Latar Belakang Perbandingan metode voting feature intervals dengan jaringan saraf tiruan dalam mengklasifikasi genre musik

digunakan untuk mengkarakterisasi dan mengklasifikasi musik. Akan tetapi pada penelitian tersebut hanya digunakan 20 ciri. Sebagai pengklasifikasinya digunakan Jaringan Saraf Tiruan JST feed-forward pada penelitian tersebut. Penelitian Costa et al. 2004 menggunakan ciri permukaan musik musical surface dan ciri yang berhubungan dengan tempo serta pendekatan kombinasi pengklasifikasi. Ekstraksi ciri diperoleh dari tiga segmen pada sebuah musik klip berformat mp3. Ketiga segmen tersebut diekstrak dari awal, tengah, dan akhir bagian musik klip. Penelitian tersebut menggunakan JST sebagai pengklasifikasinya. Oleh karena sudah banyak penelitian yang mengklasifikasi genre musik barat, Norowi et al. 2005 mencoba untuk mengklasifikasi genre musik tradisional negaranya Malaysia. Penelitian tersebut menggunakan ciri yang berhubungan dengan timbral, ritme, dan pitch serta pengklasifikasi J48 dan OneR. J48 dan OneR adalah pengklasifikasi yang terdapat pada sistem pembelajaran mesin WEKA Waikato Environment for Knowledge Analysis.

1.2 Tujuan Penelitian

Tujuan utama penelitian ini adalah untuk mengembangkan suatu prototipe sistem yang dapat digunakan untuk mengklasifikasi musik digital berdasarkan genrenya dengan menggunakan metode Voting Feature Intervals VFI dan membandingkan akurasi prototipe sistem ini dalam mengenali genre musik dengan metode Jaringan Saraf Tiruan JST.

1.3 Ruang Lingkup

Ruang lingkup penelitian ini meliputi : 1. Genre yang akan diklasifikasi hanya terbatas pada genre klasik, disko, metal dan reggae. 2. Klasifikasi menggunakan metode Voting Feature Intervals VFI dan Jaringan Saraf Tiruan JST. 3. Sistem dikembangkan sampai pada prototipe sistem.

1.4 Manfaat Penelitian

Prototipe sistem yang dihasilkan penelitian ini diharapkan dapat dikembangkan lebih lanjut menjadi sebuah sistem yang memiliki kemampuan dalam manajemen dan memanggil retrieve basisdata berkas musik audio.