Hartono, Henry (2021) Perancangan Sistem Pencarian Lagu Indonesia Mengunakan Query By Humming Berbasis Long Short-Term Memory. Skripsi thesis, Universitas Tarumanagara.
Text
535160101_Henry Hartono_01 Cover.pdf Download (203kB) |
|
Text
535160101_Henry Hartono_02 Lembar Pengesahan.pdf Download (165kB) |
|
Text
535160101_Henry Hartono_03 Lembar Pernyataan.pdf Download (145kB) |
|
Text
535160101_Henry Hartono_04 Abstrak.pdf Download (188kB) |
|
Text
535160101_Henry Hartono_05 Kata Pengantar.pdf Download (170kB) |
|
Text
535160101_Henry Hartono_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (218kB) |
|
Text
535160101_Henry Hartono_07 Bab 1.pdf Restricted to Registered users only Download (222kB) |
|
Text
535160101_Henry Hartono_08 Bab 2.pdf Restricted to Registered users only Download (1MB) |
|
Text
535160101_Henry Hartono_09 Bab 3.pdf Restricted to Registered users only Download (329kB) |
|
Text
535160101_Henry Hartono_10 Bab 4.pdf Restricted to Registered users only Download (289kB) |
|
Text
535160101_Henry Hartono_11 Bab 5.pdf Restricted to Registered users only Download (137kB) |
|
Text
535160101_Henry Hartono_12 Daftar Pustaka.pdf Download (207kB) |
|
Text
535160101_Henry Hartono_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (152kB) |
|
Text
535160101_Henry Hartono_13 Lampiran.pdf Restricted to Registered users only Download (1MB) |
Abstract
Identifikasi lagu dan query by humming merupakan aplikasi yang dikembangkan dengan menggunakan algoritma Mel-frequency cepstral coefficients (MFCC) dan algoritma Long Short-Term Memory (LSTM). Aplikasi ini bertujuan untuk mendeteksi dan mengenali senandung dari input data. Dalam aplikasi ini input senandung akan dibagi menjadi dua bagian yaitu audio training dan audio test. Untuk audio pelatihan, langkah pertama, audio pelatihan akan dibagi menjadi dua tahap proses, yaitu mengenali senandung dan mencari fitur unik dari audio senandung. Untuk mengenali fitur senandung, proses senandung akan dilakukan dengan menggunakan metode MFCC. Setelah mendapatkan bagian dari Fitur MFCC, fitur MFCC akan disimpan sebagai model deteksi. Fitur yang telah diekstrak akan dipelajari dengan metode LSTM. Untuk audio uji tahapan yang dilakukan seperti pada audio pelatihan, setelah Fitur MFCC terdeteksi akan dilakukan pengantar berdasarkan pembelajaran yang telah dilakukan dengan metode LSTM untuk mendapatkan keluaran berupa nama lagu yaitu berhasil dikenali dan terdeteksi akan diberi label oleh aplikasi.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Mel Frequency Cepstral Coefficient (MFCC), Long Short-Term Memory (LSTM), Query By Humming (QBH). |
Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
Depositing User: | TDI Family perpus |
Date Deposited: | 07 May 2021 01:14 |
Last Modified: | 18 Aug 2021 03:19 |
URI: | http://repository.untar.ac.id/id/eprint/28371 |
Actions (login required)
View Item |