Ribbit - aplikasi web untuk identifikasi dan klasifikasi spesies anuran secara otomatis

Solusi Lengkap
Katak pohon berpita silang Granada (Smilisca phaeota) yang baru (New Granada cross-banded tree frog) sedang tidur di atas daun di wilayah Chocó, Kolombia
Juliana Gómez Consuegra

Ribbit adalah aplikasi web sains warga yang menggunakan pembelajaran mesin transfer beberapa gambar untuk merekam, mengidentifikasi, dan mengklasifikasikan suara katak dan kodok, menyumbangkan data urun daya (crowdsource) ke Fasilitas Informasi Keanekaragaman Hayati Global (Global Biodiversity InformationFacility/GBIF) untuk mengatasi kesenjangan data, terutama di wilayah Global South. Aplikasi identifikasi menawarkan potensi yang signifikan untuk pemantauan keanekaragaman hayati secara otomatis(Kemitraan Global untuk Kecerdasan Buatan, 2022; Tuia dkk., 2022; Nieto-Mora dkk., 2023). Aplikasi kami berfokus pada anura, karena mereka adalah indikator ekosistem yang penting(Estes-Zumpf dkk., 2022), dengan lebih dari 40% spesies yang terancam punah, dan vokalisasi mereka yang unik sangat ideal untuk identifikasi akustik. Para penguji beta mengungkapkan potensi aplikasi ini untuk menyumbangkan data ke GBIF sekaligus memberdayakan ilmuwan warga untuk terlibat dalam pemantauan ekologi. Dengan menciptakan platform akses terbuka untuk melabeli data keanekaragaman hayati, Ribbit memungkinkan organisasi konservasi mengembangkan strategi untuk melindungi populasi yang rentan dan melestarikan ekosistem yang penting.

Pembaruan terakhir: 10 Oct 2025
83 Tampilan
Penghargaan Tech4Nature
Kategori Penghargaan
Konservasi Spesies yang Terancam Punah
Jenis teknologi
Perangkat lunak
Teknologi yang relevan
Pemantauan Akustik
Solusi Perangkat Lunak termasuk Aplikasi Smartphone
Kecerdasan Buatan dan Pembelajaran Mesin
Berbagi data dan informasi
Deskripsi Teknologi

Proyek kami dimulai pada bulan Agustus 2024. Kami menggunakan dua set data audio berlabel dari suara iNaturalist dan Anuraset untuk melatih model pembelajaran mesin untuk mengklasifikasikan anura (katak dan kodok) berdasarkan rekaman suara panggilan spesies. Kedua dataset tersebut berisi data yang terdistribusi secara tidak normal, yaitu berkurangnya jumlah anura yang langka atau terancam punah. Untuk menjelaskan ketidaknormalan ini dan memastikan model memiliki data yang cukup untuk mengidentifikasi dengan benar spesies langka dan berisiko ini, yang sangat penting untuk mencapai Target GBF 4, kami menambah data kami dengan panggilan non-anura, seperti panggilan kelelawar, atau jangkrik, yang memiliki frekuensi yang berbeda dari panggilan anura. Dengan dataset baru kami yang telah ditambah, kami menerapkan pembelajaran transfer beberapa tembakan(Ghani et al. (2023)). Secara khusus, kami menggunakan model Birdnet (model EfficientNet B1 yang telah dilatih sebelumnya) untuk menghasilkan embedding untuk spesies anuran dan menyempurnakan model dengan menggunakan probing linier dari data kami. Model kami mengidentifikasi 71 spesies anuran, termasuk spesies yang rentan seperti katak Lonceng Selatan Australia, Ranoidea raniformis, dengan akurasi 91% pada 5 spesies yang paling mungkin teridentifikasi dengan akurasi 5 besar dan 72% akurasi 1 besar pada 1 spesies yang paling mungkin teridentifikasi. Aplikasi web kami, Ribbit, diluncurkan pada Desember 2024, menggunakan model dengan kinerja terbaik ini, dan umpan balik pengguna sebagian besar positif, karena pengujian menunjukkan bahwa spesies yang paling sering terekam adalah spesies yang berada di urutan teratas. Proyek kami unik karena merupakan aplikasi sains warga pertama yang berfokus pada anuran yang memanfaatkan AI untuk mengidentifikasi katak.

Donor dan Pendanaan

Sekolah Informasi UC Berkeley

Konteks
Tantangan yang dihadapi
Hilangnya Keanekaragaman Hayati
Spesies invasif
Kurangnya kesadaran masyarakat dan pengambil keputusan
Pemantauan dan penegakan hukum yang buruk

Ribbit menjawab tantangan lingkungan, sosial, dan ekonomi yang kritis dalam pemantauan keanekaragaman hayati. Dari sisi lingkungan, aplikasi ini mengatasi kesenjangan pengumpulan data (target GBF 14), khususnya di belahan bumi selatan. Dengan lebih dari 40% spesies anuran yang berisiko punah(Estes-Zumpf et al., 2022), metode pemantauan tradisional gagal menangkap kesehatan ekosistem dan perubahan keanekaragaman hayati yang komprehensif.

Secara sosial, Ribbit mendemokratisasi penelitian ilmiah dengan menyediakan alat pemantauan ekologi yang dapat diakses oleh para ilmuwan warga. Dengan memberdayakan ilmuwan warga, aplikasi ini meruntuhkan batasan antara penelitian profesional dan keterlibatan masyarakat, menciptakan peluang partisipasi yang berarti bagi individu untuk berkontribusi dalam penelitian keanekaragaman hayati.

Secara ekonomi, aplikasi ini menawarkan alternatif yang hemat biaya untuk metode pemantauan tradisional yang intensif sumber daya. Ribbit memanfaatkan pengumpulan data urun daya dan pembelajaran mesin yang canggih, sehingga mengurangi biaya penelitian, sekaligus memperluas kemampuan pengumpulan data bagi para peneliti dan organisasi konservasi.

Skala implementasi
Global
Ekosistem
Wanatani
Lahan pertanian
Kebun
Padang rumput / padang rumput
Hutan gugur beriklim sedang
Hutan cemara beriklim sedang
Hutan gugur tropis
Hutan cemara tropis yang selalu hijau
Kolam renang, danau, kolam
Sungai, aliran
Lahan basah (rawa, rawa, lahan gambut)
Padang rumput beriklim sedang, sabana, semak belukar
Padang rumput tropis, sabana, semak belukar
Pengembangan di seluruh area
Bangunan dan fasilitas
Infrastruktur, jaringan, dan koridor penghubung
Atap hijau / dinding hijau
Ruang hijau (taman, kebun, hutan kota)
Lahan basah perkotaan
Tema
Pengarusutamaan keanekaragaman hayati
Spesies asing yang invasif
Penjangkauan & komunikasi
Teknologi untuk konservasi alam
Lokasi
Afrika Timur dan Selatan
Karibia
Amerika Tengah
Amerika Selatan
Amerika Utara
Asia Utara dan Tengah
Asia Barat, Timur Tengah
Asia Tenggara
Asia Selatan
Asia Timur
Eropa Barat dan Selatan
Eropa Utara
Eropa Timur
Oseania
Proses
Ringkasan prosesnya

Dengan mitigasi kehilangan keanekaragaman hay ati sebagai tujuan utama kami, blok bangunan lainnya secara strategis mendukung upaya ini. Pendekatan sains warga secara langsung menjawab tantangan keanekaragaman hayati dengan menciptakan mekanisme pengumpulan data yang komprehensif yang mengisi kesenjangan pengetahuan yang kritis. Melalui teknologi inovatif, proyek ini mengubah kontribusi individu menjadi sumber daya ilmiah yang kuat untuk pemantauan ekologi.

Ilmu pengetahuan warga dan keterlibatan masyarakat mendorong pengumpulan data, menghubungkan peserta lokal dengan upaya konservasi global. Ribbit, sebagai alat pendidikan memberdayakan warga untuk bertransformasi dari pengamat pasif menjadi penjaga lingkungan yang aktif. Demokratisasi data yang dikumpulkan dalam aplikasi ini berfungsi sebagai infrastruktur penting yang memperkuat dampak proyek. Dengan membuat penelitian ilmiah dapat diakses dan partisipatif, solusi ini meruntuhkan hambatan tradisional antara peneliti profesional dan anggota masyarakat. Pendekatan akses terbuka ini memastikan bahwa data yang terkumpul dapat digunakan oleh organisasi konservasi, peneliti, dan pembuat kebijakan, menciptakan jalur langsung dari pengamatan warga negara ke tindakan lingkungan yang berarti.

Blok Bangunan
Demokratisasi data

Pendekatan Ribbit terhadap demokratisasi data mewakili proses yang dikurasi dengan cermat untuk kontribusi ilmiah yang digerakkan oleh warga. Dengan memanfaatkan kumpulan data publik yang ada dari suara iNaturalist dan Anuraset, aplikasi ini membangun fondasi yang kuat untuk pemantauan keanekaragaman hayati akustik. Dataset awal ini memberikan dasar yang komprehensif untuk pelatihan pembelajaran mesin, memastikan model awal yang berkualitas tinggi untuk identifikasi anuran.

Strategi pengumpulan data yang inovatif dari aplikasi ini lebih dari sekadar mengumpulkan informasi, tetapi juga menerapkan proses kontrol kualitas yang ketat untuk data yang disumbangkan oleh pengguna. Setiap rekaman yang dikirimkan oleh masyarakat akan menjalani verifikasi yang cermat sebelum dapat berkontribusi ke Global Biodiversity Information Facility (GBIF). Pendekatan ini mengubah pengumpulan data pasif menjadi proses ilmiah kolaboratif yang aktif di mana masyarakat dapat berkontribusi secara bermakna pada penelitian konservasi, yang sesuai dengan Target GBF 14, yaitu "Mengintegrasikan Keanekaragaman Hayati dalam Pengambilan Keputusan di Setiap Tingkat".

Secara kritis, Ribbit mempertahankan protokol privasi dan perlindungan data yang ketat. Menyadari sifat sensitif dari data ekologi, terutama mengenai spesies langka dan informasi lokasi yang tepat, aplikasi ini menerapkan mekanisme persetujuan pengguna yang ketat. Tidak ada data pengguna yang akan dibagikan atau didistribusikan tanpa persetujuan eksplisit dan terinformasi dari kontributor, untuk melindungi subjek ekologi dan privasi ilmuwan warga.

Faktor-faktor pendukung

  • Teknologi yang mudah diakses: aplikasi web berjalan di desktop dan perangkat seluler, dan pengguna dapat mengunggah data mereka ketika tidak ada internet.
  • Mekanisme kontrol kualitas yang kuat: evaluasi tingkat lanjut terhadap rekaman kualitas ilmiah.
  • Tata kelola data yang etis: memprioritaskan privasi pengguna dan sensitivitas ekologi.
  • Pelatihan ulang model secara berkala: model diperbarui setiap enam bulan, dengan pelatihan yang dilakukan terhadap spesies baru yang dimasukkan ke dalam aplikasi dan divalidasi oleh anotator.
Pelajaran yang dipetik

Ketika memulai proyek ini, kami menyadari adanya kesenjangan data keanekaragaman hayati anuran di belahan dunia selatan. Namun, kami terkejut ketika kami berusaha meningkatkan aksesibilitas aplikasi kami dan menambahkan data kualitatif, ada kesenjangan dalam representasi bahasa. Saat ini, proyek kami tersedia dalam empat bahasa (Inggris, Spanyol, Portugis, Arab), sehingga meningkatkan aksesibilitas. Kami menggunakan API Wikipedia untuk mendapatkan informasi umum tentang spesies kami dalam empat bahasa ini, dan memperhatikan bahwa meskipun ada banyak data dalam bahasa Inggris dan Arab, informasi yang tersedia sangat sedikit dalam bahasa Spanyol dan bahkan lebih sedikit lagi dalam bahasa Portugis. Oleh karena itu, kami membayangkan tantangan di masa depan adalah melibatkan beragam ilmuwan, seperti ilmuwan berbahasa Spanyol dan Portugis, untuk mengurangi "kesenjangan data Wikipedia". Mengatasi kesenjangan ini akan menjadi tindakan penting dalam mendemokratisasi lebih lanjut dan meningkatkan aksesibilitas solusi kami.

Ilmu pengetahuan warga dan keterlibatan masyarakat

Aplikasi sains warga telah terbukti membantu pemantauan keanekaragaman hayati sekaligus melibatkan para penggemar alam(Callaghan et al., 2019). Sebagai contoh, FrogID, sebuah aplikasi dari Australian Museum, memungkinkan pengguna untuk merekam suara katak yang identitasnya diverifikasi oleh validator manusia. Hingga saat ini, FrogID telah menerbitkan makalah yang terkait dengan pemantauan spesies invasif(Rowley dan Callaghan, 2023), menginformasikan penilaian daftar merah IUCN(Gallagher et al., 2024), menilai dampak kebakaran (Mitchell et. al., 2023), memahami dampak urbanisasi(Callaghan et al., 2020), dan mempelajari perilaku panggilan kodok(Liu et al., 2022). Tujuan kami adalah untuk mencapai hasil yang serupa dengan Ribbit, dengan spesies anuran di seluruh dunia, dan dalam jangka waktu yang lebih singkat. Hingga saat ini, tim FrogID memiliki lebih dari 18.000 panggilan, yang dapat dikurangi dengan aplikasi kami, karena waktu pemrosesan sangat berkurang dengan penerapan algoritme pembelajaran mesin.

Selama putaran pertama pengujian beta aplikasi kami, 50 pengguna mengirimkan rekaman untuk diidentifikasi. Umpan balik mereka sangat positif: para ahli bidangnya menyatakan bahwa spesies yang mereka rekam sesuai dengan yang diprediksi oleh Ribbit, dan para penggemar alam menikmati fitur "Katak Hari Ini" yang mengenalkan mereka pada spesies anuran baru atau memungkinkan mereka untuk berkenalan kembali dengan anuran yang sudah dikenalnya melalui nama dan suara yang paling sering terdengar dari spesies tersebut (target GBF 11).

Faktor-faktor pendukung
  • Kemudahan penggunaan: dengan menganalisis umpan balik dari pengguna, kami melakukan iterasi untuk meningkatkan pengalaman dan aksesibilitas pengguna.
  • Keakraban dengan aplikasi sains ekologi warga yang sudah ada: dengan menggunakan FrogID, Merlin, eBird, dan iNaturalist sebagai referensi, kami meniru fitur-fitur utama dari aplikasi-aplikasi tersebut untuk inisiasi yang cepat bagi para pengguna baru.
  • Bagi para pengguna yang belum pernah memiliki pengalaman dengan aplikasi sains warga, kami fokus untuk membuat aplikasi semudah mungkin bagi pengguna. Selain itu, bagian FAQ kami mencakup tips tentang "cara mencari katak", termasuk di mana dan kapan harus menemukan spesies yang memanggil.
Pelajaran yang dipetik
  • Sulit untuk menyeimbangkan antara berbagai jenis pengguna. Sementara para ilmuwan menganjurkan untuk menggunakan nama-nama ilmiah, para penggemar alam tidak terhubung dengan nama-nama ini dan lebih memilih nama-nama umum. Namun, mendapatkan nama umum untuk semua spesies kita dalam keempat bahasa terbukti sulit. Ini adalah kesempatan lain untuk pengembangan: crowdsourcing nama-nama umum di seluruh dunia.
  • Di masa depan, kami juga ingin membuat lebih banyak konten visual untuk memandu pengguna yang ingin menggunakan aplikasi ini tetapi tidak yakin bagaimana cara melakukannya; konten ini termasuk apa yang harus dimasukkan dalam bagian pengamatan opsional aplikasi, cara memvalidasi apakah katak yang disarankan oleh aplikasi ini adalah katak yang dilihat oleh pengguna, dan sebagainya.

Mengurangi hilangnya keanekaragaman hayati

Melestarikan ekosistem merupakan kunci untuk menekan perubahan iklim, dan mempertahankan jasa ekosistem (target GBF 11), yang terkait erat dengan lebih dari 50% PDB dunia. Lebih dari 1 juta spesies menghadapi ancaman kepunahan pada abad ini; namun, memilih wilayah mana yang harus dilestarikan merupakan tantangan dengan adanya kesenjangan data yang ada, yang bias terhadap pengamatan di belahan bumi bagian utara. Meningkatkan jumlah data keanekaragaman hayati di Global South sangat penting dalam konservasi spesies yang terancam punah, yang ditemukan dengan kepadatan tinggi di titik-titik keanekaragaman hayati di Global South. Amfibi sangat ideal untuk identifikasi akustik karena vokalnya yang beragam dan merupakan indikator ekosistem yang sangat penting(Estes-Zumpf et al., 2022), dengan lebih dari 40% spesies yang terancam punah(Cañas et al., 2023). Meningkatkan data berlabel untuk lebih dari 7.000 spesies amfibi di seluruh dunia akan meningkatkan upaya konservasi dan mengurangi kesenjangan pengetahuan dalam ekosistem yang rentan. Dengan menggunakan platform sains warga untuk membantu mitigasi hilangnya keanekaragaman hayati, kami membantu membangun pengelolaan lingkungan lokal untuk habitat-habitat kritis ini (Target GBF 20).

Aplikasi warga lainnya telah menunjukkan potensi yang dimiliki oleh sains warga dalam mengurangi hilangnya keanekaragaman hayati. eBird, proyek sains warga terbesar yang berkaitan dengan keanekaragaman hayati, memiliki 100 juta pengamatan burung dari para pengguna di seluruh dunia. Pengamatan ini membantu "mendokumentasikan distribusi, kelimpahan, penggunaan habitat dan tren burung melalui daftar spesies yang terkumpul, dalam kerangka kerja ilmiah yang sederhana."(Sánchez-Clavijo et. al., 2024).

iNaturalist, aplikasi sains warga lainnya, yang menggunakan algoritma visi komputer untuk identifikasi spesies, juga telah terbukti berhasil dalam memitigasi hilangnya keanekaragaman hayati. Hingga saat ini, aplikasi ini memiliki lebih dari 200.000.000 pengamatan, dengan 6 juta pengamatan per bulan, secara global. Di iNaturalist, pengamatan tingkat penelitian dibagikan kepada GBIF, yang kemudian menggunakan pengetahuan tersebut untuk pengambilan keputusan kebijakan, penelitian, dan pembangunan masyarakat(GBIF, 2023).

Saat ini, aplikasi kami telah mengidentifikasi 71 spesies katak dan kodok di seluruh dunia. Meskipun banyak di antaranya diidentifikasi sebagai spesies yang paling tidak perlu dikhawatirkan (least concern/LC) di bawah IUCN, kami memiliki satu spesies yang terancam punah menurut IUCN, yaitu Katak Lonceng Selatan(Ranoidea raniformis). Kurangnya spesies yang terancam punah ini menggarisbawahi perlunya berbagai praktisi untuk berpartisipasi dalam pemantauan ekologi bioakustik. Meningkatkan poin data tentang spesies yang rentan dapat menjadi dasar pengambilan keputusan kebijakan dengan menggunakan wawasan berbasis data. Masyarakat lokal dan Masyarakat Adat akan menjadi aset utama dalam meningkatkan jumlah spesies yang dimasukkan dalam aplikasi, karena pengetahuan lokal mereka memungkinkan kita untuk melacak spesies di daerah terpencil.

Faktor-faktor pendukung
  • Menutup kesenjangan data: mendapatkan lebih banyak data dari para ilmuwan warga, terutama dari komunitas lokal dan Masyarakat Adat.
  • Memungkinkan pengelolaan lingkungan: aksesibilitas ke beragam pengguna.
Pelajaran yang dipetik

Pada awalnya, kami menetapkan tujuan untuk mengurangi kesenjangan data di Global South. Namun, mendapatkan akses ke panggilan yang cukup untuk spesies langka, samar, dan terancam punah di Selatan Global untuk melatih model kami terbukti menantang. Oleh karena itu, untuk meningkatkan kinerja model, kami mengalihkan perhatian kami ke sebanyak mungkin spesies yang dapat kami tangani, di seluruh dunia. Melibatkan pengguna di seluruh dunia akan menghasilkan lebih banyak rekaman di wilayah yang miskin data seperti Global South, sehingga kami dapat melatih kembali model kami di masa depan dengan lebih banyak data mengenai spesies yang terancam punah, langka, dan samar-samar.

Keterlibatan pengguna ini sangat selaras dengan berbagai target, yang paling nyata adalah target GBF 20: Memperkuat Pembangunan Kapasitas, Alih Teknologi, dan Kerja Sama Ilmiah dan Teknis untuk Keanekaragaman Hayati. Namun, target-target lain juga menjadi kunci dalam blok bangunan ini: dengan meningkatkan poin data, kita akan dapat mengidentifikasi spesies asing yang invasif, menangani Target GBF 6, serta melindungi spesies liar dari perdagangan ilegal, dengan cara menyamarkan lokasinya dari para pengguna. Hal ini selaras dengan Target GBF 5, yang bertujuan untuk"Memastikan Pemanenan dan Perdagangan Spesies Liar yang Berkelanjutan, Aman, dan Legal."

Alat pendidikan

Amfibi lebih terancam dan mengalami penurunan populasi yang lebih cepat daripada burung atau mamalia. Populasi amfibi menurun karena berbagai faktor, seperti perubahan iklim, jamur chytrid, dan faktor antropogenik lainnya seperti perdagangan spesies. Namun, tingkat ancaman terhadap amfibi tidak diragukan lagi diremehkan karena 1294 spesies (22,5%) tidak diketahui dengan baik, dibandingkan dengan hanya 78 burung (0,8%) (Stuart dkk., 2004).

Defisit pengetahuan ini menggarisbawahi pentingnya alat bantu pendidikan seperti Ribbit dalam mendemokratisasi penelitian ilmiah. Dengan mengurangi hambatan dalam pemantauan ekologi, aplikasi seperti Ribbit mengubah pengamat pasif menjadi partisipan konservasi yang aktif. Teknologi edukasi memungkinkan ilmuwan warga untuk secara langsung berkontribusi dalam memahami dan melindungi ekosistem yang rentan, mengatasi keterbatasan penelitian kritis melalui perluasan pengumpulan data di wilayah yang kurang diteliti.

Platform inovatif ini meningkatkan kesadaran publik tentang tantangan keanekaragaman hayati sekaligus menyediakan jalur yang dapat diakses untuk keterlibatan ilmiah. Tidak seperti aplikasi yang berfokus pada burung dengan infrastruktur penelitian yang mapan, konservasi anuran tidak memiliki platform sains warga yang komprehensif. Ribbit mengisi kesenjangan kritis ini dengan memberdayakan individu untuk menjadi kontributor penting dalam penelitian amfibi, membalikkan keadaan kekurangan data dan mendukung upaya konservasi global melalui pengelolaan lingkungan yang kolaboratif dan didukung teknologi. Ribbit adalah aplikasi pertama yang menyertakan informasi mengenai lebih dari 800 spesies amfibi, dalam empat bahasa, termasuk jenis panggilan, foto, informasi CITES (apakah spesies tersebut diperdagangkan atau digunakan untuk tujuan komersial, untuk memenuhi target GBF 5 dan 9), status IUCN (apakah spesies tersebut terancam punah, untuk memenuhi target GBF 4), serta informasi umum mengenai perilaku dan reproduksi satwa.

Faktor-faktor pendukung
  • Keahlian dalam bidang tertentu: salah satu anggota tim kami (Juliana Gómez Consuegra) bekerja sama dengan para ahli lain yang meneliti jamur chytrid.
  • Membuat aplikasi web yang dapat diakses: desain intuitif aplikasi web memungkinkan pengamat yang kurang berpengalaman untuk berpartisipasi dan belajar.
Pelajaran yang dipetik

Meskipun tujuannya adalah untuk mengedukasi para penggemar alam, kami ingin menghindari peningkatan perdagangan spesies. Karena alasan ini, kami memutuskan untuk tidak mengizinkan pengguna memiliki akses ke data satu sama lain. Dengan begitu, lokasi spesies yang terancam punah tidak akan terlihat oleh para pelaku perdagangan satwa liar di aplikasi ini. Pengguna hanya memiliki akses ke data mereka sendiri. Setelah data dibagikan dengan GBIF, data tersebut dikaburkan, sehingga lokasi katak maupun pengguna tidak akan diungkapkan kepada masyarakat umum. Dengan cara ini, kami memastikan bahwa aplikasi kami bertanggung jawab terhadap lingkungan.

Dampak

Ribbit menunjukkan dampak positif di berbagai bidang lingkungan, sosial, dan ekonomi. Dari segi lingkungan, Ribbit telah dilatih untuk mengenali 71 spesies anuran yang berbeda, sehingga menciptakan alat yang komprehensif untuk memantau populasi amfibi yang terancam punah. Pengujian beta berhasil merekam dan mengklasifikasikan 16 anuran yang berbeda, dengan model yang secara akurat mengidentifikasi spesies dalam 5 besar yang paling mungkin cocok sebanyak 91%, sebanding dengan solusi pembelajaran transfer lainnya untuk bioakustik (Ghani et al., 2023). Dengan menggunakan kumpulan data ~67.000 panggilan unik Anura, Ribbit memungkinkan identifikasi potensi pergeseran habitat dan perubahan populasi di wilayah yang belum teridentifikasi.

Secara sosial, pengujian beta Ribbit melibatkan 50 peserta, menciptakan jalur baru untuk penelitian ilmiah berbasis komunitas. Platform ini mendemokratisasi pengumpulan data, mengurangi hambatan dalam partisipasi penelitian ekologi. 95% pengguna yang disurvei bersedia membagikan rekaman mereka dengan GBIF, berkontribusi pada data keanekaragaman hayati global.

Secara ekonomi, Ribbit secara signifikan mengurangi biaya pemantauan. Pemantauan keanekaragaman hayati tradisional untuk 50 lokasi membutuhkan biaya sekitar $118.413 USD, termasuk peralatan, tenaga kerja, dan analisis data. Sebaliknya, biaya operasional bulanan Ribbit diperkirakan mencapai $48.543,77, termasuk infrastruktur AWS dan tenaga ahli. Pendekatan hemat biaya ini memungkinkan para praktisi untuk memfokuskan sumber daya pada tindakan konservasi berdasarkan data yang terkumpul.

Penerima manfaat

Ribbit memberi manfaat bagi ilmuwan warga melalui partisipasi penelitian, masyarakat lokal melalui pemantauan ekologi, dan peneliti konservasi melalui pengumpulan data anuran tambahan di ekosistem yang sebelumnya kurang diteliti, namun kaya akan keanekaragaman hayati.

Selain itu, jelaskan potensi skalabilitas Solusi Anda. Dapatkah solusi ini direplikasi atau diperluas ke wilayah atau ekosistem lain?

Solusi Ribbit menunjukkan potensi skalabilitas yang signifikan melalui pendekatan pembelajaran mesin yang inovatif, yang dirancang khusus untuk beradaptasi dan berkembang dengan input data yang semakin beragam. Model pembelajaran transfer beberapa foto dapat diperluas secara sistematis ke ekosistem kaya amfibi lainnya secara global, dengan penerapan khusus di titik-titik keanekaragaman hayati di wilayah tropis dan subtropis.

Arsitektur teknologi inti pada dasarnya mudah beradaptasi, sehingga memungkinkan integrasi data akustik yang mulus dari konteks geografis yang berbeda. Seiring dengan semakin beragamnya rekaman panggilan anuran yang dikumpulkan dari beragam ekosistem, model pembelajaran mesin dapat dilengkapi untuk menjadi semakin canggih, meningkatkan akurasi identifikasi dan memperluas kemampuan pengenalan spesies. Mekanisme peningkatan ini berarti bahwa setiap kontribusi data baru tidak hanya menambah pengetahuan ilmiah, tetapi juga menyempurnakan kinerja platform teknologi.

Potensi replikasi meluas di berbagai domain. Platform ini dapat diadaptasi untuk kelompok hewan lain yang memiliki ciri khas akustik yang berbeda, sehingga memungkinkan pendekatan pemantauan yang serupa untuk serangga, atau mamalia. Selain itu, teknologi ini memungkinkan untuk mengembangkan modul khusus wilayah yang dapat disesuaikan untuk konteks ekologi lokal, menciptakan alat penelitian yang fleksibel yang dapat merespons kebutuhan lingkungan tertentu. Dengan membina jaringan penelitian kolaboratif yang dapat berbagi data dan peningkatan model, Ribbit menyediakan kerangka kerja untuk memperluas pemahaman ilmiah melintasi batas-batas institusional dan geografis.

Pendekatan akses terbuka dan desain modular dari solusi ini membuatnya sangat cocok untuk skala global. Dengan memprioritaskan aksesibilitas pengguna, ketelitian ilmiah, dan pembelajaran berkelanjutan, Ribbit menyediakan model yang dapat direplikasi untuk pemantauan keanekaragaman hayati yang diaktifkan oleh teknologi yang dapat disesuaikan dengan beragam kebutuhan penelitian ekologi.

Kerangka Kerja Keanekaragaman Hayati Global (Global Biodiversity Framework (GBF))
Target GBF 4 - Menghentikan Kepunahan Spesies, Melindungi Keanekaragaman Genetik, dan Mengelola Konflik Manusia-Satwa Liar
Target GBF 5 - Memastikan Pemanenan dan Perdagangan Spesies Liar yang Berkelanjutan, Aman, dan Legal
Target GBF 6 - Mengurangi Introduksi Spesies Asing Invasif hingga 50% dan Meminimalkan Dampaknya
Target GBF 9 - Mengelola Spesies Liar Secara Berkelanjutan Untuk Memberikan Manfaat Bagi Masyarakat
Target GBF 11 - Memulihkan, Memelihara, dan Meningkatkan Kontribusi Alam bagi Manusia
Target GBF 14 - Mengintegrasikan Keanekaragaman Hayati dalam Pengambilan Keputusan di Setiap Tingkat
Target GBF 20 - Memperkuat Pengembangan Kapasitas, Alih Teknologi, dan Kerjasama Ilmiah dan Teknis untuk Keanekaragaman Hayati
Tujuan Pembangunan Berkelanjutan
SDG 15 - Kehidupan di darat
Cerita
Gambar seorang ahli biologi lapangan di hutan hujan Kolombia
Juliana Gómez Consuegra di Stasiun Penelitian Biologi El Amargal, di hutan hujan Kolombia, 2007.
Juliana Gómez Consuegra

Melakukan penelitian lapangan di hutan hujan Kolombia bisa menjadi sebuah tantangan. Kelembaban Relatif 100% berarti bahwa peralatan lapangan Anda harus disimpan dalam silika untuk bertahan hidup. Kurangnya listrik berarti alat perekam Anda mungkin tidak dapat mengisi daya tepat waktu untuk sesi perekaman berikutnya. Dan, tergantung pada waktu Anda pergi ke lapangan, masalah keamanan sangat tinggi, karena perang saudara yang sedang berlangsung. Saya mengalami semua situasi ini selama tahun 2007, ketika saya mengejar gelar master dalam bidang biologi, dan meneliti perilaku mencari tempat tinggal pada katak beracun. Tugas harian saya termasuk berjalan kaki satu jam setiap hari, setiap hari, ke dan dari lokasi penelitian; memasang speaker yang memutar suara katak untuk melihat bagaimana katak racun harlequin jantan bereaksi terhadap perubahan lingkungan mereka. Satu-satunya teman saya adalah Yaz, seorang anggota masyarakat setempat, yang kisah hidupnya sangat menginspirasi saya. Dia beralih dari mengupas daun koka untuk kelompok pemberontak bersenjata menjadi bekerja di sebuah LSM, hingga membuat pondok ramah lingkungan tempat orang-orang dapat melakukan ekspedisi pengamatan katak. Ketika saya mengetahui usaha terbarunya, saya berpikir: Bagaimana jika kita bisa menggabungkan perjalanan eksotis ke hutan hujan dengan kontribusi untuk ilmu pengetahuan? Jadi saya menghubungi rekan-rekan ahli biologi saya dan menyampaikan ide saya tentang aplikasi sains warga yang secara otomatis akan mengidentifikasi katak yang memanggil. Di bawah ini adalah umpan balik dari salah satu dari mereka:

"Saya ingin mengucapkan selamat atas pengembangan Ribbit. Saya seorang ilmuwan keanekaragaman hayati yang bekerja di Kolombia, dan memiliki kesempatan untuk menyaksikan secara langsung dampak dari eBird terhadap pemantauan, dan pemanfaatan burung secara sosial di Kolombia, dan orang-orang selalu bertanya... mengapa hanya burung? Jawaban saya biasanya karena burung adalah yang paling mudah ditemui dan diidentifikasi oleh orang awam, namun dengan aplikasi seperti Ribbit, hal ini tidak perlu lagi menjadi masalah!

Mengandalkan suara untuk identifikasi, yang jauh lebih mudah direkam dengan ponsel biasa dibandingkan mencoba mengambil gambar katak di alam liar, adalah ide yang sangat bagus, dan seperti yang terjadi pada eBird, semakin banyak orang yang menggunakan aplikasi ini, semakin baik informasi yang diberikan. Pertanyaan sesederhana seperti spesies apa yang hidup di mana/kapan masih menjadi tantangan di negara-negara besar seperti Kolombia, sehingga semua data yang dihasilkan oleh Ribbit akan berguna untuk menjawab tantangan ini.

Teruslah bekerja keras dan beritahu kami jika kami dapat membantu dengan cara apa pun."

Lina M Sánchez-Clavijo, PhD

Peneliti Utama

Kantor Informasi Ilmiah

Instituto Humboldt

Kesaksian oleh: Juliana Gómez Consuegra, ketua tim Ribbit

Terhubung dengan kontributor
Kontributor lainnya
Haissam Akhras
UC Berkeley
Lia Cappellari
UC Berkeley
Farouk Ghandour
UC Berkeley