Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pengenalan Akord Gitar Dengan Jaringan Syaraf Tiruang Menggunakan Algoritma Learning Vector Quantization Melalui Ekstrkasi Koefisien Cepstral
Mohamad Ihsan Ramadhan NIM. (2017) | Skripsi | Teknik Komputer , Sistem Komputer , Teknik Komputer
Bagikan
Ringkasan
Alat musik gitar merupakan alat musik yang populer disemua kalangan, dari usia remaja hingga dewasa. Dalam memainkan gitar, banyak yang harus dipahami terutama jenis-jenis akord apa saja yang ada pada gitar. Bagi yang mahir memainkan gitar tentu sangat memahami jenis-jenis akord gitar. Akan tetapi, sulit bagi pemain gitar pemula. Pengenalan akord gitar ini menggunakan algoritma Jaringan Syaraf Tiruan yaitu Learning Vector Quantization untuk mengenali akord pada gitar dengan memanfaatkan teknik pengolahan sinyal digital Linear Predictive Coding. Kemudian sinyal suara gitar diekstraksi terlebih dahulu, menghasilkan koefisien ceptral yang digunakan sebagai bobot awal dari algoritma di atas. Pengujian data akord gitar dilakukan melalui dua tahapan yaitu data latih dan data uji terhadap 24 buah data akord. Dimana masing-masing tahapan diuji sebanyak empat kali. Maka diperoleh pengujian data latih terbaik adalah 66,67% yang diperoleh dari iterasi 500, ratio 0,0075 serta minimum error 0,0001. Maka dari itu data parameter tersebut akan digunakan untuk menguji data uji dengan mengubah iterasi dari 250 menjadi 1000 (kelipatan 250). Hasil pengujian data uji dengan variasi iterasi tersebut menghasilkan persentase rata-rata tertinggi dan terendah per-akord masing-masing sebesar 93,75% dan 0%. Untuk persentase variasi iterasi terbaik adalah 53,13% yang diperoleh dari iterasi 500, dan ratio 0,0075 serta minimum error 0,0001.
Ringkasan Alternatif
Musical instrument guitar is a popular instrument in all walks of life, from teens to adults. In playing the guitar, many of which should be understood primarily of any chord on the guitar. For those who are adept at playing the guitar certainly understand those types of guitar chords. However, it is difficult for the beginner guitar player. The introduction of this guitar chords using Artificial Neural Network algorithm i.e. Learning Vector Quantization to recognize chords on the guitar by utilizing digital signal processing technique in Linear Predictive Coding. Then the sound of the guitar signal is extracted first, resulting in coefficients of ceptral that is used as the initial weights of the algorithm above. Testing data guitar chords is done through two phases namely training data and test data against data fruit 24 chords. Where each of the phases is tested four times. The test data obtained the best trainer is 66.67% of 500 iterations, the ratio of minimum error and 0.0075 0.0001. Therefore the data parameter will be used to test the test data by changing the iteration of 250 become 1000 (multiples of 250). The test results test data with the variation of the iteration generates the highest average percentage and lowest per-each chord of 93.75% and 0%. To the percentage variation of the best iteration is 53.13% obtained from the 500 iterations, and the ratio of minimum error and 0.0075 0.0001.