Klasifikasi genre musik menggunakan Learning Vector Quantization (LVQ)

ABSTRACT
MUHAMMAD RIDWAN FANSURI, Musical Genre Classification Using Learning Vector
Quantization (LVQ). Under the supervision of SONY HARTONO WIJAYA.
Radio stations and music television have a milion of music tapes. A lot of musical genres
create a problem when people wants to determine the right genre of a new kind of music. To classify
the musical genre is not an easy task, because the musical genre is really difficult to standardization.
Automatic musical genre classification can assist the human role in that process and help people to
searching for the song acording to the genre that people want.
This research using Mel Frequency Coefficient Cepstrum (MFCC) to obtain feature extraction.
Learning Vector Quantization (LVQ), one kind of artificial neural network used for classification
method. The number of genres that are used were four kind of musical genre, that is rock, classic,
keroncong, and jazz with four different duration that is 5 second, 10 second, 20 second and 25 second.
This research using k- fold cross validation to distribute dataset for training and testing set with the
number of folds as much as 2 until 10 fold.
This research succesfully implemented MFCC feature exraction and classification using LVQ.
Based on this research, the accuracy of the classification using Learning Vector Quantization reaches
93,75% for the four type musical genre. The highest accuracy value was obtain from the experiments
with a duration of 10 second and the number of fold 4. Training time for each duration is 30 minute
for 5 second music duration, 45 minute for 10 second music duration 120 minute for 20 second music
duration and 150 minute for 25 second music duration.
Keywords : Classification, Music, Genre , K- Fold Cross Validation ,Mel Frequency Coefficient

Cepstrum (MFCC), Learning Vector Quantization (LVQ), Artificial Neural Network.

PENDAHULUAN
Latar Belakang
Genre musik adalah pengelompokan musik
sesuai dengan kemiripan satu dengan yang lain,
seperti kemiripan dalam hal frekuensi musik,
struktur ritmik, dan konten harmoni. Genre
musik merupakan hal yang penting bagi
masyarakat yang menyukai musik, karena
membuat
masyarakat
dengan
mudah
mengelompokan musik yang yang mereka
sukai.
Pada umumnya pengelompokan lagu
dilakukan secara manual yaitu dengan
mendengarakan lagu secara langsung kemudian
dikelompokkan bedasarkan genre lagu tersebut.

Metode ini mempunyai keunggulan yaitu
mempunyai tingkat akurasi yang tinggi, tetapi
kekurangan dari metode ini adalah sangat tidak
efisien untuk data berjumlah banyak, karena
harus didengarkan satu persatu. Pengelompokan
genre lagu secara otomatis mulai dikembangkan
untuk membantu mengelompokan lagu yang
berjumlah banyak. Proses ini mempunyai
keunggulan dalam jumlah data yang bisa
diporses namun kekurangan dari proses
otomatis adalah akurasi yang rendah.
Untuk dapat dikelompokkan data musik
harus melalui proses ekstraksi ciri yang
bertujuan mendapatkan ciri dari lagu tersebut.
Salah satu metode yang dapat digunakan adalah
Mel-frequency cepstral coefficient (MFCC).
MFCC mengekstraksi ciri suara berdasarkan
spektrum yang dihasilkan dari musik. Penelitian
yang menggunakan MFCC dalam proses
ekstraksi ciri antara lain, Prameswari (2010)

yang melakukan penelitian pengembangan
sistem pengenalan kata berbasis fonem dalam
bahasa Indonesia dengan metode resilent
backpropagation, dan Wisnudhisastra (2009)
tentang pengenalan chord gitar dengan teknik
ekstraksi ciri Mel-frequency cepstral coefficient
(MFCC).
Leaning Vector Quantization (LVQ)
merupakan salah satu contoh dari jaringan
syaraf tiruan yang digunakan untuk proses
klasifikasi. Metode LVQ sudah banyak
digunakan untuk penelitian, seperti penelitian
oleh Effedy et al (2008) mengenai deteksi
pornografi pada citra digital menggunakan
pengolahan citra dan jaringan syaraf tiruan,
Qur’ani & Rosmalinda (2010) yang meneliti
jaringan syaraf tiruan LVQ untuk aplikasi
pengenalan tanda tangan.
Klasifikasi genre musik telah dilakukan oleh
Talupur et al (2002). Pada penelitian ini genre

yang diklasifikasikan antara lain klasik, rock,
jazz dan country dengan akurasi tertinggi yang
dihasilkan sebesar 80 %. Berdasarkan penelitian
yang terkait, metode MFCC dan LVQ dapat
digunakan untuk klasifikasi genre musik.
Rumusan Masalah
Rumusan masalah dalam penelitian ini
adalah bagaimana membuat model klasifikasi
data audio menggunakan jaringan syaraf tiruan
LVQ.
Ruang Lingkup
Ruang lingkup pada penelitian ini antara
lain:
1. Dalam penelitian ini, genre musik yang
diklasifikasikan dibatasi hanya genre rock,
klasik, jazz dan keroncong.
2. Musik yang diolah mempunyai durasi 5, 10,
20, dan 25 detik dengan format wav.
3. Data musik menggunakan chanel mono.

Tujuan
Tujuan
dari
penelitian
ini
adalah
mengembangkan model Learning Vector
Quantization untuk klasifikasi genre musik.
Manfaat
Penelitian ini diharapkan dapat melakukan
klasifikasi pada data musik menggunakan
Learning Vector Quantization agar dapat
membantu
peran
manusia dalam hal
menentukan genre musik, sehingga genre musik
tidak lagi bersifat relatif, tetapi dapat
dikelompokkan dengan standardisasi yang telah
ditentukan.
TINJAUAN PUSTAKA

Genre Musik
Genre musik adalah label yang dibuat dan
digunakan manusia untuk mengkategorikan dan
menggambarkan musik di dunia (Tzanekatis
2002). http://allmusic.com mengelompokan
genre musik ke dalam 11 genre utama, yaitu
pop/rock, jazz, r&b, rap, country, blues,
elektronik, latin, reggae, internasional, dan
klasik.
Digitalisasi Gelombang Audio
Gelombang audio merupakan gelombang
longitudinal yang merambat melalui medium
seperti medium padat, cair, atau gas.
Gelombang suara merupakan gelombang analog
yang apabila diolah menggunakan peralatan
elektronik, gelombang tersebut harus melalui
tahap digitalisasi sehingga gelombang tersebut
berupa data digital.

1

PENDAHULUAN
Latar Belakang
Genre musik adalah pengelompokan musik
sesuai dengan kemiripan satu dengan yang lain,
seperti kemiripan dalam hal frekuensi musik,
struktur ritmik, dan konten harmoni. Genre
musik merupakan hal yang penting bagi
masyarakat yang menyukai musik, karena
membuat
masyarakat
dengan
mudah
mengelompokan musik yang yang mereka
sukai.
Pada umumnya pengelompokan lagu
dilakukan secara manual yaitu dengan
mendengarakan lagu secara langsung kemudian
dikelompokkan bedasarkan genre lagu tersebut.
Metode ini mempunyai keunggulan yaitu

mempunyai tingkat akurasi yang tinggi, tetapi
kekurangan dari metode ini adalah sangat tidak
efisien untuk data berjumlah banyak, karena
harus didengarkan satu persatu. Pengelompokan
genre lagu secara otomatis mulai dikembangkan
untuk membantu mengelompokan lagu yang
berjumlah banyak. Proses ini mempunyai
keunggulan dalam jumlah data yang bisa
diporses namun kekurangan dari proses
otomatis adalah akurasi yang rendah.
Untuk dapat dikelompokkan data musik
harus melalui proses ekstraksi ciri yang
bertujuan mendapatkan ciri dari lagu tersebut.
Salah satu metode yang dapat digunakan adalah
Mel-frequency cepstral coefficient (MFCC).
MFCC mengekstraksi ciri suara berdasarkan
spektrum yang dihasilkan dari musik. Penelitian
yang menggunakan MFCC dalam proses
ekstraksi ciri antara lain, Prameswari (2010)
yang melakukan penelitian pengembangan

sistem pengenalan kata berbasis fonem dalam
bahasa Indonesia dengan metode resilent
backpropagation, dan Wisnudhisastra (2009)
tentang pengenalan chord gitar dengan teknik
ekstraksi ciri Mel-frequency cepstral coefficient
(MFCC).
Leaning Vector Quantization (LVQ)
merupakan salah satu contoh dari jaringan
syaraf tiruan yang digunakan untuk proses
klasifikasi. Metode LVQ sudah banyak
digunakan untuk penelitian, seperti penelitian
oleh Effedy et al (2008) mengenai deteksi
pornografi pada citra digital menggunakan
pengolahan citra dan jaringan syaraf tiruan,
Qur’ani & Rosmalinda (2010) yang meneliti
jaringan syaraf tiruan LVQ untuk aplikasi
pengenalan tanda tangan.
Klasifikasi genre musik telah dilakukan oleh
Talupur et al (2002). Pada penelitian ini genre

yang diklasifikasikan antara lain klasik, rock,
jazz dan country dengan akurasi tertinggi yang
dihasilkan sebesar 80 %. Berdasarkan penelitian
yang terkait, metode MFCC dan LVQ dapat
digunakan untuk klasifikasi genre musik.
Rumusan Masalah
Rumusan masalah dalam penelitian ini
adalah bagaimana membuat model klasifikasi
data audio menggunakan jaringan syaraf tiruan
LVQ.
Ruang Lingkup
Ruang lingkup pada penelitian ini antara
lain:
1. Dalam penelitian ini, genre musik yang
diklasifikasikan dibatasi hanya genre rock,
klasik, jazz dan keroncong.
2. Musik yang diolah mempunyai durasi 5, 10,
20, dan 25 detik dengan format wav.
3. Data musik menggunakan chanel mono.
Tujuan

Tujuan
dari
penelitian
ini
adalah
mengembangkan model Learning Vector
Quantization untuk klasifikasi genre musik.
Manfaat
Penelitian ini diharapkan dapat melakukan
klasifikasi pada data musik menggunakan
Learning Vector Quantization agar dapat
membantu
peran
manusia dalam hal
menentukan genre musik, sehingga genre musik
tidak lagi bersifat relatif, tetapi dapat
dikelompokkan dengan standardisasi yang telah
ditentukan.
TINJAUAN PUSTAKA
Genre Musik
Genre musik adalah label yang dibuat dan
digunakan manusia untuk mengkategorikan dan
menggambarkan musik di dunia (Tzanekatis
2002). http://allmusic.com mengelompokan
genre musik ke dalam 11 genre utama, yaitu
pop/rock, jazz, r&b, rap, country, blues,
elektronik, latin, reggae, internasional, dan
klasik.
Digitalisasi Gelombang Audio
Gelombang audio merupakan gelombang
longitudinal yang merambat melalui medium
seperti medium padat, cair, atau gas.
Gelombang suara merupakan gelombang analog
yang apabila diolah menggunakan peralatan
elektronik, gelombang tersebut harus melalui
tahap digitalisasi sehingga gelombang tersebut
berupa data digital.

1

Dalam proses digitalisasi audio, gelombang
audio melalui dua tahap proses yaitu sampling
dan kuantisasi (Jurafsky & Martin 2000).
Sampling merupakan proses pengambilan nilai
dalam jangka waktu tertentu. Nilai yang
dimaksud adalah amplitudo, yaitu besarnya
volume suara pada suatu waktu.
Proses
sampling menghasilkan sebuah vektor yang
menyatakan nilai – nilai hasil sampling. Vektor
tersebut mempunyai panjang yang bergantung
pada lamanya sinyal dan sampling rate yang
digunakan. Sampling rate sendiri adalah
banyaknya nilai yang diambil setiap detiknya.
Untuk mengukur panjang vektor sinyal,
digunakan rumus beikut:

Sinyal Kontinu

Frame Blocking

frame

Windowing

Fast Fourier
Transform

= �� ×

dengan
S = panjang vektor
�� = sampling rate (Hertz)
T = panjang sinyal (detik)

spectrum
Mel Frequency
Wrapping

Tahap selanjutnya adalah proses kuantisasi.
Kuantisasi
bertujuan
menyimpan
nilai
amplitudo ke dalam representasi nilai 8 bit atau
16 bit (Jurafsky & Martin 2000).

mel spctrum

Cepstrum

Ekstraksi Ciri Sinyal Audio
Ekstraksi ciri berfungsi mengkarakterisasi
sinyal audio. Beberapa fitur sinyal audio yang
biasa digunakan antara lain Linear Predictive
Coding, Perceptual Linear Prediction, dan MelFrequency. Proses ini dilakukan karena sinyal
audio merupakan sinyal yang bervariasi yang
diwaktukan dengan lambat. Jadi pada jangka
waktu yang sangat pendek (5–100 ms),
karakteristik sinyal tersebut hampir sama, tetapi
dalam jangka waktu yang lebih panjang (0,2
detik atau lebih), karakteristik sinyal audio
tersebut
berubah
dan
memperlihatkan
perbedaan sinyal audio yang diolah (Do 1994).
Mel-Frequency Cepstrum Coefficient (MFCC)

mel spectrum

Gambar 1

Diagram blok proses MFCC (Do
1994)

Tahap-tahap dari proses MFCC dapat
dijelaskan sebagai berikut (Do 1994):
1. Frame Blocking, proses ini membagi sinyal
audio ke dalam frame. Tiap frame terdiri
atas N sample. Gambar 2 menggambarkan
ilustrasi dari proses frame blocking.

Tujuan dari MFCC adalah mengadapatasi
kemampuan telinga manusia dalam mendengar
dan mengolah suara. Proses MFCC dapat dilihat
pada Gambar 1.

Gambar 2

Proses Frame Blocking

2

2. Windowing, pada tahap ini sinyal yang telah
dibagi ke dalam frame dilakukan proses
windowing
untuk
meminimalkan
diskontinuitas
sinyal,
dengan
cara
meminimalkan distorsi spectral dengan
menggunakan window untuk memperkecil
sinyal hingga mendekati nol pada awal dan
akhir tiap frame. Window yang dipakai pada
proses ini adalah Hamming window dengan
persamaan :
= 0,54 − 0,46 � � (2� /( − 1))

4. Mel-Frequency Wrapping. Berdasarkan
studi psikofisik, persepsi manusia terhadap
frekuensi sinyal audio tidak berupa skala
linier. Jadi untuk setiap nada dengan
frekuensi aktual f (dalam Hertz) dapat
diukur tinggi subjektifnya menggunakan
skala ‘mel’. Skala mel-frequency adalah
selang frekuensi di bawah 1000 Hz, dan
selang logaritmik untuk frekuensi di atas
1000 Hz. Gambar 5 mengilustrasikan filter
pada proses mel- frequency wrapping.

(1)

Dengan n = 1, 2, 3... N-1 (N adalah jumlah
frame yang digunakan)
Ilustrasi dari Hamming window dapat dilihat
pada Gambar 3.

Gambar 5

Mel - frequency filter

Proses wrapping terhadap sinyal dalam
domain frekuensi menggunakan persamaan
berikut :
Gambar 3

Hamming window

3. Fast Fourier Transform (FFT), merupakan
fast algorithm dari Discrete Fourier
Transform (DFT) yang berguna untuk
konversi setiap frame dari domain waktu
menjadi
domain
frekuensi.
Berikut
persamaan yang digunakan :
� =

−1
=0

� −2�

/

(2)

dengan n=0, 1, 2 ... N-1, j adalah bilangan
imajiner, yaitu j = − 1.
Gambar 4 memperlihatkan sinyal yang
sudah berubah ke dalam domain frekuensi.

� =

�10

−1
=0

�( )

(3)

dengan i= 1,2,3...,M (M adalah jumlah filter
segitiga) dan Hi (k) adalah nilai filter segitiga
untuk frekuensi akustik sebesar k.
5. Cepstrum, tahap ini menkonversikan log
mel spectrum ke dalam domain waktu Hasil
proses ini disebut mel frequency cepstrum
coefficients. Berikut ini adalah persamaan
yang digunakan dalam DCT :
� =

=1

� � �( ( − 1)/2

�

)
(4)

dengan j= 1,2,3, . . . K (K adalah jumlah
koefisien yang diingankan) dan M adalah
jumlah filter.

Gambar 4

Sinyal audio dalam domain
frekuensi

3

Klasifikasi
Klasifikasi merupakan proses menemukan
sekumpulan model (atau fungsi) yang
menggambarkan dan membedakan konsep atau
kelas-kelas data, dengan tujuan agar model
tersebut dapat digunakan untuk memprediksi
kelas dari suatu objek atau data yang label
kelasnya tidak diketahui (Han & Kamber 2001).
Klasifikasi terdiri atas dua tahap, yaitu
pelatihan dan prediksi (klasifikasi). Pada tahap
pelatihan dibentuk sebuah model domain
permasalahan dari setiap instance yang ada.
Penentuan model tersebut berdasarkan analisis
pada sekumpulan data pelatihan, yaitu data yang
label kelasnya telah diketahui. Pada tahap
klasifikasi, dilakukan prediksi kelas dari
instance (kasus) baru yang telah dibuat pada
tahap pelatihan (Güvnir et al 1998).
Jaringan Syaraf Tiruan
Jaringan syaraf tiruan (JST) adalah sistem
pemroses informasi yang memiliki karakteristik
mirip dengan jaringan syaraf biologi. JST
dibentuk sebagai generalisasi model matematika
dari jaringan syaraf biologi, dengan asumsi
bahwa:
 Pemrosesan informasi terjadi pada banyak
elemen sederhana (neuron).
 Sinyal dikirimkan di antara neuron-neuron
melalui penghubung-penghubung (sinapsis).
 Untuk menentukan output, setiap neuron
menggunakan fungsi aktivasi (Jong 1992).
Arsitektur jaringan syaraf tiruan disajikan
pada Gambar 6.

input (Widodo 2005). Ilustrasi dari jaringan
LVQ dapat dilihat pada Gambar 7.

Gambar 7

Arsitektur jaringan LVQ (Widodo
2005)

Algoritme pelatihan LVQ bertujuan
memperoleh unit output yang paling dekat
dengan vektor input. Bila x dan wc berasal dari
kelas yang sama, maka vektor bobot didekatkan
ke vektor input, tetapi apabila berasal dari kelas
yang berbeda, maka vektor bobot akan
dijauhkan dengan vektor input.
Kelebihan dari LVQ adalah:
1. nilai error yang lebih kecil dibandingkan
dengan jaringan syaraf tiruan seperti
backpropagation.
2. Dapat meringkas data set yang besar
menjadi vektor codebook berukuran kecil
untuk klasifikasi.
3. Dimensi dalam codebook tidak dibatasi
seperti dalam teknik nearest neighbour.
4. Model yang dihasilkan dapat diperbaharui
secara bertahap.
Kekurangan dari LVQ adalah:

Gambar 6

Arsitektur JST sederhana (Jong
1992)

Learning Vector Quantization (LVQ)
Learning Vector Quantization (LVQ)
merupakan suatu metode klasifikasi pola yang
masing-masing unit output mewakili kategori
atau kelas tertentu. Vektor bobot untuk unit
output sering disebut vektor referensi untuk
kelas yang dinyatakan oleh unit tersebut. LVQ
mengklasifikasikan vektor input dalam kelas
yang sama dengan unit output yang memiliki
vektor bobot yang paling dekat dengan vektor

1. Dibutuhkan perhitungan jarak untuk seluruh
atribut.
2. Akurasi model dangan bergantung pada
inisialisasi model serta parameter yang
digunakan (learning rate, iterasi, dan
sebagainya).
3. Akurasi juga dipengaruhi distribusi kelas
pada data training.
4. Sulit untuk menentukan jumlah codebook
vektor untuk masalah yang diberikan.
Algoritme LVQ
Berikut ini adalah algoritme dari LVQ :




Diinisialisasikan nilai bobot, maksimum
epoch, dan learning rate,
Nilai input (m,n), dan kelas target
dimasukkan ke dalam vector (1,n)
Selama kondisi berhenti bernilai salah,
dilakukan :

4

a.
b.
c.

Untuk masing-masing pelatihan
vektor input x
Dicari j sehingga ||x-wj|| bernilai
minimum
Perbaiki wj dengan :
1. Jika T = cj maka
wj baru =wj lama +
α x-wj lama

Informasi tersebut didapatkan dari buku, jurnal,
internet dan artikel-artikel yang membahas
klasifikasi genre musik.
Mulai

Studi Pustaka

Perumusan Masalah

2. Jika T ≠ cj
wj baru =wj lama α x-wj lama
d.
e.

Data Musik

Learning rate dikurangi
Kondisi berhenti dilihat

Praproses

K-fold Cross Validation
Metode k-fold cross validation membagi
data menjadi k-buah subset, sebanyak k-1 buah
subset digunakan sebagai training set dan 1
buah set sebagai testing set (Guiterez 2000).
Sebagai gambaran, pada Gambar 8 terdapat
ilustrasi k-fold cross validation menggunakan 4
buah fold.

Pembagian data
(K-fold cross validation)

Data Latih

Data Uji

Pelatihan

Klasifikasi

LVQ

Evaluasi

Selesai

Gambar 9
Gambar 8

Contoh cross validation dengan 4
fold

Confusion Matrix
Confusion matrix mengandung informasi
tentang aktual dan prediksi klasifikasi yang
dilakukan oleh sistem. Hasil dari sebuah sistem
sering dievaluasi menggunakan confusion
matrix (Kohavi and Provost 1998).

METODE PENELITIAN
Penelitian ini melalui beberapa tahapan
proses. Tahapan proses yang dilakukan dalam
penelitian ini disajikan pada Gambar 9.
Studi Pustaka
Pada tahap ini, kegiatan yang dilakukan
adalah mengumpulkan semua informasi atau
literatur yang terkait dalam penelitian.

Metodologi penelitian

Perumusan Masalah
Pada tahap ini dilakukan analisis terhadap
permasalahan seperti pemilihan data musik,
pemilihan bagian yang akan dijadikan data latih
dan data uji.
Data Musik
Data yang digunakan pada penelitian ini
berjumlah 80 buah data yang dibagi ke dalam 4
buah genre yaitu, keroncong, jazz, klasik, dan
rock, (masing–masing genre terdiri atas 20 buah
lagu). Penulis menggunakan 4 buah genre
dikarenakan penelitian ini dimaksudkan sebagai
model awal penelitian klasifikasi genre musik.
Setelah data dikumpulkan proses selanjutnya
adalah memotong durasi dari tiap lagu secara
random, menjadi 5, 10, 20 dan 25 detik dengan
menggunakan software Audacity.

5

a.
b.
c.

Untuk masing-masing pelatihan
vektor input x
Dicari j sehingga ||x-wj|| bernilai
minimum
Perbaiki wj dengan :
1. Jika T = cj maka
wj baru =wj lama +
α x-wj lama

Informasi tersebut didapatkan dari buku, jurnal,
internet dan artikel-artikel yang membahas
klasifikasi genre musik.
Mulai

Studi Pustaka

Perumusan Masalah

2. Jika T ≠ cj
wj baru =wj lama α x-wj lama
d.
e.

Data Musik

Learning rate dikurangi
Kondisi berhenti dilihat

Praproses

K-fold Cross Validation
Metode k-fold cross validation membagi
data menjadi k-buah subset, sebanyak k-1 buah
subset digunakan sebagai training set dan 1
buah set sebagai testing set (Guiterez 2000).
Sebagai gambaran, pada Gambar 8 terdapat
ilustrasi k-fold cross validation menggunakan 4
buah fold.

Pembagian data
(K-fold cross validation)

Data Latih

Data Uji

Pelatihan

Klasifikasi

LVQ

Evaluasi

Selesai

Gambar 9
Gambar 8

Contoh cross validation dengan 4
fold

Confusion Matrix
Confusion matrix mengandung informasi
tentang aktual dan prediksi klasifikasi yang
dilakukan oleh sistem. Hasil dari sebuah sistem
sering dievaluasi menggunakan confusion
matrix (Kohavi and Provost 1998).

METODE PENELITIAN
Penelitian ini melalui beberapa tahapan
proses. Tahapan proses yang dilakukan dalam
penelitian ini disajikan pada Gambar 9.
Studi Pustaka
Pada tahap ini, kegiatan yang dilakukan
adalah mengumpulkan semua informasi atau
literatur yang terkait dalam penelitian.

Metodologi penelitian

Perumusan Masalah
Pada tahap ini dilakukan analisis terhadap
permasalahan seperti pemilihan data musik,
pemilihan bagian yang akan dijadikan data latih
dan data uji.
Data Musik
Data yang digunakan pada penelitian ini
berjumlah 80 buah data yang dibagi ke dalam 4
buah genre yaitu, keroncong, jazz, klasik, dan
rock, (masing–masing genre terdiri atas 20 buah
lagu). Penulis menggunakan 4 buah genre
dikarenakan penelitian ini dimaksudkan sebagai
model awal penelitian klasifikasi genre musik.
Setelah data dikumpulkan proses selanjutnya
adalah memotong durasi dari tiap lagu secara
random, menjadi 5, 10, 20 dan 25 detik dengan
menggunakan software Audacity.

5

Data yang pada awalnya berupa chanel
stereo diubah ke dalam chanel mono. Kemudian
data tersebut disimpan dengan file berekstensi
WAV.
Praproses
Pada tahap ini dilakukan ekstraksi ciri
menggunakan metode MFCC. Beberapa
parameter MFCC yang digunakan pada
penelitian ini adalah, sampling rate sebesar
11000 Hz, jumlah data tiap frame sebanyak 512,
dan jumlah cepstral coefficient sebesar 13.
Pembagian Data Uji dan Data Latih
Untuk pembagian data uji dan data latih
digunakan metode k-fold cross validation yang
akan membagi data ke dalam subset-subset
sesuai jumlah fold yang digunakan. Fold yang
dipakai pada penelitian ini berjumlah 2 hingga
10 fold.
Pelatihan
Input layer merupakan matriks hasil
ekstraksi ciri menggunakan MFCC yang dibagi
menggunakan k-fold cross validation dengan
target kelas pada masing-masing lagu yaitu
kelas 1 untuk genre keroncong, kelas 2 untuk
genre jazz, kelas 3 untuk genre klasik dan kelas
4 untuk genre rock. Jaringan LVQ yang
dibentuk menggunakan 4 neuron sesuai dengan
banyaknya genre dalam penelitian. Parameter
lain yang digunakan adalah learning rate,
learning rate yang dipilih adalah 0.01.
Pengujian
Proses pengujian dilakukan dengan menguji
data yang telah dibagi ke dalam matriks data uji
menggunakan metode k-fold cross validation.
Data uji tersebut kemudian diuji menggunakan
fungsi sim dari Matlab. Fungsi ini menghitung
jarak data yang diuji menggunakan model JST
hasil pelatihan menggunakan jarak eucllidean.
Evaluasi
Evaluasi merupakan proses untuk melihat
apakah proses klasifikasi sudah tepat atau
belum. Pada proses ini akan dilihat apakah tiaptiap lagu yang diuji apakah sudah masuk ke
dalam kelas yang tepat atau belum. Hasil
klasifikasi dapat dilihat dalam sebuah confusion
matrix yang di dalamnya terdapat jumlah dari
data yang masuk ke dalam kelas yang benar dan
kelas yang salah.

i. Perangkat Keras
 Prosesor Intel Pentium(R) Dual-Core
CPU 2.20 GHz.
 Memori 1 GB.
 Harddisk 80 GB.
 Keyboard dan mouse.
 Monitor.
 Speaker.
ii. Perangkat Lunak
 Sistem
operasi
Professional.
 Matlab 7.R2008b.
 Audacity 1.2.6.

Windows

XP

Pada tahap pengujian, spesifikasi perangkat
keras dan lunak yang digunakan adalah:
i. Perangkat Keras
 Prosesor Intel Pentium(R) Dual-Core
CPU 2.20 GHz
 Memori 1 GB.
 Harddisk 80 GB.
 Keyboard dan mouse.
 Monitor.
ii. Perangkat Lunak
 Sistem
operasi
Professional.
 Matlab 7.R2008b.

Windows

XP

HASIL DAN PEMBAHASAN
Data Musik
Penelitian ini menggunakan 80 buah lagu
berformat mp3 yang sebelumnya telah diketahui
jenis genre dari lagu tersebut. Genre musik yang
digunakan adalah keroncong, jazz, klasik, dan
rock dengan masing–masing 20 buah lagu untuk
setiap genre. Judul dari lagu yang digunakan
untuk penelitian dapat dilihat pada Lampiran 1.
Data tersebut kemudian disesuaikan panjang
durasinya menjadi 5, 10, 20, dan 25 detik untuk
selanjutnya diubah chanel-nya menjadi mono.
Pemilihan 4 macam durasi tersebut bertujuan
membandingkan
durasi
mana
yang
menghasilkan akurasi tertinggi. Gambar 10, 11,
12, dan 13 memperlihatkan grafik gelombang
audio yang dipergunakan pada penelitian.

Lingkungan Pengembangan
Untuk tahap pelatihan, penelitian ini
diimplementasikan menggunakan spesifikasi
perangkat keras dan lunak sebagai berikut:

6

Data yang pada awalnya berupa chanel
stereo diubah ke dalam chanel mono. Kemudian
data tersebut disimpan dengan file berekstensi
WAV.
Praproses
Pada tahap ini dilakukan ekstraksi ciri
menggunakan metode MFCC. Beberapa
parameter MFCC yang digunakan pada
penelitian ini adalah, sampling rate sebesar
11000 Hz, jumlah data tiap frame sebanyak 512,
dan jumlah cepstral coefficient sebesar 13.
Pembagian Data Uji dan Data Latih
Untuk pembagian data uji dan data latih
digunakan metode k-fold cross validation yang
akan membagi data ke dalam subset-subset
sesuai jumlah fold yang digunakan. Fold yang
dipakai pada penelitian ini berjumlah 2 hingga
10 fold.
Pelatihan
Input layer merupakan matriks hasil
ekstraksi ciri menggunakan MFCC yang dibagi
menggunakan k-fold cross validation dengan
target kelas pada masing-masing lagu yaitu
kelas 1 untuk genre keroncong, kelas 2 untuk
genre jazz, kelas 3 untuk genre klasik dan kelas
4 untuk genre rock. Jaringan LVQ yang
dibentuk menggunakan 4 neuron sesuai dengan
banyaknya genre dalam penelitian. Parameter
lain yang digunakan adalah learning rate,
learning rate yang dipilih adalah 0.01.
Pengujian
Proses pengujian dilakukan dengan menguji
data yang telah dibagi ke dalam matriks data uji
menggunakan metode k-fold cross validation.
Data uji tersebut kemudian diuji menggunakan
fungsi sim dari Matlab. Fungsi ini menghitung
jarak data yang diuji menggunakan model JST
hasil pelatihan menggunakan jarak eucllidean.
Evaluasi
Evaluasi merupakan proses untuk melihat
apakah proses klasifikasi sudah tepat atau
belum. Pada proses ini akan dilihat apakah tiaptiap lagu yang diuji apakah sudah masuk ke
dalam kelas yang tepat atau belum. Hasil
klasifikasi dapat dilihat dalam sebuah confusion
matrix yang di dalamnya terdapat jumlah dari
data yang masuk ke dalam kelas yang benar dan
kelas yang salah.

i. Perangkat Keras
 Prosesor Intel Pentium(R) Dual-Core
CPU 2.20 GHz.
 Memori 1 GB.
 Harddisk 80 GB.
 Keyboard dan mouse.
 Monitor.
 Speaker.
ii. Perangkat Lunak
 Sistem
operasi
Professional.
 Matlab 7.R2008b.
 Audacity 1.2.6.

Windows

XP

Pada tahap pengujian, spesifikasi perangkat
keras dan lunak yang digunakan adalah:
i. Perangkat Keras
 Prosesor Intel Pentium(R) Dual-Core
CPU 2.20 GHz
 Memori 1 GB.
 Harddisk 80 GB.
 Keyboard dan mouse.
 Monitor.
ii. Perangkat Lunak
 Sistem
operasi
Professional.
 Matlab 7.R2008b.

Windows

XP

HASIL DAN PEMBAHASAN
Data Musik
Penelitian ini menggunakan 80 buah lagu
berformat mp3 yang sebelumnya telah diketahui
jenis genre dari lagu tersebut. Genre musik yang
digunakan adalah keroncong, jazz, klasik, dan
rock dengan masing–masing 20 buah lagu untuk
setiap genre. Judul dari lagu yang digunakan
untuk penelitian dapat dilihat pada Lampiran 1.
Data tersebut kemudian disesuaikan panjang
durasinya menjadi 5, 10, 20, dan 25 detik untuk
selanjutnya diubah chanel-nya menjadi mono.
Pemilihan 4 macam durasi tersebut bertujuan
membandingkan
durasi
mana
yang
menghasilkan akurasi tertinggi. Gambar 10, 11,
12, dan 13 memperlihatkan grafik gelombang
audio yang dipergunakan pada penelitian.

Lingkungan Pengembangan
Untuk tahap pelatihan, penelitian ini
diimplementasikan menggunakan spesifikasi
perangkat keras dan lunak sebagai berikut:

6

sampling rate sebesar 11000 Hz, banyaknya
data dalam satu frame sebanyak 512 data.
Parameter ini dipilah berdasarkan parameter
yang digunakan pada penelitian Prameswari
(2010), apabila nilai sampling rate ditambah
maka data yang diambil dalam satu detik
semakin banyak dan semakin mendekati sinyal
asli, tetapi waktu proses juga akan semakin
panjang. Gambar 14 mengilustrasikan sinyal
audio yang digunakan dengan sampling rate
sebesar 11000 Hz dengan contoh dari data
berdurasi 5 detik.
Gambar 10 Grafik durasi 5 detik

Ganbar 11

Grafik durasi 10 detik
Gambar 14

Gambar 12

Grafik durasi 20 detik

Gambar 13

Grafik durasi 25 detik

Sinyal audio

Sinyal audio tersebut kemudian dilakukan
proses frame blocking yang membagi data ke
dalam beberapa frame. Overlap antar frame
yang digunakan sebesar 94% dikarenakan
overlap sebesar 94% menghasilkan akurasi
yang paling optimal. Pada awal penelitian
overlap antar frame yang digunakan sebesar
50% seperti pada penelitian Prameswari (2010),
namun akurasi yang dihasilkan hanya berkisar
65% sehingga digunakan overlap sepanjang
94%. Hasil proses frame blocking dapat dilihat
pada Gambar 15.

Praproses

Gambar 15

Data musik yang telah disesuaikan panjang
durasinya dilakukan proses ekstraksi ciri
menggunakan metode MFCC. Parameter yang
digunakan dalam proses MFCC antara lain,

Proses selanjutnya adalah proses windowing
masing-masing frame, fungsi window yang
digunakan adalah Hamming window. Gambar

Hasil frame blocking

7

16 mengilustrasikan hasil dari proses
windowing. Hasil praproses untuk genre klasik,
rock dan keroncong disajikan pada Lampiran 2.

Gambar 16

Gambar 19

Hasil ekastraksi ciri untuk genre
klasik

Gambar 20

Hasil ekstraksi ciri untuk genre
rock.

Hasil proses windowing

Kemudian dilakukan proses mel-frequency
wrapping. Pada proses ini diperlukan beberapa
filter yang saling overlap dalam domain
frequensi. Selanjutnya hasil dari proses Melfrequency wrapping dilakukan proses konversi
log mel spectrum ke dalam domain waktu. Hasil
dari proses ini disebut mel frequency cepstrum
coefficient. Hasil proses ini disajikan pada
Gambar 17, 18, 19 dan 20.

Pelatihan dan Pengujian

Gambar 17

Hasil ekstraksi ciri untuk genre
jazz

Gambar 18

Hasil ekstraksi ciri untuk genre
keroncong

Setelah dilakukan proses ekstraksi ciri,
selanjutnya dilakukan proses pembagian data
menggunakan metode k-fold cross validation.
Data yang akan dilakukan percobaan berupa
sebuah matriks berukuran banyaknya sample
dalam satu data dikali banyaknya data yaitu 80
buah lagu. Pada baris terakhir disisipkan kelas
dari data tersebut sebagai inputan untuk
pelatihan menggunakan LVQ. Untuk pelatihan
paramater-parameter yang digunakan antara
lain, jumlah folds, epoch, dan learning rate.
Dalam penelitian ini jumlah epoch yang
digunakan sebanyak 1000 epoch, tetapi proses
pelatihan akan dihentikan ketika error rate pada
pelatihan sudah stabil meskipun belum
mencapai jumlah epoch maksimum. Learning
rate yang digunakan adalah 0.01, nilai ini
digunakan karena nilai ini yang menghasilkan
error rate yang paling kecil. Ketika nilai
learning rate ditambah proses pelatihan akan
semakin cepat, tetapi berimbas pada error rate
yang semakin besar. Sedangkan apabila

8

learning rate lebih rendah rendah dari 0.01
proses pelatihan akan semakin lambat tetapi
error rate yang dihasilkan tidak lebih baik dari
nilai learning rate sebesar 0.01.
Jumlah fold yang digunakan berjumlah 2
hingga 10 fold.
Setiap pembagian
menghasilkan 2 buah matriks, satu matriks
untuk data latih dan matriks lainnya untuk data
uji.
Pelatihan menggunakan LVQ menggunakan
data dari matriks data latih hasil pembagian
metode k-fold cross validation. Hasil dari
pelatihan ini adalah sebuah model jaringan
syaraf tiruan yang di dalamnya terdapat matriks
hasil pelatihan berukuran banyaknya target dari
data yang dilatih. Tabel 1 menyajikan hasil
klasifikasi tiap fold.
Tabel 1
Durasi

5

Durasi

10

Durasi

20

Durasi
20

Durasi

25

Akurasi pengujian tiap fold
Fold

Akurasi

2

88,7 %

3

91,02%

4

90%

5

90%

6

88,75%

7

88,75%

8

88,75%

9

87,5%

10

88,75%

Fold

Akurasi

2

87,5%

3

92,5%

4

93,75%

5

90%

6

90%

7

90%

8

88,75%

9

90%

10

92,5%

Fold

Akurasi

2

66,25%

3

67,5%

4

68,75%

5

65%

6

68%

Fold

Akurasi

7

65%

8

65%

9

70,8%

10

68,75%

Fold

Akurasi

2

61,25%

3

65%

4

67,5%

5

63,75%

6

63,75%

7

65%

8

65%

9

67,5%

10

66,25%

Dari hasil percobaan dapat dilihat bahwa
akurasi tertinggi didapatkan dari percobaan
dengan durasi 5 dan 10 detik, dengan akurasi
masing–masing 90%. Sedangkan percobaan
dengan hasil akurasi terendah yaitu sebesar 65%
didapatkan dari data dengan durasi sepanjang
25 detik.
Berdasarkan percobaan dapat dilihat bahwa
percobaan menggunakan 4-fold menghasilkan
nilai akurasi tertinggi dari tiap panjang durasi.
Hasil klasifikasi genre musik dengan 4-fold
dapat dilihat pada Tabel 2, 3, 4, dan 5.
Tabel 2

Kelas

Hasil klasifikasi data berdurasi 5
detik
Jumlah Data Tiap
Kelas

Tingkat
Akurasi

1

2

3

4

1

18

0

1

1

90%

2

0

20

0

0

100%

3

5

0

14

1

70%

4

0

0

0

20

100%

Rata-rata

90%

9

Tabel 3

Kelas

Hasil klasifikasi data berdurasi 10
detik
Jumlah Data Tiap
Kelas

Tingkat
Akurasi

1

2

3

4

1

18

0

1

1

90%

2

0

20

0

0

100%

3

2

0

18

0

90%

4

1

0

0

19

95%
93,75%

Rata-rata
Tabel 4

Kelas

Hasil klasifikasi data berdurasi 20
detik
Jumlah Data Tiap
Kelas

Tingkat
Akurasi

1

2

3

4

1

16

2

1

1

80%

2

10

7

0

3

35%

3

3

3

14

0

70%

4

1

1

0

18

90%
65%

Rata-rata
Tabel 5

Kelas

Hasil klasifikasi data berdurasi 25
detik
Jumlah Data Tiap
Kelas

Tingkat
Akurasi

1

2

3

4

1

16

2

1

1

80%

2

12

6

0

2

30%

3

2

4

14

0

70%

4

1

1

0

18

90%

Rata-rata

67,5%

Kelas 1 pada Tabel 2, 3, 4 ,dan 5 mewakili
genre keroncong, kelas 2 mewakili genre jazz,
kelas 3 mewakili genre keroncong, dan kelas 4
mewakili genre rock. Hasil klasifikasi untuk
data dengan durasi 5 detik disajikan pada Tabel
2. Dari Tabel 2 dapat dilihat untuk genre dengan
kelas 2 dan 4 yaitu genre jazz dan rock memiliki
tingkat akurasi hingga 100%. Untuk genre
keroncong tingkat akurasinya adalah 90% atau
sebanyak 18 buah data diklasifikasikan ke kelas

yang benar sedangkan dua buah data yang salah
diklasifikasikan ke dalam kelas klasik (3) dan
rock (4). Hasil akurasi yang paling rendah
adalah genre klasik dengan tingkat akurasi
sebesar 70%, sebanyak 5 buah data dari genre
klasik diklasifikasikan ke dalam kelas
keroncong dan 1 buah diklasifikasikan ke dalam
genre rock.
Untuk data dengan durasi 10 detik akurasi
tertinggi dimiliki oleh genre jazz dengan akurasi
sebesar 100 % seperti disajikan pada Tabel 3.
Selanjutnya genre rock meiliki tingkat akurasi
sebesar 95% jadi hanya satu data yang salah
diklasifikasikan ke dalam kelas keroncong,
sementara genre keroncong dan klasik memiliki
akurasi yang sama yaitu 90%. Pada genre
keroncong 1 data diklasifikasikan ke dalam
kelas klasik dan satu lagu ke dalam kelas rock.
Sementara untuk genre klasik 2 data yang salah
diklasifikasikan ke dalam kelas rock.
Data dengan akurasi sepanjang 20 detik
mengalami penurunan tingkat akurasi. Akurasi
tertinggi yang pada durasi 10 dan 5 sebesar
100% kini hanya 90% yang dimiliki oleh genre
rock seperti yang terlihat pada Tabel 4 dua data
yang salah masuk ke dalam kelas keroncong
dan jazz. Genre keroncong menghasilkan
akurasi sebesar 80% dimana ada 4 buah data
yang
salah
diklasifikasikan,
2
data
diklasifikasikan sebagai kelas jazz, 1 data untuk
klasik dan satu lagi untuk jazz. Genre klasik
menghasilkan tingkat akurasi masing sebesar
70%, 3 buah data salah diklasifikasikan ke
dalam genre keroncong dan 3 data lainya ke
dalam genre jazz. Hasil akurasi terendah adalah
genre jazz sebesar 35%, pada genre jazz
sebanyak 10 data atau 50% dari keseluruhan
diklasifikasikan ke dalam genre keroncong dan
3 lainya diklasifikasikan ke dalam genre rock .
pada durasi 20 detik genre klasik lebih banyak
diklasifikasikan ke dalam genre keroncong
dikarenakan jarak hasil perhitungan jarak genre
keroncong lebih dekat kepada genre keroncong.
Penyebab lain adalah semakin panjangnya
durasi, semakin banyak juga vektor yang
dilakukan perhitungan sehingga membuat genre
klasik lebih dekat kepada genre keroncong.
Hasil klasifikasi dengan durasi 25 detik
tidak terlalu berbeda jauh dengan yang
dihasilkan pada data dengan durasi 20 detik.
Seperti terlihat pada Tabel 5, akurasi tertinggi
masih dipegang oleh genre rock dengan akurasi
sebesar 90%, sebanyak 18 data diklasifikasikan
benar, 1 data diklasifikasikan sebagai kelas
keroncong dan 1 data lagi diklasifikasikan ke
dalam kelas jazz. Genre keroncong dengan

10

akurasi sebesar 80% dengan 2 data
diklasifikasikan sebagai kelas jazz, 1 data
diklasifikasikan sebagai kelas klasik dan 1 data
sebagai kelas rock.
Genre klasik dengan
akurasi
70%
dengan
2
buah
data
diklasifikasikan sebagai kelas keroncong dan 4
buah data diklasifikasikan sebagai kelas jaz.
Genre jazz menghasilkan akurasi sebesar 30%,
sebanyak 12 data diklasifkasikan salah ke dalam
kelas
keroncong
dan
6
buah
data
diklasifikasikan sebagai kelas jazz. Hal ini
disebabkan oleh jarak vector sampel dari genre
klasik lebih dekat kepada genre keroncong.
Untuk lebih jelasnya Lampiran 3 menampilkan
hasil klasifikasi secara lengkap.
Klasifikasi dengan durasi 20 dan 25 sekon
mempunyai
hasil
yang
lebih
rendah
dibandingkan klasifikasi dengan durasi 5 dan 10
sekon. Hal tersebut dikarenakan semakin
panjang durasi semakin banyak pula vektor
yang dihitung sehingga mempengaruhi hasil
dari perhitungan jarak yang menyebabkan
proses pelatihan tidak menghasilkan codebook
vector yang sesuai.
Untuk waktu pelatihan disajikan pada
Gambar 21 , data dengan durasi 5 detik
memakan waktu 30 menit, durasi 10 detik
memakan waktu 45 menit, durasi 20 memakan
waktu 120 menit, dan durasi 25 detik memakan
waktu 150 menit.

10 detik memiliki tingkat akurasi tertinggi.
Hasil penelitian ini lebih tinggi dari penelitian
Taluput et al (2002) yang menghasilkan akurasi
sebesar 80%.
Kecenderungan pengaruh penambahan
durasi terhadap penurunan durasi terlihat pada
data dengan durasi 10 dan 20 yang detik
mengalami penurunan tingkat akurasi dari
93,75% menjadi 65%.
Saran
Saran yang penulis dapat berikan untuk
penelitian selanjutnya yang berkaitan antara
lain:
1. Penelitian ini hanya menggunakan 4 buah
genre musik dari genre musik utama. Pada
penelitian
selanjutnya
diharapkan
menggunakan genre musik yang lebih
beragam dan berasal dari sub genre.
2. Durasi yang digunakan pada penelitian ini
adalah 5, 10, 20 dan 25 dan chanel yang
digunakan adalah chanel mono. Diharapkan
pada penelitian selanjutnya menggunakan
durasi yang lebih beragam dan chanel
stereo.
3. Untuk pengujian diperhatikan aspek
distribusi, jadi tidak hanya dilihat dari jarak
data uji terhadap codebook vector.

DAFTAR PUSTAKA
200

150
120

150
100
30

45

5 Sekon

10
Sekon

50
0

Gambar 21

Grafik
proses

20
Sekon

25
Sekon

perbandingan

waktu

KESIMPULAN DAN SARAN
Kesimpulan
Dari hasil percobaan yang dilakukan
didapatkan, penelitian ini telah berhasil
mengimplementasikan metode MFCC dan LVQ
dalam membuat model codebook vector dan
melakukan klasifikasi genre musik dengan
akurasi sebesar 90% untuk durasi 5 detik,
93,75% untuk durasi 10 detik, 65 untuk durasi
20 detik dan 93,75% untuk durasi 25 detik. Dari
hasil percobaan dapat disimpulkan bahwa durasi

Campbell,Jr JP. 1997. Speaker Recognition: A
Tutorial. Procedding IEEE, Vol 85 No.9,
September 1997.
Do MN. 1994. Digital Signal Processing MiniProject: An Automatic Speaker Recognition
System. Audio Visual Communication
Laboratory, Swiss Federal Institute of
technology, Laussanne,Switzerland.
Fausett L. 1994. Fundamental of Neural
Network Architectures, Algorithm, and
Applications. New Jersey: Prentice Hall.
Han J, Kamber M. 2001. Data Minning
Concepts & Techniques. USA: Academic
Press
Prameswari. 2010. Pengembangan Sistem
Pengenalan Kata Berbasiskan Fonem dalam
Bahasa Indonesia dengan Metode Resilent
Backpropagation.
[Skripsi].
Bogor:
Departemen Ilmu Komputer Fakultas
Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor.

11

akurasi sebesar 80% dengan 2 data
diklasifikasikan sebagai kelas jazz, 1 data
diklasifikasikan sebagai kelas klasik dan 1 data
sebagai kelas rock.
Genre klasik dengan
akurasi
70%
dengan
2
buah
data
diklasifikasikan sebagai kelas keroncong dan 4
buah data diklasifikasikan sebagai kelas jaz.
Genre jazz menghasilkan akurasi sebesar 30%,
sebanyak 12 data diklasifkasikan salah ke dalam
kelas
keroncong
dan
6
buah
data
diklasifikasikan sebagai kelas jazz. Hal ini
disebabkan oleh jarak vector sampel dari genre
klasik lebih dekat kepada genre keroncong.
Untuk lebih jelasnya Lampiran 3 menampilkan
hasil klasifikasi secara lengkap.
Klasifikasi dengan durasi 20 dan 25 sekon
mempunyai
hasil
yang
lebih
rendah
dibandingkan klasifikasi dengan durasi 5 dan 10
sekon. Hal tersebut dikarenakan semakin
panjang durasi semakin banyak pula vektor
yang dihitung sehingga mempengaruhi hasil
dari perhitungan jarak yang menyebabkan
proses pelatihan tidak menghasilkan codebook
vector yang sesuai.
Untuk waktu pelatihan disajikan pada
Gambar 21 , data dengan durasi 5 detik
memakan waktu 30 menit, durasi 10 detik
memakan waktu 45 menit, durasi 20 memakan
waktu 120 menit, dan durasi 25 detik memakan
waktu 150 menit.

10 detik memiliki tingkat akurasi tertinggi.
Hasil penelitian ini lebih tinggi dari penelitian
Taluput et al (2002) yang menghasilkan akurasi
sebesar 80%.
Kecenderungan pengaruh penambahan
durasi terhadap penurunan durasi terlihat pada
data dengan durasi 10 dan 20 yang detik
mengalami penurunan tingkat akurasi dari
93,75% menjadi 65%.
Saran
Saran yang penulis dapat berikan untuk
penelitian selanjutnya yang berkaitan antara
lain:
1. Penelitian ini hanya menggunakan 4 buah
genre musik dari genre musik utama. Pada
penelitian
selanjutnya
diharapkan
menggunakan genre musik yang lebih
beragam dan berasal dari sub genre.
2. Durasi yang digunakan pada penelitian ini
adalah 5, 10, 20 dan 25 dan chanel yang
digunakan adalah chanel mono. Diharapkan
pada penelitian selanjutnya menggunakan
durasi yang lebih beragam dan chanel
stereo.
3. Untuk pengujian diperhatikan aspek
distribusi, jadi tidak hanya dilihat dari jarak
data uji terhadap codebook vector.

DAFTAR PUSTAKA
200

150
120

150
100
30

45

5 Sekon

10
Sekon

50
0

Gambar 21

Grafik
proses

20
Sekon

25
Sekon

perbandingan

waktu

KESIMPULAN DAN SARAN
Kesimpulan
Dari hasil percobaan yang dilakukan
didapatkan, penelitian ini telah berhasil
mengimplementasikan metode MFCC dan LVQ
dalam membuat model codebook vector dan
melakukan klasifikasi genre musik dengan
akurasi sebesar 90% untuk durasi 5 detik,
93,75% untuk durasi 10 detik, 65 untuk durasi
20 detik dan 93,75% untuk durasi 25 detik. Dari
hasil percobaan dapat disimpulkan bahwa durasi

Campbell,Jr JP. 1997. Speaker Recognition: A
Tutorial. Procedding IEEE, Vol 85 No.9,
September 1997.
Do MN. 1994. Digital Signal Processing MiniProject: An Automatic Speaker Recognition
System. Audio Visual Communication
Laboratory, Swiss Federal Institute of
technology, Laussanne,Switzerland.
Fausett L. 1994. Fundamental of Neural
Network Architectures, Algorithm, and
Applications. New Jersey: Prentice Hall.
Han J, Kamber M. 2001. Data Minning
Concepts & Techniques. USA: Academic
Press
Prameswari. 2010. Pengembangan Sistem
Pengenalan Kata Berbasiskan Fonem dalam
Bahasa Indonesia dengan Metode Resilent
Backpropagation.
[Skripsi].
Bogor:
Departemen Ilmu Komputer Fakultas
Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor.

11

KLASIFIKASI GENRE MUSIK MENGGUNAKAN LEARNING
VECTOR QUANTIZATION (LVQ)

MUHAMMAD RIDWAN FANSURI

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011

akurasi sebesar 80% dengan 2 data
diklasifikasikan sebagai kelas jazz, 1 data
diklasifikasikan sebagai kelas klasik dan 1 data
sebagai kelas rock.
Genre klasik dengan
akurasi
70%
dengan
2
buah
data
diklasifikasikan sebagai kelas keroncong dan 4
buah data diklasifikasikan sebagai kelas jaz.
Genre jazz menghasilkan akurasi sebesar 30%,
sebanyak 12 data diklasifkasikan salah ke dalam
kelas
keroncong
dan
6
buah
data
diklasifikasikan sebagai kelas jazz. Hal ini
disebabkan oleh jarak vector sampel dari genre
klasik lebih dekat kepada genre keroncong.
Untuk lebih jelasnya Lampiran 3 menampilkan
hasil klasifikasi secara lengkap.
Klasifikasi dengan durasi 20 dan 25 sekon
mempunyai
hasil
yang
lebih
rendah
dibandingkan klasifikasi dengan durasi 5 dan 10
sekon. Hal tersebut dikarenakan semakin
panjang durasi semakin banyak pula vektor
yang dihitung sehingga mempengaruhi hasil
dari perhitungan jarak yang menyebabkan
proses pelatihan tidak menghasilkan codebook
vector yang sesuai.
Untuk waktu pelatihan disajikan pada
Gambar 21 , data dengan durasi 5 detik
memakan waktu 30 menit, durasi 10 detik
memakan waktu 45 menit, durasi 20 memakan
waktu 120 menit, dan durasi 25 detik memakan
waktu 150 menit.

10 detik memiliki tingkat akurasi tertinggi.
Hasil penelitian ini lebih tinggi dari penelitian
Taluput et al (2002) yang menghasilkan akurasi
sebesar 80%.
Kecenderungan pengaruh penambahan
durasi terhadap penurunan durasi terlihat pada
data dengan durasi 10 dan 20 yang detik
mengalami penurunan tingkat akurasi dari
93,75% menjadi 65%.
Saran
Saran yang penulis dapat berikan untuk
penelitian selanjutnya yang berkaitan antara
lain:
1. Penelitian ini hanya menggunakan 4 buah
genre musik dari genre musik utama. Pada
penelitian
selanjutnya
diharapkan
menggunakan genre musik yang lebih
beragam dan berasal dari sub genre.
2. Durasi yang digunakan pada penelitian ini
adalah 5, 10, 20 dan 25 dan chanel yang
digunakan adalah chanel mono. Diharapkan
pada penelitian selanjutnya menggunakan
durasi yang lebih beragam dan chanel
stereo.
3. Untuk pengujian diperhatikan aspek
distribusi, jadi tidak hanya dilihat dari jarak
data uji terhadap codebook vector.

DAFTAR PUSTAKA
200

150
120

150
100
30

45

5 Sekon

10
Sekon

50
0

Gambar 21

Grafik
proses

20
Sekon

25
Sekon

perbandingan

waktu

KESIMPULAN DAN SARAN
Kesimpulan
Dari hasil percobaan yang dilakukan
didapatkan, penelitian ini telah berhasil
mengimplementasikan metode MFCC dan LVQ
dalam membuat model codebook vector dan
melakukan klasifikasi genre musik dengan
akurasi sebesar 90% untuk durasi 5 detik,
93,75% untuk durasi 10 detik, 65 untuk durasi
20 detik dan 93,75% untuk durasi 25 detik. Dari
hasil percobaan dapat disimpulkan bahwa durasi

Campbell,Jr JP. 1997. Speaker Recognition: A
Tutorial. Procedding IEEE, Vol 85 No.9,
September 1997.
Do MN. 1994. Digital Signal Processing MiniProject: An Automatic Speaker Recognition
System. Audio Visual Communication
Laboratory, Swiss Federal Institute of
technology, Laussanne,Switzerland.
Fausett L. 1994. Fundamental of Neural
Network Architectures, Algorithm, and
Applications. New Jersey: Prentice Hall.
Han J, Kamber M. 2001. Data Minning
Concepts & Techniques. USA: Academic
Press
Prameswari. 2010. Pengembangan Sistem
Pengenalan Kata Berbasiskan Fonem dalam
Bahasa Indonesia dengan Metode Resilent
Backpropagation.
[Skripsi].
Bogor:
Departemen Ilmu Komputer Fakultas
Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor.

11

Suhartono MN. 2007. Pengembangan Model
Identifikasi Pembicara dengan Probabilistic
Neural
Network.
[Skripsi].
Bogor:
Departemen Ilmu Komputer Fakultas
Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor.
Talupur M, Suman N, Yan H. 2002.
Classification of Music Genre. Computer
Science Department. Carnegie Mellon
University.
Widodo TN. 2005. Sistem Neuro Fuzzy. Graha
Ilmu, Yogyakarta.
Wisnudisastra E. 2010. Pengenalan Chord
Pada Alat Musik Gitar Menggunakan
Codebook Dengan Teknik Ekstraksi Ciri
MFCC. [Skripsi]. Bogor: Departemen Ilmu
Komputer Fakultas Matematika dan Ilmu
Pengetahuan Alam Institut Pertanian Bogor.

12

KLASIFIKASI GENRE MUSIK MENGGUNAKAN LEARNING
VECTOR QUANTIZATION (LVQ)

MUHAMMAD RIDWAN FANSURI

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011

KLASIFIKASI GENRE MUSIK MENGGUNAKAN LEARNING
VECTOR QUANTIZATION (LVQ)

MUHAMMAD RIDWAN FANSURI
G64062253

Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011

ABSTRACT
MUHAMMAD RIDWAN FANSURI, Musical Genre Classification Using Learning Vector
Quantization (LVQ). Under the supervision of SONY HARTONO WIJAYA.
Radio stations and music television have a milion of music tapes. A lot of musical genres
create a problem when people wants to determine the right genre of a new kind of music. To classify
the musical genre is not an easy task, because the musical genre is really difficult to standardization.
Automatic musical genre classification can assist the human role in that process and help people to
searching for the song acording to the genre that people want.
This research using Mel Frequency Coefficient Cepstrum (MFCC) to obtain feature extraction.
Learning Vector Quantization (LVQ), one kind of artificial neural network used for classification
method. The number of genres that are used were four kind of musical genre, that is rock, classic,
keroncong, and jazz with four different duration that is 5 second, 10 second, 20 second and 25 second.
This research using k- fold cross validation to distribute dataset for training and testing set with the
number of folds as much as 2 until 10 fold.
This research succesfully implemented MFCC feature exraction and classification using LVQ.
Based on this research, the accuracy of the classification using Learning Vector Quantization reaches
93,75% for the four type musical genre. The highest accuracy value was obtain from the experiments
with a duration of 10 second and the number of fold 4. Training time for each duration is 30 minute
for 5 second music duration, 45 minute for 10 second music duration 120 minute for 20 second music
duration and 150 minute for 25 second mus