Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Penggunaan Fitur Permukaan Musik Dan Fitur Ritme Untuk Klasifikasi Genre Musik Dengan Naive Bayes Classifier
Gunawan Rahmadi NIM. (2017) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Genre musik adalah pengelompokkan musik sesuai dengan kemiripannya satu sama lain. Jumlah musik yang semakin banyak akan menimbulkan masalah bagi orang yang ingin mengelompokkan data musiknya ke dalam genre musik yang sesuai. Untuk itulah klasifikasi genre musik secara otomatis merupakan solusi yang tepat bagi permasalahan tersebut. Pada penelitian ini, klasifikasi genre musik dilakukan dengan menggunakan fitur permukaan musik dan fitur ritme. Genre yang digunakan yaitu blues, classical, country, disco, hiphop, jazz, pop, metal, reggae, dan rock dengan durasi 5,10 dan 25 detik. Untuk pengelompokkan, digunakan metode NBC. Nilai akurasi terbaik dari pengujian 4-fold cross validation adalah 40.40%. Walaupun nilai akurasi dari hasil pengujian masih rendah, hasil pengujian akurasi dengan NBC masih lebih baik dibandingkan dengan K-Nearest Neighbour (KNN). Berdasarkan hasil pengujian pada penelitian ini disimpulkan bahwa fitur permukaan musik dan fitur ritme dengan menggunakan NBC dapat diimplementasikan pada kasus klasifikasi genre musik.
Ringkasan Alternatif
Music genres are the grouping of music according to their resemblance to each other. A growing number of music will cause problems for people who want to group their music data into appropriate music genres. For this reason, the automatic classification of music genres is the right solution for the problem. In this study, the classification of musical genres was performed using music surface features and rhythm features. Genres used are blues, classical, country, disco, hiphop, jazz, pop, metal, reggae, and rock with the duration of 5,10, and 25 seconds. For grouping, the NBC method is used. The best accuracy of 4-fold cross validation test is 40.40%. Although the accuracy of the test results is still low, the result of accuracy testing with NBC is still better than K-Nearest Neighbors (KNN). Based on the results of testing in this study concluded that the features of the music surface and rhythm features using NBC can be implemented in the case of the genre music classification.