DETEKSI AKOR DAN MELODI PADA FILE WAV GITAR FINGERSTYLE MENGGUNAKAN METODE DISCRETE WAVELET PACKET TRANSFORM & K-NEAREST NEIGHBOR

MUHAMMAD ILHAM FAUZI

Informasi Umum

Kode

20.04.940

Klasifikasi

621.382 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal Processing

Dilihat

309 kali

Informasi Lainnya

Abstraksi

Saat ini, teknik fingerstyle sangat populer di kalangan para pemain gitar akustik Indonesia. Teknik tersebut menjadikan gitar mampu menghasilkan suara akor, melodi, dan perkusi seperti pada komposisi musik band. Keterbatasan kemampuan pendengaran berupa ketidakpekaan terhadap nada menyebabkan pemain gitar sulit untuk mengulik komposisi akor dan melodi pada musik fingerstyle. Oleh karena itu, pendeteksian akor dan melodi pada musik fingerstyle diperlukan untuk mempermudah pemain gitar dalam mengulik komposisi musik tersebut. Pada Tugas Akhir ini, telah dibuat sistem yang mampu mendeteksi akor dan melodi pada musik fingerstyle. Data yang digunakan sebagai data latih dalam sistem ini yaitu 355 sampel rekaman akor dan 125 sampel rekaman nada tunggal. Data yang diujikan pada sistem ini berupa 8 musik fingerstyle tanpa sustain yang direkam ulang sebanyak 5 kali dan 3 musik fingerstyle dengan sustain. Metode yang digunakan pada sistem ini yaitu Onset Detection, Discrete Wavelet Packet Transform (DWPT), Welch’s Method, dan Pitch Class Profile (PCP) untuk mengekstraksi ciri sinyal akor dan melodi melalui pengolahan sinyal audio. Selanjutnya, data diklasifikasikan menggunakan metode K-Nearest Neighbor (K-NN). Hasil yang telah diperoleh dari Tugas Akhir ini adalah sistem yang mampu mengklasifikasikan suara gitar menjadi dua jenis, yaitu akor dan melodi, serta mampu mengklasifikasikan jenis akor dan jenis nada pada melodi yang terdapat dalam musik fingerstyle. Sistem ini mampu menghasilkan rata-rata tingkat akurasi deteksi sebesar 83.11% pada 40 musik fingerstyle tanpa sustain. Kata Kunci: Fingerstyle, Onset, Discrete Wavelet Packet Transform, Welch’s Method, Pitch Class Profile, K-Nearest Neighbor, Akor, Melodi.