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.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (4MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (797kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (829kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (787kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

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)
Keywords:	ekstraksi fitur, Gaussian Naive Bayes, genre musik, klasifikasi, machine learning
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.6 Internet, Cloud Computing, Website, LAN, Email
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2019 09:23
Last Modified:	23 Aug 2023 06:58
URI:	https://kc.umn.ac.id/id/eprint/10156

Actions (login required)

View Item