UBUB
Journal of Information Technology and Computer ScienceJournal of Information Technology and Computer ScienceKlasifikasi Suara Lingkungan (ESC) menghadapi tantangan signifikan terkait ketidakcukupan data dan variabilitas sinyal akustik yang tidak terstruktur. Studi ini mengevaluasi efektivitas pendekatan Pembelajaran Transfer Visual dengan mengubah sinyal audio menjadi representasi Mel-Spectrogram untuk klasifikasi menggunakan arsitektur Vision Computer. Studi perbandingan dilakukan pada dataset ESC-50, membandingkan model berbasis visual (EfficientNet-B0, ResNet-50) dengan model audio khusus (Pre-trained Audio Neural Networks/PANNs). Hasil eksperimental menunjukkan bahwa EfficientNet-B0, yang dioptimalkan dengan teknik augmentasi MixUp, mencapai kinerja tertinggi dengan akurasi 83,33% dan F1-Score 83,50%. Hasil ini mengungguli ResNet-50 (80,00%) dan secara signifikan melebihi model PANNs (Cnn14), yang hanya mencapai 66,33%. Performa buruk PANNs menunjukkan masalah over-parameterisasi pada dataset skala kecil. Validasi lebih lanjut menggunakan Gradient-weighted Class Activation Mapping (Grad-CAM) memastikan bahwa model EfficientNet-B0 mampu belajar fitur semantik secara presisi dengan membedakan pola suara aktif dari kebisingan latar belakang.
Studi ini menyimpulkan bahwa pendekatan Pembelajaran Transfer Visual menggunakan EfficientNet-B0 adalah solusi kompetitif yang sangat baik untuk klasifikasi suara lingkungan dengan data terbatas, mencapai akurasi tertinggi sebesar 83,33% di antara model yang dievaluasi.Hasil ini melebihi arsitektur ResNet-50 (80,00%) dan secara signifikan mengungguli model audio PANNs (66,33%), yang ditemukan mengalami over-parameterisasi saat dilatih pada dataset skala kecil.Validasi melalui Grad-CAM memastikan bahwa model mampu belajar fitur semantik secara presisi dengan membedakan sinyal suara aktif dari kebisingan latar belakang, sekaligus menunjukkan keandalan transformasi spektrogram ke domain visual.Meskipun hasil yang menjanjikan dicapai, studi ini mengakui keterbatasan penggunaan dataset ESC-50 tunggal.Sebagai langkah berikutnya, validasi pada dataset yang lebih luas dan beragam seperti UrbanSound8K atau AudioSet sangat direkomendasikan untuk menguji robustness dan kemampuan generalisasi model secara skala besar.Selain itu, penelitian masa depan dapat mengeksplorasi teknik kompresi model (pruning atau kuantisasi) untuk memungkinkan arsitektur EfficientNet-B0 diimplementasikan secara efisien pada perangkat edge (IoT).Akhirnya, pengujian ketahanan model dalam lingkungan akustik dinamis dan berisik tetap menjadi prioritas utama untuk memvalidasi kinerja sistem di dunia nyata.
Penelitian lanjutan dapat fokus pada validasi model di dataset yang lebih besar dan beragam seperti UrbanSound8K atau AudioSet untuk memastikan robustness dan generalisasi kinerja model. Selain itu, eksplorasi teknik kompresi model seperti pruning atau kuantisasi bisa dilakukan untuk mengoptimalkan implementasi EfficientNet-B0 pada perangkat edge (IoT) dengan sumber daya terbatas. Terakhir, pengembangan metode untuk menguji ketahanan model dalam lingkungan akustik dinamis dan berisik menjadi penting untuk memvalidasi aplikasi praktis dalam kondisi nyata. Ketiga arah ini tidak hanya melengkapi temuan penelitian saat ini tetapi juga membuka peluang untuk inovasi dalam pengolahan suara lingkungan berbasis AI.
- Client Challenge. client challenge javascript disabled browser please enable proceed required part site... doi.org/10.1007/978-981-96-6932-5_23Client Challenge client challenge javascript disabled browser please enable proceed required part site doi 10 1007 978 981 96 6932 5 23
- A survey on Image Data Augmentation for Deep Learning | Journal of Big Data | Full Text. survey data... doi.org/10.1186/s40537-019-0197-0A survey on Image Data Augmentation for Deep Learning Journal of Big Data Full Text survey data doi 10 1186 s40537 019 0197 0
| File size | 601.23 KB |
| Pages | 14 |
| DMCA | Report |
Related /
UBUB Hasil menunjukkan bahwa WMC, NPM, dan LOC merupakan indikator kuat perilaku God Class dalam sistem PHP, sedangkan DIT kurang relevan karena dipengaruhiHasil menunjukkan bahwa WMC, NPM, dan LOC merupakan indikator kuat perilaku God Class dalam sistem PHP, sedangkan DIT kurang relevan karena dipengaruhi
UNMUNM Keandalan komunikasi juga tinggi, dengan keberhasilan pengiriman data 98,8% dan sinkronisasi *offline* 97,2%. Implikasi/keterbatasan penelitian – TemuanKeandalan komunikasi juga tinggi, dengan keberhasilan pengiriman data 98,8% dan sinkronisasi *offline* 97,2%. Implikasi/keterbatasan penelitian – Temuan
GEUTHEEINSTITUTEGEUTHEEINSTITUTE Penelitian menggunakan pendekatan kuantitatif dengan metode Analisis Diskriminan Fisher. Sampel terdiri atas 100 peserta didik kelas VIII pada salah satuPenelitian menggunakan pendekatan kuantitatif dengan metode Analisis Diskriminan Fisher. Sampel terdiri atas 100 peserta didik kelas VIII pada salah satu
UBUB Pengujian kegunaan menunjukkan tingkat keberhasilan tugas tinggi (100% pada sesi kedua), tingkat kesalahan rendah (1,1%), dan skor kepuasan rata-rata 88,3,Pengujian kegunaan menunjukkan tingkat keberhasilan tugas tinggi (100% pada sesi kedua), tingkat kesalahan rendah (1,1%), dan skor kepuasan rata-rata 88,3,
INSURIPONOROGOINSURIPONOROGO Penelitian ini dibatasi pada pengembangan, validitas, dan kepraktisan media dan tidak secara langsung mengukur peningkatan hasil belajar siswa. BerdasarkanPenelitian ini dibatasi pada pengembangan, validitas, dan kepraktisan media dan tidak secara langsung mengukur peningkatan hasil belajar siswa. Berdasarkan
KRESNA MEDIAKRESNA MEDIA Namun, kompleksitas pola batik klasik Yogyakarta, khususnya motif Parang dan Kawung yang ditandai dengan struktur rumit, variasi warna, serta batas yangNamun, kompleksitas pola batik klasik Yogyakarta, khususnya motif Parang dan Kawung yang ditandai dengan struktur rumit, variasi warna, serta batas yang
UMIUMI Penelitian ini bertujuan mengembangkan model klasifikasi untuk memprediksi risiko stunting menggunakan algoritma SVM, KNN, dan Naïve Bayes. Data dariPenelitian ini bertujuan mengembangkan model klasifikasi untuk memprediksi risiko stunting menggunakan algoritma SVM, KNN, dan Naïve Bayes. Data dari
JURNALEDUKASIAJURNALEDUKASIA Analisis statistik menggunakan uji-t sampel berpasangan mengungkapkan peningkatan signifikan pada skor disiplin (dari 42,95 menjadi 52,50) dan skor karakterAnalisis statistik menggunakan uji-t sampel berpasangan mengungkapkan peningkatan signifikan pada skor disiplin (dari 42,95 menjadi 52,50) dan skor karakter
Useful /
JURNALEDUKASIAJURNALEDUKASIA Subjek penelitian melibatkan 120 siswa sekolah dasar di Bojonegoro. Instrumen pengumpulan data meliputi lembar validasi ahli, kuesioner respon siswa, danSubjek penelitian melibatkan 120 siswa sekolah dasar di Bojonegoro. Instrumen pengumpulan data meliputi lembar validasi ahli, kuesioner respon siswa, dan
JURNALEDUKASIAJURNALEDUKASIA Hasil penelitian ini menunjukkan bahwa pengembangan e-modul berbasis kearifan lokal Papua telah terbukti valid, praktis, dan efektif dalam meningkatkanHasil penelitian ini menunjukkan bahwa pengembangan e-modul berbasis kearifan lokal Papua telah terbukti valid, praktis, dan efektif dalam meningkatkan
JURNALEDUKASIAJURNALEDUKASIA Analisis data dilakukan menggunakan analisis tematik, yang melibatkan pemilihan literatur sistematis, pengkodean, kategorisasi, dan pengembangan tema terkaitAnalisis data dilakukan menggunakan analisis tematik, yang melibatkan pemilihan literatur sistematis, pengkodean, kategorisasi, dan pengembangan tema terkait
JURNALEDUKASIAJURNALEDUKASIA Instrumen ini dirancang untuk memetakan kemampuan membaca, menulis, dan berhitung sebagai fondasi belajar seumur hidup. Pengembangan dilakukan melaluiInstrumen ini dirancang untuk memetakan kemampuan membaca, menulis, dan berhitung sebagai fondasi belajar seumur hidup. Pengembangan dilakukan melalui