EKSTRAKSI CIRI MEL-FREQUENCY CEPSTRUM COEFFICIENTS (MFCC) UNTUK KLASIFIKASI GENRE MUSIK MENGGUNAKAN METODE NAÏVE BAIYES

MARSANDH, AZRUL ARIE GUTAMA (2022) EKSTRAKSI CIRI MEL-FREQUENCY CEPSTRUM COEFFICIENTS (MFCC) UNTUK KLASIFIKASI GENRE MUSIK MENGGUNAKAN METODE NAÏVE BAIYES. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf

Download (28kB)
[thumbnail of COVER.pdf] Text
COVER.pdf

Download (176kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf

Download (39kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf

Download (161kB)
[thumbnail of HALAMAN PENGESAHAN PEMBIMBING.pdf] Text
HALAMAN PENGESAHAN PEMBIMBING.pdf

Download (493kB)
[thumbnail of SKRIPSI FULL_Azrul Arie Gutama M_123150158.pdf] Text
SKRIPSI FULL_Azrul Arie Gutama M_123150158.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Jumlah musik yang terus bertambah menyebabkan pengklasifikasian berdasarkan
genre musik menjadi sangat dibutuhkan. Pengklasifikasian berdasarkan genre ini akan
memberikan kemudahan untuk melakukan pencarian terhadap sebuah musik. Dengan
demikian pendengar musik dapat dengan mudah menentukan musik yang ingin didengarkan
berdasarkan genre yang diinginkan.
Penelitian ini mengklasifikasi genre musik menggunakan ekstraksi ciri Mel�Frequency Cepstral Coefficient (MFCC) untuk mendapatkan suatu parameter dan informasi
dari karakteristik ciri dari setiap suara dan kemudian diklasifikan dengan metode Naïve
Bayes.
Berdasarkan hasil perancangan, pengujian dan pembahasan, menghasilkan
kesimpulan yang diperoleh dari sistem klasifikasi genre musik menggunakan ekstraksi ciri
MFCC dan Naïve Bayes. Hasil kebenaran klasifikasi dari sistem menghasilkan akurasi
sebesar 66,6% dari 60 data file musik yang digunakan untuk proses pengujian.
Kata Kunci: Klasifikasi musik, Genre musik, MFCC, Naïve Bayes

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Klasifikasi musik, Genre musik, MFCC, Naïve Bayes
Subjects: Q Science > Q Science (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: Eny Suparny
Date Deposited: 05 Sep 2022 06:25
Last Modified: 05 Sep 2022 06:26
URI: http://eprints.upnyk.ac.id/id/eprint/30858

Actions (login required)

View Item View Item