Perpustakaan Digital ITB

Notasi musik berperan penting dalam pelestarian karya musik melalui representasi visual terstandarisasi. Namun, banyak partitur masih diarsipkan dalam bentuk cetak, sehingga proses digitalisasi notasi musik diperlukan untuk kepentingan dokumentasi, pendidikan, dan distribusi. Penelitian ini mengembangkan sistem Optical Music Recognition (OMR) berbasis web untuk mengonversi citra notasi musik monofonik menjadi representasi digital berupa MusicXML dan MIDI. Tahap prapemrosesan citra diintegrasikan langsung ke dalam aplikasi untuk memperbaiki kualitas citra. Alur sistem meliputi prapemrosesan dan segmentasi citra, prediksi oleh model OMR, konversi dan koreksi hasil ke MusicXML, serta konversi lanjutan ke MIDI. Dua pendekatan pelatihan model diujikan, yaitu pelatihan dari awal menggunakan arsitektur CRNN dengan EfficientNetB0, serta fine-tuning model pralatih dari Calvo-Zaragoza & Rizo (2018) dengan dataset PrIMuS. Model pralatih menunjukkan Character Error Rate (CER) sebesar 3,88% dan Sequence Error Rate (SER) sebesar 58,22%. Untuk meningkatkan kinerja model, diterapkan mekanisme pemungutan suara (voting) yang diadaptasi dari metode ROVER, dengan menghasilkan 5 buah variasi prediksi melalui dropout rate sebesar 0,1 pada tahap inferensi. Pendekatan ini berhasil menurunkan rata-rata CER hingga 2,99% dan SER hingga 41,86%. Pengujian sistem menunjukkan bahwa mekanisme pemungutan suara efektif memperbaiki kesalahan prediksi, khususnya penentuan nada, tetapi kurang optimal pada citra dengan garis paranada tebal dan rapat. Dengan peningkatan kualitas citra masukan, sistem ini berpotensi menjadi solusi yang andal untuk digitalisasi partitur musik cetak.