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.
