Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Fuzzy C Means Clustering Untuk Pengenalan Akor
M Fikri Abror Siegar NIM. (2016) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Pengenalan akor adalah proses mendeteksi akor yang dimainkan dari satu atau lebih instrumen musik. Penelitian sebelumnya hanya dapat mengenali data masukan dua akor dalam satu file, sehingga penelitian ini akan mendeteksi data masukan tiga akor atau lebih dalam satu file dengan menggunakan metode Fuzzy C-Means Clustering. Fuzzy C-Means Clustering melakukan pembelajaran terhadap data latih yang telah melalui preprosessing. Preprosessing terdiri dari normalisasi, frame blocking, windowing, powering, thresholding, dan mendeteksi puncak frekuensi dengan Fast fourier Transform (FFT). Hasil deteksi puncak FFT dilatih dengan fuzzy c-means dan hasilnya digunakan sebagai pola yang dibutuhkan untuk proses pencocokan akor menggunakan euclidean distance. Berdasarkan hasil pengujian yang telah dilakukan, diperoleh kesimpulan bahwa Fuzzy C-Means dapat diterapkan untuk pengenalan akor. Hasil pengujian dengan nilai Partition Coefficient Index (PCI) adalah 0.996025291, menunjukkan kualitas nilai derajat keanggotaan data pada cluster sudah tepat, yaitu mendekati 1. Nilai Partition Entropy Index (PEI) adalah 0.02375, artinya kualitas cluster berdasarkan keteracakan data sudah tersebar dengan baik, yaitu mendekati 0. Nilai modifikasi PCI (MPCI) adalah 0.995852478, menunjukkan kecendrungan monotonik pada PEI dan PCI teratasi dengan baik mendekati 1.
Ringkasan Alternatif
Chord recognition is the process of detecting chord that played on one or more musical instruments. Previous research can only recognize two chord input data in a single file, so this research will detect three-chord input data or more in a single file using Fuzzy C-Means Clustering. Fuzzy C-Means Clustering perform learning on training data that has been through preprocessing. Preprocessing consists of normalization, frame blocking, windowing, powering, thresholding, and detecting the peak frequency of the Fast Fourier Transform (FFT). FFT peak detection results trained with fuzzy c-means and the result is used as the pattern required for the matching process chord using euclidean distance. Based on the results of testing that has been done, the conclusion that Fuzzy C-Means can be applied for the chord recognition. The test results with the value of Partition Coefficient Index (PCI) is 0.996025291, indicating the quality of the data on the cluster membership value already appropriate, approaching 1. Partition Entropy Value Index (PEI) is 0.02375, meaning that the quality of the cluster based on random data has spread out well, approaching 0. Value modification PCI (MPCI) is 0.995852478, indicating a tendency monotonic on PEI and PCI resolved properly approaching 1.