klasifikasi musik berdasarkan genre menggunakan jaringan saraf
advertisement
KLASIFIKASI MUSIK BERDASARKAN GENRE MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION DAN SOCIAL TAGGING DALAM DATABASE WEB MUSIK KOMPETENSI KOMPUTASI SKRIPSI RISMANDA DEWANTI NIM. 0808605001 JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN 2012 LEMBAR PENGESAHAN TUGAS AKHIR Judul : Klasifikasi Musik Berdasarkan Genre Menggunakan Jaringan Saraf Tiruan Backpropagation dan Social Tagging dalam Database Web Musik Kompetensi : Komputasi Nama : Rismanda Dewanti NIM : 0808605001 Tanggal Seminar : 30 Maret 2012 Disetujui oleh: Pembimbing I Penguji I Agus Muliantara, S.Kom., M.Kom. NIP. 19800616 200501 1 001 Drs. I Wayan Santiyasa, M.Si NIP. 19670414 199203 1 002 Pembimbing II Penguji II I Gede Santi Astawa, S.T., M.Cs. NIP. 19821206 200604 1 003 I B Made Mahendra, S.Kom., M.Kom. NIP. 19800621 200812 1 002 Penguji III I Gusti Ngurah Anom Cahyadi Putra, S.T., M.Cs. NIP. – Mengetahui, Jurusan Ilmu Komputer Ketua, Drs. I Wayan Santiyasa, M.Si NIP. 19670414 199203 1 002 ii Judul Nama Pembimbing : Klasifikasi Musik Berdasarkan Genre Menggunakan Jaringan Saraf Tiruan Backpropagation dan Social Tagging dalam Database Web Musik : Rismanda Dewanti (NIM: 0808605001) : 1. Agus Muliantara, S.Kom., M.Kom. 2. I Gede Santi Astawa, S.T., M.Cs. ABSTRAK Music Information Retrieval (MIR) merupakan salah satu penelitian yang mulai banyak dilakukan. Musik dapat menjadi salah satu bidang yang menarik untuk diteliti, selain karena jenis musik yang berkembang pesat, musik juga merupakan salah satu hiburan dan setiap individu memiliki selera yang berbeda terhadap musik. Jenis musik (genre) yang berkembang pesat dan semakin banyak jenisnya membuat pengklasifikasian genre musik menjadi tidak pasti sehingga terkadang pendengar masih kesulitan menentukan suatu genre dari musik. Untuk mengklasifikasi musik berdasarkan genre digunakan jaringan saraf tiruan backpropagation dan lima fitur musik yaitu key, mode, loudness, energy, dan tempo. Fitur musik tersebuk digunakan sebagai dasar klasifikasi sehingga sistem dapat mengklasifikasikan satu musik ke dalam suatu kelompok genre. Penelitian menggunakan 420 data musik yang diperoleh dari the.echonest.com dan social tagging dari www.last.fm dan us.7digital.com. Data musik tersebut dibagi menjadi data pelatihan sebanyak 294 musik dan data pengujian sebanyak 196 musik. Pengujian menggunakan nilai learning rate sebesar 0,1, nilai error minimum sebesar 0,01, maksimum iterasi adalah 50000 iterasi dan menghasilkan nilai presisi sebesar 0,5556. Kata kunci : klasifikasi musik, genre, backpropagation, social tagging. iii Title Name Supervisor : Genre-Based Music Classification Using Imitative Nerve Network of Backpropagation and Social Tagging in Musical Web Database : Rismanda Dewanti (NIM : 0808605001) : 1. Agus Muliantara, S.Kom., M. Kom. 2. I Gede Santi Astawa, S.T., M.Cs. ABSTRACT Many researchers have explored Music Information Retrieval (MIR). Music has been one of the interesting fields to investigate. Music has been developing rapidly and has been one of the amusements. Someone’s taste of music is different from another’s. The genre types of music have been developing rapidly and there are so many that it is difficult to classify them and that it is difficult for the listeners to determine what types of genre music they are listening to. The genre-based music could be classified using imitative nerve network referred to as bakcpropagation and five musical features such as key, mode, loudness, energy and tempo. They were used as the basis for classifying groups of genre-based music. 420 music data obtained from the echonest.com and social tagging obtained from www.last.fm and us.7 digital com. were the data used in this present study. The data were divided into 294 training data and 196 testing data. The test was done using the score of learning rate of 0.1, the score of minimum error of 0.01, the score of maximum iteration of 50,000. The score of precision yielded was 0.5556. Keywords: music classification, genre, backpropagation, social tagging. iv KATA PENGANTAR Penelitian dengan judul Klasifikasi Musik Berdasarkan Genre Menggunakan Jaringan Saraf Tiruan Backpropagation dan Social Tagging Dalam Database Web Musik ini disusun dalam rangkaian kegiatan pelaksanaan Tugas Akhir di Jurusan Ilmu Komputer FMIPA UNUD. Sehubungan dengan telah terselesaikannya penelitian ini, maka diucapkan terima kasih dan penghargaan kepada berbagai pihak yang telah membantu penyusun, antara lain: 1. Bapak Drs. I Wayan Santiyasa, M.Si. sebagai Ketua Jurusan Ilmu Komputer yang telah mengarahkan dan memberi fasilitas sehingga laporan ini dapat disusun dengan baik; 2. Bapak Agus Muliantara S.Kom., M.Kom. sebagai Pembimbing I yang telah banyak membantu dan meluangkan waktu untuk pelaksanaan penelitian ini; 3. Bapak I Gede Santi Astawa, S.T., M.Cs. sebagai Pembimbing II yang telah bersedia mengkritisi, memeriksa dan menyempurnakan penulisan ini; 4. Ibu Kadek Cahya Dewi S.T., M.Cs. yang telah meluangkan waktu untuk memberikan ide, saran, dan mendukung jalannya penelitian ini; 5. Bapak dan ibu dosen di Jurusan Ilmu Komputer yang telah mendukung penelitian ini; 6. Seluruh warga Jurusan Ilmu Komputer yang telah memberikan doa dan semangat dalam proses pembuatan tugas akhir ini. Disadari pula bahwa tugas akhir ini masih mengandung kelemahan dan kekurangan. Memperhatikan hal ini, maka masukan dan saran yang membangun sangat diharapkan. Bukit Jimbaran, 1 Maret 2012 Penyusun v DAFTAR ISI LEMBAR JUDUL…………………………………………………………………i LEMBAR PENGESAHAN TUGAS AKHIR ........................................................ ii ABSTRAK ............................................................................................................. iii ABSTRACT ........................................................................................................... iv KATA PENGANTAR ............................................................................................ v DAFTAR ISI .......................................................................................................... vi DAFTAR TABEL ................................................................................................ viii DAFTAR GAMBAR ............................................................................................. ix DAFTAR LAMPIRAN ........................................................................................... x BAB I ...................................................................................................................... 1 PENDAHULUAN .................................................................................................. 1 1.1 Latar Belakang .............................................................................................. 1 1.2 Rumusan Masalah ......................................................................................... 3 1.3 Tujuan Penelitian ........................................................................................... 3 1.4 Batasan Masalah ............................................................................................ 3 1.5 Manfaat Penelitian ......................................................................................... 4 BAB II ..................................................................................................................... 5 TINJAUAN PUSTAKA ......................................................................................... 5 2.1 Teori Musik ................................................................................................... 5 2.2 Pengambilan Dataset ..................................................................................... 7 2.3 Social Tagging ............................................................................................... 8 2.4 Jaringan Saraf Tiruan Backpropagation ...................................................... 10 BAB III ................................................................................................................. 16 METODELOGI PENELITIAN ............................................................................ 16 3.1 Variabel Penelitian ...................................................................................... 16 3.2 Metode Pengumpulan Data ......................................................................... 16 3.3 Dataset ......................................................................................................... 16 3.4 Perancangan Sistem ..................................................................................... 19 vi 3.4.1 Concept Map ......................................................................................... 19 3.4.2 Data Flow Diagram ............................................................................... 20 3.4.3 Deskripsi Data....................................................................................... 22 3.4.4 Desain Arsitektur Sistem ...................................................................... 23 3.4.5 Desain Antarmuka ................................................................................ 24 3.5 Pengkodean Sistem...................................................................................... 26 3.6 Evaluasi Sistem ........................................................................................... 26 BAB IV ................................................................................................................. 28 HASIL DAN PEMBAHASAN ............................................................................. 28 4.1 Pengumpulan Dataset .................................................................................. 28 4.2 Pelatihan Data Lagu .................................................................................... 29 4.3 Klasifikasi Musik Berdasarkan Genre ......................................................... 34 4.4 Menampilkan Daftar Musik ........................................................................ 35 4.5 Tampilan Antarmuka MICS Classification ................................................. 36 DAFTAR PUSTAKA ............................................................................................. 5 vii DAFTAR TABEL Tabel 2.1 Nilai Key Lagu ........................................................................................ 5 Tabel 3.1 Contoh Hasil Percobaan MICS Classification ...................................... 26 Tabel 4.1 Penggalan Kode Pengambilan Dataset ................................................. 28 Tabel 4.2 Penggalan Kode Menyimpan Data Lagu .............................................. 29 Tabel 4.3 Penggalan Kode Mengambil Nilai Fitur Musik .................................... 30 Tabel 4.4 Pola Target pada Unit Keluaran ............................................................ 31 Tabel 4.5 Penggalan Kode Perubahan Bobot ........................................................ 33 Tabel 4.6 Penggalan Kode Mengambil Data Lagu ............................................... 34 Tabel 4.7 Inisialisasi Nilai Bobot pada Backpropagation ..................................... 39 Tabel 4.8 Hasil Penelitian Menggunakan Backpropagation ................................. 40 Tabel 4.9 Hasil Klasifikasi Musik......................................................................... 43 viii DAFTAR GAMBAR Gambar 2.1 Contoh Hasil Ekstraksi Fitur ............................................................... 8 Gambar 2.2 Arsitektur Backpropagation .............................................................. 11 Gambar 2.3 Gambar Fungsi Sigmoid Biner .......................................................... 12 Gambar 3.1 Arsitektur Jaringan Backpropagation ............................................... 18 Gambar 3.2 Concept Map MICS Classification………………………………… 19 Gambar 3.3 Context Diagram MICS Classification ............................................. 20 Gambar 3.4 Data Flow Diagram Level 0 .............................................................. 20 Gambar 3.5 Data Flow Diagram Level 1 Proses 2 (Klasifikasi) .......................... 21 Gambar 3.6 Flowchart Percobaan Data dengan Backpropagation ....................... 22 Gambar 3.7 Deskripsi Data MICS Classification ................................................. 22 Gambar 3.8 Desain Arsitektur Sistem ................................................................... 23 Gambar 3.9 Halaman Home Web MICS Classification ....................................... 24 Gambar 3.10 Halaman Genre Web MICS Classification ..................................... 24 Gambar 3.12 Halaman About Web MICS Classification ..................................... 25 Gambar 4.1 Tampilan Antarmuka Home MICS Classification ............................ 36 Gambar 4.2 Tampilan Antarmuka Genre MICS Classification ............................ 37 Gambar 4.3 Tampilan Hasil Klasifikasi Genre ..................................................... 37 Gambar 4.4 Tampilan Halaman Music ................................................................. 38 Gambar 4.5 Tampilan About MICS Classifications ............................................. 38 Gambar 4.6 Grafik Hubungan Nilai Bobot, Learning Rate, dan Akurasi............. 41 ix DAFTAR LAMPIRAN Lampiran: 1. Dataset MICS Classification 2. Penggalan Kode Algoritma Backpropagation 3. Hasil Penelitian x
