BAB I PENDAHULUAN

BAB I
PENDAHULUAN
1.1
Latar Belakang
Lagu adalah gabungan dari beberapa alat musik dan vokal yang memiliki
makna tertentu. Lagu juga tersusun dari beberapa nada dengan susunan tertentu,
sehingga para penikmat lagu dapat menikmati lagu dengan berbagai macam cara.
Lagu merupakan bagian dari musik yang telah mendapatkan makna tersendiri. Makna
ini didapat karena dalam lagu biasanya berisi kata-kata atau lirik dari lagu tersebut.
Jadi kita mudah untuk mengetahui makna dari lagu itu sebenarnya. Sedangkan jika
musik, terkadang kita tidak mengetahui apa makna sebenarnya dari musik itu sendiri.
Karena pada saat musik memiliki tempo yang tidak begitu cepat, belum tentu musik
itu menceritakan kesedihan ataupun sebaliknya. Hal penting yang ada dalam lagu itu
sendiri adalah saat vokal atau penyanyi berusaha menceritakan suatu kejadian yang
disiratkan pada lirik-lirik lagu. Oleh sebab itu lebih mudah bagi para penikmat musik
untuk mencari suatu makna lagu daripada makna dari suatu musik.
Dalam penerapannya, lagu tidak bisa terlepas dari musik. Karena suatu lagu
tanpa musik akan terasa hampa, seperti orang berbicara tanpa adanya emosi pada
setiap pengucapan kata-katanya. Suatu lagu biasanya terdiri dari vokal atau suara
penyanyinya, aransemen musik, dan tidak terlepas dari lirik pada lagu tersebut.
Terkadang, satu lagu memiliki beberapa aransemen musik yang berbeda. Perbedaan
aransemen akan memberikan makna yang berbeda juga terhadap lagu tersebut. Sesuai
dengan aransemen yang diberikan. Tidak jarang kita menemukan sebuah lagu sedih
yang diaransemen ulang menjadi jenis lagu hip hop ataupun house music.
Sebuah lagu terkadang dapat diiringi satu alat musik seperti gitar atau piano.
Tetapi, tidak jarang pula suatu lagu diiringi oleh beberapa jenis alat musik seperti
yang ada pada musik klasik di panggung orkestra. Alat musik yang digunakan bisa
berjumlah hingga puluhan alat musik. Karena terlalu banyak alat musik yang
digunakan pada musik klasik, alat-alat musik itu terkadang dikelompokkan menjadi
beberapa jenis suara, tinggi rendahnya suatu nada, ataupun cara penggunaan dari alat
1
2
musik itu sendiri. Selain itu, lagu itu sendiri juga terkadang dinyanyikan atau
dibawakan oleh satu hingga beberapa orang penyanyi. Dalam dunia musik, 2 orang
penyanyi biasa disebut dengan duet, 3 orang penyanyi disebut dengan trio, lebih dari
3 penyanyi biasa disebut dengan vokal grup ataupun paduan suara.
Dewasa ini lagu telah memiliki beragam jenis susunan nada yang memiliki
perbedaan tersendiri antara satu lagu dengan lagu lainnya. Dari susunan-susunan nada
tersebut,
lagu
dikelompokkan
menjadi
beberapa
genre
berdasarkan
perkembangannya dari tahun ke tahun. Jumlah lagu pun bisa dikatakan tidak terbatas
sedangkan kemampuan otak manusia untuk mengingat informasi tentang suatu lagu
terbatas. Terkadang saat menemukan suatu file audio, informasi tentang file audio
tersebut bisa berbeda-beda dari satu file dengan file yang lain. Permasalahan yang lain
adalah minimnya pengetahuan tentang musik bagi masyarakat umum. Salah satu fitur
audio yang digunakan adalah mode. Dalam website Echo Nest, mode dari audio itu
sendiri dibagi menjadi 2, yaitu Major dan Minor. Untuk masyarakat yang minim
tentang pengetahuan musiknya, tentu akan sulit untuk menentukan mode dari suatu
lagu.
Pengelompokan genre lagu bisa dilakukan dengan berbagai macam fitur yang
dimiliki oleh lagu itu sendiri. Contohnya adalah penelitian Rhyme and Style Features
for Musical Genre Classification by Song Lyrics (Mayer, 2008). Klasifikasi yang
dilakukan adalah mengelompokkan genre lagu berdasarkan lirik. Contoh lain adalah
penelitian Music Genre Classification Using Similarity Function (Anan, 2011) yang
menggunakan algoritma Support Vector Machine (SVM), Song-Level Features and
Support Vector Machines for Music Classification (Mandel, 2005) yang melakukan
penelitian terhadap tingkat fitur suatu lagu pop. Namun penelitian-penelitian tersebut
belum memiliki informasi yang cukup mengenai penyanyi, judul ataupun genrenya
sekalipun. Seiring dengan perkembangan teknologi digital, duplikasi sebuah lagu
sangatlah sering terjadi. Akibatnya seringkali pula ditemukan nama file sebuah lagu
yang tidak memiliki metadata penyanyi, judul, genre, atau yang lainnya. Sebagai
contoh sebuah file lagu memiliki nama track1.mp3. Dari nama file tersebut tentu sulit
ditemukan siapa penyanyi, judul lagu ataupun genrenya. Oleh sebab itu dalam
3
penelitian ini, akan dilakukan identifikasi lagu berdasarkan audio similarity
menggunakan Modified K-Nearest Neighbours (KNN). Sehingga nantinya akan
memudahkan penggemar lagu untuk mendapatkan informasi lagu mengenai
penyanyi, judul lagu, genre, tempo, mode berdasarkan kemiripan fitur yang dimiliki
lagu tersebut, walaupun metadata yang dimiliki sangat minim.
1.2
Rumusan Masalah
Adapun rumusan masalah yang terkait dengan latar belakang di atas adalah :
1.
Bagaimana melakukan proses ekstraksi fitur dari suatu file audio melalui
website Echo Nest?
2.
Bagaimana mengindentifikasi lagu berdasarkan tingkat kemiripan audio
menggunakan K-Nearest Neighbours Cosine Similarity?
1.3
Tujuan Penelitian
Tujuan dari penyusunan tugas akhir ini adalah untuk menentukan nilai K dan
threshold yang memiliki akurasi tertinggi dalam identifikasi lagu menggunakan
Cosine Similarity dalam algoritma K-Nearest Neighbours.
1.4
Batasan Masalah
Batasan masalah yang digunakan dalam penelitian ini adalah :
1.
File audio bertipe *.mp3 dengan struktur file dari lead-in lagu hingga fade-out
lagu.
2.
Lagu
yang
diidentifikasi
adalah
daftar
lagu
yang
berada
di
http://the.echonest.com.
3.
Fitur-fitur yang digunakan dalam proses identifikasi adalah fitur-fitur musik
yang terdapat dalam sebuah lagu. Fitur-fitur tersebut adalah key, mode,
loudness, energy, dan tempo.
4
1.5
Manfaat Penelitian
Manfaat yang diharapkan untuk pengguna sistem adalah dapat mengetahui
informasi dari sebuah lagu berdasarkan tingkat kemiripan suatu fitur lagu dengan lagu
lainnya dengan menggunakan K-Nearest Neighbours yang telah dikembangkan
menggunakan Cosine Similarity. Sedangkan manfaat yang diharapkan bagi peneliti
dari penyusunan tugas akhir ini adalah untuk mendapatkan nilai K dan threshold
dengan akurasi tertinggi menggunakan Cosine Similarity pada algoritma K-Nearest
Neighbours. Serta mendapatkan nilai precision dan recall dari akurasi yang
didapatkan.