Klasifikasi Spesies Burung Dengan Ciri Morfologi Serupa Akibat Evolusi Konvergen Menggunakan CNN
DOI:
https://doi.org/10.70309/ticom.v14i2.178Keywords:
Burung, CNN, Evolusi Konvergen, KlasifikasiAbstract
Kemiripan morfologi pada spesies burung akibat evolusi konvergen menjadi tantangan dalam klasifikasi otomatis berbasis citra. Penelitian ini bertujuan untuk mengembangkan dan menganalisis kinerja model Convolutional Neural Network (CNN) dalam membedakan spesies burung yang memiliki ciri visual serupa. CNN digunakan karena kemampuannya dalam mengekstraksi fitur citra secara efisien, bahkan pada spesies dengan perbedaan morfologi yang tipis. Evaluasi dilakukan terhadap empat spesies burung melalui pengujian utama, serta dua kelompok pasangan burung dengan kemiripan morfologi tinggi, yaitu Icterus graduacauda & Oriolus larvatus, serta Sturnella magna & Macronyx croceus. Pengujian utama menunjukkan akurasi sebesar 78%, sedangkan pada dua pasangan spesies serupa, akurasi meningkat masing-masing menjadi 80,42% dan 85%, dengan F1-score yang stabil di kisaran 80–85%. Hasil ini menunjukkan bahwa model CNN mampu membedakan spesies burung yang serupa secara visual meskipun terdapat variasi latar belakang dan posisi objek dalam dataset. Kesimpulan dari penelitian ini mengindikasikan bahwa pendekatan CNN efektif digunakan dalam klasifikasi spesies burung dengan morfologi serupa akibat evolusi konvergen, serta memiliki potensi untuk diterapkan dalam bidang konservasi, pemantauan keanekaragaman hayati, dan sistem identifikasi spesies otomatis berbasis citra.
References
A. E. Morales et al., “Distinct Genes with Similar Functions Underlie Convergent Evolution in Myotis Bat Ecomorphs,” Molecular Biology and Evolution, vol. 41, no. 9, pp. 1-34, 2024, doi: 10.1093/molbev/msae165.
U. S. Rahmadhani and N. L. Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,” Jurnal Informatika: Jurnal pengembangan IT (JPIT), vol. 8, no. 2, pp. 169-173, 2023, doi: 10.30591/jpit.v8i2.5229.
U. Khultsum and G. Taufik, “Komparasi Kinerja DenseNet 121 dan MobileNet untuk Klasifikasi Citra Penyakit Daun Kentang,” JURIKOM (Jurnal Riset Komputer), vol. 10, no. 2, pp. 558-565, 2023, doi: 10.30865/jurikom.v10i2.6047.
C. Cakra, et al., “Analisis Kesegaran Ikan Mujair dan Ikan Nila Dengan Metode Convolutional Neural Network,” Jurnal Sistem Informasi dan Teknik Komputer, vol. 7, no. 2, pp. 74-79, 2022, doi: 10.51876/simtek.v7i2.138.
R. Tadjudin and D. Rosmala, “Implementasi Mobilenetv2 Dan Frame Difference untuk Penentuan Kecepatan Kendaraan,” JITTER`, vol. 7, no. 3, pp. 193–204, 2021.
R. Gunawan, et al., “Klasifikasi Penyakit Daun Kentang dengan Transfer Learning Menggunakan CNN Optimalisasi Arsitektur MobileNetV2 Potato Leaf Disease Classification with Transfer Learning Using CNN Optimization of MobileNetV2 Architecture,” Jurnal Computer Science and Information Technology (CoSciTech), vol. 6, no. 2, pp. 254–258, 2025, doi: 10.37859/coscitech.v6i2.8599.
M. M. Taye, “Theoretical Understanding of Convolutional Neural Network: Concepts, Architectures, Applications, Future Directions,” Computation, vol. 11, no. 3, pp.-23, 2023, doi: 10.3390/computation11030052.
Y. A. Sitorus, Y. A. Sari, and S. Adinugroho, “Evaluasi Komparatif Arsitektur Lightweight CNN, MobileNetV2, dan EfficientNetB0 dalam Deteksi Penyakit Daun Jagung,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 8, pp. 2548–964, 2025, [Online]. Available: http://j-ptiik.ub.ac.id
M. Sandler, et al., “MobileNetV2: Inverted Residuals and Linear Bottlenecks,” in Conference on Computer Vision and Pattern Recognition (CVPR), 2019.
H. Farman, S. Ahmed, M. Imran, Z. Noureen, and M. Ahmed, “Deep Learning Based Bird Species Identification and Classification Using Images,” Journal of Computing & Biomedical Informatics, vol. 06, no. 01, 2023, doi: 10.56979/601/2023.
D. D. Parsaulian, et al., “Klasifikasi Empat Tanaman Obat Menggunakan Arsitektur MobileNetv2,” Jurnal TIMES, vol. 13, no. 2, pp. 135-141, 2024, doi: 10.51351/jtm.13.2.2024780
P. F. Sarah and N. Matondang, “Deteksi Citra Digital Penyakit Cacar Monyet menggunakan Algoritma Convolutional Neural Network dengan Arsitektur MobileNetV2,” Jurnal Ilmu Komputer Agri-Informatika, vol. 10, pp. 200–211, 2023, doi: 10.29244/jika.10.2.200-211
W. N. Kencana, R. Umar, and Murinto, “Implementasi Transfer Learning Untuk Klasifikasi Jenis Ras Ayam Menggunakan Arsitektur MobileNetV2,” JIP (Jurnal Informatika Polinema), vol. 11, no. 2, 2025.
S. A. Maulana, et al., “Penerapan Metode CNN (Convolutional Neural Network) Dalam Mengklasifikasi Jenis Ubur-Ubur,” Jurnal Penelitian Rumpun Ilmu Teknik, vol. 2, no. 4, pp. 122–130, 2023, doi: 10.55606/juprit.v2i4.3084.
Y. H. Puspita and A. Sabri, “Transfer Learning Model Pralatih MobileNetV2 dan DenseNet121 untuk Klasifkasi Tanaman Rempah,” Jurnal Ilmiah Komputasi, vol. 23, no. 1, 2024, doi: 10.32409/jikstik.23.1.3502.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Nino Andera, Ghofar Taufik, Giatika Chrisnawati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
CC BY-SA 4.0
Creative Commons Attribution-ShareAlike 4.0 International
This license requires that reusers give credit to the creator. It allows reusers to distribute, remix, adapt, and build upon the material in any medium or format, even for commercial purposes. If others remix, adapt, or build upon the material, they must license the modified material under identical terms.
BY: Credit must be given to you, the creator.
SA: Adaptations must be shared under the same terms.ng
