Perkembangan yang pesat pada audio processing dirasakan banyak membantu dalam memajukan perkembangan musik digital. Musik terdiri dari berbagai macam genre dan jenis sesuai dengan konten musik tersebut. Perkembangan musik digital terutama pada klasifikasi genre dirasakan telah membantu dalam kemudahan mempelajari dan mencari suatu lagu. Hal tersebut mendorong diciptakannya kemudahan dalam variasi klasifikasi genre yang mampu mengoptimalisasikan proses pembelajaran yang dapat dilakukan dengan mudah, simple dan memiliki kualitas yang baik dalam ketepatan pencarian suatu lagu. Sehingga diperlukan suatu pengembangan proses pembelajaran tersebut dengan berbagai metode dan algoritma yang lebih baik. Dan dalam perkembangannya dibatasi terlebih dahulu hanya pada klasifikasi genre yang memiliki kualitas yang baik dalam ketepatan klasifikasinya.
Pada penelitian sebelumnya, digunakan Jaringan Syaraf Tiruan Backpropagation dengan akurasi 67%. Selanjutnya digunakan Hidden Markov Model sebagai metode klasifikasi namun HMM disini masih bersifat diskrit sehingga diperlukan proses untuk mengubah ciri yang bernilai kontinu ke simbol HMM yang bersifat diskrit. Akurasi terbaik yang dicapai HMM adalah 80%. Dalam tugas akhir ini, dilakukan penelitian bagaimana mengembangkan klasifikasi genre yang memiliki kualitas yang baik dalam ketepatan klasifikasinya dengan menggunakan ciri konten frekuensi dan klasifikasi menggunakan Support Vector Machine.
Dalam tugas akhir ini, dilakukan penelitian bagaimana mengembangkan klasifikasi genre yang memiliki kualitas yang baik dalam ketepatan klasifikasinya dengan menggunakan ciri konten frekuensi dan klasifikasi menggunakan Support Vector Machine. Setelah dilakukan pengujian terhadap klasifikasi 3 genre lagu yaitu pop, rock, dan dance, akurasi tertinggi adalah 93% untuk jumlah data latih 90 tiap-tiap genre, jumah data uji 10 tiap-tiap genre, jenis kernel polynomial, kernel option 2, nilai C sebesar 10, dan epsilon sebesar 10-2.