Article Per Year (5 Year)
p-Index From 2020 - 2025
5.878
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOIV : International Journal on Informatics Visualization JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING Jurnal Ilmiah FIFO MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal Abdimasa TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika JMECS (Journal of Measurements, Electronics, Communications, and Systems) Aiti: Jurnal Teknologi Informasi Jurnal Teknik Informatika (JUTIF) Prosiding SNAST Jurnal Ilmu Komputer dan Informatika eProceedings of Engineering
Rita Magdalena
Universitas Telkom
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Other

Published : 124 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 124 Documents
Search

 5   6   7   8   9 
Perancangan Dan Simulasi Sistem Pemisahan Reff Lagu Berbasis Metode Discrete Wavelet Transform Dan Fast Fourier Transrorm Ricardo Ricardo; Rita Magdalena; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Pada penelitian sebelumnya telah dirancang analisis dan simulasi klasifikasi judul lagu berdasarkan pada senandung manusia. Akan tetapi, pada sistem tersebut masih memiliki keterbatasan untuk melakukan penambahan data lagu pada database dimana data lagu yang akan disimpan di dalam database, yaitu berupa verse dan reff dari masing-masing lagu, harus dipisahkan terlebih dahulu antara seluruh bagian verse dan reff-nya secara manual. Berdasarkan pada kelemahan yang terdapat di penelitian tersebut maka, pada penelitian Tugas Akhir ini, dirancang suatu simulasi sistem yang dapat menentukan bagian kedua dan ketiga reff lagu dengan terlebih dahulu menentukan posisi bagian pertama reff dari suatu lagu tersebut. Sistem dirancang dengan menggunakan file lagu utuh sebagai masukan yang kemudian dilakukan ekstraksi ciri menggunakan metode Discrete Wavelet Transform dan Fast Fourier Transform lalu dilakukan pencocokan menggunakan korelasi terhadap bagian pertama reff lagu tersebut berdasarkan pola dari masukan untuk menentukan reff kedua dan ketiga suatu lagu secara otomatis. Pengujian dilakukan dengan menggunakan ukuran frame window 100ms, 200ms, 500ms, 1000ms, 1250ms, 1500ms, 1750ms dan 2000ms. Dari hasil pengujian terhadap 50 lagu yang dilakukan, sistem mendapat hasil terbaik pada ukuran frame window 1000ms dengan tingkat akurasi sebesar 96%, sementara itu ukuran frame 2000ms menghasilkan waktu komputasi terbaik sebesar 4.2 detik.
Identifikasi Objek Dominan Citra Digital Menggunakan Metode Markov Random Field (mrf) Varian Mohammad Sutama; Rita Magdalena; Inung Wijayanto
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Segmentasi citra yaitu proses mengklasifikasikan citra menjadi beberapa daerah/region yang memiliki karakteristik yang sama. Banyak metode yang digunakan untuk melakukan segmentasi citra. Salah satu metode yang digunakan adalah metode markov random field. Markov random field memodelkan objek pada citra menggunakan sebuah permodelan probabilistik. Kemudian segmentasi dilakukan dengan mengklasifikasikan piksel- piksel citra sesuai parameter probabilistik tiap objek. Setelah melewati proses segmentasi tersebut, warna yang di hasilkan akan di counting untuk mencari persentase warna terendah yang di asumsikan menjadi objek dominan pada citra tersebut. Dan pada proses terakhir akan dilakukan masking citra untuk menentukan objek dominan pada citra. Tugas akhir ini merancang sistem segmentasi dan identifikasi objek dominan pada citra digital dengan metode markov random field. Proses yang dilakukan yaitu menggambil gambar atau citra digital dengan menggunakan kamera, lalu di proses pada software MATLAB. Terdapat 30 citra yang digunakan sebagai data untuk pengidentifikasian objek dominan. Data citra tersebut akan mengalami preprocessing dilanjutkan markov random field, yaitu dengan memodelkan objek pada citra menggunakan sebuah permodelan probabilistik. Kata kunci : Markov Random Field, Counting, Masking. ABSTRACT Image segmentation is the process of classifying the image into several regions / regions that have the same characteristics. Many methods are used to perform image segmentation. One of the methods used is the method of markov random field. The Markov random field modeled the object on the image using a probabilistic model. Then segmentation is done by classifying image pixels according to probabilistic parameters of each object. After passing through the process of segmentation, the resulting color will be in counting to find the lowest percentage of color that is assumed to be the dominant object in the image. And in the last process will be done image masking to determine the dominant object in the image. This final project designs segmentation system and identification of dominant object in digital image with markov random field method. The process is to take pictures or digital images using the camera, then in the process of software MATLAB. There are 30 images used as data for identification of dominant objects. The image data will undergo preprocessing followed by markov random field, that is by modeling the object in the image using a probabilistic modeling. Keywords : Markov Random Field, Counting, Masking.
Deteksi Kelainan Tulang Belakang Berdasarkan Citra Medis Digital Dengan Menggunakan Support Vector Machine (svm) Yohana Karina Candra Sari; Rita Magdalena; Ratri Dwi Atmaja
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Skoliosis adalah kelainan pada tulang belakang sehingga tulang belakang melengkung ke sisi kiri atau kanan. Biasanya skoliosis ini terdeteksi ketika pasien/penderita melakukan pemeriksaan dengan Rontgen atau alat medis lainnya saat MCU, terjadi kecelakaan, dan saat tulang belakang terasa tidak nyaman atau berbeda. Tugas Akhir ini bertujuan untuk membangun sebuah sistem yang mampu mendeteksi kelainan tulang belakang pada manusia pada hasil Rontgen, sehingga sistem dapat secara otomatis memilah skoliosis menurut arah kemiringannya. Dibangunnya sistem ini diharapkan dapat membantu proses pemilahan data dengan cepat dan akurat, sehingga mengurangi waktu pemeriksaan hasil Rontgen. Pada Tugas Akhir ini digunakan metode ekstraksi ciri Principal Component Analysis (PCA) untuk mendapatkan feature vector dari citra alat diagnostik kesehatan dengan format .jpg. Kemudian hasil feature vector tersebut diklasifikasikan dengan Support Vector Machine (SVM) sehingga akan dihasilkan 3 klasifikasi yaitu tulang punggung manusia normal, kelainan dekstroskoliosis dan kelaina levoskoliosis. Variabel pengujian yang diteliti variabel pada preprocessing, input bermacam-macam nilai PC pada PCA, nilai c pada proses pelatihan SVM dan terakhir ialah pengujian pada berbagai macam jumlah data uji dan data latih. Secara keseluruhan, dengan menggunakan metode PCA dan SVM pada deteksi kelainan tulang skoliosis, berhasil diperoleh akurasi tertinggi sebesar 91.87%. Kata kunci: citra medis, skoliosis, dekstroskoliosis, levoskoliosis, PCA, SVM.
Simulasi Dan Analisis Klasifikasi Genre Musik Berbasis Support Vector Machine I Gusti Agung Dian Wintara; Rita Magdalena; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Seiring dengan perkembangan zaman, dalam kurun waktu yang relatif singkat musik berkembang dengan begitu cepat. Musik memiliki berbagai macam jenis genre antara lain: Classical, Rock, Reggae, Country, dan Jazz. Genre musik adalah kategori dari karya seni, dalam hal ini khususnya musik, untuk mencirikan dan mengkategorikan musik yang kini tersedia dalam berbagai bentuk dan sumber. Pengklasifikasian genre musik secara otomatis dapat menjadi hal yang sangat membantu dalam pengembangan sistem temu-kembali untuk data audio. Pengolahan Sinyal Digital pada sinyal audio berkembang pesat untuk menghasilkan sebuah sistem yang bekerja secara digital. Sehingga diperlukan suatu pengembangan metode dan algoritma yang dapat mengklasifikasi genre secara tepat. Pada tugas akhir ini diteliti dengan menggunakan metode klasifikasi Support Vector Machine. Metode Support Vector Machine merupakan metode klasifikasi yang sederhana. Pembentukan model klasifikasi Support Vector Machine dengan mengumpulkan ciri dari data latih atau data acuan untuk menjadi data training saat pengujian. Dimana proses klasifikasi genre dimulai dengan memilih file lagu yang akan di klasifikasikan genre-nya, selanjutnya dilakukan proses preprocessing, pengambilan ciri dengan memanfaatkan ekstraksi ciri, dan terakhir proses klasifikasi Support Vector Machine untuk menghasilkan jenis genre dari file lagu yang dipilih. Pengujian yang dilakukan adalah pengujian terhadap metode klasifikasi genre menggunakan Support Vector Machine. Skenario pengujian dilakukan dengan jumlah data acuan 50 tiap-tiap genre, jumlah data uji 50 tiap-tiap genre. Kata kunci: Klasifikasi, genre musik, Support Vector Machine
Klasifikasi Motif Batik Solo Menggunakan Histogram Of Oriented Gradient Dan Learning Vector Quantization Reyhan Radifan Jordy; Rita Magdalena; Ledya Novamizanti
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Batik merupakan salah satu warisan nenek moyang nusantara yang telah diakui dunia. Batik sudah merupakan bagian dari masyarakat Indonesia sejak dulu. Batik-batik tersebut memiliki motif dan ciri khas yang berbeda-beda. Karena nilai budaya dan sejarah yang tinggi, penulis membuat simulasi sistem yang dapat mendeteksi jenis motif batik untuk memudahkan pengenalan jenis motif batik. Proses yang dilakukan dalam perancangan ini dengan mengambil citra motif batik dengan menggunakan kamera digital kemudian dilakukan preprocessing dengan meresize citra, lalu mengubah citra RGB menjadi grayscale, setelah itu menggunakan edge detection (Canny algorithm). Setelah tahap preprocessing selesai selanjutnya melakukan ekstraksi ciri dengan menggunakan Histogram Of Oriented Gradient dan mengklasifikasikannya dengan menggunakan Learning Vector Quantization.Setelah dilakukan pengujian sistem klasifikasi motif batik dengan 18 citra latih (6 citra untuk masing masing batik) dan 30 citra uji (10 citra untuk maisng masing batik) dengan parameter HOG dan LVQ yang berbeda didapatkan nilai akurasi sebesar 90% dan waktu komputasi rata rata 2,6591 detik Kata kunci : Batik, Histogram Of Oriented Gradient, Learning Vector Quantization Abstract Batik is one of the ancestral heritage of the archipelago that has been recognized world. Batik has been part of Indonesian society since the first. Batik has different motives and characteristics. Due to high cultural and historical values, the authors make simulations of systems that can detect types of batik motifs to facilitate the introduction of types of batik motifs. The process undertaken in this design by taking the image of batik motif by a digital camera then preprocessing by resizing the image, then changing the RGB image to grayscale, then using edge detection (Canny algorithm). After the preprocessing stage is complete, then perform feature extraction using Histogram Of Oriented Gradient and classify it using Learning Vector Quantization.After testing the batik motif classification system with 18 training images (6 images for each batik) and 30 test images (10 images for each batik) with different HOG and LVQ parameters, the accuracy value was 90% and the average computing time was 2,6591 seconds Keywords : Batik, Histogram Of Oriented Gradient, Learning Vector Quantization
Simulasi Dan Analisis Pencari Reff Dan Verse Lagu Pada Musik Digital Dengan Metode Korelasi Firmansyah Patriandhika; Rita Magdalena; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi dimasa globalisasi saat ini terutama tekonologi komunikasi dan informasi yang berbasiskan komputer berkembang sangat pesat, dan teknologi menjadi kebutuhan masyarakat dunia. Hal ini disebabkan oleh perkembangan yang cepat pada bidang teknologi telekomunikasi. Pengolahan sinyal informasi merupakan salah satu bagian dari teknologi telekomunikasi. Pengolahan sinyal informasi ini mencakup luas, salah satunya adalah mengidentifikasi sinyal informasi pada lagu. Lagu dijadikan sebagai objek yang utama, dikarenakan perkembangan musik yang begitu pesat juga. Pada penelitian sebelumnya mencoba dibuat suatu aplikasi menentukan sebuah judul lagu dengan memanfaatkan ekstraksi ciri., Penelitian tersebut merekam lagu dari awal sampai akhir untuk mendapatkan sebuah judul. Namun sistem tersebut masih secara manual untuk menentukan bagian mana verse dan reff lagu. Maka dari itu, peneliti yang mengerjakan tugas akhir saat ini, akan mengembangkan potensi baru, dimana akan mencari reff dan verse lagu selanjutnya secara otomatis, dengan syarat mendengar bagian pertama dari lagu tersebut. Dengan memanfaatkan perkembangan audio processing yang sangat membantu dalam perkembangan industry music digital, sistem yang akan dibuat menggunakan lagu sebagai input yang kemudian dilakukan pencarian untuk menentukan kesamaan jarak antara panjang pola yang sama dengan menggunakan metode Korelasi Setelah pengujian dengan skenario yang berbeda pada sistem yang dirancang maka diperoleh beberapa akurasi. Pengujian skenario dilakukan pada ukuran frame 250ms, 500ms, 750ms, 1000ms, dan 2000ms. Dari hasil yang telah diuji, sistem menghasilkan akurasi yang baik pada ukuran frame 1000ms dan 2000ms dengan nilai mencapai 92%. Dan waktu komputasi yang baik terdapat pada ukuran frame 2000ms dengan waku ekstraksi ciri 2,9 detik dan waktu proses pencarian verse dan reff lagu 4 detik.Kata Kunci : Pencarian Verse dan Reff, Korelasi
Sistem Deteksi Idealitas Berat Badan Secara Real Time Dengan Menggunakan Metode Gray Level Co-occurance Matrix Dan Body Surface Area Tahta Restu Adiguna; Rita Magdalena; Sofia Saidah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Idealitas tubuh seseorang dapat ditinjau dari tinggi badan, berat badan dan perbandingan lingkar pinggang dengan lingkar pinggul. Untuk mengetahui tinggi badan, berat badan, lingkar pinggang serta lingkar pinggul kita biasa melakukan pengukuran secara manual. Pada pengukuran manual, pengukuran menggunakan alat yang berbeda dan butuh bantuan dari orang lain. Oleh karena itu, pada tugas akhir ini dilakukan penelitian yang dapat mengukur idealitas tubuh dengan menggunakan pengolahan citra dimana penelitian ini juga memberikan informasi berupa klasifikasi tubuh menurut perhitungan BMI (Body Massa Index), memberikan saran berupa berat badan ideal menurut perhitungan rumus Borcha, serta memberikan informasi WHR (Waist to Hip Ratio). Pengenalan jenis kelamin dapat dilakukan melalui tahap deteksi wajah dan ekstraksi ciri dengan fitur geometri serta Gray Level Co-occurance Matrix (GLCM) dimana dalam membedakan pria atau wanita menggunakan metode Support Vector Machine (SVM). Pada pengukuran berat dan tinggi badan digunakan pendekataan rumus BSA (Body Surface Area). Penelitian ini juga menggunakan library Haar Cascade dari Open CV. Hasil dari penelitian ini sistem dapat mengidentifikasi jenis kelamin dan dapat mengukur idealitas berat badan secara real-time, nilai akurasi maksimum pada pengujian tinggi dan lebar badan yaitu dengan akurasi sebesar 95,97% dengan menggunakan skala 22,7. Untuk pengujian berat badan akurasi maksimum sebesar 95,39% dengan nilai faktor pengali (K) 0,98, berdasarkan pengujian perhitungan rumus borcha pada pria didapatkan nilai rata-rata akurasi sebesar 91,07% sedangkan pada wanita nilai rata-rata akurasi sebesar 88,70%, berdasarkan pengujian Body Mass Index menunjukan akurasi klasifikasi sebesar 83,34%, dan pengujian terakhir yaitu berdasarkan WHR pada pria akurasi klasifikasi sebesar 26,67% dan akurasi klasifikasi wanita sebesar 66,67%. Kata Kunci : BMI, Borcha, BSA, Gray Level Co-occurance Matrix (GLCM), Support Vector Machine (SVM), WHR ABSTRACT The ideality of someone’s body can be reviewed from body height, body weight and comparison of waist size and hip size. To know body height, body weight, waist size and hip size, we can measure them manually. In manual measurement, the measurement is using different tools and needing help from others. Therefore, in this thesis, conducted a research that can measure the ideality of body by using image processing besides this research also gives the information of body classification based on BMI (Body Massa Index) calculation, gives advices containing ideal body weight based on Borcha formula, and gives information WHR (Waist to Hip Ratio). Introduction of gender can be done by face detection and characteristic extraction with geometry feature and Gray Level Co-occurance Matrix (GLCM) where to differentiate man and woman, the method of Support Vector ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 5562 2 Machine (SVM) is used. The measurement of body height and body weight is BSA done by (Body Surface Area) Formula Approach. This research is also using library Haar Cascade from Open CV. The result of this research are system can identify gender and can measure the ideal body weight in real-time, the value of maximum accuracy in the test of body height and body width is 95,97% with the scale of 22,7. For the test of body weight, the maximum accuracy is 95,39% with the multiplier factor (K) of 0,98. based on the test calculation formulas borcha men obtained average value accuracy is 91.07% while in women the average value of the accuracy is 88.70%, based on Body Mass Index test indicates the accuracy of the classification is 83.34%, and the last test that is based on the WHR in men is 26.67% classification accuracy and accuracy of classification is 66.67% women. Keywords : BMI, Borcha, BSA, Gray Level Co-occurance Matrix (GLCM), Support Vector Machine (SVM), WHR.
Matched Filter Dan Operasi Morfologi Untuk Estimasi Derajat Kebengkokan Tulang Imanuel Boyke Nainggolan; Rita Magdalena; R Yunendah Nur Fuadah
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Dewasa ini, banyak aktifitas yang dapat menyebabkan rasa sakit pada tulang belakang. Banyak hal yang dapat rasa sakit pada tulang belakang. Salah satunya adalah kebengkokan pada tulang belakang, yaitu skoliosis. Skoliosis adalah kelainan pada tulang belakang sehingga tulang belakang melengkung ke sisi kiri atau kanan. Biasanya skoliosis ini terdeteksi ketika penderita melakukan pemeriksaan dengan Rontgen atau alat medis lainnya saat MCU. Tugas Akhir ini bertujuan untuk membangun sebuah sistem yang mampu mendeteksi kebengkokan tulang belakang pada manusia dengan hasil Rontgen. Dibangunnya sistem ini diharapkan dapat membantu proses pengukuran sudut kebengkokan tulang belakang belakang dengan cepat dan akurat. Pada Tugas Akhir ini digunakan metode menggunakan metode Matched Filter dan Morphology Operation. Ada dua langkah utama dalam proses perhitungan sudut. Langkah pertama yaitu melakukan preprocessing yang bertujuan untuk meningkatkan kualitas citra agar dapat tersegmentasi dengan optimal. Dalam upaya mencapai akurasi terbaik, variabel pengujian yang diteliti ialah sebagian besar pada preprocessing karena citra merupakan citra hasil Rontgen, sehingga dibutuhkan variabel terbaik agar menjadi input yang maksimal pada proses berikutnya. Dalam penelitian ini, akurasi menggunakan Matched Filter sebesar 62,67%, Sedangkan untuk metode Operasi Morfologi sebesar 70,76%, dan untuk metode gabungan 72,44% Kata kunci : Tulang Punggung , Deteksi Citra, Perhitungan Sudut Abstract Today, many activities can cause pain in the spine. Many things can be pain in the spine. One is a spinal curvature, namely scoliosis. Scoliosis is a disorder of the spine so the spine curves to the left or right side. Usually this scoliosis is detected when the patient performs an X-ray examination or other medical device during MCU.This Final Project aims to build a system capable of detecting spinal cord in humans with X-rays. The construction of this system is expected to help the process of measuring rough angles of the back spine quickly and accurately. In this final project used method using Matched Filter and Morphology Operation method. There are two main steps in the corner computation process. The first step is to do preprocessing which aims to improve image quality in order to be segmented optimally. In order to achieve the best accuracy, the test variables studied are mostly on preprocessing because the image is the image of X-rays, so it takes the best variable to be the maximum input in the next process. In this research, accuracy using Matched Filter is 62,67%, while for Operation Morphology method is 70,76%, and for method of combination 72,44%. Keywords: Backbone, Image Detection, Angle Calculation
Analisis Dan Simulasi Identifikasi Judul Lagu Melalui Senandung Manusia Menggunakan Ekstraksi Ciri Lpc (linear Predictive Coding) Ignatius Yoslan Kurniawan; Rita Magdalena; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pada penelitian ini akan penulis akan membuat suatu identifikasi judul lagu melalui senandung manusia. Penelitian ini akan menggunakan metode ekstraksi ciri suara yang disebut dengan Linear Predictive Coding dan metode klasifikasinya adalah Dynamic Time Warping (DTW). Sistem yang dirancang ini akan mengidentifikasi judul lagu melalui humming dengan keluaran berupa informasi judul lagu.Setelah dilakukan pengujian dengan skenario berbeda pada sistem yang dirancang maka didapatkanlah beberapa hasil akurasi. Untuk pengujian data lagu asli sebagai data latih dan data lagu asli sebagai data uji memiliki akurasi tertinggi sebesar 100 %. Pengujian data lagu vokal sebagai data latih dan data lagu vokal sebagai data uji memiliki akurasi tertinggi sebesar 81,67 %. Pengujian data lagu senandung sebagai data latih dan data lagu senandung sebagai data uji memiliki akurasi tertinggi sebesar 61,67 %. Pengujian data lagu vokal sebagai data latih dan data lagu senandung sebagai data uji memiliki akurasi tertinggi sebesar 78,33 %. Pengujian data lagu asli sebagai data latih dan data lagu senandung sebagai data uji memiliki akurasi tertinggi sebesar 80 %. Kata Kunci: Senandung, Linear Predictive Coding, Dynamic Time Warping (DTW)
Pemisahan Verse Dan Reff Secara Otomatis Pada Musik Mp3 Menggunakan Korelasi Antar Frame Berbasis Ciri Modified Discrete Cosine Transform (mdct) Rizqi Surya Utama; Rita Magdalena; I Nyoman Apraz Ramatryana
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Di masa sekarang teknologi telekomunikasi tidak hanya untuk mengirimkan satu informasi dari satu titik ke titik yang lain, tetapi meluas contohnya dunia musik. Dengan adanya pengolahan sinyal informasi dalam dunia musik, dimana bisa mengidentifikasi sinyal informasi pada lagu, lagu dijadikan sebagai objek utama dikarenakan perkembangan entertainment musik yang begitu pesat. Penelitian ini tentang pencarian verse dan reff dengan inputan potongan verse dan reff dari lagu untuk disimpan pada database yang terdiri dari 25 data potongan verse dan reff dan berbagai genre yang diproses secara manual. Tugas Akhir ini menggunakan metode Modified Discrete Cosine Transform (MDCT) yaitu mencari reff dan verse pada lagu secara otomatis, proses yang dilakukan untuk menentukan letak verse dan reff dengan menggunakan korelasi antar frame setelah frame tersebut dilakukan ekstraksi ciri menggunakan MDCT. Di dalam tugas akhir ini, 25 file lagu pada database menghasilkan rata-rata akurasi 75% dari ketepatan letak verse dan reff dalam detik dari hasil metode dibandingkan dengan letak aktual dari hasil pemisahan verse dan reff secara manual pada masing-masing lagu. Waktu komputasi terbaik pada tugas akhir ini 95 detik dengan frame 1000ms untuk pemotongan 1 lagu file mp3. Kata kunci : Modified Discrete Cosine Transform (MDCT), verse, reff. Abstract In the present time telecommunications technology is not only to send one information from one point to another, but extends for example the music world. With the existence of information signal processing in the world of music, where it can identify information signals on songs, songs are used as the main object due to the rapid development of music entertainment. This research is about verse and reff search by inputting verse pieces and referrals from songs to be stored in a database consisting of 25 pieces of verse and reff data and various genres that are processed manually. This Final Project uses the Modified Discrete Cosine Transform (MDCT) method, which is to search for referrals and verses on songs automatically. The process is carried out to determine the verse and reff location by using the correlation between frames after the frame features extraction using MDCT. In this final project, 25 song files on the database resulted in an average accuracy of 75% of the accuracy of the verse location and the reff in seconds from the results of the method compared to the actual location of the results of the separation of verse and reff manually on each song. The best computing time in this final project is 95 seconds with a 1000ms frame for cutting 1 song mp3 file. Keywords: Modified Discrete Cosine Transform (MDCT), verse, reff
Co-Authors A F Akbar Abel Bima Wiratama Achmad Rizal Adham Nurjati Adinda Maulida Agung Aditama Putra Agustina Trifena Dame.S AGUSTINA, REGITA Ahmad Zendhaf Aldo Setiawan Alva Rischa Qhisthana Pratika Andria Sufy Angga Prihantoro Ardhi Fibrianto Arianto Sirandan Arintyo Archamadi Ayu Putu Wida Vanhita Bagas Farhan Hadyantoro Bagus Robbiyanto Bambang Hidayat Bambang Hidayat Bayuaji Kurniadhani Brian Adam Danding Adhi Priutomo Davita Nadia Fadhilah Dea Sifana Ramadhina Dewa Nyoman Indra Dewi Siskawati Dian Ayu Nurlitasari Dimas Frandisyah Putra Donny Janu Sundoro Dwi Anggreni Novitasari Dyah Ajeng Pramudhita Dyah Ayu Pratiwi Efri Suhartono Eko Susatio Eky Yuliansyah Eriel Mar Estananto Faizhal Rifky Alfaris Fathurrahman, Muhammad Hanif Fatima Azzahra FAUZI FRAHMA TALININGSIH Fauzi, Muhammad Ilham Febriani Ruming Sari Firmanda Robi Firmansyah Patriandhika Fitya Nur Fadhilah Galih Surya Gede Hari Yogiswara Gusty Aditya Arrazaq HARSONO, ALI BUDI Herdian Anantya Risma Hilman Fauzi, Hilman I Dewa Gede Agung Kurniawan I Gusti Agung Dian Wintara I Nyoman Apraz Ramatryana I Nyoman Apraz Ramatryana I NyomanApraz Ramatryana Ibnu Da'wan Salim Ibnu Da’wan Salim Ubaidah Ibnu Da’wan Salim Ubaidah Ignatius Yoslan Kurniawan Ikhwanda, Alfan Ikrar Khaera Arfat Ilma Rahma Dewi Imanuel Boyke Nainggolan Immanuel Rayuzi Pandapotan Sinaga Indrafaqih Eskamara Inung Wijayanto Iqbal Kurniawan Perdana Irham Bani Alfafa Ivan Prayoga Prawiro Ivandy Chaniago Jangkung Raharjo Jonthala Tambunan Koredianto Usman Krisna Prayoga Kurnia Khafidhatur Rafiah Ledya Novamizanti Lugina Perceka Putri M.Aldia Abilisa M.Fajar Zulvan Nugraha Mahendra, Dio Maisaroh Agustina Rahayu Malardy , Muhammad Andriyansyah Masykur, Muhammad Fadhel Affandi Misbakhul Munir Muhamad Rokhmat Isnaini MUHAMMAD ADNAN PRAMUDITO Muhammad Akhyar Ghifari Muhammad Ardhi Prakasa Muhammad Bayu Adinegara Muhammad Fadly Mustakim Muhammad Ihsan Fadhil Muhammad Ilham Muhammad Ilham Fauzi Muhammad Najiburahman Muhammad Tezar Muhammad Yuqdha Faza Nabila Herman Naufal Adi Gifran Nidaan Khofiya Nor Kumalasari Nor Kumalasari Caecar Nor Kumalasari Caecar Pratiwi Nor Kumalasari Caesar Pratiwi Nur Andini Nur Ibrahim NURFAJAR, FEBI Obed Simanungkalit Octavian Putera Kesuma Sugeng Olyvia Fernanda Soedradjat PERDANI, WAHYUNI RIZKY Prayudi, Yoshi Putra, Akbar Trisnamulya Putri Andriani R Ricki Juniansyah R Yunenda Nur Fu'adah R. Rumani R. Rumani R. Yunendah Nur Fu’adah Raditiana Patmasari Rafid Fakhri Rahmad Hidayatullah Salam Raihan Nur Fadhlillah Rama Arjun Setiawan Ramdhan Nugraha Ratri Dwi Atmaja Renny Rahmawati Reyfaldi Wahyu Pradana Reyhan Radifan Jordy Rezki Ariz Rahadian Ricardo Ricardo Richard Bina Jadi Simanjuntak Ridwan Firdaus Rifqi Muhammad Fikri Rissa Rahmania Rizki Muhammad Iqbal Rizqi Surya Utama Rosyita Ayuning Mauludiya Sa’idah, Sofia Saidah, Sofiah Sari, Febriani Ruming Sayidia Rizki Arfina Sean Alexander Suryaman Septian Eko Kuncahyono Shimon Anterio Armando Sinaga Sofia Sa'idah Sofia Sa'idah Sofia Sa’idah SOFIA SAIDAH Sofia Sa’idah Steven Palondongan Suci Aulia Sugondo Hadiyoso Susilo, Mochammad Hilmi Suwandhi, Adhisty Putrina Suwitrisna Putra Syafiq Hilmi Abdullah Syamsul Rizal Tahta Restu Adiguna Tamardi Pranata Tampubolon Tauhid Nur Azhar Teguh Dian Arifandi Tri Siswanto Twinarya Bagus Wibawa Varian Mohammad Sutama Yohana Karina Candra Sari Yunendah Fu’adah