2.11 Pengukuran Kinerja Sistem
Kinerja sistem diukur dengan menggunakan parameter akurasi yaitu presentase pengenalan sistem dalam memprediksi dataset pengujian yang
diberikan. 25
2.12 Review Riset Terdahulu
Penelitian pada bidang klasifikasi musik yang paling sering direferensikan adalah Tzanetakis dan Cook 2000, 2002. Penelitian mereka
menghasilkan sebuah framework analisa audio MARSYAS, yang juga sering dipakai oleh peneliti-peneliti lainnya sebagai aplikasi bantu untuk
pengekstraksi ciri. Lampropoulos et al. 2005 pada penelitiannya melakukan pemisahan
separasi ciri sinyal dari sumber instrumen musik sebelum diklasifikasikan menggunakan algoritma Convolutive Sparse Coding CSC dan
menggunakan JST sebagai pengklasifikasinya. Untuk ekstraksi ciri, mereka menggunakan aplikasi bantu MARSYAS versi 0.1 dan menghasilkan vektor
ciri feature vector berdimensi 30. Costa
et al.
2004 menggunakan
pendekatan kombinasi
pengklasifikasi. Ekstraksi ciri diperoleh dari tiga segmen pada musik klip yaitu awal, tengah, dan akhir lagu. Dari setiap segmen tersebut, dihasilkan
vektor ciri feature vector berdimensi 15. Penelitian tersebut juga menggunakan JST sebagai pengklasifikasinya. Adapun pengambilan
keputusan akhir dari klasifikasi menggunakan aturan majority voting. Adapun pada penelitian Norowi et al. 2005 digunakan ciri yang
berhubungan dengan timbral, ritme, dan pitch dan pengklasifikasi J48 dan OneR. J48 dan OneR adalah pengklasifikasi yang terdapat pada sistem
pembelajaran mesin WEKA Waikato Environment for Knowledge Analysis. Sedangkan klasifikasi genre musik pada penelitian mereka adalah
genre-genre musik barat dan musik tradisional Malaysia. Mereka juga menggunakan MARSYAS versi 0.1 sebagai aplikasi bantu pengekstraksi
ciri.
Pada Tabel 2 dapat dilihat beberapa contoh penelitian klasifikasi genre musik dengan beragam ciri dan pengklasifikasinya.
Tabel 2. Beberapa contoh penelitian klasifikasi genre musik
Peneliti Ciri
Pengklasifikasi
Lampropoulos et al. 2005
Ritme, STFT, MFCC dan pitch Nearest-Neighbor dan
MLP Costa et al. 2004
Spectral centroid, spectral rolloff, spectral flux, time domain zero-
crossing, low energy dan beat Nearest-Neighbor dan
MLP Norowi et al.
2005 Spectral centroid, spectral rolloff,
spectral flux, time domain zero- crossing, MFCC, beat dan pitch
OneR dan J48 WEKA Ahrendt 2006
MFCC, LPC, DMFCC, DLPC, ZCR, STE, ASE, ASC, ASS dan SFM
Gaussian, GMM, Linear regression, dan GLM
Andersson 2004 ZCR, STE, RMS, HFVR,LFVR,
spectrum centroid, spectrum spread, delta spectrum, spectral rolloff dan
MPEG-7 audio descriptors GMM, HMM, dan
Nearest-Neighbor