Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
Riyan Firmansyah
Universitas Jenderal Achmad Yani
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Identifikasi Nada Dari Sinyal Suara Alat Musik Instrumen Menggunakan Metode Mel Frequency Cepstrum Coefficients dan Hidden Markov Model Riyan Firmansyah; Esmeralda C Djamal; Rezki Yuniarti
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2018
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Semakin berkembangnya seni musik mengakibatkan banyaknya peminatan dalam seni musik. Hal mendasar yang harus dipelajari dalam seni musik adalah mengenali nada dasar yang dihasilkan oleh alat musik tersebut salah satunya adalah nada mayor. Namun untuk dapat mengenali nada mayor, seseorang membutuhkan latihan bermusik yang cukup lama serta biaya yang tidak sedikit. Hal tersebut dapat membatasi seseorang dalam mempelajari seni musik. Oleh karena itu, diperlukan identifikasi nada dari alat musik, namun dalam identifikasi tidaklah mudah. Penelitian ini telah membuat sistem identifikasi nada mayor dari perekaman lima alat musik menggunakan 10 kali perulangan dengan durasi perekaman dua detik untuk setiap nada. Sistem dibangun dengan menggunakan Mel-Frequency Cepstrum Coefficients (MFCC) sebagai ekstraksi nada dan diidentifikasi menggunakan Hidden Markov Model (HMM). MFCC digunakan karena memiliki kemiripan dengan sistem pendengaran manusia yang memperhitungkan sifat non linier. Hasil dari MFCC dilakukan pelabelan frame menggunakan K-Means, yang kemudian digunakan sebagai masukan parameter HMM untuk mengidentifikasi 12 nada mayor yang kemudian direpresentasikan dalam bentuk simbol. Hasil pengujian menunjukkan akurasi terhadap data baru sebesar 74% untuk Biola, 81% untuk Ukulele, 61% untuk Gitar, 82% untuk Piano dan 30% untuk Bass. Sedangkan untuk data latih mendapatkan akurasi sebesar 92%.
Co-Authors Esmeralda C Djamal Rezki Yuniarti