ABSTRAKSI: 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.
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 Hidden Markov Model.Dari skenario pengujian terhadap paramater Jenis dan Orde Filter didapat parameter terbaik yaitu Jenis filter Butterworth dengan orde 5. Setelah dilakukan pengujian terhadap klasifikasi 3 genre lagu yaitu pop, rock, dan dance, akurasi tertinggi adalah 80% untuk jumlah data latih 40 tiap-tiap genre, jumah data uji 10 tiap-tiap genre, kuantisasi ciri sebesar 20, dan iterasi pelatihan HMM sebesar 150.
Kata Kunci : Klasifikasi, genre musik, Hidden Markov ModelABSTRACT: The rapid growth in audio processing is felt much help in advancing the development of digital music . The music consists of a wide variety of genres and types of music in accordance with the content . Primarily on the development of digital music genre classification has been perceived assist in the ease of studying and looking for a song . It encourages the creation of ease of variation of genre classification that is able to optimize the learning process can be done easily , simple and has a good quality in a song search accuracy .So we need a development of the learning process with a variety of methods and algorithms better . And in its development is restricted only to the first genre classification have good quality in classification accuracy.
In this thesis , an examination of how developed a genre classification have good quality in classification accuracy using a frequency content characteristics and classification using Hidden Markov Models.Parameters of the test scenarios and the Order Type Filters best parameters obtained are type -order Butterworth filter with a 5 . After testing the 3 genre classification is a pop song , rock , and dance , the highest accuracy was 80 % for the amount of training data 40 of each genre , the sheer number of test data 10 of each genre , quantization characteristic of 20 , and HMM training iterations for 150.
Keyword: Classification, music genre, Hidden Markov Models