Marcellino Manumpil, Steve (2021) Implementasi Music Auto Tagging pada Musik Tradisional Indonesia Menggunakan Deep Recurrent Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
![[img]](https://kc.umn.ac.id/style/images/fileicons/text.png)
Abstract
Pendengar musik tradisional Indonesia terdiri dari beragam usia. Karakteristiknya membuat musik tradisional lebih sulit dibandingkan dengan musik modern. Seiring bertambahnya musik digital muncul kebutuhan sistem untuk mengorganisir musik berdasarkan karakteristiknya dengan cara menggunakan tag. Hal ini dapat diatasi dengan pendekatan music information retrieval (MIR) salah satunya music auto tagging yang dapat mempelajari hubungan antara konten musik dengan tag terkait. Penggunaan Deep Recurrent Neural Network pada music auto tagging terbukti memberikan hasil terbaik pada data sequential seperti audio. Maka dari itu penelitian bertujuan mengimplemetasikan music auto tagging menggunakan Deep Recurrent Neural Network pada musik tradisional Indonesia. Penelitian dimulai dengan melakukan segmentasi pada audio kemudian dilakukan pelabelan oleh pakar pada sampel tersebut. sampel yang dilabel dikonversi ke bentuk mel- spectrogram untuk dimasukkan ke dalam model DRNN. Pencarian model terbaik yaitu dengan melakukan kombinasi terhadap setiap hyperparameter seperti jumlah layer GRU, nilai dropout, dan jumlah unit yang sudah ditentukan. Hasil dari pengujian menunjukkan kombinasi 5 layer GRU dengan jumlah 256 unit dan nilai dropout 0.25 pada data sebelum augmentasi memberikan hasil yang memuaskan pada skor AUC-ROC 94,51% dan AUC-PR 86,58%. Dan kombinasi 6 layer GRU 64 Unit dan nilai dropout 0.25 pada data augmentasi memberikan skor terbaik dengan skor AUC-ROC 94,49% dan AUC-PR 85,06%.
| Item Type: | Thesis (Bachelor Thesis) |
|---|---|
| Keywords: | Deep Recurrent Neural Network, mel-spectrogram, music auto tagging, music information retrieval, musik tradisional Indonesia |
| Subjects: | 700 Arts and Recreation > 780 Music > 780 Music 700 Arts and Recreation > 780 Music > 784 Instruments and Instrumental ensembles and their music |
| Divisions: | Faculty of Engineering & Informatics > Informatics |
| SWORD Depositor: | Administrator UMN Library |
| Depositing User: | Administrator UMN Library |
| Date Deposited: | 24 Aug 2021 12:52 |
| Last Modified: | 18 Aug 2023 05:20 |
| URI: | https://kc.umn.ac.id/id/eprint/17478 |
Actions (login required)
 |
View Item |
