Sistem Identifikasi Genre Musik Dengan Metode Ekstraksi Fitur FFT dan Metode Klasifikasi Linear Discriminant Analysis beserta Similarity Measure

Anthasenna, IDWGD (2014) Sistem Identifikasi Genre Musik Dengan Metode Ekstraksi Fitur FFT dan Metode Klasifikasi Linear Discriminant Analysis beserta Similarity Measure. Sarjana thesis, Universitas Brawijaya.

Abstract

Musik merupakan salah satu seni atau hiburan beserta aktivitas manusia. Musik terdiri dari suara – suara yang teratur. Beberapa musik dikelompokan ke dalam suatu genre yang dinamakan genre musik. Setiap hari, seseorang setidaknya mendengarkan beberapa buah musik dan setiap orang mempunyai selera yang berbeda dalam memlihi genre musk. Dalam penelitian ini dilakukan kombinasi kedua metode yaitu Linear Discriminant Value dan Cosine Similarity yang digunakan untuk memprediksi genre suatu musik. Kedua metode tersebut akan memproses fitur – fitur yang dihasilkan dari musik tersebut. Fitur dalam penelitian ini dibedakan menjadi dua jenis yaitu fitur onevalue dan multivalue. Linear Discriminant Analysis memproses fitur onevalue dan Cosine Similarity memproses fitur multivalue. Hasil akhir kedua metode tersebut akan dikombinasikan dengan cara dirata – ratakan. Kelas data musik dalam penelitian ini terdiri dari kelas genre pop, rock, reggae, jazz, R & B, dan blues. Pada peneltian ini dilakukan pengujian dengan membuat skenario dan didalamnya tiap percobaan. Tiap skenario memiliki jumlah data latih dan data uji yang berbeda dan tiap percobaan memiliki data uji yang dipilih secara acak. Rata - rata akurasi tertinggi yang diperoleh dari keseluruhan percobaan yaitu sebesar 20,83 % dengan data latih sebesar 540 buah. Data latih tersebut merupakan data latih terbanyak urutan kedua dari tiap skenario. Rata - rata akurasi terendah dari keseluruhan percoban yaitu 17,50 % dengan data latih sebesar 420 buah. Dari hasil pengujian, dapat disimpulkan bahwa jumlah data latih belum mempengaruhi tingkat akurasi sepenuhnya. Perlu perbaikan ekstraksi fitur dan perbaikan metode yang digunakan viii dalam peneltian selanjutnya. Sebelumnya dalam penelitian telah dilakukan beberapa penelitian tambahan dalam berbagai metode untuk meningkatkan akurasi agar lebih dari 30 %. Tetapi akurasi tertinggi tiap percobaan yang didapat dari keseluruhan percobaan hanya sebesar 26,67 %. Oleh karena itu, perlu dilakukan penelitian serupa.

English Abstract

Music is one of art or entertaiment attach human activity. Music contains of well-regulated sounds. Some of music is categorized in a genre that mean music genre. Everyday, people at least listen to any music and every people have the different desire on choosing music genre. This reseach do combination between two method, that is Linear Discriminant Analysis dan Cosine Similarity used for forecasting genre of any music. Both method will process all feature produced from the music. Feature in this reseach separated become two kinds that is onevalue and multivalue feature. That Linear Discriminant Analysis process onevalue feature and cosine similarity process multivalue feature. Final result from both method will be combinated by the way averaging both result. Genre music class in this reseach contains of pop, rock, reggae, jazz, R & B,and blues. Testing done by the way making the scenario contains each experiment. Each scenario have different sum of training data and testing data, and each experiment have the testing data choseen randomly. Highest average of accuration acquired of all experiment is 20,83 % with count of data testing is 540 items. This count of training data is the most of all scenario. Lowest average of all experiment is 17,50 % with count of data training is 420 items. From result of testing, could be concluded that count of training data have not influence degree of accuration utterly. Need remedical of feature extraction and method used in next reseach. At the past, had done some of additional experiment use some kind of method for increasing some accuracy become more than 30 %. But the best accuration from x each experiment from each scenario resulted is only 26,67 %. So that, need done of similiar reseach.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2014/179/051404686
Subjects:	000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	19 Aug 2014 08:11
Last Modified:	20 Oct 2021 04:32
URI:	http://repository.ub.ac.id/id/eprint/145965

	Text Dokumen_Skripsi_.pdf Download (5MB)
	Other (Thumbnails conversion from text to thumbnail_lightbox) lightbox.jpg Download (35kB)
	Other (Thumbnails conversion from text to thumbnail_preview) preview.jpg Download (15kB)
	Other (Thumbnails conversion from text to thumbnail_medium) medium.jpg Download (4kB)
	Other (Thumbnails conversion from text to thumbnail_small) small.jpg Download (1kB)

Actions (login required)

View Item