UMN Knowledge Center

Implementasi Gaussian Naive Bayes pada Klasifikasi Genre Musik Berbasis Web

Liviani, Christine (2019) Implementasi Gaussian Naive Bayes pada Klasifikasi Genre Musik Berbasis Web. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
HALAMAN_AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (4MB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (829kB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (3MB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (787kB) | Preview
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (797kB) | Preview

Abstract

Genre musik dikelompokkan berdasarkan kemiripan karakteristik, seperti frekuensi, ritme, tempo, dan wilayah geografi. Proses klasifikasi genre musik secara manual dapat menghabiskan waktu dan upaya sehingga penelitian otomasi klasifikasi genre musik dilakukan dengan memperhatikan ekstraksi fitur dan metode klasifikasi. Metode klasifikasi yang cocok untuk mengolah data kontinu adalah Gaussian Naive Bayes. Oleh karena itu, penelitian ini mengimplementasikan Gaussian Naive Bayes untuk klasifikasi genre musik berbasis web. Genre musik yang diklasifikasi adalah pop, klasik, rock, dan jaz. Fitur ekstraksi yang digunakan adalah beat spectrum, linear predictive coding (LPC), power spectrum, zero crossing rate, dan Mel-frequency cepstral coefficients (MFCC). Klasifikasi dilakukan dengan 2 layer. Layer 1 mengklasifikasi lagu ke dalam kelompok pop/klasik dan kelompok rock/jaz, sedangkan layer 2 mengklasifikasi lagu setiap kelompok menjadi genre akhir. Klasifikasi genre musik dengan Gaussian Naive Bayes berhasil diimplementasikan dengan bahasa pemrograman Python. Hasil penelitian menunjukkan bahwa pemilihan ekstraksi fitur, fungsi agregat, koefisien fitur LPC, dan koefisien fitur MFCC dapat mempengaruhi tingkat akurasi algoritma. Akurasi akhir tertinggi yang berhasil diperoleh adalah 53%.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: ekstraksi fitur, Gaussian Naive Bayes, genre musik, klasifikasi, machine learning
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2019 09:23
Last Modified: 13 Jan 2020 02:19
URI: http://kc.umn.ac.id/id/eprint/10156

Actions (login required)

View Item View Item