Putra, Rayhan Tsani (2018) Klasifikasi Jenis Audio Berdasarkan Kondisi Psikologi Menggunakan Kombinasi Algoritme Self Organizing Maps dan Learning Vector Quantization. Sarjana thesis, Universitas Brawijaya.
Abstract
Karakteristik dari beberapa jenis audio memiliki pengaruh yang berbeda-beda terhadap emosi manusia dan juga aktifitas apa yang sedang dilakukan. Jika jenis audio atau musik yang didengarkan sesuai dengan kegiatan yang dilakukan dan juga dalam kondisi emosi yang sesuai dengan jenis kegiatan tersebut, maka sangat menguntungkan bagi pendengarnya. Biasanya masyarakat mendengarkan musik yang sudah biasa didengarkan tanpa memperdulikan kondisi yang tepat. Akan lebih baik jika dapat memanfaatkan dan memaksimalkan dampak positif dari audio tersebut dengan cara mendengarkan audio atau musik yang sesuai dengan kondisi. Pemilihan jenis audio secara otomatis berdasarkan input dari pengguna akan sangat mempermudah dan membantu seseorang dalam menentukan jenis audio yang sesuai. Klasifikasi adalah suatu cara pemilihan dari kelompok yang memiliki kemiripan pola dan menghasilkan suatu keluaran berupa nama label suatu kelas. Klasifikasi jenis audio akan sangat membantu dalam menentukan jenis audio yang sesuai. Penelitian ini mengklasifikasikan jenis audio berdasarkan salah satu kondisi psikologi yaitu emosi dan juga beberapa jenis aktifitas menggunakan kombinasi algoritme SOM-LVQ (Self Organizing Map dan Learning Vector Quantization). SOM digunakan sebagai algoritme yang mendampingi dan melatih bobot awal untuk LVQ dikarenakan memiliki struktur dan alur kerja yang hampir sama dengan LVQ. Fitur yang digunakan pada penelitian ini sebanyak 11 yang terdiri dari kondisi psikologi dan jenis kegiatan. Terdapat 4 jenis audio yang menjadi kelas pada penelitian ini. Hasil evaluasi menunjukkan bahwa klasifikasi jenis audio menggunakan kombinasi SOM-LVQ lebih baik daripada hanya LVQ saja, namun data pada penelitian ini bersifat sensitif yang menyebabkan nilai akurasi kurang optimal. Nilai akurasi maksimal yang didapatkan pada penelitian ini adalah 89,583%. Kombinasi algoritme SOM-LVQ mencapai nilai akurasi maksimal tersebut dengan 4 iterasi pelatihan, sedangkan LVQ murni 6 iterasi maksimal. Walaupun dengan nilai akurasi yang sama, SOM-LVQ lebih baik dalam kecepatan mendapatkan nilai optimal (iterasi lebih kecil).
English Abstract
The characteristics of each type of audio have different effects on human emotions as well as what activities are being performed. If the type of audio or music that is listened to in accordance with the activities undertaken and also in an emotional state appropriate to the type of activity, it is very beneficial for the listener. The most common case in most societies is listening to music that has been commonly heard without caring about the right conditions. It would be better if you can utilize and maximize the positive impact of the audio by listening to audio or music in accordance with the conditions. Automatic selection of audio types based on user input will greatly simplify and assist a person in determining the appropriate type of audio. Classification is a way of selecting from a group that has a similarity pattern and produces an output in the form of a class label name. Classification of audio types will be very helpful in determining the appropriate audio type. This study classifies the type of audio based on one of the psychological conditions of emotion and also some types of activities using a combination of SOM-LVQ algorithms (Self Organizing Map and Learning Vector Quantization). SOM is used as an algorithm that accompanies and trains initial weights for LVQ because it has a structure and workflow similar to LVQ. Feature used in this research is 11 which consist of psychology condition and activity type. There are 4 types of audio that became the class in this study. Evaluation results show that the classification of audio type using SOM-LVQ combination is better than only LVQ, but the data in this research is sensitive which causes less accurate accuracy value. The maximum accuracy obtained in this study was 89.583%. The SOM-LVQ algorithm combination achieves the maximum accuracy with 4 training iterations, while LVQ requires 6 iterations to achieve maximum value. Although with the same accuracy, SOM-LVQ is better at getting the optimal value.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/205/051801227 |
| Uncontrolled Keywords: | Klasifikasi Jenis Audio, Learning Vector Quantization, Self Organizing Map, Kondisi Psikologi |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 28 May 2018 03:10 |
| Last Modified: | 27 Oct 2021 03:54 |
| URI: | http://repository.ub.ac.id/id/eprint/11165 |
Preview |
Text
Dokumen Utuh.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |