RANCANG BANGUN APLIKASI IDENTIFIKASI BURUNG DILINDUNGI MELALUI CITRA DIGITAL MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Abstrak
Indonesia memiliki keanekaragaman flora dan fauna. Salah satu
fauna yang dilindungi yaitu fauna burung. Di Indonesia terdapat
1.777 spesies burung dimana beberapa dari spesies tersebut
adalah spesies endemik Indonesia. Perburuan dan perdagangan
ilegal diduga menjadi penyebab utama kepunahan beberapa
spesies langka sehingga oleh negara spesies tersebut
dimasukkan dalam kategori dilindungi negara. Terdapat 532
spesies burung yang dilindungi negara pada tahun 2018.
Penyebaran informasi yang baik dapat menjadi salah satu cara
untuk membatasi ruang gerak perdagangan ilegal spesiesspesies
tersebut. Dalam penelitian ini akan dirancang dan
dikembangkan sebuah prototipe aplikasi berbasis perangkat
bergerak. Aplikasi ini ditujukan untuk mengenali spesies-spesies
burung dilindungi negara menggunakan Convolutional Neural
Network (CNN) dengan arsitektur LeNet dan AlexNet. Pada
arsitektur yang sudah dirancang menggunakan fungsi optimasi
Adam dan Nadam. Dari hasil penelitian yang sudah dilakukan,
aplikasi yang dirancang dapat bekerja dengan baik dengan
tingkat akurasi mencapai 92.65% dalam waktu 17 menit. Dataset
yang digunakan pada penelitian ini berjumlah 2.925 citra burung
dilindungi dimana 80% dari data tersebut digunakan untuk
proses training dan sisanya 20% digunakan untuk validation.
Kata kunci: Burung, Dilindungi, AlexNet, LeNet, Adam, Nadam

Abstract
Indonesia has a diversity of flora and fauna. One of endangered
fauna is the bird fauna. In Indonesia there are 1,777 species of
birds with several species being Indonesian endemic species.
Because of the beauty of these birds, poaching and trade happen
so birds are endangered and then a lot of their status become
protected by the state. Therefore, the author designed an
application based on mobile devices that can recognize the bird
which protected by the State. This application aims to be
consideration to help bird lovers for maintaining birds that status
is protected. In this study using the Convolutional Neural
Network (CNN) method with LeNet and AlexNet architecture.
The optimization function used is Adam and Nadam. Based on
the results of the discussion obtained the level of accuracy using
the LeNet architecture and the Nadam optimization function of
99.83% in the training process and 92.65% in the testing process.
The training process takes 17 minutes. The dataset used was
2,925 bird images protected with 80% scenarios for training and
20% for validation.
Keywords: Bird, Protected, AlexNet, LeNet, Adam, Nadam