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.
