Pemodelan chord pada piano menggunakan metode fuzzy learning vector quantization

Abstract

Seorang pemain piano pemula maupun autodidak umumnya belum melalui tahap latihan yang baik sehingga kemampuan untuk mengenali chord yang dimiliki masih kurang. Oleh karena itu, suatu sistem yang dapat mengenali chord untuk membantu proses pemahaman chord yang dimainkan dibutuhkan. Penelitian ini memodelkan chord yang terdiri atas 3 nada (triad) ke dalam beberapa kelas. Data yang digunakan dalam penelitian ini adalah 24 chord mayor dan minor. Data training dan data testing divariasikan dalam 4 model menggunakan 5-fold crossvalidation. Ekstraksi ciri akan dilakukan dengan metode Mel Frequency Cepstrum Coefficients, dan klasifikasi akan dilakukan dengan metode Fuzzy Learning Vector Quantization (FLVQ). Pemodelan FLVQ dilakukan dengan melakukan variasi pada learning rate serta koefisien fuzzyness. Penelitian ini telah berhasil membentuk model FLVQ dengan akurasi rata-rata 79.38% serta akurasi maksimum 100%. Akurasi maksimum dicapai dengan nilai learning rate α sebesar 0.05 dan koefisien fuzzyness β sebesar 0.05 menggunakan epoch sebanyak 20 pada FLVQ model 2.