IV IMPLEMENTASI DAN PERANCANGAN SISTEM
4.1 Ekstraksi Ciri
Ekstraksi ciri pada penelitian ini dilakukan menggunakan perangkat lunak Matlab 7.8.0. Tahap pertama dari proses ini adalah mengubah sinyal
suara menjadi nilai-nilai variabel untuk dijadikan input sistem. Ciri yang digunakan pada penelitian ini adalah MFCC. Koefisien MFCC yang
digunakan terdapat 3 variasi yaitu 7 koefisien, 13 koefisien dan 20 koefisien. Hal ini dilakukan untuk mengetahui jumlah koefisien yang
optimum pada sistem dalam mengklasifikasi genre musik. Pada tahap awal MFCC, sinyal suara akan diperlakukan Hamming
Window sehingga menghasilkan sejumlah frame. Ukuran setiap frame adalah sebesar 30 milidetik dengan sampling rate sebesar 22050 Hz dan
mengalami overlap sebesar 75. Penelitian ini juga menggunakan 4 variasi waktu berkas musik, yaitu 1
detik, 5 detik, 10 detik dan 30 detik. Hal ini juga dilakukan untuk mengetahui waktu berkas musik yang optimum pada sistem dalam
mengklasifikasi genre musik. Dari proses ekstraksi ciri tersebut, maka didapatkan vektor ciri dengan
dimensi yang beragam, tergantung dengan jumlah koefisien MFCC dan waktu berkas musik yang digunakan. Tabel 3 memperlihatkan ragam
dimensi vektor ciri yang dihasilkan pada penelitian ini.
Tabel 3. Dimensi vektor ciri untuk setiap variasi penelitian
No. Jumlah Koefisien MFCC
Waktu Berkas Musik Dimensi Vektor Ciri
1. 7 koefisien
1 detik 7 x 134
2. 7 koefisien
5 detik 7 x 668
3. 7 koefisien
10 detik 7 x 1336
4. 7 koefisien
30 detik 7 x 4008
5. 13 koefisien
1 detik 13 x 134
6. 13 koefisien
5 detik 13 x 668
7. 13 koefisien
10 detik 13 x 1336
8. 13 koefisien
30 detik 13 x 4008
9. 20 koefisien
1 detik 20 x 134
10. 20 koefisien
5 detik 20 x 668
11. 20 koefisien
10 detik 20 x 1336
12. 20 koefisien
30 detik 20 x 4008
Setelah vektor ciri didapatkan, maka mean dari setiap vektor ciri akan dihitung sehingga dimensinya akan berkurang menjadi sebesar n x 1
dimana n adalah jumlah koefisien MFCC yang digunakan. Untuk metode JST, setelah mean didapatkan maka dilakukan normalisasi.
4.2 Arsitektur Sistem
Pada Gambar 19 dapat dilihat arsitektur sistem yang peneliti telah kembangkan dari proses ekstraksi ciri hingga prediksi genre musik dengan
kedua metode.
Gambar 19. Arsitektur sistem klasifikasi genre musik yang telah dikembangkan
4.3 Implementasi Metode VFI
Setelah proses ekstraksi ciri, maka proses pembelajaran pada model VFI dapat dilakukan. Proses pembelajaran dilakukan menggunakan data
1 5
10 30
MFCC
7-M 1 dtk
20-M 5 dtk
13-M 1 dtk
7-M 10 dtk
20-M 1 dtk
7-M 5 dtk
13-M 5 dtk
13-M 10 dtk
20-M 10 dtk
7-M 30 dtk
13-M 30 dtk
20-M 30 dtk
Mean
VFI JST
Normalisasi
Mean Mean
Mean Mean
Mean Mean
Mean Mean
Mean Mean
Mean
Prediksi
Berkas musik
detik