Klasifikasi Spektogram Berbasis Sistem Cerdas Untuk Pengenalan Suara Hewan Sekitar Hunian Manusia

Abstract

Pengenalan suara hewan di sekitar lingkungan hunian memainkan peran penting dalam memahami interaksi antara manusia dan hewan, serta memberikan informasi yang berguna seperti keberadaan spesies tertentu atau peringatan terhadap potensi bahaya. Namun, proses identifikasi suara secara manual seringkali mengalami kesulitan akibat kemiripan dan keragaman suara antar spesies. Penelitian ini bertujuan untuk mengevaluasi pemanfaatan sistem cerdas berbasis YOLOv8n (You Only Look Once) dalam mengklasifikasikan spektrogram suara hewan. YOLOv8n, yang umumnya digunakan untuk deteksi objek visual, diadaptasi dalam konteks ini untuk mengenali pola visual pada spektrogram suara. Metode yang digunakan bersifat kuantitatif, dengan langkah utama berupa konversi suara hewan menjadi spektrogram, yang kemudian dianalisis menggunakan model YOLOv8n. Penelitian difokuskan pada suara burung, kucing, dan anjing sebagai jenis hewan yang umum dijumpai di lingkungan tempat tinggal. Pengujian dilakukan untuk mengukur tingkat akurasi dan konsistensi sistem dalam mengidentifikasi suara hewan pada berbagai data uji. Selain itu, penelitian ini memverifikasi kemampuan YOLOv8n dalam membedakan karakteristik tiap jenis suara hewan dengan menghasilkan perbedaan visual pada spektrogram sesuai karakteristik spesies. Hasil evaluasi menunjukkan bahwa sistem mencapai akurasi sebesar 96,66%, dengan presisi 96,52%, recall 95,62%, dan F1-score 96,06%, yang menunjukkan bahwa model mampu mengenali jenis suara hewan dengan performa tinggi, melampaui target awal sebesar 80%, serta dengan waktu pemrosesan yang efisien dan konsisten.