Implementasi Convolutional Neural Network untuk klasifikasi Lagu Lokal Daerah di Indonesia berdasarkan Nada dan Tempo.

Dhanusafitri, Syafti (2023) Implementasi Convolutional Neural Network untuk klasifikasi Lagu Lokal Daerah di Indonesia berdasarkan Nada dan Tempo. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (43kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (93kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (177kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (145kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (208kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (626kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (792kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (25kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (114kB) | Request a copy

Abstract

Masyarakat saat ini familiar dengan lagu sebagai hiburan, hobi, dan sarana komunikasi. Lagu melibatkan bahasa, sastra, musik, dan penyanyi. Menurut data Kementerian Kebudayaan Indonesia 2022, setiap provinsi (34 total) memiliki alat musik khas yang mencerminkan identitas daerah. Elemen pada lagu dapat menggambarkan dan memperkenalkan budaya daerah. Lagu-lagu lokal daerah saat ini mulai diperkenalkan melalui media seperti TV dan YouTube, sering dikemas dalam genre populer. Namun, banyak orang tidak yang mengetahui asal daerah dari lagu lokal daerah di Indonesia. Oleh karena itu, penelitian ini bertujuan untuk membangun sistem yang dapat mengenali ciri dan mengklasifikasikan lagu lokal daerah di Indonesia. Metode yang digunakan adalah Convolutional Neural Network (CNN), algoritma pada deep learning yang merupakan supervised learning. CNN mengklasifikasikan lagu dengan mempelajari input yang didapat dari proses ekstrasi fitur yang menggunakan Mel-Frequency Cepstral Coefficients (MFCC), teknik yang banyak digunakan pada speech technology, berdasarkan nada dan tempo dari sebuah lagu. Dataset dikelompokkan ke dalam 4 kelas: batak, jawa, sunda, dan timur. Hasil eksperimen menggunakan MFCC dan CNN memiliki akurasi 63,35% dari model terbaik dengan variasi epoch 20 dan batch size 8 serta presisi 71%, recall 63%, dan F1-score 67%, menunjukan bahwa model dapat mengklasifikasikan lagu lokal daerah berdasarkan daerahnya dengan baik.

Actions (login required)

View Item