Mixed type audio adalah sebuah berkas audio yang memiliki lebih dari satu jenis sumber suara, seperti speech atau suara manusia yang digabung dengan musik, ataupun digabung dengan suara lingkungan sekitar. Pada penelitian mixed type audio sebelumnya memberikan kesimpulan bahwa Support Vector Machines dan Backpropagation menghasilkan akurasi paling baik yaitu Support Vector Machines 90,84% dan Backpropagation 90,07% untuk kelas speech dan musik, namun untuk kelas speech dan environment akurasi yang didapat adalah Support Vector Machines 64,76% dan Backpropagation 63,81%. Penelitian ini menunjukkan bagaimana mengklasifikasi mixed type audio menggunakan backpropagation dengan fixed size momentum. Penggunaan fixed size momentum dimaksudkan untuk meningkatkan akurasi dari metode backpropagation. Pengujian dilakukan dengan menguji beberapa parameter algoritma dengan beberapa variasi kondisi parameter. Parameter yang menghasilkan akurasi paling tinggi adalah dengan menggunakan 5 neuron pada hidden layer, learning rate 0.3, dan windows size 3. Adapun hasil yang didapat dari hasil pengujian beberapa parameter yang sudah optimal menghasilkan akurasi 95% menggunakan backpropagation dengan fixed size momentum. Berdasarkan hasil pengujian yang telah dilakukan, diperoleh kesimpulan bahwa klasifikasi mixed type audio menggunakan backpropagation dengan fixed size momentum dapat meningkatkan akurasi sebesar 95% jika dibandingkan dengan backpropagation saja yang mendapatkan akurasi sebesar 80% untuk klasifikasikelas speech dengan environment dan speech dengan musik.

Mixed type of audio is an audio file that has more than one type of sound sources, such as speech or human voice combined with music, or speech combined with environment. Mixed type audio previous research concludes that Support Vector Machines and Backpropagation produce the best accuracy that Support Vector Machines Backpropagation 90.84% and 90.07% for the class speech and music, but for a speech class and environment of accuracy obtained is a Support Vector machines Backpropagation 64.76% and 63.81%.This study show how to classify mixed type audio using backpropagation with fixed size momentum. Use of fixed size momentum is intended to improve the accuracy of the method backrpopagation. For this research, testing is done by testing the algorithm parameters with some variation of condition parameters. Parameters that produce highest accuracy is five neuron in the hidden layer, learning rate 0.3, windows size 3. The results obtained from the testing of several parameters that have been optimized to produce 95% accuracy using a fixed size backpropagation with momentum. Based on the results of testing that has been done, it is concluded that the classification of mixed types of audio using backpropagation with momentum fixed size can improve accuracy by 95% when compared to backpropagation are gettingn accuracy of 80% for the classes of speech with the environment and speech with music.

https://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-dickyteguh-36387