TUGAS AKHIR KLASIFIKASI MUSIK GAMAELAN TRADISIONAL INDONESIA MENGGUNAKAN JST KOHONEN-SOM (SELF ORGANIZING MAP)BAB II

Oleh :

ANDI AYU SEPTIAVILASARI

12.043.126

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS BHAYANGKARA

SURABAYA

2013­­­­­­­­

BAB II

TINJAUAN PUSTAKA

Beberapa penelitian yang telah dilakukan memiliki relevansi yang sama dengan penelitian yang akan dilakukan. Penelitian-penelitian tersebut membahas tentang pengklasifikasian musik berdasarkan genre, suara menurut gender,  maupun hal-hat yang terkait dengan musik yang mempengaruhi genrenya, beberapa penelitian tersebut adalah sebagai berikut :

Arif Setiawan (2008), Di dalam penelitiannya yang berjudul Analisis Klasifikasi Suara Berdasarkan Gender dengan Format WAV Menggunakan Algoritma K-Means yang menjelaskan bahwa Klasifikasi suara adalah salah satu bidang dari Artificial Intelligent yaitu pada bidang ilmu Pattern Recognition, analisis klasifikasi suara berdasarkan genderdengan format WAV menggunakan algoritma K-Means adalah sistem cerdas yang dibuat agar computer dapat membedakan suara pria dan wanita melalui sistem. Metode yang digunakan dalam penelitian ini adalah menggunakan ekstraksi ciri yang terdiri dari : Sort Time Energy, Zero Crossing Rate, Spectral Centroid, Spectral Flux. Dari penelitian ini, hasil yang di dapat adalah pengklasifikasikan suara berdasarkan jenis kelamin atau gender dapat dilakukan dengan suatu metode ekstraksi ciri sinyal suara berbasis domain waktu dan domain frekuensi. Nilai rata-rata dari masing-masing ciri dihitung dengan standart deviasi, untuk memperoleh rata-ratanya, lalu diolah untuk pengklasifikasian.

Fanny Sudarti (2008), Didalam penelitiannya yang berjudul Analisa Pengenalan Klasifikasi Musik berdasarkan Genre dengan Menggunakan Metode Learning Vector Quantization menjelaskan bahwa Genre Musik merupakan salah satu meta data musik digital yang biasa ditentukan oleh manusia untuk mengelompokkan musik berdasarkan persamaan karakter yang dimiliki oleh tiap anggotanya. Karakteristik ini biasanya dapat dilihat dari besarnya frekuensi musik, struktur ritmik dan instrumentasinya, dan juga konten harmoni yang ada pada musik itu sendiri. Pengelompokkan genre musik ini akan sangat berguna sekali untuk menyusun koleksi musik besar yang biasanya terdapat di sebuah Web. Saat ini penentuan genre musik masih dilakukan secara manual. Penentuan genre musik secara otomatis dapat menggantikan peran manusia sehingga penentuannya pun tidak lagi bersifat relatif, melainkan dapat dikelompokkan dengan standarisasi yang telah ditentukan. Pada penelitian ini digunakan input berupa audio file dalam format WAVyang berdurasi 30 detik dengan dua macam ekstraksi fitur dari dua macam referensi yang berbeda, yaitu berdasarkan konten frekuensinya dan tekstur timbralnya, dan proses pengenalan dengan menggunakan Jaringan Syaraf Tiruan metode LVQ. Dengan tingkat akurasi ekstraksi fitur pertama mencapai 96.67% dan 92.67% untuk ekstraksi fitur kedua.

Kukuh Nasrul Wicaksono (2009), Di dalam penelitiannya yang berjudul Klasifikasi Musik Digital berdasarkan Genre dengan Menggunakan Jaringan Syaraf Tiruanmenjelaskan bahwa Musik digital merupakan sesuatu yang dekat dengan kehidupan kita. Perkembangannya pun sudah sedemikian pesat. Oleh karena itu, pengorganisasian musik digital menjadi suatu hal yang penting, dimana salah satu cara pengorganisasiannya adalah dengan mengklasifikasikannya berdasarkan genre musik. Salah satu format musik digital yang cukup popular adalah MIDI(Musical Instrument Digital Interface). Tugas akhir ini bertujuan untuk mempelajari jaringan syaraf tiruan dan menggunakannya untuk mengklasifikasi musik digital MIDI berdasarkan genrenya secara otomatis.

Nurul Hanifah (2013), Didalam penelitiannya yang berjudul Klasifikasi Genre Musik Dengan Menggunakan JST Backpropagation menjelaskan bahwa aplikasi ini berfungsi untuk mengklasifikasikan 3 genre musik yaitu country, rock, dan klasik secara otomatis. Penentuan otomatis ini didukung oleh perhitungan ekstraksi Average Energy dan Zerro Crossing Rate masing-masing lagu sebelum dilakukan penghitungan menggunakan JST Backpropagation. Pembuatan aplikasi ini bertujuan karena penikmat musik tidak hanya puas dengan mendengarkan musik yg didengar, tapi mereka juga ingin menikmati musik sesuai dengan genre musik tertentu tergantung favorit masing-masing orang, maka dengan aplikasi ini ditujukan agar mempermudah para pecinta musik untuk mengetahui, termasuk dari jenis genre apakah musik-musik yang telah atau ingin didengarkan.

Ramadhika Augustianto (2009), Di dalam penelitiannya yang berjudul Klasifikasi Genre Musik Berdasarkan Fitur Audio Menggunakan Support Victor Mechine menjelaskan bahwa Genre musik adalah hal yang sangat penting bagi penikmat musik. Penikmat musik tidak lagi hanya mencari music berdasarkan artis tetapi juga mencari musik berdasarkan genre musiknya. Banyak berbagai macam alat elektronik pribadi yang berkemampuan sebagai pemutar musik seperti ponsel dan pemutar MP3 dilengkapi dengan kemampuan untuk mengklasifikasikan musik berdasarkan genre. Tugas akhir ini mengimplementasikan penggunaan Support Vector Mechine (SVM) untuk mengklasifikasi suatu file audio MP3 ke dalam genre musik tertentu. Sebelum diklasifikasi, file audio MP3 diubah ke dalam format WAV kemudian diekstraksi fitur-fitur audionya dengan mengimplementasikan penggunaan Fast Fourier Transformation (FFT). Uji coba dilakukan dengan menggunakan kernel SVM yang berbeda-beda seperti kernel ‘gaussian’ dan kernel ‘polinomial’ serta kombinasi penggunaan fitur yang berbeda-beda pula. Hasil uji coba dihitung rataan benar dan salahnya serta dihitung kompleksitas waktunya untuk kemudian dibandingkan.