PENERAPAN JARINGAN SYARAF TIRUAN DENGAN RADIAL BASIS FUNCTION UNTUK PENGENALAN GENRE MUSIK

Kecerdasan buatan dapat diaplikasikan

dalam banyak bidang dalam kehidupan. Penerapan

kecerdasan buatan diantaranya dapat dicapai dengan

pendekatan jaringan syaraf tiruan (JST). Salah satu

contoh metode jaringan syaraf tiruan yang dikenal

adalah metode radial basis function (RBF).

Jaringan syaraf tiruan radial basis function (JST

RBF) dikenal sebagai salah satu jaringan syaraf

yang memiliki tiga lapis bersifat feedforward yang

dapat memecahkan masalah klasifikasi atau

pengenalan pola. Dalam penelitian ini JST RBF

digunakan untuk menglasifikasi musik ke dalam

genre (jenis) musik berdasarkan kedekatannya

dengan target. Sebagai kebutuhan, jenis musik yang

dipakai pada penelitian ini adalah campursari,

keroncong, pop, dan rock dengan 3 macam durasi

yaitu 2 detik, 5 detik, dan 10 detik pada setiap

musik. Sedangkan banyak neuron yang dapakai

dalam lapisan tersembunyi sebanyak 56 neuron.

Bahan masukan (input) yang digunakan dalam JST

RBF ini berformat *.mp3 yang diunduh dari internet

yang selanjutnya dikonversi ke dalam format *.wav

dan diektraksi dengan menggunakan mel-frequency

cepstrum coeffisients (MFCC). Teknik ini

mengekstraksi fitur suara yang terdapat pada data

musik. Koefisien yang digunakan dalam penelitian

ini sebanyak 7 koefisien untuk setiap data musik.

Dari hasil simulasi program menunjukkan bahwa

JST RBF dapat mengklasifikasi musik dengan

akurasi paling tinggi pada data uji berdurasi 10

detik sebesar 75%.

Kata kunci : Genre, jaringan syaraf tiruan,

kecerdasan buatan, mel-frequency cepstrum

coefficients, musik, radial basis function.