PENERAPAN JARINGAN SYARAF TIRUAN DENGAN RADIAL BASIS FUNCTION UNTUK PENGENALAN GENRE MUSIK
Abstract
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.
PDF Downloads: 115