ABSTRAKSI: Pada dunia nyata, sering sekali ditemui permasalahan yang berkaitan dengan pengelompokan (cluster) data. Dimana dalam permasalahan tersebut, kumpulan data yang ingin dikelompokkan memiliki ciri yang hampir sama atau dengan kata lain ambigu sehingga tidak mudah dibedakan dalam beberapa hal, contohnya data suara. Dalam permainan gitar, memainkan irama lagu akan terdengar lebih indah jika gitar dimainkan dengan teknik-teknik tertentu. Teknik transisi nada merupakan sebagian dari ragam teknik bermain gitar, dimana dalam satu petikan senar terdapat perpindahan nada dari nada satu ke nada lainnya. Teknik transisi nada yang umum dimainkan adalah slide, hammer-on, pull-off, bending, dan vibrato.
Untuk membantu mengelompokkan suara teknik transisi nada permainan gitar serta mengenali teknik-teknik tersebut, maka metode Neural Gas menjadi solusi dalam permasalahan clustering ini. Neural Gas merupakan salah satu metode dari jaringan syaraf tiruan dimana memiliki metode kerja yang terinspirasi dari self-organizing map yang memiliki parameter-paremeter masukan seperti jumlah neuron, jumlah iterasi, laju pembelajaran atau learning rate awal dan akhir, serta neighbourhood rate awal dan akhir yang dapat diatur guna mendapatkan hasil pembelajaran berupa model cluster yang dapat mengelompokkan serta mengenali teknik transisi nada permainan gitar ini.
Pada penelitian tugas akhir ini, dilakukan observasi parameter masukan metode Neural Gas dalam membangun model cluster berdasarkan 200 data latih dan kemudian diujikan dengan 50 data uji. Dari hasil observasi kombinasi parameter serta pengujian yang dilakukan sebanyak 15 kali, didapatkan rata-rata akurasi data uji tertinggi sebesar 91,7%. Pengaruh kombinasi parameter yang tepat dapat memberikan hasil signifikan terhadap pembentukan cluster dan pengenalan dari teknik transisi nada pada permainan gitar.Kata Kunci : clustering, slide, hammer-on, pull-off, bending, vibrato, selforganizingABSTRACT: In real world, the problem that related to cluster the data are frequently encountered. Whereas that problems have high dimensional similarity and mostly ambiguous one each other and it is hard to be distinguished, e.g. audio data. In guitar playing, the rhyme of the song are beautifully heard while it plays with certain technique. Tone transition techniques are some of the technique of guitar playing, which has tone shifting in a single thrum while playing the guitar. The tone transitions are slide, hammer-onm pull-off, bending, and vibrato.
The purposes for grouping the tone transition of guitar sound and recognizing it, Neural Gas method come for solution in this clustering problem. Neural Gas is one of Artificial Neural Networks method which has inspired from Self-Organizing Map that has input parameters i.e neuron values, iteration values, learning rate initial and final, and also neighbourhood rate initial and final that can be set to gain learning be in the form of cluster model that can group and recognize the guitar tone transition technique.
In this final project, the observation be done with input parameter if Neural Gas method in cluster model establishment depends on 200 training data dan then be tested with 50 testing data. From the parameter combination observation and testing result that be done by 15 times, there has highest testing data mean accuration at 91,7%. The parameter combination’s influence give significant result on cluster establishmnt dan recognizing the guitar tone transition technique.Keyword: clustering, slide, hammer-on, pull-off, bending, vibrato, self-organizing