<![CDATA[Musik adalah salah satu bentuk hiburan yang sangat diminati dan esensial dalam kehidupan manusia. Dalam konteks industri musik saat ini, pengelompokan genre musik memiliki peran penting dalam penyediaan konten musik yang lebih terarah dan sesuai dengan preferensi pendengar. Meskipun telah banyak platform musik canggih yang tersedia, pengguna masih mengalami kesulitan dalam menemukan musik yang sesuai dengan preferensi mereka. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi genre musik yang akurat dengan menggunakan metode ekstraksi fitur ritme dan frekuensi. Menggunakan dataset GTZAN yang terdiri dari 10 genre musik, yaitu Blues, Classical, Country, Disco, Hip-hop, Jazz, Metal, Pop, Reggae, dan Rock. Teknik ekstraksi fitur yang digunakan adalah Mel Frequency Cepstral Coefficient (MFCC) dan F0, dengan algoritma Decision Tree. Hasil penelitian menunjukkan bahwa algoritma Decision Tree mampu mengklasifikasikan genre musik dengan tingkat akurasi sebesar 52%. Fitur MFCC dan F0 terbukti memberikan kontribusi signifikan dalam meningkatkan akurasi klasifikasi, dengan MFCC memberikan informasi yang lebih detail mengenai spektrum frekuensi, sementara F0 membantu dalam mengenali pola ritme yang khas dari masing-masing genre. Sistem ini mampu memprediksi genre musik secara otomatis dengan efisien, namun tantangan masih ditemukan dalam membedakan genre yang memiliki kemiripan dalam ritme dan melodi, seperti Rock dan Metal.]]>
Copyrights © 2024
