PENERAPAN JARINGAN SYARAF TIRUAN DENGAN RADIAL BASIS FUNCTION UNTUK PENGENALAN GENRE MUSIK
ABSTRAK: Kecerdasan buatan
dapat diaplikasikandalam banyak bidang dalam kehidupan. Penerapankecerdasan
buatan diantaranya dapat dicapai denganpendekatan jaringan syaraf tiruan (JST).
Salah satu contoh metode jaringan syaraf tiruan yang dikenal adalah metode
radial basis function (RBF). Jaringan syaraf tiruan radial basis function (JSTRBF)
dikenal sebagai salah satu jaringan syarafyang memiliki tiga lapis bersifat
feedforward yangdapat memecahkan masalah klasifikasi ataupengenalan pola. Dalam
penelitian ini JST RBFdigunakan untuk menglasifikasi musik ke dalam genre
(jenis) musik berdasarkan kedekatannya dengan target. Sebagai kebutuhan, jenis
musik yangdipakai pada penelitian ini adalah campursari, keroncong, pop, dan
rock dengan 3 macam durasiyaitu 2 detik, 5 detik, dan 10 detik pada setiap musik.
Sedangkan banyak neuron yang dapakai dalam lapisan tersembunyi sebanyak 56
neuron. Bahan masukan (input) yang digunakan dalam JST RBF ini berformat *.mp3
yang diunduh dari internetyang selanjutnya dikonversi ke dalam format *.wavdan
diektraksi dengan menggunakan mel-frequency cepstrum coeffisients (MFCC).
Teknik ini mengekstraksi fitur suara yang terdapat pada data musik. Koefisien
yang digunakan dalam penelitian ini sebanyak 7 koefisien untuk setiap data
musik.Dari hasil simulasi program menunjukkan bahwa JST RBF dapat
mengklasifikasi musik dengan akurasi paling tinggi pada data uji berdurasi 10 detik
sebesar 75%.
Kata kunci: Genre, jaringan
syaraf tiruan, kecerdasan buatan, mel-frequency cepstrum coefficients, musik,
radial basis function
Penulis: Tangguh Gradhianta
Kode Jurnal: jpmatematikadd131118
