ABSTRAKSI: Dewasa ini dunia musik sudah berkembang begitu pesat. Hal ini ditandai dengan semakin banyaknya aliran musik dan munculnya pelaku-pelaku seni musik yang semakin kreatif. Hal ini berbanding lurus dengan semakin banyaknya karya lagu yang dihasilkan diseluruh dunia. Hampir semua kalangan masyarakat menyukai musik berbentuk lagu. Kita dapat menikmati lagu di restoran, coffee shop, pusat perbelanjaan dan tempat umum lainnya. Terkadang ketika seseorang sedang menikmati sebuah lagu yang ia suka di suatu tempat umum, ia tidak tahu apa judul dari lagu tersebut. Hal inilah yang menjadi fokus bagi penulis untuk membangun sebuah sistem yang dapat mendeteksi lagu dan menghasilkan keluaran berupa judul dari lagu tersebut. Objek penelitian yang dipilih adalah lagu yang berasal dari alat musik piano. Pada penelitian terdahulu, pernah dibangun sistem pengenalan nada pada piano yang dapat mengenali dengan baik nada-nada tunggal pada lagu dengan tempo yang sedang. Namun sistem tersebut memiliki kelemahan dalam mengenali nada tempo yang lambat dan cepat.
Prinsip kerja dari sistem yang telah dibangun adalah mendeteksi judul lagu pada piano dimana lagu ujinya disesuaikan dengan lagu referensi pada database. MFCC (Mel Frequency Cepstral Coefficient) digunakan sebagai teknik ekstraksi ciri. JST Learning Vector Quantization dan Euclidean Distance digunakan sebagai metode klasifikasi yang berfungsi untuk mengenali vektor ciri dari data input hasil ekstraksi ciri MFCC dan mengklasifikasikan ciri tersebut berdasarkan target yang telah ditentukan. Dari dua metode klasifikasi tersebut akan dilakukan perbandingan, metode mana yang menghasilkan performansi yang lebih baik.
Sistem memiliki performansi terbaik dengan akurasi tertinggi dalam pendeteksian lagu pada tahap offline ketika MFCC mengalami overlap 25 % dengan menggunakan metode klasifikasi Euclidean Distance, spesifikasi threshold = 0.2, dengan tingkat akurasi sebesar 93.33 %. Sedangkan untuk 5 kali percobaan deteksi 15 lagu pada tahap online dengan pemberian filter butterworth, diperoleh akurasi sistem sebesar 84 %.
Kata Kunci : Deteksi, Piano, Lagu, Mel Frequency Cepstral Coefficient, JST, Learning Vector Quantization, Euclidean Distance.ABSTRACT: Nowadays, the world of music has been greatly expanded and the number of songs that have been produced around the world are very enormous. Almost all people love the music in the form of songs. We can enjoy music in a restaurant, coffee shop, shopping malls and other public places. Sometimes when someone is enjoying a song that she/he likes in a public place, she/he does not know what the title of the song. To provide a solution to the problem, in this Final Project has built a system that can detect the title of a song. Chosen object of study is a song that comes from the piano. In previous research has been built tone recognition system on a piano which can recognize both single notes on the song with a moderate tempo. However, these systems have weaknesses in recognizing tone slow and fast tempos.
The working principle of this system is to detect the title song on the piano, which which will be adapted to practice the test on the database. MFCC (Mel Frequency Cepstral Coefficient) were used as feature extraction techniques. LVQ neural network and Euclidean Distance are used as methods of classification which serve to recognize the characteristic vector of the input data results MFCC feature extraction and classify these characteristics based on predetermined targets.
The system has the best performance with the highest accuracy in the detection of the song on stage offline when MFCC having 25% overlap using Euclidean Distance, with the specifications: threshold = 0.2, with an accuracy rate of 93.33%. While in the online stage, for the detection of 5 attempts 15 songs by giving butterworth filter, the system obtained a 84% accuracy.Keyword: Detection, Piano, Tune, Mel Frequency Cepstral Coefficient, ANN, Learning Vector Quantization, Euclidean Distance.