Penerapan Dimensi Fraktal Higuchi dan K-Nearest Neighbor dalam Klasifikasi Kondisi Kucing Berdasarkan Suara

Application of Higuchi's Fractal Dimension and K-Nearest Neighbor in the Classification of Cat Conditions Based on Sound

Kucing adalah salah satu hewan mamalia karnivora yang banyak dipelihara oleh manusia. Sifatnya yang mudah beradaptasi dengan manusia menjadikan kucing memiliki hubungan yang erat dengan pemiliknya. Cara kucing menyampaikan pesan yaitu dengan mengeluarkan suara yang identik dan beberapa dari suara tersebut mencerminkan kondisi kucing. Akan tetapi, kategorisasi suara-suara kucing merupakan tantangan yang besar karena beberapa suara sangat mirip dengan yang lain dan kucing dapat menghasilkan suara yang berbeda dalam perbedaan waktu yang sangat kecil. Hal ini yang membuat si pemilik kucing sulit mengartikan dan memahami kondisi kucingnya. Dengan menggunakan dimensi fraktal dapat dilakukan analisis suara kucing sesuai kondisinya. Pada penelitian ini akan diklasifikasikan kondisi kucing berdasarkan suara menggunakan dimensi fraktal Higuchi dan K-Nearest Neighbor (KNN). Data yang digunakan yaitu 80 data suara kucing dengan kondisi angry (marah), fighting (berkelahi), happy (senang), huntingmind (berburu), mating (kawin), paining (sakit), resting (istirahat), dan warning (peringatan). Tahapan awal yang dilakukan yaitu proses Pre-Processing, kemudian ekstraksi ciri menggunakan Discrete Wavelet Transform dengan tipe mother wavelet Daubechies 4 dan dekomposisi 5 level. Selanjutnya akan dicari nilai dimensi fraktal dengan metode Higuchi. Setelah diperoleh nilainya, data dibagi menjadi 2 yaitu data training dan data testing. Selanjutnya diklasifikasikan menggunakan algoritma KNN dengan percobaan nilai K yaitu 1, 3, 5, 7, dan 9. Dari penelitian ini diperoleh akurasi tertinggi sebesar 87,5% dengan nilai K-max pada metode Higuchi adalah 60 dan K pada KNN adalah 9. Hal ini menunjukkan bahwa metode Higuchi dan KNN dapat diterapakan dalam klasifikasi kondisi kucing berdasarkan suara.

Kata Kunci: Suara kucing, kondisi, dimensi fraktal, metode Higuchi, KNN.

Cats are one of the carnivorous mammals that are widely kept by humans. Its adaptable nature with humans makes cats have a close relationship with their owners. The way cats convey messages is by making identical sounds and some of these sounds reflect the cat's condition. However, categorizing cat sounds is a big challenge because some sounds are very similar to others and cats can produce different sounds in very smalltime differences. This makes it difficult for cat owners to interpret and understand their cat's condition. By using fractal dimension, it is possible to analyze cat sounds according to their condition. This study will classify the condition of cats based on sound using the Higuchi fractal dimension and K-Nearest Neighbor (KNN). The data used are 80 cat sound data with angry, fighting, happy, hunting, mating, pain, resting, and warning conditions. The initial stage carried out is the Pre-Processing process, then feature extraction using Discrete Wavelet Transform with Daubechies 4 mother wavelet type and 5 level decomposition. Next, the fractal dimension value will be sought using the Higuchi method. After obtaining the value, the data is divided into 2, namely training data and testing data. Furthermore, it is classified using the KNN algorithm with an experimental K value of 1, 3, 5, 7, and 9. From this study, the highest accuracy was obtained at 87.5% with the K-max value in the Higuchi method is 60 and K in KNN is 9. This shows that the Higuchi and KNN methods can be applied in the classification of cat conditions based on sound.

Keywords: Cat sound, condition, fractal dimension, Higuchi method, KNN.