Rianto, Chris Muladi (2020) Aplikasi Chord Recognition Piano Dan Bass Berbasis Web Menggunakan Convolutional Neural Network. Skripsi thesis, Universitas Tarumanagara.
![[img]](http://repository.untar.ac.id/style/images/fileicons/text.png) |
Text
535160047_Chris Muladi Rianto_01 Cover.pdf Download (257kB) |
|
Text
535160047_Chris Muladi Rianto_02 Lembar Pengesahan.pdf Download (63kB) |
|
Text
535160047_Chris Muladi Rianto_03 Lembar Pernyataan.pdf Download (44kB) |
|
Text
535160047_Chris Muladi Rianto_04 Abstrak.pdf Download (104kB) |
|
Text
535160047_Chris Muladi Rianto_05 Kata Pengantar.pdf Download (94kB) |
|
Text
535160047_Chris Muladi Rianto_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (106kB) |
|
Text
535160047_Chris Muladi Rianto_07 Bab 1.pdf Restricted to Registered users only Download (336kB) |
|
Text
535160047_Chris Muladi Rianto_08 Bab 2.pdf Restricted to Registered users only Download (1MB) |
|
Text
535160047_Chris Muladi Rianto_09 Bab 3.pdf Restricted to Registered users only Download (362kB) |
|
Text
535160047_Chris Muladi Rianto_10 Bab 4.pdf Restricted to Registered users only Download (360kB) |
|
Text
535160047_Chris Muladi Rianto_11 Bab 5.pdf Restricted to Registered users only Download (97kB) |
|
Text
535160047_Chris Muladi Rianto_12 Daftar Pustaka.pdf Download (107kB) |
|
Text
535160047_Chris Muladi Rianto_13 Lampiran.pdf Restricted to Registered users only Download (6MB) |
|
Text
535160047_Chris Muladi Rianto_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (71kB) |
Abstract
Perkembangan ilmu komputer pada bidang artificial intelligence berkembang secara pesat pada masa ini. Artificial intelligence sering diterapkan untuk membuat suatu sistem yang mempermudah kegiatan manusia. Salah satu pemanfaatan artificial intelligence ini ada pada bidang musik. Terdapat banyak aplikasi yang beredar di pasaran untuk mempermudah manusia mencari judul musik dengan menggunakan microphone dari musik yang sedang diputar. Kebutuhan lainnya pada bidang musik yang masih belum banyak beredar di pasaran yaitu untuk melakukan pengenalan akor lagu dari data lagu yang dimasukkan pengguna. Sistem yang dirancang adalah pengenalan akor major dan akor minor dari data masukan yang diupload oleh pengguna atau direkam langsung oleh sistem menggunakan microphone pengguna. Sistem menggunakan model Convolutional Neural Network (CNN) dan kelas klasifikasi yang berjumlah 24 kelas. Proses untuk sistem aplikasi melakukan pengenalan terdapat dua tahap yaitu, tahap preprocessing dan tahap pengenalan. Tahap preprocessing menggunakan metode Music Information Retrieval (MIR) untuk memperoleh informasi yang dapat di observasi. Tahap preprocessing membentuk citra menggunakan metode Mel-Frequency Ceptral Coefficient (MFCC) pada setiap dua ketukan pada data masukan. Masing-masing citra yang terbentuk kemudian dilakukan proses pengenalan. Secara keseluruhan, model memiliki akurasi sebesar 89 persen setelah melakukan pelatihan. Akurasi pada pengujian data lagu akor yang dimainkan secara penuh berhasil memperoleh akurasi sebesar 67 persen hingga 100 persen untuk setiap kelas. Akurasi pada pengujian data lagu yang mengandung melodi mendapatkan nilai akurasi sebesar 40 persen hingga 50 persen.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Uncontrolled Keywords: | Artificial Intelligence, Chord Recognition, Convolutional Neural Network, Mel-Frequency Ceptral Coefficient, Music Information Retrieval. |
| Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
| Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
| Depositing User: | TDI Family perpus |
| Date Deposited: | 23 Apr 2021 14:20 |
| Last Modified: | 03 Jun 2021 06:20 |
| URI: | http://repository.untar.ac.id/id/eprint/19599 |
Actions (login required)
 |
View Item |
