Klasifikasi dan Kategorisasi Audio Menggunakan Wavelet dan Support Vector Machine
Daftar Isi:
- Perkembangan multimedia saat ini sangat cepat. Dengan multimedia, pengguna dapat menyerap informasi dengan lebih mudah, sehingga pemilihan informasi yang tepat menjadi penting. Pemilihan informasi dapat dilakukan dengan mengelompokkan informasi tersebut dalam kategori-kategori yang sesuai. Informasi tersebut umumnya tersaji dalam dokumen digital salah satunya berupa audio. Proses kategorisasi ini juga dapat mengatasi kendala biaya yang besar serta subyektifitas jika dilakukan secara manual. Pada Tugas Akhir ini dipresentasikan sebuah teknik untuk meningkatkan klasifikasi dan kategorisasi audio. Teknik ini menggunakan penggabungan antara Transformasi Wavelet dan Support Vector Machine (SVM) untuk mengklasifikasikan dan mengkategorisasikan data audio secara akurat. Ketika diberikan sebuah data audio yang akan diujikan, Wavelet pertama-tama digunakan untuk mengekstraksi feature-feature akustik seperti pitch frequency and subband power. Kemudian, metode yang dipakai adalah menggunakan sebuah SVM untuk mengatasi feature-feature akustik tersebut dan parameter-parameter tambahan, seperti frequency cepstral coefficient, untuk menyelesaikan klasifikasi dan kategorisasi audio. Dari hasil eksperimen diperoleh bahwa dengan menggunakan Transformasi Wavelet dan Support Vector Machine, error klasifikasi berkurang dari 11,6 % menjadi 3,0 % pada nilai L di antara 80 dan 82. Akurasi kategorisasi juga dapat mencapai 97,0 %.