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.
Collections
- UT - Computer Science [2243]