Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal Jurnal Simetris Abdi Dosen : Jurnal Pengabdian Pada Masyarakat Digital Transformation Technology (Digitech) Jurnal Saintekom (Sains dan Teknologi Komputasi)
Harbani, Arif
Unknown Affiliation
Religion Humanities Computer Science & IT Education Library & Information Science Public Health Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Penerapan Convolutional Neural Network untuk Klasifikasi Jenis Suara Vokal Paduan Suara Berdasarkan Fitur Akustik Harbani, Arif; Febriantoro, F.R. Dwi; Sarjanoko, Joko; Rahmi, Syafira Amatur
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7922

Abstract

Paduan suara merupakan entitas seni vokal kompleks yang mengandalkan keselarasan antara kategori vokal (Sopran, Alto, Tenor, Bass) untuk mencapai harmoni optimal. Namun, klasifikasi suara yang dilakukan secara manual oleh pelatih seringkali terhambat oleh subjektivitas perseptual dan inefisiensi waktu. Penelitian ini bertujuan untuk mengimplementasikan pendekatan  Machine Learning  berbasis  Convolutional Neural Network  (CNN) dengan arsitektur MobileNetV2 guna mengotomatisasi klasifikasi vokal secara objektif. Metodologi yang digunakan adalah Research and Development (R&D) dengan ekstraksi fitur akustik Mel-Frequency Cepstral Coefficients (MFCC). Sinyal audio diproses dengan  sampling rate  22.050 Hz dan dikonversi menjadi citra spektrogram 224x224 piksel untuk memenuhi standar input MobileNetV2. Hasil eksperimen pada dataset vokal wanita (51 Sopran, 44 Alto) menunjukkan tingkat akurasi sebesar 78,1%, dengan nilai  Precision  85%,  Recall  64,2%, dan  F1-Score  73,2%. Efisiensi komputasi MobileNetV2 melalui  Inverted Residual Blocks  dan  Linear Bottlenecks (Sandler et al., 2018) memungkinkan inferensi cepat pada  backend  Flask. Evaluasi kebergunaan melalui kuesioner PSSUQ (Lewis, 1995) menghasilkan skor kepuasan keseluruhan sebesar 83,56%, yang menempatkan sistem dalam kategori "Sangat Efektif". Meskipun terdapat tantangan pada nilai  Recall  akibat kemiripan fitur spektral pada zona transisi vokal, sistem ini terbukti mampu mentransformasi paradigma klasifikasi dari berbasis intuisi ( intuition-driven ) menjadi berbasis data (data-driven), yang secara signifikan mereduksi waktu persiapan komposisi paduan suara.
Co-Authors Abdilah, Bilal Al Qorni, Lulut Ugi Wais Apriani, Irna Arif, Alya Fairuzi Daminatila, Muhammad Febriantoro, F.R. Dwi Julio Warmansyah Junaedi, Dadang Mintarsih Mintarsih, Mintarsih Mi’raj, Agil Rahmi, Syafira Amatur Sarjanoko, Joko Supriyatna, Alam Syafrial Syafrial Zein, Aliyatu Shabrina Zulfikar, Daud