Pengembangan Model Probabilistic Neural Network untuk Identifikasi Chord Gitar

Abstract

Pengenalan kunci gitar membutuhkan teknik ekstraksi ciri dan model pengenalan pola. Penelitian ini membangun sistem pengenalan suara gitar menggunakan teknik MFCC sebagai pengekstraksi ciri dan PNN sebagai pengenal pola. Tujuan penelitian ini adalah menemukan parameter-parameter yang menghasilkan akurasi terbaik. Parameter-parameter tersebut terkait dengan MFCC, yaitu jumlah koefisien cepstral, overlap, dan time frame. Sistem bekerja dengan membaca file suara berformat WAV, kemudian file diproses dengan teknik MFCC dan PNN untuk menghasikan keluaran kunci suara gitar berupa teks. Penelitian ini menggunakan 8 280 data suara gitar dari 24 chord yang berbeda. Hasil penelitian menunjukan bahwa koefisien cepstral 52, overlap 0.4, dan time frame 100 ms menghasilkan akurasi maksimum yaitu 96.56%.