Perbandingan Kinerja Algoritma K-NN dan SVM dalam Sistem Klasifikasi Genre Musik Gamelan Bali

Abstract

Klasifikasi musik secara otomatis telah banyak dikembangkan dalam berbagai bentuk aplikasi dan penelitian pada bidang Music Information Retrieval (MIR). Sebagian besar tantangan dalam penelitian bidang MIR ini adalah bagaimana menggunakan fitur-fitur unik yang ada pada file musik untuk mendapatkan metadata konvensional seperti style/gaya, similarity/kemiripan, genre/jenis musik, dan mood/suasana hati. Istilah genre dalam musik merujuk pada kategori atau klasifikasi yang digunakan untuk menggambarkan gaya, karakteristik, dan elemen musik tertentu. Setiap genre memiliki ciri khas yang membedakannya dari genre lainnya. Seni musik gamelan Bali telah menjadi bagian yang tidak terpisahkan sebagai kearifan lokal yang selalu ada dalam kegiatan berkesenian, adat istiadat, hingga kagiatan keagamaan. Bagi milenials untuk mengetahui hingga membedakan suatu genre musik gamelan Bali antara satu dengan lainnya dengan waktu yang singkat bukanlah hal yang mudah. Penelitian ini membangun suatu system yang dapat mengklasifikasikan genre musik gamelan Bali berdasarkan golongan musik tua, madya, dan baru dan dibatasi pada 13 genre meliputi 260 data latih dan 130 data uji. Tahapan pre-processing dengan menggunakan transformasi FFT, kemudian ekstraksi fitur menggunakan 5 jenis spectral analysis, untuk selanjutnya diklasifikasi menggunakan algoritma K-NN dan SVM. Hasil pengujian sistem menghasilkan persentase akurasi terbaik pada algoritma K-NN yaitu 85,38%, dan algoritma SVM memperoleh akurasi sebesar 66,9%. K-NN menghasilkan waktu tercepat dalam pemrosesan klasifikasi yaitu 0,008511023 detik, sedangkan algoritma SVM memerlukan waktu 0,12942049 detik.