WISNUDICKY WIDIANTARA (2018) KLASIFIKASI GENRE MUSIK MENGGUNAKAN METODE MODIFIEDK-NEAREST NEIGHBOR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018424TIF.pdf Download (117kB) | Preview |
|
|
Text
2. PENGESAHAN_2018424TIF.pdf Download (462kB) | Preview |
|
|
Text
3. ABSTRAK_2018424TIF.pdf Download (161kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018424TIF.pdf Download (308kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018424TIF.pdf Download (342kB) | Preview |
|
|
Text
6. BAB I_2018424TIF.pdf Download (253kB) | Preview |
|
|
Text
7. BAB II_2018424TIF.pdf Download (405kB) | Preview |
|
|
Text
8. BAB III_2018424TIF.pdf Download (318kB) | Preview |
|
|
Text
9. BAB IV_2018424TIF.pdf Download (530kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018424TIF.pdf Restricted to Repository staff only Download (466kB) |
|
|
Text
11. BAB VI_2018424TIF.pdf Download (158kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018424TIF.pdf Download (301kB) | Preview |
Abstract
Musik dapat dengan mudah didapatkan melalui internet, baik dengan melakukan pembelian pada aplikasi penyedia musik berbayar maupun dengan men-download musik-musik tersebut secara gratis. Musik digital juga digunakan oleh radio untuk menjalankan programnya. Pada setiap program radio tidak pernah terpisahkan dengan musik. Pada setiap program radio, musik diputar berdasarkan tema tertentu. Radio memerlukan klasifikasi musik berdasarkan genrenya untuk kepentingan program radio. Seperti program khusus musik pop atau musik jazz. Klasifikasi dilakukan agar musik yang diputar saat program dapat ditemukan dengan mudah. Pada penelitian sebelumnya telah dilakukan klasifikasi terhadap genre musik pada domain waktu. Pada penelitian ini, akan dilakukan klasifikasi genre musik dengan menggunakan ekstraksi fitur Short Time Energy (STE) dan Zero Cross Rate (ZC) dan metode klasifikasi Modified K-Nearest Neighbor(MKNN). Penelitian ini diimplementasikan dengan menggunakan tools matlab r2013a. Pengujian pada penelitian ini dilakukan dengan 3 skenario pengujian yaitu 90% data latih; 10% data uji, 80% data latih; 20% data uji dan 70% data latih; 30% data uji. Pada setiap skenario pengujian, dilakukan pengujian akurasi terhadap nilai k sebesar 7, 5, dan 3. Akurasi tertinggi pada penelitian ini diperoleh dengan nilai K=7 dan K=5 yaitu 73.33% serta perbandingan jumlah data latih 90:10, jumlah data latih mempengaruhi akurasi. Kata Kunci: Genre Musik, Klasifikasi, Modified K-Nearest Neighbor(MKNN), Short Time Energy (STE), Zero Cross Rate (ZC).
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 700 Kesenian, Hiburan dan Olahraga |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 29 Jul 2019 08:24 |
| Last Modified: | 29 Jul 2019 08:24 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/16931 |
Actions (login required)
 |
View Item |