Deteksi Musik Klasik Buatan AI Berdasarkan Fitur MIDI Menggunakan LSTM dan CNN

Irelynn Tantra, Maecyntha (2025) Deteksi Musik Klasik Buatan AI Berdasarkan Fitur MIDI Menggunakan LSTM dan CNN. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF ARTIKEL.pdf Download (931kB)
	PDF TURNITIN.pdf Download (63kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (395kB)
	PDF LETTER_OF_ACCEPTANCE.pdf Download (151kB)

Abstract

Seiring dengan meningkatnya kemampuan kecerdasan buatan (AI) dalam menyusun komposisi yang menyerupai karya manusia, mendeteksi musik klasik yang dihasilkan oleh AI menjadi tantangan yang semakin besar. Penelitian ini mengeksplorasi penggunaan metode deep learning LSTM dan CNN untuk mengklasifikasikan apakah suatu komposisi musik klasik dibuat oleh AI atau manusia. Klasifikasi dilakukan dengan mempertimbangkan fitur sekuensial yang diekstraksi dari file MIDI, yang meliputi data statistik dari pitch, velocity, dan duration pada setiap segmen. Model dilatih menggunakan dataset yang terdiri dari komposisi buatan AI dan komposisi manusia, lalu model tersebut disempurnakan lebih lanjut melalui proses fine-tuning untuk mengoptimalkan performa model. Hasil penelitian menunjukkan bahwa model LSTM yang diusulkan mencapai akurasi sebesar 99,00% pada data uji utama, dan 98,70% pada dataset tambahan yang digunakan untuk menguji generalisasi model setelah pelatihan selesai. Sementara itu, model berbasis CNN memperoleh akurasi masing-masing sebesar 97,00% dan 97,10% pada dataset utama dan tambahan. Hasil confusion matrix dan laporan klasifikasi menunjukkan efektivitas kedua model dengan tingkat kesalahan klasifikasi yang rendah. Penelitian ini menunjukkan bahwa meskipun LSTM dan CNN sama-sama mencapai performa klasifikasi yang tinggi dalam mendeteksi musik klasik buatan AI, model LSTM memberikan memberikan hasil yang lebih unggul. Sejalan dengan studi ini, penelitian selanjutnya dapat mengeksplorasi deteksi dengan penambahan fitur musikal lainnya dan penggunaan dataset yang lebih beragam, sehingga meningkatkan kemampuan model dalam menghadapi variasi musik yang lebih luas.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Bach, CNN, deteksi, LSTM, MIDI, musik AI-generated, musik klasik
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	23 Jul 2025 11:03
Last Modified:	23 Jul 2025 11:03
URI:	https://kc.umn.ac.id/id/eprint/39150

Actions (login required)

View Item