Pemisahan Chorus Pada Musik Mp3 Menggunakan Koefisien Korelasi 2-d Berbasis Discrete Cosine Transform (dct) Dan K-nearest Neighbor (k-nn)

Muhammad Wahyu Setiawan, Ledya Novamizanti, I N Apraz Ramatryana

Abstract

Abstrak Penelitian tentang metode pencarian judul lagu dengan input suara senandung manusia atau humming membutuhkan chorus dari sebuah lagu untuk mendapatkan pola nada yang unik dari sebuah lagu. Sebelumnya, proses pemisahan chorus masih dilakukan secara manual sehingga membutuhkan waktu yang lama. Sehingga, diperlukan sebuah metode untuk menentukan posisi chorus dan memisahkannya secara otomatis dengan memanfaatkan pengolahan sinyal audio. Pada penelitian ini, penulis merancang metode penentuan posisi chorus dengan menggunakan nilai Koefisien Korelasi 2-Dimensi (KK2-D) dan menambahkan proses klasifikasi K-Nearest Neighbor (KNN). Proses pertama adalah input file audio, selanjutnya preprocessing, framing, windowing, transformasi Discrete Cosine Transform (DCT), perhitungan KK2-D, dan klasifikasi K-NN. Pada penelitian ini, data yang digunakan sebanyak 25 data lagu yang terdiri dari 5 genre. Pengujian yang dilakukan adalah menganalisis pengaruh ukuran frame, pengaruh jenis window, nilai K dari K-NN, dan jenis jarak dari KNN. Hasil akurasi rata-rata dari 25 data lagu adalah 95% dengan parameter terbaik terdiri dari ukuran frame 1 detik, jenis window rectangular, nilai K sebesar 5, dan jarak cosine. Waktu rata-rata proses untuk satu lagu adalah 0,112 detik. Kata kunci : Sinyal audio, chorus, DCT, koefisien korelasi 2-D. Abstract Research about song title finder method with humming sound input need chorus part of the song to get unique pattern from a song. Chorus separation process still done manually so it will take a long time. This problem become the background, we need a method to finding the chorus position and separate it automatically by using audio signal processing. In this research, author designing a chorus position finder method using 2-D Coefficient Correlation (KK2-D) and adding classification process K-Nearest Neighbor (K-NN). First process is inputting the audio file, next are preprocessing, framing, windowing, Discrete Cosine Transform (DCT) transform, KK2-D calculation, and K-NN classification. In this research, author used 25 songs from 5 different genres. Test that have been done are analyzing frame size affection, window type affection, Kvalue from K-NN. Accuracy result from 25 songs is 95% with the best parameters are with 1 second frame, rectangular window type, K value of 5, and cosine distance. Average computation time for one song is 0.112 second. Keywords: Audio signal, chorus, DCT, 2-D correlation coefficient.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0