MERANCANG BIOACOUSTICS CROSS-MODAL MODEL AI UNTUK MEMAHAMI KOMUNIKASI VOKAL PRIMATA SELAIN MANUSIA (STUDI KASUS: BEKANTAN)
Degradasi ekosistem mangrove dan ancaman kepunahan bekantan (Nasalis larvatus) di Kawasan Konservasi Mangrove dan Bekantan (KKMB) Tarakan menuntut inovasi pemantauan ekologis yang melampaui batasan observasi visual konvensional. Penelitian ini merancang ALFANDA (Automated Learning Framework for Acoustic Nasalis-larvatus Detection and Analysis), sebuah arsitektur cross-modal Artificial Intelligence untuk menerjemahkan vokalisasi bekantan ke dalam label semantik perilaku (Sosial Kasual, Agresi Teritorial, dan Peringatan Bahaya) tanpa bergantung pada pelatih pengklasifikasi parametrik konvensional yang rentan overfitting. Sebanyak 240 sampel vokal liar dikumpulkan secara non-invasif dan diproses melalui jaringan neural biodenoising. Untuk mencegah hilangnya sinyal biologis kritis (silent failures), segmentasi temporal Convolutional Recurrent Neural Network (CRNN) dari Voxaboxen secara taktis dikalibrasi pada ambang batas hipersensitif (0,01) dan dipulihkan melalui protokol Human-in-the-Loop (HITL), mengamankan tingkat Recall batas suara absolut sebesar 100%. Sistem secara inovatif mengekstraksi "sidik jari" akustik laten 1-Dimensi menggunakan model self-supervised Transformer (sl-BEATs-all). Studi ablasi mengungkap fenomena centroid dilution saat fitur bising (kotor) disatukan, sehingga klasifikasi dioptimalkan menggunakan clean-only embeddings melalui komputasi jarak spasial (Cosine Similarity). Pengujian algoritma secara ketat menggunakan event-level stratified split (N=148 segmen uji murni) membuktikan ALFANDA mencapai Akurasi Keseluruhan sebesar 65,13%. Model beroperasi secara adaptif menghadapi ketidakseimbangan data (imbalanced dataset); mencetak Presisi tinggi 87,23% pada vokalisasi Casual, dan mengamankan Sensitivitas (Recall) pada vokalisasi Warning. Penelitian ini secara teknis meletakkan fondasi komputasional zero-training yang tangguh terhadap distorsi lingkungan, siap diimplementasikan sebagai instrumen Passive Acoustic Monitoring (PAM) waktu-nyata (real-time) untuk memajukan konservasi alam berbasis interaksi lintas-spesies.