Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Septino, Fernando
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 1 
Personalisasi Genre Playlist Musik Berdasarkan Ritme dan Tempo Menggunakan Deteksi Onset dan Spectral Contrast Septino, Fernando; Henryranu Prasetio, Barlian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Musik memiliki berbagai genre yang terus berkembang seiring dengan kemajuan teknologi digital. Perkembangan ini memunculkan tantangan ketika pengguna mencoba untuk mengklasifikasikan genre musik yang sering kali menggunakan elemen dari berbagai genre berbeda, seperti musik rock yang menggunakan pola permainan musik pop, musik metal yang menggunakan pola permainan musik klasik. Hal ini dapat menyulitkan proses personalisasi musik sesuai preferensi pengguna. Dalam mengatasi tantangan ini, perlu adanya solusi yang mampu mengklasifikasikan genre musik secara otomatis berdasarkan karakteristik dalam musik seperti ritme, tempo, dan pola beat yang dapat menjadi pembeda genre satu dengan genre lainnya. Metode yang digunakan untuk penelitian ini mencakup deteksi onset dan spectral contrast untuk mengekstraksi fitur ritme dan tempo dari sinyal suara. Deteksi onset digunakan untuk mengidentifikasi awal dari ketukan dalam musik, sementara spectral contrast membantu dalam mengidentifikasi perbedaan intensitas di berbagai frekuensi dari sebuah lagu. Setelah fitur diekstraksi, algoritma decision tree digunakan untuk mengklasifikasikan genre musik berdasarkan ritme dan tempo yang diekstraksi. Hasil penelitian menunjukkan bahwa algoritma deteksi onset dan spectral contrast dapat mengekstraksi fitur dari berkas suara yang direkam dan memprediksi genre musik dengan akurasi sebesar 41 persen. Dengan demikian, implementasi sistem ini diharapkan dapat membantu meningkatkan pengalaman pengguna dalam mendengarkan musik dengan menyediakan rekomendasi playlist berdasarkan genre dan ritme mereka.
Co-Authors AJI, IBRAHIM Dahnial Syauqy Firmanda, Dwi Ady Harahap, Syazwandy Henryranu Prasetio, Barlian Imam Cholissodin Rahman, Edy