pengklasifikasian genre musik berdasarkan · pdf filedigital, penentuan genre dengan mesin pun...

Click here to load reader

Post on 02-Mar-2019

217 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

PENGKLASIFIKASIAN GENRE MUSIK BERDASARKAN

SINYAL AUDIO MENGGUNAKAN SUPPORT

VECTOR MACHINE

ARIEF DARMAWAN

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Pengklasifikasian

Genre Musik Berdasarkan Sinyal Audio Menggunakan Support Vector Machine

adalah benar karya saya dengan arahan dari komisi pembimbing dan belum

diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber

informasi yang berasal atau dikutip dari karya yang diterbirkan maupun tidak

diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam

Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Januari 2014

Arief Darmawan

NIM G64090108

ABSTRAK

ARIEF DARMAWAN. Pengklasifikasian Genre Musik Berdasarkan Sinyal

Audio Menggunakan Support Vector Machine. Dibimbing oleh MUSHTHOFA

dan AZIZ KUSTIYO.

Genre musik adalah label bagi seni musik untuk mencirikan dan

mengkategorikan musik. Penentuan genre musik dilakukan berdasarkan kemiripan

antar musik. Penentuan genre musik kebanyakan masih dilakukan secara manual.

Cara tersebut membutuhkan tenaga dan waktu yang cukup besar bila terdapat

database musik yang berukuran besar. Tujuan penelitian ini adalah membangun

model support vector machine untuk pengklasifikasian genre musik dan

menerapkan metode pengekstraksian fitur permukaan musik dan ritme. Model

yang telah dibangun kemudian digunakan untuk menentukan genre dari musik

yang belum diketahui genrenya. Support vector machine adalah sistem

pembelajaran yang pengklasifikasiannya menggunakan ruang hipotesis berupa

fungsi-fungsi linear dalam sebuah ruang fitur berdimensi tinggi. Sedangkan fitur

permukaan musik dan ritme yang dimaksud adalah centroid, roll off, flux, zero

crossings, low energy, dan empat titik tertinggi dari hasil perhitungan autokorelasi

sinyal. Hasil dari penelitian ini adalah model pengklasifikasian dengan tingkat

akurasi rata-rata sebesar 65%.

Kata kunci: genre musik, sinyal audio, support vector machine

ABSTRACT

ARIEF DARMAWAN. Musical Genre Classification Based On Audio Signal

Using Support Vector Machine. Supervised by MUSHTHOFA and AZIZ

KUSTIYO.

Musical genre is a label for musical art to characterize and categorize music.

The determination of musical genre is done based on the similarity between the

music. Most of the classification of musical genre is done manually, which

requires a lot of effort and time especially when there is a big database of music.

The purpose of this research is to build a support vector machine model to

automatically classify the musical genre and implement the method to extract the

musical surface and rhythm features. The developed model is then utilized to

determine the genre from the unknown music. Support vector machine is a

learning system whose classification uses a hypothesis space in the form of linear

functions in a high dimension of feature space. The extracted musical surface and

rhythm features are the centroid, roll off, flux, zero crossings, low energy, and

four peaks of the signals autocorrelation calculation. The result of this research is

a classification model with an average accuracy of 65%.

Keywords: audio signal, musical genre, support vector machine

PENGKLASIFIKASIAN GENRE MUSIK BERDASARKAN

SINYAL AUDIO MENGGUNAKAN SUPPORT

VECTOR MACHINE

ARIEF DARMAWAN

Skripsi

sebagai salah satu syarat memperoleh gelar

Sarjana Komputer

pada

Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

Penguji : Muhammad Asyhar Agmalaro, SSi MKom

Judul Skripsi : Pengklasifikasian Genre Musik Berdasarkan Sinyal Audio

Menggunakan Support Vector Machine

Nama : Arief Darmawan

NIM : G64090108

Disetujui oleh

Mushthofa, SKom, MSc

Pembimbing I

Aziz Kustiyo, SSi, MKom

Pembimbing II

Diketahui oleh

Dr Ir Agus Buono, MSi, MKom

Ketua Departemen

Tanggal Lulus:

Judul Skripsi: Pengklasifikasian Genre Musik Berdasarkan Sinyal Audio Menggunakan Support Vector Machine

Nama : Arief Darmawan NIM : G64090108

Disetujui oleh

Mushthofa. om, MSc Aziz Kustiyo, Ssi, MKom

Pembimbing I Pembimbing II

Diketahui oleh

, ... 't

Dtlr,Agtts, . uo 0, MSi, MKom KetuaD~partemen

Tanggal Lulus: o6 JAN 2014

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa taala atas

segala karunia, rahmat dan ridho-Nya sehingga karya ilmiah ini berhasil

diselesaikan. Penelitian ini berfokus pada bidang kecerdasan komputasi dengan

menitikberatkan pada support vector machine sebagai salah satu proses untuk

mengklasifikasikan genre dari suatu data musik. Hal yang menjadi motivasi

penulis dala memilih topik ini yaitu kecerdasan komputasi sebagai salah satu

bidang ilmu yang selalu menawarkan metode-metode baru untuk menyelesaikan

masalah kecerdasan buatan.

Terima kasih penulis ucapkan kepada Bapak Mushtofa, SKom MSc selaku

pembimbing pertama yang senantiasa selalu membimbing, mengawasi dan

mengingatkan penulis pada penelitian ini, serta penulis juga ucapkan terima kasih

kepada Bapak Aziz Kustiyo, SSi MKom selaku pembimbing kedua yang telah

memberikan masukan dan analisis untuk memperbaiki perhitungan dalam

penelitian ini. Tak lupa pula penulis menyampaikan terima kasih kepada ayah, ibu

dan kakak yang selalu mendukung dan mendoakan selama penelitian ini

berlangsung. Ungkapan terima kasih juga disampaikan kepada teman-teman satu

bimbingan yaitu Putra, Resti, serta rekan-rekan satu angkatan Ilmu Komputer

angkatan 46 yang secara langsung dan tidak langsung membantu penulis pada

penelitian ini.

Semoga karya ilmiah ini bermanfaat bagi perkembangan ilmu pengetahuan

secara umum dan ilmu komputer pada khususnya.

Bogor, Januari 2014

Arief Darmawan

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Perumusan Masalah 2

Tujuan Penelitian 2

Manfaat Penelitian 2

Ruang Lingkup Penelitian 2

METODE 3

Studi Pustaka 3

Perumusan Masalah 3

Data Musik 3

Ekstraksi Fitur 4

Pembagian Data Latih dan Data Uji 8

Pelatihan 8

Pengujian 11

Lingkungan Pengembangan 11

HASIL DAN PEMBAHASAN 11

Data Musik 11

Ekstraksi Fitur Permukaan Musik 12

Ekstraksi Fitur Ritme 13

Pelatihan dan Pengujian 14

Pembahasan 14

SIMPULAN DAN SARAN 17

Simpulan 17

Saran 17

DAFTAR PUSTAKA 18

LAMPIRAN 19

RIWAYAT HIDUP 27

DAFTAR TABEL

1 Hasil 4-fold cross validation 14

2 Hasil pengklasifikasian fold-1 15 3 Hasil perbandingan data X 16

DAFTAR GAMBAR

1 Metodologi penelitian 3

2 Tahapan ekstraksi fitur permukaan musik 4 3 Tahapan ekstraksi fitur ritme 4 4 Proses texture windowing 5

5 Proses analysis windowing 5 6 Contoh centroid 6 7 Sinyal contoh perhitungan zero crossings 7 8 Tahapan perhitungan autocorrelation dan pemilihan 4 titik tertinggi 9 9 SVM pada data terpisah secara linier 10 10 SVM pada data yang terpisah secara nonlinier 10 11 Data yang akan digunakan 12 12 Hasil proses texture windowing 12 13 Hasil proses analysis windowing 12 14 Data dalam 1 window 13 15 Hasil dekomposisi filter highpass 13 16 Hasil dekomposisi filter lowpass 13 17 Hasil autocorrelation 13

18 Hasil akurasi tiap genre 15

DAFTAR LAMPIRAN

1 Data musik 19

2 Hasil pengklasifikasian 22

3 Hasil pengklasifikasian data musik 24

file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850182file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850183file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850184file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850186file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850187file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850188file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850189file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850190file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850191file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850192file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850193file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850194file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850195file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850196file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc376850197file:///D:/kuliah/_Skripsi/G64090108/Tulisan/Skripsi.docx%23_Toc3768