Pengenalan Chord Dengan Tiga Nada Penyusun Pada Instrumen Piano Menggunakan Learning Vector Quantization

Abstract

Piano merupakan alat musik yang banyak digemari baik untuk dinikmati oleh pendengarnya atau dipelajari secara langsung. Proses belajar piano tidaklah mudah terutama dalam pembelajaran chord. Chord yang umum digunakan adalah triad, yaitu chord yang tersusun atas 3 nada. Begitu banyak kombinasi chord dalam istilah musik sehingga mudah mengecoh orang yang baru mulai belajar, terutama bagi pelajar otodidak yang tidak sensitif terhadap perbedaan nada. Sebuah sistem dibutuhkan untuk membantu proses belajar para pemula dalam mengenali dan membedakan suara chord pada piano. Sistem dikembangkan menggunakan metode klasifikasi jaringan syaraf tiruan learning vector quantization (LVQ) dan metode ekstraksi ciri mel frequency cepstrum coefficient (MFCC). Ekstraksi ciri MFCC dilakukan menggunakan sampling rate sebesar 11000 Hz, frame rate 100 frame per detik, dan menghasilkan 13 koefisien cepstral. Pemodelan LVQ dilakukan dengan menggunakan parameter learning rate yang bervariasi. Hasil pengujian menunjukkan akurasi tertinggi adalah 95.833% dengan nilai learning rate antara 0.036 sampai 0.076, nilai rataan kolom kelas inisiasi sebagai bobot awal, penurunan learning rate 0.5, serta epoch sebanyak 30.