DETEKSI BURUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN MODEL ARSITEKTUR MOBILENETV2

Abstract

Penelitian ini mengimplementasikan model Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk mendeteksi spesies burung. Permasalahan yang dihadapi yaitu bagaimana meningkatkan akurasi deteksi spesies burung menggunakan model yang efisien untuk perangkat mobile. Tujuan penelitian ini untuk mengembangkan dan mengevaluasi model CNN yang dapat mengenali berbagai spesies burung dengan akurasi tinggi. Metode penelitian meliputi beberapa tahapan: pengunduhan dan ekstraksi data dari TensorFlow Dataset yang terdiri dari 6033 gambar dari 200 spesies burung, visualisasi dan preprocessing data, implementasi model MobileNetV2, training dan validasi model selama 50 epoch dengan batch size 64, serta evaluasi menggunakan metrik loss dan Intersection Over Union (IoU). Hasil penelitian menunjukkan bahwa model mampu mengenali burung dengan akurasi yang memadai. Untuk penelitian selanjutnya, disarankan penambahan jumlah gambar dan spesies burung dalam dataset, eksplorasi arsitektur model lain, teknik augmentasi data, optimisasi hyperparameter, dan penerapan transfer learning. Selain itu, pengujian model pada perangkat mobile diperlukan untuk memastikan efisiensi dan performa di lingkungan nyata, serta mempertimbangkan informasi tambahan seperti habitat atau suara burung untuk meningkatkan akurasi identifikasi.