<![CDATA[Klasifikasi genre musik merupakan proses pengelompokan lagu berdasarkan kemiripan elemen-elemen seperti frekuensi, harmoni, dan pola ritme. Proses klasifikasi secara manual menjadi tidak efisien ketika berhadapan dengan volume data yang besar. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis genre musik menggunakan algoritma Random forest dengan menggabungkan fitur ekstraksi Mel frequency cepstral coefficient (MFCC) dan fitur spektral seperti Chroma, Spectral contrast, dan Tonnetz. Data yang digunakan berasal dari dataset GTZAN yang berisi 1000 file audio berdurasi 30 detik dan mewakili 10 genre musik berbeda. Tahapan penelitian meliputi ekstraksi fitur audio, preprocessing, pembagian data latih dan data uji, pelatihan model menggunakan Random forest dengan Grid Search, serta evaluasi performa menggunakan Confusion Matrix dan metrik akurasi. Hasil terbaik diperoleh dari kombinasi fitur MFCC, delta, delta-delta dengan perhitungan rata-rata dan standar deviasi, serta fitur spektral dengan perhitungan rata-rata, yang menghasilkan akurasi sebesar 76%. Temuan ini menunjukkan bahwa kombinasi fitur tersebut efektif dalam meningkatkan performa klasifikasi genre musik.]]>
Copyrights © 2025
