PENGKLASIFIKASIAN GENRE MUSIK INDONESIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Sebatik

View Publication Info
 
 
Field Value
 
Title PENGKLASIFIKASIAN GENRE MUSIK INDONESIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
 
Creator Wairata, Carl Ray
Swedia, Ericks Rachmat
Cahyanti, Margi
 
Description Pada zaman sekarang sudah terdapat banyak sekali teknologi Artificial Intelligence. Artificial Intelligence sendiri memiliki beberapa sub bab, salah satunya adalah Machine Learning dan Deep Learning merupakan salah sub bab dari Machine Learning itu sendiri. Convolutional Neural network (CNN) adalah salah satu jenis neural network yang biasa digunakan pada data gambar. Pada penelitian ini akan digunakan untuk mengklasifikasikan genre musik dengan cara mengonversi data pada lagu menjadi sebuah gambar yang kita sebut spektogram. Pada penelitian akan mengimplementasikan CNN dalam mengategorikan 3 genre musik di Indonesia yakni; dangdut, Jazz dan Pop. Pada penelitian ini terdapat 100 lagu untuk masing-masing genre sebagai data setnya. Tujuan dari penelitian ini sendiri adalah mengoptimalkan tingkat akurasi dalam pengategorian genre musik menggunakan model CNN. Berdasarkan penelitian yang sudah dilakukan didapatkan bahwa penggunaan 35 epoch memiliki tingkat akurasi yang optimal yakni; tingkat akurasi tes sebesar 81,33% dan tingkat akurasi validasi sebesar 100%. Implementasi ini diharapkan dapat menentukan kategori dalam musik.
 
Publisher STMIK Widya Cipta Dharma
 
Date 2021-06-01
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Peer-reviewed Article
 
Format inode/x-empty
application/pdf
 
Identifier https://jurnal.wicida.ac.id/index.php/sebatik/article/view/1286
10.46984/sebatik.v25i1.1286
 
Source Sebatik; Vol 25 No 1 (2021): Juni 2021; 255-261
2621-069X
1410-3737
 
Language eng
 
Relation https://jurnal.wicida.ac.id/index.php/sebatik/article/view/1286/383
https://jurnal.wicida.ac.id/index.php/sebatik/article/view/1286/420
 
Rights Copyright (c) 2021 Sebatik
https://creativecommons.org/licenses/by/4.0/
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library