ABSTRAKSI: Perkembangan teknologi yang semakin pesat memberikan banyak keuntungan pada masyarakat. Salah satu keuntungannya yaitu memberikan kemudahan dalam memenuhi kebutuhan, begitu juga dalam menyalurkan hobi khususnya untuk komunitas pecinta burung kicau. Kemudahan yang diperlukan oleh komunitas tersebut adalah adanya sistem yang dapat mendeteksi suara kicau burung, sehingga mereka mudah dalam menentukan suara kicau burung yang bagus pada setiap perlombaan burung kicau. Untuk memenuhi hal itu diperlukan adanya sistem yang dapat mengklasifikasikan jenis burung berdasarkan suara kicaunya.
Perkembangan teknologi yang semakin pesat memberikan banyak keuntungan pada masyarakat. Salah satu keuntungannya yaitu memberikan kemudahan dalam memenuhi kebutuhan, begitu juga dalam menyalurkan hobi khususnya untuk komunitas pecinta burung kicau. Kemudahan yang diperlukan oleh komunitas tersebut adalah adanya sistem yang dapat mendeteksi suara kicau burung, sehingga mereka mudah dalam menentukan suara kicau burung yang bagus pada setiap perlombaan burung kicau. Untuk memenuhi hal itu diperlukan adanya sistem yang dapat mengklasifikasikan jenis burung berdasarkan suara kicaunya.
Hasil akhir yang didapat dalam Tugas Akhir ini adalah mensimulasikan dan mendeteksi jenis burung berdasarkan karakteristik suara kicauannya dengan menggunakan Wavelet Packet Decomposition dan Artificial Neural Network (ANN) Self Organizing Map (SOM). Pada sistem ini diperoleh tingkat akurasi mencapai 83,13%. Dapat disimpulkan bahwa sistem tersebut sudah dapat membantu dalam menentukan jenis burung berdasarkan suara kicaunya.Kata Kunci : Kicau burung, Wavelet Packet Decomposition, ANN, SOMABSTRACT: Increasingly rapid technological developments provide many benefits to society. One of the advantages of providing ease in meeting the needs, as well as in the hobby community, especially for lovers of birds chirping. Ease required by the community is a system that can detect the sound of birds chirping, so they are easy to determine the chirping sounds good in every race of birds chirping. It is necessary to meet the system can classify the sound of birds chirping.
In this thesis has created a system that can classify bird species based on the chirping sound. System is made to apply Wavelet Packet Decomposition as forming the feature vector and the Artificial Neural Network (ANN) Self Organizing Map (SOM) to analyze the sound of birds chirping of birds in each. It can be obtained by comparing the feature derived from each of the sound of birds chirping. As for the feature used is the maximum energy.
A good system must have an appropriate level of accuracy for the user, so it will not harm the fault information provided by the system. This final system has been built with the capability of producing an accuracy of 83,13%. Accuracy is obtained from the changes in the level of decomposition, and changes in neural network parameters.Keyword: Bird Song, Wavelet Packet Decomposition, ANN, SOM