Klasifikasi Genre Musik Menggunakan Metode Deep Learning Convolutional Neural Network dan Mel- Spektrogram
(1) Program Studi Teknik Informatika
(2) Program Studi Teknik Informatika
(3) Program Studi Teknik Informatika
(*) Corresponding Author
Abstract
Pertumbuhan database musik yang berkembang secara sangat pesat menyebabkan sukarnya proses pengelompokkan musik dalam kategori tertentu, sehingga dapat berakibat sulitnya pencarian suatu kategori musik dalam jumlah banyak dan skala yang besar. Dengan perkembangan jaman, sekarang telah mulai dikembangkan metode agar suatu audio file dapat dikenali secara otomatis dari fitur-fitur yang telah diekstrak sebelumnya dengan bantuan MFCC (Mel Frequency Cepstral Coefficients) dan ANN (Artificial Neural Network).
Dalam penelitian ini akan digunakan metode Mel-spectrogram. Dimana Mel spektrogram merupakan hasil pemetaan fitur yang telah diambil oleh metode MFCC, yang akan diklasifikasikan dan dimasukkan kedalan Convolutional Neural Network. Yang akan dibedakan activation function nya yaitu ReLU dan ELU.
Penelitian ini menunjukkan bahwa pengambilan fitur dari audio dengan menggunakan MFCC merupakan metode yang benar, dan dalam hasil pengujian, banyaknya dataset, iterasi training, dan spesifikasi komputer sangat mempengaruhi tingkat akurasi dan lama pembuatan neural network model yang optimal. Dalam hasil penelitian ini telah diuji beberapa kali didapatkan hasil akurasi yang paling optimal yaitu 99%.
Keywords
Full Text:
PDFReferences
Huzaifah, M. 2017. Comparison of Time-Frequency Representations for Environmental Sound Classification using Convolutional Neural Network. arXiv:1706.07156.
Ilyas Ozer, Z. O. 2016. Lanczos Kernel Based Spectrogram
Image Features for Sound Classification.
Politis & Dionysios. 2016. Digital Tools for Computer
Music Production and Distribution.
S Lalitha, D. G. 2015. Emotion Detection using MFCC and
Cepstrum Features. Procedia Computer Science 70, 29-35.
Shikha Gupta, J. J. 2013. Feature Extraction Using MFCC.
An International Journal (SIPIJ) Vol.4, No.4.
Wanli, G. 2013. The research of feature extraction based on
MFCC for speaker recognition.
Wolfe, J. 2014. What is a Sound Spectrum? .Diambil kembali dari unsw.edu.au: http://newt.phys.unsw.edu.au/jw/sound.spectrum.html
Refbacks
- There are currently no refbacks.
Jurnal telah terindeks oleh :