Perbandingan Dan Analisis Support Vector Machine Dan Adaptive Neuro-fuzzy Inference System Untuk Klasifikasi Genre Musik

Ridwan Firdaus (Telkom University)
Rita Magdalena (Telkom University)
I Nyoman Apraz Ramatryana (Telkom University)

eProceedings of Engineering
Vol 3, No 2 (2016): Agustus, 2016

Dalam tugas akhir ini, dilakukan penelitian bagaimana mengembangkan klasifikasi genre yang memiliki kualitas yang baik dalam ketepatan klasifikasinya dengan menggunakan ciri konten frekuensi dan klasifikasi menggunakan metode Support Vector Machine dan Adaptive Neuro Fuzzy Inference System. Dari skenario pengujian terhadap paramater Jenis dan Orde Filter didapat parameter terbaik yaitu Jenis filter Butterworth dengan orde 3. Setelah dilakukan pengujian terhadap klasifikasi 4 genre lagu yaitu m e t a l , b l u e s , pop dan dance, akurasi tertinggi adalah 85% dan 86% dengan SVM dan 87% dengan ANFIS, untuk jumlah data acuan 50 tiap-tiap genre, jumah data uji 50 tiap-tiap genre, iterasi ANFIS 20, parameter SVM jenis kernel polynomial, kerneloption = 1, C = 10 dan lambda = 1e-1. Kunci : Klasifikasi, genre musik, Support Vector Machine, Adaptive Neuro Fuzzy Inference System