SIMULASI DAN ANALISIS KLASIFIKASI GENRE MUSIK BERBASIS SUPPORT VECTOR MACHINE

I GUSTI AGUNG DIAN WINTARA

Informasi Dasar

17.04.1776
621.380.413
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAK Seiring dengan perkembangan zaman, dalam kurun waktu yang relatif singkat musik berkembang dengan begitu cepat. Musik memiliki berbagai macam jenis genre antara lain: Classical, Rock, Reggae, Country, dan Jazz. Genre musik adalah kategori dari karya seni, dalam hal ini khususnya musik, untuk mencirikan dan mengkategorikan musik yang kini tersedia dalam berbagai bentuk dan sumber. Pengklasifikasian genre musik secara otomatis dapat menjadi hal yang sangat membantu dalam pengembangan sistem temu-kembali untuk data audio. Pengolahan Sinyal Digital pada sinyal audio berkembang pesat untuk menghasilkan sebuah sistem yang bekerja secara digital. Sehingga diperlukan suatu pengembangan metode dan algoritma yang dapat mengklasifikasi genre secara tepat. Penelitian tugas akhir ini menggunakan metode klasifikasi Support Vector Machine. Metode Support Vector Machine merupakan metode klasifikasi yang sederhana. Pembentukan model klasifikasi Support Vector Machine dengan mengumpulkan ciri dari data latih atau data acuan untuk menjadi data training saat pengujian. Proses klasifikasi genre dimulai dengan memilih file lagu yang akan diklasifikasikan genre-nya, selanjutnya dilakukan proses preprocessing, pengambilan ciri dengan memanfaatkan ekstraksi ciri, dan terakhir proses klasifikasi Support Vector Machine untuk menghasilkan jenis genre dari file lagu yang dipilih. Pengujian yang dilakukan adalah pengujian terhadap metode klasifikasi genre menggunakan Support Vector Machine. Skenario pengujian dilakukan dengan jumlah data acuan 50 tiap-tiap genre, jumlah data uji 50 tiap-tiap genre, terhadap paramater jenis dan orde Filter dan didapat parameter terbaik yaitu Jenis filter Butterworth dengan orde 3. Setelah dilakukan pengujian terhadap klasifikasi 5 genre lagu yaitu Classical, Country, Jazz, Reggae dan Rock, akurasi tertinggi adalah 85.6% pada SVM OAA dan 86.4% pada SVM OAO menggunakan parameter SVM jenis kernel polynomial, kerneloption = 1, C = 10 dan epsilon = 1e-1. Kata kunci: Klasifikasi, genre, musik, Support Vector Machine.

Subjek

Digital signal processing
 

Katalog

SIMULASI DAN ANALISIS KLASIFIKASI GENRE MUSIK BERBASIS SUPPORT VECTOR MACHINE
 
 
 

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

I GUSTI AGUNG DIAN WINTARA
Perorangan
Rita Magdalena, I Nyoman Apraz Ramatryana
 

Penerbit

Universitas Telkom
Bandung
2017

Koleksi

Kompetensi

  • TTH4O3 - SPEECH PROCESSING

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini