Skip to content

Projek ini untuk mengklasifikasi suara nyamuk berdasarkan spesies (Aedes Aegypti, Anopheles Stephensi, Culex Pipiens) menggunakan CNN

Notifications You must be signed in to change notification settings

sains-data/Klasifikasi-Suara-Nyamuk-Berbasis-CNN-untuk-Inovasi-Pengendalian-Hama-dan-Penyakit

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

14 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Team [1] Deep Learning - Klasifikasi Suara Nyamuk Berbasis CNN untuk Inovasi Pengendalian Hama dan Penyakit

Proyek ini dikembangkan oleh Team-1 dari kelas Deep Learning tahun 2024. Tujuan utama proyek ini adalah mengklasifikasikan suara nyamuk berdasarkan spesies menggunakan Convolutional Neural Network (CNN) untuk mendukung inovasi dalam pengendalian hama dan penyakit.

📌 Anggota Kelompok

  1. Ignatius Krisna Issaputra (121140037)
  2. Ardoni Yeriko Rifana Gultom (121140141)
  3. Rika Ajeng Finatih (121450036)
  4. M. Gilang Martiansyah (121450056)
  5. Sasa Rahma Lia (121450119)
  6. Nazwa Nabila (121450122)

🚀 Tujuan Proyek

Mengembangkan sistem klasifikasi suara nyamuk secara otomatis untuk mendeteksi spesies seperti:

  • 🦟 Aedes aegypti (vektor demam berdarah)
  • 🦟 Anopheles stephensi (vektor malaria)
  • 🦟 Culex pipiens (vektor filariasis)

📂Dataset

Dataset yang digunakan untuk proyek ini dapat diakses melalui sumber berikut:

[Dataset Suara Nyamuk](https://drive.google.com/drive/folders/109Spn_kf2DCFK1Xqb1f9K2w70kUPVaAj?usp=sharing )

Dataset mencakup rekaman audio nyamuk dalam format .wav serta label spesies dalam file .csv.

🛠️ Teknologi yang Digunakan

  • Pyhton
  • TensorFlow/Keras untuk model CNN
  • Librosa untuk ekstraksi fitur audio
  • Matplotlib dan Seaborn untuk visualisasi data

🧠 Model CNN (Convolutional Neural Network)

Arsitektur CNN dirancang untuk memproses spektrum audio dari suara nyamuk, memungkinkan klasifikasi spesies dengan akurasi tinggi. Model dilatih menggunakan teknik augmentasi data dan regularisasi untuk meningkatkan performa dan mencegah overfitting.

📊 Metodologi

  1. Preprocessing Audio: Menggunakan fitur MFCC dan Mel Spectrogram.
  2. Pelatihan Model: Model CNN dilatih untuk mengklasifikasikan suara nyamuk.
  3. Evaluasi Model: Menggunakan metrik seperti akurasi, precision, recall, dan F1-score.

📈 Hasil yang diharapkan

  • Akurasi klasifikasi ≥ 75%.
  • Sistem real-time dengan waktu prediksi ≤ 1 detik.
  • Sensitivitas deteksi spesies nyamuk ≥ 80%.

🧑‍💻 Cara Menjalankan Proyek

  1. Clone repositori:
    git clone https://github.com/sains-data/Klasifikasi-Suara-Nyamuk-Berbasis-CNN-untuk-Inovasi-Pengendalian-Hama-dan-Penyakit.git
    
  2. Masuk ke direktori proyek yang baru di-clone:
    cd Klasifikasi-Suara-Nyamuk-Berbasis-CNN-untuk-Inovasi-Pengendalian-Hama-dan-Penyakit
    
  3. Instal dependensi:
    pip install -r requirements.txt
    
  4. Jalankan notebook atau script:
    python main.py
    

👥 Kontibutor

📫 Kontak

Jika ada pertanyaan, silakan hubungi:

✉️Email: rika.121450036@student.itera.ac.id

About

Projek ini untuk mengklasifikasi suara nyamuk berdasarkan spesies (Aedes Aegypti, Anopheles Stephensi, Culex Pipiens) menggunakan CNN

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published