan menggunakan Discrete Wavelet Trasnform tipe mother wavelet Daubechies db4 wavelet dengan dekomposisi level 5 dan Fast fourier transform. Lalu akan dicari nilai dimensi fraktalnya dengan menggunakan metode Higuchi. Setelah didapat nilai dimensi fraktalnya data akan dibagi menjadi data uji dan data uji dengan menggunakan k-cross validation dengan percobaan nilai k yakni 2, 4, 8, dan 10. Setalah data dibagi, data akan diklasifikasikan dengan menggunakan K-Nearest Neighbor dengan percobaan nilai K yakni 1, 3, 5 dan 7.  Pada penilitian ini diperoleh nilai Akurasi tertinggi sebesar 82,5% dengan nilai Kmax = 50, k = 8, dan K = 3. Maka dapat disimpulkan, metode Higuchi dan K-Nearest Neighbor dapat digunakan untuk mengklasifikasikan anggota keluarga delphinidae.

The delphinidae family belongs to the Cetacean Order and is a member of the Odontocetes. The delphinidae family has characterized by the physical characteristics and frequency ranges of sound signals produced. Living in the sea and being a rare animal makes delphinidae very difficult to find and if we want to be classified, we have to capture and analyze the physicality of delphinidae. By using the fractal dimension we can analyze the sounds of the delphinidae family based on the characteristics of their sound signals to classify them. In this research, members of the delphinidae family will be classified using the Higuchi and K-Nearest Neighbor methods. By using 80 data, namely Common Dolphin 18 data, Killer Whale 20 data, Fraser's Dolphin 20 data, and Long-Finned Pilot Whale 22 data, the data used is .wav. In the first step, the Pre-Processing process will be carried out, then the feature extraction process will be carried out using the Discrete Wavelet Transform type mother wavelet Daubechies db4 wavelet with level 5 decomposition and Fast Fourier Transform. Then we will find the fractal dimension value using the Higuchi method. After obtaining the fractal dimension, the data will be divided into Training data and Testing data using k-cross validation with k value experiments namely 2, 4, 8, and 10. After the data is divided the data will be classified using K-Nearest Neighbor with an experimental K value. namely 1, 3, 5 and 7. In this study, the highest accuracy value was 82.5% with Kmax = 50, k = 8, and K = 3.Thus it can be concluded, the Higuchi and K-Nearest Neighbor methods can be used to classify members of the family delphinidae