Perpustakaan Digital ITB

Dalam penelitian tugas akhir ini, akan dibahas klasifikasi melodi musik populer berdasarkan tingkat kenikmatannya dengan menggunakan ANN backpropagation. Melodi yang diklasifikasi dibatasi hanya berasal dari bagian vokal pada musik populer. Bagian dari melodi yang dimasukkan ke dalam dataset hanya bagian yang berhubungan dengan pitch dan durasi. Klasifikasi dilakukan berdasarkan tiga kategori kenikmatan lagu, yaitu enak, biasa saja, dan tidak enak. Melodi yang digunakan sebagai data training beserta penilaian kenikmatannya diperoleh melalui kuesioner daring. Setelah pengumpulan data, data melodi ditranskripsi ke dalam bentuk partitur dan ditransposisi agar seluruhnya berada pada tangga nada C. Kemudian, Setiap data melodi di-encode menjadi bentuk yang bisa diolah ANN. Format encoding setiap melodi dibagi menjadi informasi umum lagu dan informasi per not. Informasi umum lagu berisi parameter tempo, time signature, dan anakrus. Informasi per not terdiri dari pitch not, accidental not, letak oktaf not, dan durasi not. Dalam penelitian ini, digunakan Toolkit Deep Learning dari aplikasi MATLAB sebagai ANN backpropagation yang akan dilatih. Loss function yang digunakan adalah mean squared error (MSE). Algoritma backpropagation yang digunakan adalah traingdx, yaitu gradient descent dengan momentum dan learning rate adaptif. Arsitektur dari network yang dilatih memiliki neuron input sebanyak 280, sebuah hidden layer dengan jumlah neuron 7, dan sebuah neuron output. Setelah proses training network selesai, dilakukan pengujian kecocokan penilaian. Melodi yang digunakan dalam pengujian adalah melodi baru yang belum pernah didengar responden dan network. Hasil penilaian dari melodi uji tersebut diperoleh melalui kuesioner kedua dan setiap melodi uji hanya dinilai oleh seorang responden. Dari hasil training, diperoleh tingkat kecocokan tertinggi sebanyak 48%. Hasil yang cukup rendah tersebut menandakan ketidakcocokan format encoding per not dalam klasifikasi melodi dan kurangnya jumlah dataset.