Analisis Terhadap Korelasi Fitur Untuk Klasifikasi Genre Musik

MANUEL THEODORE LELEULY

Informasi Umum

Kode

20.04.4310

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

59 kali

Informasi Lainnya

Abstraksi

Klasifikasi genre musik telah banyak dibahas oleh beberapa peneliti. Ada berbagai metode yang digunakan untuk mengklasifikasikan banyak jenis genre musik, namun hanya sebagian kecil saja yang mempertimbangkan pentingnya korelasi fitur. Tujuan dari pentingnya memerhatikan korelasi fitur adalah untuk memilih fitur yang sesuai untuk meningkatkan akurasi proses klasifikasi. Dalam tulisan ini, kami menyelidiki peran besar fitur korelasi di mana fitur diperoleh dari entropi Root Mean Square (RMS), dan frekuensi yang didapatkan menggunakan Short-time Fourier Transform. Selain itu, kami menggunakan Probabilistic Neural Network (PNN) sebagai classifier. Dalam tulisan ini, hasilnya menunjukkan bahwa akurasi dengan menggunakan semua fitur (tanpa mempertimbangkan korelasi fitur) mencapai 70%, sedangkan ketika menggunakan yang fitur yang dipilih dari nilai korelasi, akurasi dapat mencapai 90%. Semua fitur yang terpilih yang dapat menghasilkan akurasi tinggi ini adalah entropi RMS minimum dan rata-rata dari semua entropi RMS di setiap bingkai musik, dan entropi frekuensi minimum dan rata-rata dari semua entropi di setiap bingkai musik.