SISTEM KLASIFIKASI MUSIK GAMELAN JAWA TERHADAP SUASANA HATI MENGGUNAKAN EKSTRAKSI FITUR MFCC DAN SUPPORT VECTOR MACHINE (SVM)

HENRICUS PRIMASTAVIA ADENANTHERA, . (2026) SISTEM KLASIFIKASI MUSIK GAMELAN JAWA TERHADAP SUASANA HATI MENGGUNAKAN EKSTRAKSI FITUR MFCC DAN SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UPN Veteran Yogyakarta.

	Text 123200101_Abstrak - HENRICUS PRIMASTAVIA ADENANTHERA.pdf Download (174kB)
	Text 123200101_Cover - HENRICUS PRIMASTAVIA ADENANTHERA.pdf Download (121kB)
	Text 123200101_Halaman Pengesahan - HENRICUS PRIMASTAVIA ADENANTHERA.pdf Download (197kB)
	Text 123200101_Daftar Isi - HENRICUS PRIMASTAVIA ADENANTHERA.pdf Download (307kB)
	Text 123200101_Daftar Pustaka - HENRICUS PRIMASTAVIA ADENANTHERA.pdf Download (167kB)
	Text 123200101_Fulltext - HENRICUS PRIMASTAVIA ADENANTHERA.pdf Restricted to Repository staff only Download (5MB)

Abstract

Penelitian di bidang Music Information Retrieval (MIR) saat ini didominasi oleh musik
Barat, sehingga menyisakan kesenjangan metodologis pada sistem komputasi untuk musik
tradisional non-Barat seperti Gamelan Jawa. Karakteristik akustik gamelan yang inharmonik
membuat metode ekstraksi fitur berbasis nada (pitch) tidak efektif. Oleh karena itu, penelitian
ini bertujuan mengklasifikasikan suasana hati (mood) Gamelan Jawa ke dalam tiga kelas
kultural ("Agung", "Semangat", dan "Sendu") menggunakan ekstraksi fitur berbasis timbre yaitu
Mel Frequency Cepstral Coefficient (MFCC) dan algoritma Support Vector Machine (SVM)
yang tangguh dalam menangani data skala kecil.
Penelitian ini menggunakan korpus 60 data gendhing utuh yang telah divalidasi pakar.
Pada pra-pemrosesan, diterapkan teknik Adaptive Uniform Segmentation dengan pendekatan
rolling window guna mempertahankan konteks transisi emosi, di mana skenario segmentasi 15
detik dan 30 detik saling dikomparasikan. Sistem mengekstrak matriks fitur 78-dimensi (39
Mean dan 39 Standard Deviation) dari MFCC Statis, Delta, dan Delta-Delta. Klasifikasi
menggunakan SVM dengan kernel Radial Basis Function (RBF), dioptimasi menggunakan
GridSearchCV, dan dievaluasi secara ketat melalui Stratified Group 5-Fold Cross-Validation
guna mencegah kebocoran data. Penentuan kelas akhir pada gendhing menggunakan mekanisme
Weighted Majority Voting.
Skenario segmentasi berdurasi 30 detik terbukti memberikan performa yang lebih baik,
mencatatkan Average F1-Score tertinggi sebesar 0,5898 (dengan parameter optimal C=1,
γ=0.001) dibandingkan skenario 15 detik. Mesin klasifikasi menunjukkan ketajaman yang
mutlak pada kelas "Sendu" dengan raihan presisi absolut 100% tanpa kesalahan False Positive.
Berdasarkan analisis Confusion Matrix, ditemukan adanya tumpang tindih (overlapping)
klasifikasi antara kelas "Agung" dan "Semangat". Hal ini disebabkan oleh tingginya ambiguitas
fisis akustik dari instrumen logam keras (soran), seperti bonang dan saron, yang secara
komputasional mendominasi distribusi spektral secara serupa. Sebagai pengembangan lebih
lanjut, penelitian ini berhasil mengimplementasikan purwarupa Mood Timeline Tracker yang
secara objektif mampu memetakan fluktuasi transisi irama gendhing dari waktu ke waktu.
Integrasi antara ekstraksi fitur dinamis MFCC 78-dimensi dan klasifikasi SVM (kernel
RBF) terbukti mampu mengklasifikasikan mood musik Gamelan Jawa. Rentang context window
30 detik merupakan durasi paling optimal untuk membaca siklus resonansi instrumen yang
lambat. Selain itu, inovasi Mood Timeline Tracker pada penelitian ini berhasil mendobrak
paradigma pelabelan emosi statis dalam MIR, membuktikan secara empiris bahwa "Rasa" dalam
Gamelan Jawa adalah sebuah narasi struktural yang dinamis

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Gamelan Jawa; Klasifikasi Mood; MFCC; Support Vector Machine; Music Information Retrieval
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	15 Oct 2026 02:20
Last Modified:	15 Oct 2026 02:20
URI:	http://eprints.upnyk.ac.id/id/eprint/49898

Actions (login required)

View Item