Simulasi Dan Analisis Klasifikasi Genre Musik Berbasis Fft Dan Support Vector Machine

Rosyita Ayuning Mauludiya, Rita Magdalena, I NyomanApraz Ramatryana

Abstract

Musik[1] 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 klasifikasi genre. Pada penelitian sebelumnya, digunakan Jaringan Syaraf Tiruan Backpropagation dengan akurasi 67% [6]. Selanjutnya digunakan Hidden Markov Model sebagai metode klasifikasi namun HMM dengan akurasi terbaik yang dicapai HMM adalah 80% [4]. 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 Support Vector Machine (SVM). 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 Support Vector Machine. Setelah dilakukan pengujian terhadap klasifikasi 3 genre lagu yaitu pop, rock, dan dance, akurasi tertinggi adalah 93% untuk jumlah data latih 90 tiap-tiap genre, jumah data uji 10 tiap-tiap genre, jenis kernel polynomial, kernel option 2, nilai C sebesar 10, dan epsilon sebesar 10-2.

Kata Kunci : Klasifikasi, genre musik, Support Vector Machine.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0