KLASIFIKASI GENRE MUSIK MENGGUNAKAN RESIDUAL NETWORK (RESNET)

Abstract

Berdasarkan perkembangan musik saat ini, perlu dilakukan labelling / indexing pada genre musik. Hal ini bertujuan untuk proses pencarian database musik agar lebih mudah, dikarenakan database musik digital semakin banyak. Selain itu, pada saat ini musik dijadikan sebagai sebuah dataset yang digunakan untuk beberapa penelitian salah satunya, mengidentifikasi mood seseorang berdasarkan genre musik tertentu. Tujuan dari penelitian ini untuk mengklasifikasikan genre musik pop, jazz dan rock menggunakan arsitektur ResNet. Dataset yang digunakan adalah data lagu Bahasa Indonesia dengan ekstensi .wav berdurasi 30 detik yang diambil pada bagian awal lagu. Deep learning dapat digunakan untuk klasifikasi dan prediksi pada gambar maupun data audio, salah satu arsitektur yang digunakan dalam CNN adalah Residual Network (ResNet). Sistem mampu mengidentifikasi genre suatu musik secara otomatis menggunakan arsitektur ResNet-16 (Residual Network) untuk mengekstrak data audio menjadi suatu array, setelah data audio di input, akan di identifikasi secara otomatis genre yang terdeteksi di sistemnya. Dalam penelitian ini, analisis model deep learning untuk menghasilkan suatu label / class dari data audio yang diidentifikasi berdasarkan genre yang telah ditentukan yaitu jazz, pop, dan rock. Hasil testing model ResNet ini menghasilkan akurasi 0.9527 loss 0.1251 dalam iterasi 500 epoch. Seluruh data testing yang teridentifikasi oleh sistem sudah sesuai dengan genre aslinya.