KLASIFIKASI MOOD MUSIK BERDASARKAN MEL FREQUENCY CEPSTRAL COEFFICIENTS DENGAN BACKPROPAGATION NEURAL NETWORK

Patriaji, Ibrahim Maulana (2021) KLASIFIKASI MOOD MUSIK BERDASARKAN MEL FREQUENCY CEPSTRAL COEFFICIENTS DENGAN BACKPROPAGATION NEURAL NETWORK. S1 thesis, Universitas Mataram.

[img] Text
SKRIPSI PATRIAJI IBRAHIM MAULANA (F1D016068).pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Dalam industri musik, dilakukan pengelompokan tiap musik berdasarkan jenis diantaranya berdasarkan genre musik, identifikasi artis, pengenalan instrumen, dan mood. Kemudian muncul sebuah bidang penelitian yang disebut Music Information Retrieval (MIR) merupakan bidang ilmu yang mengambil dan mengolah metada file musik untuk melakukan pengelompokan tersebut. Penelitian ini didasari pada keunikan musik yang memiliki mood atau suasana hati tersendiri yang tersirat di dalamnya. Dengan membuat model Machine Learning dengan menggunakan Backporpagation Neural Network (BPNN) berdasarkan input fitur Mel Frequency Cepstral Coefficients (MFCC) akan mampu melakukan klasifikasi pada jenis musik berdasarkan mood. Pengelompokan dilakukan terhadap empat kelas mood berdasarkan model Thayer. Berdasarkan beberapa penelitian sebelumnya penggunaan MFCC pada pemrosesan suara menghasilkan akurasi yang sangat baik begitu pula dengan penggunaan BPNN untuk klasifikasi diharapkan dapat menghasilkan performa model Machine Learning yang dibuat menjadi lebih baik. Data yang digunakan pada penelitian ini didapatkan dari Internet dengan total dataset sebanyak 200. Hasil yang didapatkan dari penelitian ini yaitu klasifikasi mood musik menggunakan BPNN berdasarkan fitur MFCC mampu menghasilkan akurasi sebesar 87.67%

Item Type: Thesis (S1)
Keywords (Kata Kunci): Keyword : Musik, MIR, Mood, MFCC, BPNN
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik
Depositing User: Rini Trisnawati
Date Deposited: 27 Jul 2021 02:34
Last Modified: 27 Jul 2021 02:34
URI: http://eprints.unram.ac.id/id/eprint/22869

Actions (login required)

View Item View Item