Aplikasi Pengenalan Alat Musik Berbasis Frekuensi dan Kecerdasan Buatan

Anthony, Estherlita Wendy (2021) Aplikasi Pengenalan Alat Musik Berbasis Frekuensi dan Kecerdasan Buatan. [Undergraduate thesis]

PDF IRD_25_Abstrak.pdf Download (37kB)

Abstract

Tugas Akhir ini mendesain aplikasi untuk mengklasifikasi jenis alat musik berdasarkan frekuensi dan kecerdasan buatan yang menggunakan jenis convolutional neural network. Dengan berkembangnya teknologi informasi, khususnya pada bidang deep learning, berbagai bidang dapat mengembangkan sesuatu menggunakan deep learning, tak terkecuali pada bidang seni, salah satunya seni musik. Pengembangan aplikasi ini tidak hanya berguna pada bidang seni itu saja, tetapi pada bidang pendidikan. Orang awam yang belum terlalu mengenal musik, terutama alat musik terkadang bingung membedakan alat musik yang memiliki karakteristik yang mirip seperti saksofon dan terompet. Perbedaan suara alat musik ini disebabkan oleh timbre atau warna suara. Timbre memiliki komponen frekuensi fundamental sebagai penentu nada dan frekuensi harmonik yang mengikuti dibelakangnya. Pola dari frekuensi dan amplitudo dari suara dapat dilihat menggunakan spektrogram. Sprektrogram ini menjadi input convolutional neural network yang digunakan untuk memprediksi jenis alat musik. Aplikasi ini didesain menggunakan bahasa prmrograman Python dengan framework Jupyter Notebook. Pembuatan neural network menggunakan framework Tensorflow, dan graphical user interface dibuat menggunakan Tkinter. Proses aplikasi ini dibagi menjadi tiga proses besar yaitu perekaman suara, prediksi menggunakan model neural network, dan penampilan pada GUI. Hasil pengujian menunjukkan prediksi menggunakan hasil rekaman memiliki tingkat kebenaran yang lebih kecil dibandingkan dengan prediksi menggunakan file .wav secara langsung. Presentase kebenaran prediksi dengan file .wav mencapai 67% sedangkan dengan rekaman langsung hanya mencapai 32.5%.

Item Type:	Undergraduate thesis
Uncontrolled Keywords:	alat musik, timbre, spektrogram, convolutional neural network, Tensorflow
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Engineering > Department of Electrical Engineering
Depositing User:	Masyhur 196042
Date Deposited:	21 Sep 2021 03:10
Last Modified:	21 Sep 2021 03:10
URI:	http://repository.ubaya.ac.id/id/eprint/40368

Actions (login required)

View Item