Klasifikasi Genre Lagu dengan Fitur Akustik Menggunakan Metode K-Nearest Neighbor
| Main Author: | Abdulbar, Husein |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/174087/1/Husein%20Abdulbar%20%282%29.pdf http://repository.ub.ac.id/174087/ |
Daftar Isi:
- Lagu adalah suatu kegiatan yang tidak bisa lepas dari aktivitas sehari-hari manusia. Ketika mendengarkan lagu manusia dapat lebih fokus pada aktivitas yang sedang dilakukannya. Sebuah lagu minimal memiliki satu genre yang memiliki fungsi untuk mengelompokkan jenis-jenis lagu. Pesatnya perkembangan informasi multimedia dan perangkat elekronik menyebabkan peningkatan dramatis pada apresiasi dan penciptaan musik. Pada suatu sisi peningkatan ini mendorong masyarakat untuk lebih menikmati lagu. Tapi di sisi lain, peningkatan ini memaksa pengembangan-pengembangan teknologi baru untuk kenyamanan mendengarkan lagu. Contohnya adalah bagaimana seseorang ingin mencari lagu berdasarkan lagu yang telah didengarkan. Klasifikasi genre lagu adalah salah satu cara yang dapat memudahkan pengguna untuk mencari lagu yang cocok, dengan klasifikasi pengguna dapat menemukan lagu berdasarkan genre dari lagu yang disukainya. Penelitian ini menggunakan metode K-Nearest Neighbor (K-NN) sebagai teknik pengklasifikasian genre lagu. Untuk mengukur kedekatan dua buah lagu digunakan persamaan normalized cross correlation (NCC) yang menggantikan persamaan penghitungan jarak pada metode K-NN. Ini dilakukan karena NCC dapat mengukur kemiripan dua buah sinyal lebih baik dibandingkan persamaan penghitungan jarak pada K-NN. Fitur yang diekstraksi dari sebuah lagu adalah zero crossing rate, spectral centroid, spectral rolloff, dan energy. Data yang didapat dari hasil ekstraksi fitur kemudian dinormalisasi menggunakan persamaan z-score. Penelitian ini berhasil mengembangkan sistem yang dapat mengklasifikasi lagu menggunakan empat fitur akustik. Hasil pengujian menunjukkan evaluasi terbaik didapatkan ketika durasi bernilai 10, offset bernilai 120, dan K dari K-NN bernilai 10. Precision, recall, dan f-measure yang didapatkan pada penelitian ini adalah precision bernilai 0,637, recall bernilai 0,633, dan f-measure bernilai 0,635.