Tel-UTel-U

International Journal on Information and Communication Technology (IJoICT)International Journal on Information and Communication Technology (IJoICT)

Meskipun teknologi telah berkembang pesat belakangan ini, klasifikasi musik tetap menjadi tugas utama dalam bidang Pengambilan Informasi Musik (Music Information Retrieval/MIR). Klasifikasi genre musik merupakan tantangan utama dalam MIR, yang bertujuan mengidentifikasi genre, gaya, dan suasana lagu audio. Penelitian ini mengeksplorasi penggunaan Jaringan Syaraf Tiruan Konvolusional (Convolutional Neural Networks/CNN) dengan optimasi Adam untuk klasifikasi genre musik. Eksperimen dilakukan untuk mengevaluasi kinerja model yang diusulkan, yang mengintegrasikan teknik pembelajaran mesin lanjutan untuk meningkatkan akurasi klasifikasi. Pendekatan ini melibatkan ekstraksi fitur dari berkas audio, mengonversinya menjadi spektrogram Mel, dan melatih model CNN menggunakan Python. Hasil menunjukkan akurasi klasifikasi yang sangat tinggi, yaitu 98,5%, yang secara signifikan lebih baik daripada metode sebelumnya. Selain itu, akselerasi GPU meningkatkan kecepatan pelatihan hingga lima kali lipat. Penelitian selanjutnya mencakup pengembangan aplikasi seluler untuk klasifikasi secara real-time dan eksplorasi integrasi dengan teknologi pengenal ucapan.

Kontribusi utama penelitian ini adalah penerapan teknologi terkini dalam klasifikasi genre musik menggunakan teknik pembelajaran mesin dan jaringan syaraf tiruan konvolusional, menghasilkan akurasi hingga 98,5%.Penggunaan GPU meningkatkan kecepatan proses pelatihan dan identifikasi hingga lima kali lipat dibandingkan penggunaan CPU.Penelitian selanjutnya dapat mencakup pengembangan aplikasi mobile dan integrasi dengan teknologi pengenal ucapan untuk perluasan fungsi sistem.

Pertama, perlu dikembangkan penelitian tentang klasifikasi genre musik secara real-time pada perangkat mobile dengan mempertimbangkan keterbatasan sumber daya seperti memori dan daya baterai, untuk mengevaluasi efisiensi model CNN yang dioptimalkan dengan algoritma Adam dalam lingkungan mobile. Kedua, perlu dilakukan studi mengenai integrasi sistem klasifikasi musik dengan pengenalan lirik secara bersamaan, untuk mengeksplorasi bagaimana kombinasi fitur audio dan ucapan dapat meningkatkan akurasi klasifikasi genre, terutama pada lagu dengan elemen vokal yang dominan. Ketiga, penting untuk meneliti adaptasi model terhadap genre musik lokal atau tradisional yang minim representasi dalam dataset pelatihan, guna menguji kemampuan generalisasi model terhadap variasi budaya musik yang lebih luas serta mengurangi bias terhadap genre Barat yang umum digunakan dalam pelatihan model saat ini.

  1. Music Genre Classification Using Adam Algorithm of Convolutional Neural Network | International Journal... doi.org/10.21108/ijoict.v10i2.978Music Genre Classification Using Adam Algorithm of Convolutional Neural Network International Journal doi 10 21108 ijoict v10i2 978
  2. Convolutional Neural Network Approach to Classifying the CIFAR-10 Dataset | Journal of Student Research.... jsr.org/hs/index.php/path/article/view/4388Convolutional Neural Network Approach to Classifying the CIFAR 10 Dataset Journal of Student Research jsr hs index php path article view 4388
  3. 0. pdf obj 0e a9 9b pk oy qv yh gl0 uq contents parent h4 5km4 qpf us csay jru qz az nq xobject 96r 8lr... doi.org/10.22606/fsp.2020.440040 pdf obj 0e a9 9b pk oy qv yh gl0 uq contents parent h4 5km4 qpf us csay jru qz az nq xobject 96r 8lr doi 10 22606 fsp 2020 44004
Read online
File size383.75 KB
Pages9
DMCAReport

Related /

ads-block-test