Deteksi Nada Dasar Gitar Menggunakan Fast Fourier Transform (FFT) dan Convolutional Neural Network (CNN)

Abstract

Penelitian ini dilakukan dengan tujuan mendeteksi nada dasar gitar menggunakan pendekatan kuantitatif. Pengumpulan data dilakukan dengan melakukan pengolahan sinyal dari setiap nada dasar menggunakan dataset Kaggle yang memiliki 43 nada dasar, setiap kelas memiliki minimal 24 file audio dari satu nada dasar gitar. Penelitian ini menggunakan metode Fast Fourier Transform (FFT) sebagai ekstraksi fitur dan Convolutional Neural Network (CNN) sebagai klasifikasi model terhadap tingkat akurasi sehingga mampu mengevaluasi hasil deteksi nada dasar gitar. Praproses penelitian ini dilakukan dengan menghilangkan noise, melakukan high-pass filter, pre-emphasis, normalisasi amplitudo, dan ekstraksi fitur FFT untuk memperoleh representasi frekuensi tiap nada. Fitur spectral ini digunakan sebagai input bagi model 1D-CNN yang dirancang untuk mengklasifikasi nada dasar. Satuan akurasi untuk model deteksi nada dasar gitar menggunakan FFT dan CNN, yaitu evaluation matrix, model menghasilkan akurasi 99.53%, Precision 99.66%, Recall 99.60%, dan F1-Score 99.60%. Hasil uji coba terhadap beberapa lagu mencapai akurasi tertinggi 95%. Dengan demikian, penelitian ini efektif untuk deteksi nada dasar gitar.