laporan penelitianremi.staff.gunadarma.ac.id/downloads/files/80788/penelitian+1.pdf · sebagian...
TRANSCRIPT
-
LAPORAN PENELITIAN
APLIKASI IDENTIFIKASI BURUNG PARUH BENGKOK BERBASIS
ANDROID
PENULIS :
REMI SENJAYA
DEPOK
2020
-
ABSTRAK
Burung Paruh Bengkok merupakan jenis burung yang berasal dari kelompok Bayan yang
dimana kelompok burung ini memiliki lebih dari 350 spesies ordo Psittaciformes. Oleh
karena itu diperlukan adanya pendekatan digital agar dapat mengenali beragam spesies
burung paruh bengkok yang ada dengan mudah. Dengan menggunakan teknologi Deep
Learning, yang merupakan salah satu bidang ilmu baru dalam Machine Learning dan
berkembang dengan pesat. Deep Learning memiliki kemampuan yang baik dalam Computer
Vision, salah satunya yaitu image classification atau klasifikasi objek pada citra. Metode
yang dapat digunakan dalam melakukan klasifikasi citra ini yaitu Convolutional Neural
Network (CNN). Lalu CNN ini diimplentasikan ke aplikasi mobile yaitu Android yang
dimana di zaman sekarang penggunaan Android sendiri sudah menjadi kebutuhan untuk
membantu kegiatan sehari – hari. Hasil final test accuracy yang diperoleh yaitu didapat
keakuratan sebesar 98,28% dengan salah satu hasil pengujian yaitu klasifikasi kakapo
dengan akurasi sebesar 99,30%.
PENDAHULUAN
Burung adalah anggota kelompok hewan bertulang belakang (vertebrata) yang memiliki
bulu dan sayap. Fosil tertua burung ditemukan di Jerman dan dikenal sebagai Archaeopteryx. Jenis-
jenis burung begitu bervariasi, mulai dari burung kolibri yang kecil dan dapat mengepakkan sayap
dengan sangat cepat, penguin yang menyelam dengan sayapnya, hingga burung unta, yang lebih
tinggi dari manusia. Sebagian besar spesies burung di dunia mampu terbang menggunakan
sayapnya (mis. bebek, angsa, burung gereja, pelikan, burung hantu, elang, cenderawasih, dan masih
banyak lagi), kecuali beberapa jenis burung yang biasanya endemik di tempat tertentu, seperti
burung unta, moa, kasuari, kiwi, penguin, dan sebagainya. Diperkirakan terdapat sekitar 8.800 –
10.200 spesies burung di seluruh dunia. sekitar 1.500 jenis di antaranya ditemukan di Indonesia.
Berbagai jenis burung ini secara ilmiah digolongkan ke dalam kelas Aves[2]. Salah satu jenis
burung di dunia yaitu burung paruh bengkok yang memiliki banyak sekali variannya. Banyaknya
jenis dari burung salah satunya burung paruh bengkok maka diperlukan pendekatan digital
terhadap burung paruh bengkok agar lebih mudah dan cepat teridentifikasi salah satunya
menggunakan pengidentifikasian citra menggunakan Convolutional Neural Network (CNN).
Convolutional Neural Network adalah salah satu metode machine learning dari
pengembangan Multi Layer Perceptron (MLP) yang didesain untuk mengolah data dua dimensi.
CNN termasuk dalam jenis Deep Neural Network karena dalamnya tingkat jaringan dan banyak
diimplementasikan dalam data citra. CNN memiliki dua metode yakni klasifikasi menggunakan
feedforward dan tahap pembelajaran menggunakan backpropagation. Cara kerja CNN memiliki
kesamaan pada MLP, namun dalam CNN setiap neuron dipresentasikan dalam bentuk dua dimensi,
tidak seperti MLP yang setiap neuron hanya berukuran satu dimensi[5]. Dalam penerapan metode
https://id.wikipedia.org/wiki/Hewanhttps://id.wikipedia.org/wiki/Vertebratahttps://id.wikipedia.org/wiki/Buluhttps://id.wikipedia.org/wiki/Sayaphttps://id.wikipedia.org/wiki/Fosilhttps://id.wikipedia.org/wiki/Jermanhttps://id.wikipedia.org/wiki/Archaeopteryxhttps://id.wikipedia.org/wiki/Burung_kolibrihttps://id.wikipedia.org/wiki/Penguinhttps://id.wikipedia.org/wiki/Burung_untahttps://id.wikipedia.org/wiki/Bebekhttps://id.wikipedia.org/wiki/Angsahttps://id.wikipedia.org/wiki/Burung_gerejahttps://id.wikipedia.org/wiki/Undanhttps://id.wikipedia.org/wiki/Burung_hantuhttps://id.wikipedia.org/wiki/Elanghttps://id.wikipedia.org/wiki/Burung-burung_Cenderawasihhttps://id.wikipedia.org/wiki/Endemismehttps://id.wikipedia.org/wiki/Burung_untahttps://id.wikipedia.org/wiki/Moahttps://id.wikipedia.org/wiki/Kasuarihttps://id.wikipedia.org/wiki/Kiwihttps://id.wikipedia.org/wiki/Penguinhttps://id.wikipedia.org/wiki/Spesieshttps://id.wikipedia.org/wiki/Duniahttps://id.wikipedia.org/wiki/Indonesia
-
CNN harus didukung juga teknologi salah satunya teknologi mobile.
(a) (b)
(c) (d)
-
(e)
Gambar Jenis Burung Paruh Bengkok
Sumber : https://ladygouldianfinch.com/product_posters.php
LANDASAN TEORI
Python
Python merupakan bahasa pemograman serbaguna yang diciptakan oleh Guido van Rossum
pada tahun 1991. Bahasa ini dirancang agar kode mudah untuk dibaca oleh orang. Sebagai
perwujudannya, penggunaan spasi untuk mengatur indentasi kode sangat signifikan. Dengan
demikian, penambahan spasi pada kode tidak dapat dilakukan sembarangan. Seperti halnya C++,
Python bersifat portabel dalam kode sumber. Kode sumber dapat digunakan pada berbagai platform
seperti Windows, Mac OS, dan Linux. Python menyediakan manajemen memori yang bertindak
seperti metode pengumpulan sampah pada java[15].
Artificial Intelligence
Kecerdasan Buatan atau Artificial Intelligence (AI) adalah teknik yang digunakan
untuk meniru kecerdasan yang dimiliki oleh makhluk hidup maupun benda mati untuk
menyelesaikan sebuah persoalan.[17] Untuk melakukan hal ini, setidaknya ada tiga metode
yang dikembangkan, yaitu :
1. Fuzzy Logic(FL). Teknik ini digunakan oleh mesin untuk mengadaptasi bagaimana
https://ladygouldianfinch.com/product_posters.php
-
makhluk hidup menyesuaikan kondisi dengan memberikan keputusan yang tidak kaku 0
atau 1. Sehingga dimunculkan sistem logika fuzzy yang tidak kaku. Penerapan logika
fuzzy ini salah satunya adalah untuk sistem pengereman kereta api di Jepang.
2. Evolutionary Computing(EC). Pendekatan ini menggunakan skema evolusi yang
menggunakan jumlah individu yang banyak dan memberikan sebuah ujian untuk
menyeleksi individu terbaik untuk membangkitkan generasi selanjutnya. Seleksi
tersebut digunakan untuk mencari solusi dari suatu permasalahan. Contoh dari
pendekatan ini adalah Algoritme Genetika yang menggunakan ide mutasi dan kawin
silang, Particle Swarm Optimization (PSO) yang meniru kumpulan binatang seperti
burung dan ikan dalam mencari mangsa, Simulated Annealing yang menirukan
bagaimana logam ditempa, dan masih banyak lagi.
3. Machine Learning (ML) atau pembelajaran mesin merupakan teknik yang paling populer
karena banyak digunakan untuk menggantikan atau menirukan perilaku manusia untuk
menyelesaikan masalah. Sesuai namanya ML mencoba menirukan bagaimana proses
manusia atau makhluk cerdas belajar dan mengeneralisasi.
Gambar Skema Kecerdasan Buatan
-
Convolutional Neural Network
Convolutional Neural Network merupakan salah satu jenis neural network yang biasanya
digunakan dalam pengolahan data image. Konvolusi atau biasa yang disebut dengan
convolution adalah matriks yang memiiki fungsi melakukan filter pada gambar. Convolutional
Neural Network memiliki beberapa layer yang difungsikan untuk melakukan filter pada setiap
prosesnya. Prosesnya disebut dengan proses training. Pada proses training terdapat 3 tahapan
yaitu Convolutional layer, Pooling layer, dan Fully connected layer[8].
Gambar 2.3 Proses Convolutional Neural Network
Sumber: https://www.mathworks.com/discovery/convolutional-neural-network.html
PEMBAHASAN MASALAH
Struktur Navigasi
Langkah awal dalam perancangan aplikasi yang dibuat adalah membuat struktur
navigasi. Struktur navigasi yang digunakan adalah navigasi campuran atau composite.
Struktur navigasi campuran pada aplikasi ini merupakan gabungan dari struktur navigasi
linear dan hirarki.
Gambar 3.21 Struktur Navigasi
https://www.mathworks.com/discovery/convolutional-neural-network.htmlhttps://www.mathworks.com/discovery/convolutional-neural-network.html
-
Implementasi dan Uji Coba Aplikasi
Tahap ini membahas mengenai hasil implmentasi, uji coba aplikasi klasifikasi burung paruh
bengkok pada beberapa perangkat. Hasil dan uji coba disajikan dalam bentuk tabel dan juga gambar
beserta keterangan pendukung.
Menampilkan Menu Utama
Ketika aplikasi dijalankan tampilan menu utama akan muncul dengan menampilkan
icon menu dan juga teks keterangan dari icon. Di bagian bawah ada copyright aplikasi
tampilan dari menu utama bisa dilihat pada gambar 3.31.
Gambar Tampilan Menu Utama
Menampilkan Menu Scan
Tampilan menu scan merupakan tampilan untuk mendeteksi objek. Tampilan ini akan
memberi informasi akurasi objek yang diidentifikasi. Sebelum membuka kamera, aplikasi
meminta hak akses kepada pengguna kamera pada smartphone. Lalu ada tombol capture
mode di pojok kanan atas untuk berbindah ke halaman capture mode nantinya.
-
Gambar Tampilan Menu Scan
Gambar 3.32 salah satu contoh implementasi ke jenis burung paruh bengkok yang
diidentifikasi yang sedang menampilkan deteksi objek dengan keakuratan 99.19%. tampilan
menu scan memberikan akurasi dari 3 jenis objek yang mendekati kemiripan dengan objek
yang ada pada dataset dengan skala 0% -100% .
1.1.1. Menampilkan Capture Mode
Tampilan Capture mode berbeda dengan menu scan yang secara realtime yang dimana
kamera yang digunakan tidak terlalu besar seperti menu scan utama tampilan output dari
Capture Mode sendiri akan menampilkan output di bawah kamera dengan menampilkan
gambar hasil tangkapan dan juga teks keterangan Gambar 3.33 merupakan tampilan capture
mode.
-
Gambar Tampilan Capture Mode
Saat berada di halaman capture mode ada 2 tombol yaitu toggle camera dan detect
object yang dimana toggle camera berguna untuk mengganti kamera dan detect object
untuk melakukan identifikasi gambar.
-
Menampilkan Menu Info
Tampilan menu Info merupakan tampilan yang menyajikan list info dari burung paruh
bengkok yang dimana apabila kita memilih salah satu list akan menampilkan detail info dari burung
paruh bengkok.
Gambar Tampilan Menu Info
Menampilkan Detail Info
Tampilan dari detail info menyajikan informasi detail dari list info yang disediakan
di menu info yang dimana berisi nama burung, tempat populasi burung, deskripsi burung,
dan audio burung.
-
Gambar Tampilan Detail Info
Saat berada di halaman detail info terdapat 2 tombol yaitu play yang diwakilkan
dengan icon speacker dan stop dengan icon lingkaran yang dimana saat menekan play akan
menjalankan audio dari burung tersebut begitu juga apabila menekan stop akan
memberhentikan audio yang sedang berjalan.
PENUTUP
Aplikasi ini sudah berhasil dibuat menggunakan Android Studio 4.0.0 dan dapat
dijalankan pada smartphone dengan minimum versi Android Lollipop. Metode Convolutional
Neural Network mampu melakukan klasifikasi burung paruh bengkok. Hasil dari final test
accuracy yang diperoleh dari keseluruhan proses pelatihan yaitu sebesar 98,28%. Salah satu hasil
pengujian yaitu klasifikasi kakapo dengan akurasi sebesar 99,30%.
-
DAFTAR PUSTAKA
[1] Wikipedia Indonesia. 2020. Burung. https://id.wikipedia.org/wiki/Burung (Online,
diakses 30 Juni 2020)
[2] Artikel Omkicau. 2010. Burung-burung paruh bengkok yang dilindungi.
https://omkicau.com/kategori-populer/paruh-bengkok/ (Online, diakses 30 juni 2020)
[3] Wikipedia Indonesia. 2008. Bayan (burung).
https://id.wikipedia.org/wiki/Bayan_(burung) (Online, diakses 30 Juni 2020)
[4] Kusumanto, RD. Tompunu, Alan Novi. 2011. PENGOLAHAN CITRA DIGITAL
UNTUK MENDETEKSI OBYEK MENGGUNAKAN PENGOLAHAN WARNA
MODEL NORMALISASI RGB. Semantik 2011.
https://dinus.ac.id/repository/docs/jurnas/15151.pdf (Online, diakses 30 Juni 2020)
[5] Sofia, Nadhifa. 2018. CONVOLUTIONAL NEURAL NETWORK.
https://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-
neural-network-merupakan-salah-satu-metode-machine-28189e17335b (Online, diakses
30 Juni 2020)
[6] Budi, Donny. 2018. Pengenalan Tentang Deep Learning.
https://otomasi.sv.ugm.ac.id/2018/10/09/pengenalan-tentang-deep-learning/ (Online,
diakses 30 Juni 2020)
[7] Dicoding. 2019. Memulai Pemrograman Dengan Python : Pengenalan Python.
https://www.dicoding.com/academies/86/freemodule/4733 (Online, diakses 30 Juni 2020)
[8] Santoso, Aditya. Ariyanto, Gunawan. 2018. IMPLEMENTASI DEEP LEARNING
BERBASIS KERAS UNTUK PENGENALAN WAJAH. Jurnal Editor. 18(01): 15-21.
http://journals.ums.ac.id/index.php/emitor/article/view/6235/3901 (Online, diakses 30
Juni 2020)
[9] Ramdani, Tiswa. 2019. Tensorflow yang Dikembangkan oleh Google Brain Team.
https://mmsi.binus.ac.id/2019/11/26/tensorflow-yang-dikembangkan-oleh-google-brain-
team/ (Online, diakses 30 juni 2020)
[10] Dicoding. Memulai Pemrograman Dengan Java : Introduction.
https://www.dicoding.com/academies/60/tutorials/1788 (Online, diakses 30 Juni 2020)
[11] Dokumentasi Scribd. Struktur Navigasi.
https://www.scribd.com/doc/187918648/Struktur-Navigasi (Online, diakses 30 Juni 2020)
[12] Imaduddin, Ahmad. Permana, Sidiq. 2018. Menjadi Android Developer Expert.
Bandung: Dicoding Indonesia.
https://id.wikipedia.org/wiki/Burunghttps://omkicau.com/kategori-populer/paruh-bengkok/https://id.wikipedia.org/wiki/Bayan_(burung)https://dinus.ac.id/repository/docs/jurnas/15151.pdfhttps://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-neural-network-merupakan-salah-satu-metode-machine-28189e17335bhttps://medium.com/@nadhifasofia/1-convolutional-neural-network-convolutional-neural-network-merupakan-salah-satu-metode-machine-28189e17335bhttps://otomasi.sv.ugm.ac.id/2018/10/09/pengenalan-tentang-deep-learning/https://www.dicoding.com/academies/86/freemodule/4733http://journals.ums.ac.id/index.php/emitor/article/view/6235/3901https://mmsi.binus.ac.id/2019/11/26/tensorflow-yang-dikembangkan-oleh-google-brain-team/https://mmsi.binus.ac.id/2019/11/26/tensorflow-yang-dikembangkan-oleh-google-brain-team/https://www.dicoding.com/academies/60/tutorials/1788https://www.scribd.com/doc/187918648/Struktur-Navigasi
-
[13] Woods, Richard E., Gonzaler, Rafael C. 1992. Digital image processing. Massachusetts:
Addison-Wesley Publishing Company.
[14] Chollet, François. 2018. Deep learning with Python. Shelter Island: Manning.
[15] Kadir, Abdul. 2019. Logika Pemrograman Python. Jakarta: Elex Media Komputindo.
[16] Kadir, Abdul. 2020. Logika Pemrograman Java. Jakarta: Elex Media Komputindo.
[17] Ahmad, Abu. 2017. Mengenal Artificial Intelligence, Machine Learning, Neural
Network, dan Deep Learning. Yayasan Cahaya Islam, Jurnal Teknologi Indonesia.
https://docplayer.info/62490785-Mengenal-artificial-intelligence-machine-learning-
neural-network-dan-deep-learning.html (Online, diakses 5 Juli 2020)
[18] https://www.tensorflow.org/lite/guide (Online, diakses 5 Juli 2020)
[19] https://colab.research.google.com/ (Online, diakses 5 Juli 2020)
[20] Adam, Rian. 2019. Mengenal Google Colab. https://structilmy.com/2019/05/mengenal-
google-colab/ (Online, diakses 5 Juli 2020)
https://docplayer.info/62490785-Mengenal-artificial-intelligence-machine-learning-neural-network-dan-deep-learning.htmlhttps://docplayer.info/62490785-Mengenal-artificial-intelligence-machine-learning-neural-network-dan-deep-learning.htmlhttps://www.tensorflow.org/lite/guidehttps://colab.research.google.com/https://structilmy.com/2019/05/mengenal-google-colab/https://structilmy.com/2019/05/mengenal-google-colab/