yaitu dalam ketepatan pengenalan pola berdasarkan kelas untuk menampilkan genre.

Transkripsi

1 16 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berkembangnya teknologi komunikasi berbasis digital, masyarakat membutuhkan lagu-lagu yang telah dibuat dalam bentuk digital. Musik digital menggunakan sinyal digital dalam proses reproduksi suaranya. Sebagai proses digitalisasi terhadap format rekaman musik analog, lagu atau musik digital mempunyai beraneka ragam format yang bergantung pada teknologi yang digunakan. Salah satunya adalah WAV, yang merupakan standar suara defacto di Windows. Awalnya hasil ripping dari CD direkam dalam format ini sebelum dikonversi ke format lain. Namun sekarang tahap ini sering dilewati karena file dalam format ini biasanya tidak dikompresi dan karenanya berukuran besar. Kendala yang timbul adalah, bagaimana mencari lagu-lagu dengan format WAV tersebut berdasarkan genre dengan tepat. Cara mula-mula ditempuh adalah dengan menduplikasikan lagu-lagu tersebut dari CD ke dalam komputer PC, yang membutuhkan banyak waktu, saat pencarian. Klasifikasi lagu berdasarkan genre, dikembangkan untuk membantu mengatasi kendala di atas. Prinsip dasar dengan pembacaan pola melalui amplitude dari beberapa lagu dengan format WAV. Lagu-lagu tersebut kemudian di bagi-bagi sepanjang waktu yang dibutuhkan untuk 1 lagu. Terbentuklah pola, berdasarkan keras atau lemahnya suara dilakukan pengujian melalui beberapa sampel. Melalui klasifikasi lagu berdasarkan genre diharapkan dapat memperkecil waktu dan tenaga manusia yang dibutuhkan untuk pencarian lagu berdasarkan genre yang selama ini dilakukan melalui search Windows. Meski demikian masih terdapat beberapa kelemahan pada rumus-rumus Zero Crossing Rate (ZCR), Average Energy (E) dan Silent Ratio (SR) pada klasifikasi yang dikembangkan,

2 17 yaitu dalam ketepatan pengenalan pola berdasarkan kelas untuk menampilkan genre. 1.2 Perumusan Masalah Berdasarkan latar belakang masalah di atas, maka sebuah program aplikasi dibangun untuk meneliti penerapan ciri pada Time Domain yaitu Zero Crossing Rate (ZCR), Average Energy (E) dan Silent Ratio (SR). Ciri ZCR, E dan SR ini memiliki cara pengenalan yang sederhana, yaitu dengan membagi lagu berdasarkan jenisnya, menjadi beberapa penggal lagu, kemudian menghitung nilai pada setiap segmen lagu untuk mengidentifikasi lagu tersebut. Ketiga ciri ini juga memiliki keunggulan, yaitu kemampuan menerima nilai dari sampel-sampel yang di uji dengan cara menjumlahkan. Masalah yang akan diteliti dirumuskan sebagai berikut: 1. Mengukur efektifitas ZCR, E dan SR dalam mengenali ciri yang sesuai, dengan membandingkan ketepatan nilai hasil pengolahan sampel terhadap kondisi lagu asli. 2. Mencocokkan hasil klasifikasi pada ciri yang sudah ditentukan untuk mendapatkan genre lagu yang tepat, melalui perbandingan hasil percobaan menggunakan ciri ZCR, E dan SR pada pusat kelas dengan hasil percobaan dari Algoritma k-nn untuk penentuan kelas genre lagu. 1.3 Batasan Masalah Pada permasalahan ini, pembuatan program aplikasi maupun penelitian dibatasi oleh parameter-parameter berikut : 1. Lagu dan Genre Lagu-lagu yang dimasukkan sebagai percobaan untuk membangun kelas, masing-masing sebanyak 30 lagu, untuk masing-masing genre

3 18 yaitu Balada, Blues, Classic, Harmony, Hip Hop, Jazz, Keroncong, Latin, Pop, Electronic, Reggae dan Rock. 2. Format Input Format input berupa lagu dengan format yang besar yaitu WAV. Input memuat nilai angka desimal saja, dengan asumsi nilai dalam kondisi normal. 3. Format Output Format output berupa nilai angka-angka desimal dari sampel-sampel pada tiap lagu, kemudian nilai-nilai tersebut dimasukkan kedalam ZCR, E dan SR. 1.4 Tujuan Penelitian 1. Membangun model penentuan kelas genre lagu menggunakan 3 ciri yaitu ZCR, E dan SR dengan jarak terdekat pada pusat kelas. 2. Membangun model penentuan kelas genre lagu menggunakan algoritma k-nn. 1.5 Manfaat Penelitian Manfaat dalam penelitian ini sebagai berikut :

4 1. Melalui penelitian ini dihasilkan 2 buah software untuk mendapatkan genre lagu yang tepat menggunakan pusat kelas dan algoritma k-nn. 2. Dapat dipergunakan oleh stasiun radio di Yogyakarta untuk lebih efektif dan efisien dalam pencarian lagu-lagu berdasarkan genre dengan menggunakan software Klasifikasi Audio yang dibuat. 3. Tidak perlu menggunakan aplikasi Windows Media Player yang terdapat pada sistem operasi Windows. 1.6 Metode Penelitian Penelitian ini merupakan studi kepustakaan untuk Audio Classification pencarian genre lagu pada format WAV, menggunakan metode sebagai berikut : 1. Studi pustaka dengan mempelajari buku-buku referensi dan informasi dari internet yang berkaitan dengan ZCR, E dan SR untuk pengenalan ciri sebagai pendalaman pengetahuan mengenai penelitian yang dilakukan. 2. Pembangunan kelas dengan sampel 1 judul lagu bergenre pop. File lagu tersebut dipotong-potong, tiap 30 milli second, kemudian diambil isinya (berupa audio samples). Kemudian nilai-nilai yang didapakan, dimasukkan ke dalam ciri ZCR, E dan SR. Setelah menghasilkan beberapa bilangan setiap detiknya, maka akan terbentuk pola. Pola inilah yang dipakai untuk menentukan genre lagu. 3. Testing dengan sampel. Contohnya : data sampelnya dalam bentuk integer, range dari sampel merupakan representasi frekuensi dan amplitude. Semakin besar jumlah sampel per detiknya, semakin bagus suaranya. Satu sample terdiri dari 1(mono) atau dua(stereo) channels. 4. Implementasi dengan cara melakukan pembangunan kelas melalui training sebanyak 120 lagu untuk 12 genre. Program akan menghasilkan

5 8 output dengan cara mencocokkan hasil uji melalui ciri ZCR, E dan SR, pada pengujian. 5. Pengujian dilakukan untuk 1 judul lagu bergenre Rock, kemudian dicocokkan ciri lagu yang diuji tersebut pada datastore ciri yang sudah dibuat. Apabila cocok, maka didapatkan genre lagu yang tepat. 1.7 Sistematika Penulisan Sistematika penulisan laporan penelitian ini secara garis besar dapat dinyatakan sebagai berikut : 1. Pendahuluan Menjelaskan mengenai latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan sistematika penulisan. 2. Tinjauan Pustaka Memuat tentang jurnal-jurnal internasional yang telah dipublikasikan untuk melihat metode-metode yang dilakukan sebelumnya untuk mengenali genre untuk audio dengan format WAV. 3. Landasan Teori Mengenai Audio Classification dan menjelaskan landasan teori tentang Zero Crossing Rate (ZCR), Average Energy (E), Silent Ratio (SR), Euclidean Distance dan algoritma k-nearest Neighbors (k-nn). 4. Analisa dan Perancangan Sistem Memuat analisis teori Audio Classification, spesifikasi komputer yang dibutuhkan, diagram alur klasifikasi untuk mencari genre, daftar data, rancangan input, rancangan proses, rancangan output.

6 9 5. Implementasi Sistem Membahas program aplikasi klasifikasi lagu untuk menentukan genre yang tepat, serta menjabarkan analisis yang dilakukan terhadap hasil implementasi melalui uji coba terhadap jenis input yang bervariasi. 6. Hasil dan Pembahasan Membandingkan hasil dari pengujian dengan ciri ZCR, E dan SR pada pusat kelas dengan algoritma k-nn. 7. Kesimpulan dan Saran Membuat kesimpulan dengan membandingkan hasil pengujian yang dilakukan menggunakan pusat kelas dan algoritma k-nn untuk menentukan genre yang tepat. Saran berisikan pendapat penulis untuk pengujian dengan cara yang lain pada penelitian selanjutnya.