<![CDATA[Peternakan unggas komersial modern menuntut pengawasan biosekuriti selama 24 jam penuh untuk meminimalkan risiko penularan penyakit fatal, seperti Avian Influenza, yang dapat dibawa oleh infiltrasi burung liar ke area kandang unggas ternak. Pemantauan manual terbukti kurang efektif karena keterbatasan jangkauan pendengaran manusia, potensi human error, dan tingginya biaya operasional tenaga kerja. Penelitian ini bertujuan mengembangkan sistem peringatan dini otomatis berbasis bioakustik untuk mendeteksi kehadiran burung liar melalui integrasi ekstraksi ciri Mel-Frequency Cepstral Coefficients (MFCC) dan klasifikasi menggunakan Artificial Neural Network (ANN). Metode penelitian meliputi akuisisi data audio dari platform multimedia, pra-pemrosesan sinyal menggunakan trimming 2 detik dengan Audacity, ekstraksi 160 fitur akustik, serta optimasi model melalui penerapan Dropout, Batch Normalization, dan Class Weights untuk mengatasi ketimpangan data. Hasil pengujian menunjukkan bahwa model ANN mampu mencapai akurasi akhir sebesar 90% pada data uji, model menunjukkan performa terbaik pada kelas kutilang dan perkutut dengan tingkat presisi 100% sebagai indikator ancaman. Meskipun demikian, terdapat penurunan performa pada kelas angsa dengan recall sebesar 67% akibat overlapping vocals di lingkungan nyata. Dengan demikian, sistem berbasis MFCC-ANN ini terbukti efektif dan layak digunakan sebagai purwarupa sistem peringatan dini untuk mendukung biosekuriti dan pengawasan peternakan cerdas. Penguatan analisis ini menunjukkan bahwa pendekatan bioakustik tidak hanya membantu identifikasi suara, tetapi juga berpotensi meningkatkan ketepatan respons peternak terhadap ancaman lingkungan secara lebih efisien.]]>
Copyrights © 2026
