Ridwan, Ricky Muhammad (2024) Sistem rekomendasi musik dengan deteksi genre & emosi pengguna berbasis algoritma CNN. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (223kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (28kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (121kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (325kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (819kB) |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (828kB) |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (32kB) |
|
|
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (234kB) |
Abstract
Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi musik yang mampu mendeteksi genre dan emosi pengguna menggunakan algoritma Convolutional Neural Network (CNN). Latar belakang penelitian ini adalah meningkatnya kebutuhan akan sistem rekomendasi yang lebih personal dan kontekstual, seiring dengan pesatnya perkembangan teknologi dan penggunaan musik digital. Implementasi deteksi emosi bertujuan untuk memahami preferensi musik pengguna secara lebih mendalam, berdasarkan kondisi emosional mereka. Penelitian ini menggunakan metode pengembangan perangkat lunak berbasis Agile, yang memungkinkan iterasi dan penyesuaian berkelanjutan selama proses pengembangan. Data untuk deteksi genre diambil dari GTZAN music dataset, sementara data untuk deteksi emosi diambil dari kamera menggunakan teknik facial landmark detection dari library MediaPipe. Data audio diekstraksi menjadi fitur Mel-frequency cepstral coefficients (MFCC), sedangkan data ekspresi wajah disimpan dalam format numpy array (.npy). Hasil penelitian menunjukkan bahwa model CNN yang diterapkan memiliki tingkat akurasi yang baik dalam mengidentifikasi genre musik dan mendeteksi emosi pengguna. Model CNN untuk deteksi genre mencapai akurasi yang memadai dengan skenario terbaik learning rate 0,001 dan batch size (16) mencapai akurasi yang sangat baik yaitu 96.56%. Untuk model deteksi emosi menggunakan ANN, model yang telah dibuat dan dilatih menggunakan pengaturan default telah terbukti memberikan hasil yang sangat baik, yaitu akurasinya yang mencapai 92.5%. Penelitian ini diharapkan dapat menjadi dasar bagi pengembangan sistem rekomendasi musik yang lebih canggih dan user-friendly di masa mendatang.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | convolutional neural network; sistem rekomendasi musik; deteksi genre; deteksi emosi; MFCC |
| Subjects: | Data Processing, Computer Science > Computer and Human Data Processing, Computer Science > Systems Analysis and Computer Design Data Processing, Computer Science > Computer Performance Evaluation Special Computer Methods > Artificial Intelligence Special Computer Methods > Computer Vision Special Computer Methods > Computer Pattern Recognition Special Computer Methods > Digital Audio |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Ricky Muhammad Ridwan |
| Date Deposited: | 25 Oct 2024 06:39 |
| Last Modified: | 25 Oct 2024 06:39 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/100747 |
Actions (login required)
 |
View Item |
