Musik Genre Musik Perbandingan metode voting feature intervals dengan jaringan saraf tiruan dalam mengklasifikasi genre musik

memperkaya genre-genre dan budaya-budaya yang sudah ada. Pada Tabel 1 dapat dilihat beberapa contoh genre dan sub-genrenya. Tabel 1. Beberapa contoh genre dan sub-genrenya Hayne et al. 2005 Genre Sub-genre Modern Rock Alternative rock, experimental rock, indie rock, jam rock, new wave, post punk, power pop Rock Classic rock british invasion, glam rock, folk rock, hard rock, prog rock, southern rock Metal Funk metal, industrial metal, thrash Punk ’77 style punk, hardcore punk, pop punk, ska punk, psychobilly Folk 60s revival, anti-folk, contemporary folk, singer-songwriter, traditional folk Electronica Acid Jazz, ambient, downbeat, intelligent dance music, techno, industrial, drum ’n’ bass Jazz Be bop, big band, crossover jazz, lounge, vocal jazz, cool jazz, soul jazz Blues Chicago blues, electric blues, country blues, female vocal blues Country Alt country, bluegrass, contemporary country, country rock, traditional country Oldies Doo wop, early rock roll. Rockabilly, surf Pop Dance pop, easy listening, euro pop, soft rock, teen pop, vocalists Hip hop Abstract hip hop, bass, gangsta rap, pop rap RB Funk, disco, gospel, soul Reggae Roots reggae, ska

2.3 Sinyal Suara

Sinyal suara dan seluruh karakteristiknya dapat direpresentasikan dalam dua domain nilai yang berbeda, yaitu waktu dan frekuensi Nilsson dan Ejnarsson 2002. Domain waktu time-domain yaitu domain yang berhubungan dengan perubahan amplitudo dari waktu ke waktu. Sedangkan domain frekuensi yaitu domain yang terdapat dalam interval waktu tertentu. Representasi dalam bentuk spectral merupakan representasi sinyal suara berdasarkan intensitasnya terhadap waktu. Salah satu bentuk representasi ini yang paling populer adalah spectogram. Pada Gambar 1 diperlihatkan adanya bagian yang berwarna biru gelap yang merepresentasikan bagian dari sinyal suara di mana suara tidak dihasilkan. Sedangkan, bagian yang bewarna merah merepresentasikan intensitas yang menandakan suara dihasilkan. Gambar 1. Spectrogram menggunakan metode Welch Nilsson dan Ejnarsson 2002 Proses analisa sinyal dalam bentuk jumlah sinusoida telah banyak digunakan seperti pada aplikasi analisa ucapan, sonar, hingga analisa musik terkini dimana mereka berkaitan dengan keharmonisan sumber suara musik. Metode yang paling tua dari analisa sinyal suara adalah berdasarkan dari transformasi Fourier yang diformulasikan sebagai berikut :     dt e t x X t j         1 dan inversnya, yaitu :         d e X t x t j      2 1 2 di mana xt adalah sinyal time-domain kontinu sementara X ω adalah transformasinya, yang sama-sama kontinu dalam frekuensi dan t serta ω tidak terikat. Sifat ini tidak cocok untuk sinyal audio digital karena diskret terhadap proses sampling dan juga terikat dengan waktu Hainsworth 2003. Oleh karena itu, digunakan Discrete Fourier Transform DFT:         M knj M M k M M n M knj e k X M n x e n x k X   2 1 2 2 1 2 2 2 1            3 4