Klasterisasi Jenis Musik Menggunakan Kombinasi Algoritma Neural Network, K-Means dan Particle Swarm Optimization
Abstrak: Banyaknya file
audio pada suatu
direktori membuat sususan
file tidak terstruktur. Hal
ini akan menyulitkan
pengguna untuk mengurutkan
bahkan memilah kumpulan file
audio berdasarkan kategori
tertentu, khususnya kategori berdasarkan jenis musik. Pada penelitian sebelumnya, dilakukan pengelompokan
dokumen pada suatu halaman website. Namun hal tersebut tidak dilakukan pada file selain
dokumen, seperti file
audio. Penelitian ini
bertujuan untuk mengembangkan metode
pengelompokan file berupa
kombinasi pendekatan preprocessing, neural
network, k-means, dan
particle swarm optimization
dengan masukan berupa file
audio sehingga diperoleh
keluaran berupa kumpulan
file audio yang telah
terkelompok berdasarkan jenis
musik. Hasil dari
penelitian ini yaitu berupa
suatu sistem dengan
pengembangan metode dalam
pengelompokan file audio berdasarkan
jenis musik. Metode
pada tahap pre-processing memiliki hasil terbaik
pada pendekatan berdasarkan
analisa spectrum melodi
gitar dan bass, di mana memiliki
nilai precission 95%, recall 100% dan F-Measure 97,44%.
Penulis: Alhaji Sheku Sankoh,
Ahmad Reza Musthafa, Muhammad Imron Rosadi, Agus Zainal Arifin
Kode Jurnal: jptinformatikadd150119
