<![CDATA[Kecerdasan buatan dapat diaplikasikan dalam banyak bidang dalam kehidupan. Penerapan kecerdasan buatan diantaranya dapat dicapai dengan pendekatan jaringan syaraf tiruan (JST). Salah satu contoh metode jaringan syaraf tiruan yang dikenal adalah metode radial basis function (RBF). Jaringan syaraf tiruan radial basis function (JST RBF) dikenal sebagai salah satu jaringan syaraf yang memiliki tiga lapis bersifat feedforward yang dapat memecahkan masalah klasifikasi atau pengenalan pola. Dalam penelitian ini JST RBF digunakan untuk menglasifikasi musik ke dalam genre (jenis) musik berdasarkan kedekatannya dengan target. Sebagai kebutuhan, jenis musik yang dipakai pada penelitian ini adalah campursari, keroncong, pop, dan rock dengan 3 macam durasi yaitu 2 detik, 5 detik, dan 10 detik pada setiap musik. Sedangkan banyak neuron yang dapakai dalam lapisan tersembunyi sebanyak 56 neuron. Bahan masukan (input) yang digunakan dalam JST RBF ini berformat *.mp3 yang diunduh dari internet yang selanjutnya dikonversi ke dalam format *.wav dan diektraksi dengan menggunakan mel-frequency cepstrum coeffisients (MFCC). Teknik ini mengekstraksi fitur suara yang terdapat pada data musik. Koefisien yang digunakan dalam penelitian ini sebanyak 7 koefisien untuk setiap data musik. Dari hasil simulasi program menunjukkan bahwa JST RBF dapat mengklasifikasi musik dengan akurasi paling tinggi pada data uji berdurasi 10 detik sebesar 75%. Kata kunci : Genre, jaringan syaraf tiruan, kecerdasan buatan, mel-frequency cepstrum coefficients, musik, radial basis function.]]>
Copyrights © 2013
