Penentuan Pola Input dan Output Algoritma Pembelajaran Jaringan

yaitu 95 didapat pada percobaan dengan jumlah neuron hidden layer sebanyak 30 neuron. Pada model JST, prediksi sistem didapatkan dengan melihat nilai yang terbesar dari keempat neuron layer output yang masing-masing neuron memberikan nilai prediksi kepada setiap kelas genre. Pada Tabel 9 memperlihatkan hasil prediksi dari percobaan model JST dengan jumlah neuron hidden layer sebesar 30 neuron, 13 koefisien MFCC dan 10 detik waktu berkas musik. Nilai prediksi sistem pada berkas musik yang salah diprediksi, memiliki nilai kedua terbesar pada genre sebenarnya. Tabel 9. Hasil prediksi percobaan model JST dengan 30 neuron hidden layer pada ciri 13 koefisien MFCC dan waktu berkas musik 10 detik NO. LAGU KLASIK DISKO METAL REGGAE SEB PRED 1 K11 0,9999312 0,0056437 0,0011468 0,0011953 K K 2 K12 0,9960457 0,0073991 0,0227637 0,0151162 K K 3 K13 0,7746381 0,049482 0,4609026 0,0014325 K K 4 K14 0,99741 0,0915585 0,0004104 0,0046159 K K 5 K15 0,9383156 0,0054218 0,0090847 0,0567543 K K 6 D11 0,0003719 0,9855018 0,025785 0,0417412 D D 7 D12 0,0002363 0,6794918 0,6187476 0,1085879 D D 8 D13 0,0294863 0,8893485 0,0386948 0,0111701 D D 9 D14 7,679E-05 0,7438239 0,2044273 0,4004555 D D 10 D15 0,0020639 0,6635944 0,5950788 0,0039463 D D 11 M11 0,0032837 0,0974499 0,988707 0,0337503 M M 12 M12 0,1862668 0,656192 0,9623735 0,0010125 M M 13 M13 0,0043123 0,009421 0,9968142 0,0078728 M M 14 M14 0,0303633 0,0005624 0,9996626 0,0045542 M M 15 M15 0,0141649 0,0002596 0,9996795 0,0131499 M M 16 R11 0,0011888 0,8139638 0,0005787 0,960649 R R 17 R12 0,0322781 0,003094 0,0095377 0,8539628 R R 18 R13 0,0771975 0,0015715 0,0016967 0,8253715 R R 19 R14 0,0600059 0,000501 0,0007807 0,9992335 R R 20 R15 0,0059396 0,6119903 0,140584 0,3591586 R D

4.4.5 Akurasi Model JST

Pada penelitian ini juga dilakukan perhitungan akurasi metode Jaringan Saraf Tiruan JST. Pada Gambar 3 dapat dilihat akurasi metode JST dalam mengklasifikasi genre musik. Gambar 22. Perbandingan akurasi JST dari penelitian yang telah dilakukan Gambar 22 menunjukkan bahwa akurasi metode JST dengan ciri 13 dan 20 koefisien MFCC menghasilkan akurasi yang sama untuk setiap rentang waktu. Adapun hasil akurasi prediksi maksimum terdapat pada model JST dengan ciri 13 dan 20 koefisien MFCC dengan 10 dan 30 detik berkas musik yaitu sebesar 95.

4.5 Confusion Matrix

Pada Tabel 10 dan 11 disajikan confusion matrix dimana baris mewakili genre musik sebenarnya dan kolom mewakili prediksi genre yang dilakukan oleh sistem. Pada tabel confusion matrix ini, setiap label mewakili sebuah genre tertentu dengan jumlah berkas musik yang tersedia untuk setiap genre. Pola diagonal yang dimulai dari kiri atas tabel hingga kanan bawah tabel mengilustrasikan jumlah klasifikasi yang benar oleh sistem. Sedangkan angka-angka yang tersebar di luar pola diagonal menyatakan jumlah klasifikasi yang salah oleh sistem. Pengujian confusion matrix ini dilakukan dengan 4 fold cross validation pada percobaan yang memiliki akurasi tertinggi dari kedua metode yaitu 7 koefisien MFCC dan 30 detik waktu berkas musik pada metode VFI dan 13 koefisien MFCC dan 10 detik waktu berkas musik pada metode JST. 85 90 85 90 80 85 95 95 80 85 95 95 70 75 80 85 90 95 100 1 5 10 30 A k u r as i Waktu berkas musik detik 7 MFCC 13 MFCC 20 MFCC