KLASIFIKASI SUARA BURUNG LOVEBIRD DENGAN ALGORITMA FUZZY LOGIC

Burung lovebird ialah salah satu burung primadona yang memiliki suara yang sangat khas yaitu dengan nyerecet panjangnya. Memelihara lovebird dalam delapan tahun terakhir menjadi trend yang paling diminati oleh kicau mania. Tujuan utama memilihara lovebird ialah mengikutsertakan lovebird tersebut ke kontes burung berkicau untuk menguji kualitas suara, mental , gaya dan performa burung di arena lomba. Lovebird yang berhasil menjuarai kontes memiliki nilai jual yang tinggi dan keturunannya banyak diminati oleh penghobi dan peternak. Pergelaran lomba burung berkicau dikelas lovebird belakangan ini tidak diikuti dengan pengetahuan tentang seni suara lovebird yang dilombakan. Hal ini berakibat terjadinya protes dari peserta lomba terhadap keputusan dewan juri. Faktor utama penyebabnya ialah kurangnya pemahaman dan pengetahuan peserta terhadap seni suara nyerecet lovebird yang bagus. Oleh karena itu, penulis berusaha membantu peserta agar dapat memilih lovebird yang layak untuk prospek lomba kedepannya. Disini penulis akan mengklasifikasikan kategori lovebird berdasarkan suara nyerecetnya serta beberapa parameter yang diperlukan untuk menentukan lovebird yang berkualitas lomba. Tugas Akhir ini merupakan jenis penelitian deskriptif dengan tujuan untuk membantu para kicau mania dan juri dalam melakukan keputusan dan menganalisis suara lovebird serta memberikan pengetahuan kepada kicau mania mengenai karakteristik suara lovebird yang bagus. Proses pengkasifikasian suara lovebird diperoleh dari ekstraksi ciri spektrogram yang dicari nilai magnitudenya serta thersholding dari tiap-tiap suara yang diolah. Dari nilai-nilai ekstraksi ciri suara lovebird tersebut, kemudian dilakukan klasifikasi menggunakan metode algoritma fuzzy logic. Hasil yang diperoleh dari Tugas Akhir ini adalah sistem mampu mengklasifikasikan lovebird yang memiliki suara kelas A, kelas B, dan kelas C. Proses klasifikasi menggunakan metode algoritma fuzzy logic, dengan 60 data yang terdiri dari 20 suara lovebird kelas A, 20 suara lovebird kelas B, dan 20 suara lovebird kelas C. Setelah dilakukan proses verifikasi dari juri burung berkicau dan pakar lovebird, untuk ciri menggunakan spektrogram memperoleh akurasi sebesar 92,16 %. Kata kunci : suara lovebird, nyerecet, kicau mania, spektrogram, algoritma fuzzy logic