Pengembangan Backend Aplikasi Identifikasi Spesies Burung yang Dilindungi

Abstract

Mengenali spesies yang terancam menjadi langkah awal untuk meningkatkan kesadaraan masyarakat terhadap masalah kepunahan flora dan fauna. Berkembangnya teknologi khususnya pada bidang machine learning memberikan peluang untuk dapat mempermudah proses tersebut dengan melakukan identifikasi berbasis citra. Salah satu algoritma yang telah diuji untuk melakukan tugas tersebut adalah convolutional neural network yang pada penelitian sebelumnya telah berhasil mencapai akurasi 98% pada 10 spesies. Pada sistem tersebut diperlukan kemampuan untuk menambahkan spesies agar model dapat melakukan identifikasi terhadap lebih banyak spesies. Untuk itu perlu sistem yang lebih matang untuk dapat menambahkan data, menggunakan dan melatih model, serta dapat diakses dari berbagai platform. Penelitian ini berfokus mengembangkan penelitian sebelumnya agar dapat memenuhi kebutuhan penambahan spesies baru serta aksesibilitas yang lebih baik seperti dari perangkat Android. Pengembangan dilakukan dengan metode Prototyping dengan pengulangan sebanyak dua iterasi. Hasil dari penelitian menunjukkan keberhasilan sistem dalam melakukan prediksi, penambahan dataset, dan pelatihan model melalui API pada spesies yang ditambahkan dengan nilai akurasi yang memuaskan di angka 94%. Sistem berhasil melewati tahapan black box testing dengan semua endpoint mendapatkan hasil yang sesuai dengan yang diinginkan.

Recognizing threatened species is the first step toward raising public awareness on the issue of flora and fauna extinction. The development of technology, especially in the field of machine learning, provides opportunities to simplify this process by carrying out image-based identification. One of the algorithms that has been tested to carry out this task is a convolutional neural network which in previous research has succeeded in achieving 98% accuracy on 10 species. This system requires the ability to add species so that the model can identify more species. For this reason, a more mature system is needed to be able to add data, use and train models, and can be accessed from various platforms. This research focuses on developing previous research so that it can meet the needs of adding new species as well as better accessibility such as from Android devices. Development was carried out using the Prototyping method with two iterations. The results of the research show the success of the system in making predictions, adding © Hak Cipta milik IPB, tahun 2024 Hak Cipta dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah, dan pengutipan tersebut tidak merugikan kepentingan IPB. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB. datasets, and training models via API on the added species with a satisfactory accuracy value of 94%. The system successfully passed the black box testing stage with all endpoints getting the desired results.