Tugas Akhir - 2009 ANALISIS PENGENALAN KLASIFIKASI MUSIK BERDASARKAN GENRE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN SOMS (SELFORGANIZING-MAPS) Tiffany Rizkiana Agustine¹, Iwan Iwut Tritoasmoro², Joko Haryatno ³ ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom Abstrak Genre musik adalah salah satu data musik digital yang ditentukan oleh seseorang untuk mengklasifikasikan musik berdasarkan semua persamaan karakter yang dimiliki tiap jenisnya. Karakteristik yang dimaksud biasanya dilihat dari frekuensi musik, stuktur ritmik, struktur instrumentasi, dan konten harmoni yang dimiliki musik tersebut. Pengklasifikasian genre musik ini berguna untuk menyusun kelompok besar musik yang terdapat di Web. Saat ini pengklasifikasian genre musik masih dilakukan secara manual. Pengklasifikasian genre musik secara otomatis akan dapat menggantikan pengklasifikasian secara manual sehingga pengklasifikasianya tidak lagi bersifat relatif. Pengklasifikasian dapat dilakukan dengan standarisasi yang telah kita tentukan. Pada tugas akhir ini digunakan input berupa file suara dalam format .wav berdurasi 25 - 35 detik dengan dua macam ekstraksi ciri dari dua macam referensi yang berbeda, yaitu berdasarkan konten frekuensi dan tekstur timbralnya. Metode pengenalan yang digunakan adalah Jaringan Syaraf Tiruan metode Self-Organizing Maps (SOMs). Pengujian dilakukan dengan dua macam ekstraksi ciri untuk setiap lagu. Hasil akurasi terbaik didapatkan pada ekstraksi ciri satu, yaitu metode konten frekuensi. Secara keseluruhan akurasi sistem yang dibuat sebesar 61.62 % dengan rata-rata waktu komputasi 9-12 detik per lagu. Kata Kunci : Ekstraksi ciri, klasifikasi suara, klasifikasi genre musik, SOMs(Self-Organizing Maps) Abstract Musical genres are one of digital music data decided by human to be categorized by the common characteristics shared by it members. These characteristics typically are related to the frequency content, rhytmic structure, instrumentations, and also the harmony content itself. Genre hierarchies will be so usefull to structure the large collections of music that now available freely on the Web. Currently musical annotation is performed manual. Automatic musical genre classifications can replace the human user in this process so that this kind of classification will not be relative anymore and can be classified by its standarization. In this final project, the input is sound file in .wav format with 30-seconds duration, with two ways of feature extractions from two kinds of different refferences, based on the frequency contents and the timbral texture. The recognition method which being used is SOMs Neural Network. Tests are done by using two ways of feature extraction for each songs. The most accurate result is from the first feature extraction, which is frequency content method. Overall, the system accuracy is 61,62 % with average computation time of 9-12 seconds per song. Keywords : Feature Extractions, Audio Classification, Musical Genre Classifications, SOMs Fakultas Teknik Elektro Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Telekomunikasi Tugas Akhir - 2009 BAB 1 PENDAHULUAN 1.1 Latar Belakang Musik merupakan hal yang universal di dunia. Hampir semua orang mendengarkan musik setiap hari. Cara yang dilakukan untuk mendapatkan dan mendengarkan rekaman musik juga bermacam-macam. Bisa dari kaset tape recorder, CD, download dari internet dan sebagainya. Musik sendiri sebenarnya memiliki berbagai aliran, dari mulai yang beritme lambat seperti aliran musik klasik, yang beritme sedang seperti pop, sampai musik-musik dengan tempo dan aliran yang agak sedikit nge-beat atau bertempo cepat, seperti aliran pop berkembang, dangdut, atau rock. Dikarenakan jenis musik yang beraneka ragam maka pengenalan dan pengklasifikasian aliran musik merupakan suatu objek permasalahan yang menarik untuk diteliti. Dari jurnal dan penelitian yang sudah ada terdapat banyak cara dan metode yang dapat digunakan untuk pengenalan dan pengklasifikasian, salah satunya adalah dengan menggunakan Jaringan Syaraf Tiruan. Metode-metode yang dapat digunakan seperti Back Propagation, Learning Vector Quantization, dan lain-lain. Penggunaan metode SelfOrganizing Maps (SOMs) dipilih dengan pemikiran bahwa metode yang akan digunakan ini diharapkan dapat menghasilkan tingkat performansi dan keakuratan proses pengenalan lebih tinggi dibandingkan dengan metode lainnya. ANALISIS PENGENALAN KLASIFIKASI MUSIK BERDASARKAN GENRE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN SOMs (SELF-ORGANIZING MAPS) Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi Tugas Akhir - 2009 2 Bab 1 Pendahuluan 1.2 Perumusan Masalah Berdasarkan latar belakang permasalahan di atas, dapat dirumuskan permasalahan sebagai berikut: 1. Bagaimana proses agar suatu data suara dapat dijadikan data latih dan dibaca sebagai vektor sehingga dapat dikenali oleh jaringan syaraf tiruan (neural network). 2. Ekstraksi Ciri yang digunakan untuk dijadikan sebagai pola pengenalan dalam jaringan syaraf tiruan. 3. Bagaimana SOMs bisa bekerja dalam mengenali pola-pola suara data latih yang sudah terbentuk. 4. Tingkat performansi dan keakurasian dari sistem yang dibangun dengan metode SOMs. Dengan hipotesa awal adalah penggunaan ekstraksi ciri dan jaringan syaraf tiruan yang dibangun dengan menggunakan metode ini dapat menghasilkan tingkat keakuratan yang lebih tinggi daripada metode lainnya. Mengingat untuk kasus pengenalan genre musik dengan menggunakan metode Back Propagation terdapat kasus yang keakuratannya hanya mencapai 72%[1]. 1.3 Pembatasan Masalah Batasan masalah yang digunakan agar permasalahan yang dibahas tidak meluas adalah: 1. Aliran musik yang dijadikan sebagai kategori terbatas pada aliran musik dasar yang sudah banyak dikenal oleh masyarakat dan perbedaannya dapat didengar dengan jelas seperti dangdut, pop, jazz, dan rock. 2. Format lagu yang akan diproses adalah .wav 3. Data suara yang dijadikan data latih disimpan dalam bentuk grafik data suara. ANALISIS PENGENALAN KLASIFIKASI MUSIK BERDASARKAN GENRE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN SOMs (SELF-ORGANIZING MAPS) Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi Tugas Akhir - 2009 3 Bab 1 Pendahuluan 1.4 Tujuan dan Kegunaan Penelitian Tujuan dari pembuatan tugas akhir ini adalah agar tercapainya hal-hal sebagai berikut: 1. Mengimplementasikan sebuah sistem yang mempunyai kemampuan pengenalan dan pengkategorian lagu berdasarkan alirannya menggunakan metode jaringan syaraf tiruan SOMs. 2. Menganalisis tingkat ketelitian dan keakuratan yang didapat dari proses pengenalan. 3. Mengganti cara identifikasi aliran musik yang manual ke cara yang berbasis komputasi. 1.5 Metodologi Penelitian Penelitian ini dilakukan dengan metodologi sebagai berikut: 1. Tahap studi literatur. Studi literature mengenai konsep-konsep pengenalan dan pengolahan data suara pada umumnya. 2. Tahap perancangan, realisasi perangkat. Perancangan sistem berdasarkan dari hasil studi literatur, pemodelan dari sistem tersebut diterjemahkan ke program simulasi dengan software MATLAB 7.6 (R2008) 3. Tahap pengujian perangkat. Pada langkah ini akan diuji performansi dari aplikasi yang telah dibuat 4. Tahap analisis dan penarikan kesimpulan. 1.6 Sistematika Pembahasan Bab 1 : PENDAHULUAN Pada bab I ini, dijelaskan mengenai latar belakang, tujuan, batasan masalah, dan metoda pelaksanaan penelitian serta sistematika pembahasan laporan. ANALISIS PENGENALAN KLASIFIKASI MUSIK BERDASARKAN GENRE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN SOMs (SELF-ORGANIZING MAPS) Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi Tugas Akhir - 2009 4 Bab 1 Pendahuluan Bab 2 : DASAR TEORI Bab ini merupakan tinjauan pustaka dari pengolahan suara, sistem identifikasi data suara dan algoritma yang digunakan untuk implementasi sistem. Bab 3 : PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan dimulai dari deskripsi masalah dan persyaratan pengguna (user requirements). Pengembangan aplikasi, dan interpretasi algoritma dibahas di sini. Bab 4 : PENGUJIAN DAN ANALISIS Evaluasi aplikasi identifikasi genre musik yang dihasilkan dibahas di sini. Beserta analisis performansi yang berhasil dicapai. Bab 5 : KESIMPULAN DAN SARAN Bab ini berisi simpulan dari implementasi yang dilakukan serta saran untuk pengembangan di masa mendatang. ANALISIS PENGENALAN KLASIFIKASI MUSIK BERDASARKAN GENRE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN SOMs (SELF-ORGANIZING MAPS) Fakultas Teknik Elektro Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Telekomunikasi Tugas Akhir - 2009 BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari hasil analisis terhadap pengujian yang dilakukan pada sistem pengklasifikasian lagu berdasarkan genre dengan menggunakan jaringan syaraf tiruan SOM, maka dapat ditarik kesimpulan sebagai berikut : 1. Tingkat akurasi yang paling tinggi untuk dua metode ekstraksi ciri berdasarkan cluster yang terbentuk adalah: a. Metode konten frekuensi, dengan jumlah ciri sebanyak 109 buah didapatkan tingkat akurasi 80 %. Parameter jaringan yang disimulasikan: 10 epochs , topologi Gridtop, dan fungsi jarak Linkdist. Jaringan yang terbentuk berjumlah 32 kelas. b. Metode spektral timbre, dengan jumlah ciri sebanyak 160 buah mempunyai tingkat akurasi yang lebih rendah dengan nilai 77,14% pada parameter jaringan : 10 epochs, topologi Gridtop, dan fungsi jarak Linkdist. 2. Keberhasilan sistem klasifikasi musik berdasarkan genre pada dasarnya sangat dipengaruhi oleh sistem ekstraksi ciri yang dibangun. 3. Jumlah data latih yang digunakan pada proses training JST SOM juga mempengaruhi terhadap tingkat akurasi keberhasilan pengenalan data uji. Semakin sedikit jumlah data latih maka tingkat akurasi sistem akan semakin rendah 4. Jaringan syaraf tiruan SOM dapat memberikan hasil klasifikasi yang optimal jika penentuan kombinasi parameter-parameter yang digunakan sesuai, sehingga dapat digunakan untuk identifikasi. ANALISIS PENGENALAN KLASIFIKASI MUSIK BERDASARKAN GENRE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN SOMs (SELF-ORGANIZING MAPS) Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi Tugas Akhir - 2009 45 Bab 5 Kesimpulan dan Saran 5. Waktu yang diperlukan untuk melakukan pengklasifikasian genre musik mulai dari proses ekstraksi ciri sampai dengan klasifikasi adalah 9-12 detik per lagu, sehingga kurang cocok untuk sistem aplikasi real time. 5.2 Saran Pengembangan yang dapat dilakukan pada tugas akhir ini antara lain : 1. Pada proses ekstrkasi ciri bisa dikembangkan dengan proses yang lebih kompleks pada konten frekuensi dan spektral timbrenya sehingga bisa didapatkan ciri yang lebih baik dan detail untuk setiap lagu. 2. Pada proses klasifikasi bisa digunakan model jaringan syaraf tiruan yang lain baik yang supervised learning maupun unsupervised learning sehingga bisa dibandingkan hasil akhirnya 3. Pemberian data latih yang lebih banyak sehingga bisa mengenali jenis genre dengan akurasi yang lebih tinggi. 4. Sistem bisa dikembangkan untuk mengenali lebih banyak jenis genre, baik jenis genre yang sudah umum ataupun jenis genre yang baru di dunia musik. 5. Sistem dikembangkan untuk waktu komputasi yang lebih singkat agar mampu menjadi sistem yang real time. ANALISIS PENGENALAN KLASIFIKASI MUSIK BERDASARKAN GENRE DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN SOMs (SELF-ORGANIZING MAPS) Fakultas Teknik Elektro Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Telekomunikasi Tugas Akhir - 2009 DAFTAR PUSTAKA [1] Binawati. 2005. Klasifikasi Lagu berdasarkan Genre Musik dengan Jaringan Saraf Tiruan Propagasi Balik. http://www.library.binus.ac.id/. 28Desember 2008. [2] Hollmen, Jaako. 2000. A Learning Vector Quantization Algorithm For Probabilistic Models. Munich, Jerman. [3] Kohonen, T., Hynninen, J., Kangas, J., Laaksonen, J. (1996). SOM_PAK: The self-organizing map program package. Report A31. Helsinki University of Technology, Laboratory of Computer and Information Science, Espoo, Finland. Also available in the Internet at the address http://www.cis.hut.fi/research/som_lvq_pak.shtml. [4] Scott, Paul. 2001. Music Classification using Neural Network. www.stanford.edu/class/ee373a/musicclassification.pdf. 20 Desember 2008. [5] Tzanetakis, George. 2002. Musical Genre Classification of Audio Signals. IEEE. xiii Fakultas Teknik Elektro Powered by TCPDF (www.tcpdf.org) Program Studi S1 Teknik Telekomunikasi