KLASIFIKASI MOOD LIRIK LAGU MENGGUNAKAN METODE TF-IDF DAN SELF ORGANIZING MAPS

ROSITA YANUARTI, Dr.Techn. Khabib Mustofa, S.Si, M.Kom

2012 | Tesis | S2 Ilmu Komputer

Musik memiliki pengaruh yang sangat besar terhadap mood setiap pendengarnya. Lagu sebagai bagian dari musik, memiliki komponen yang terdiri dari suara (accoustic) dan lirik. Komponen accoustic meliputi rhythm, timbre, tone, dan tempo, sedangkan komponen lirik terdiri dari kata-kata (term). Mood terhadap suatu lagu tidak hanya dapat diekspresikan melalui komponen accoustic, tetapi juga dapat diekspresikan melalui lirik. Lirik-lirik lagu yang berisi tentang kesedihan dapat membuat mood pendengarnya menjadi sedih dan sebaliknya lirik-lirik yang berisi kegembiraan dapat membuat mood menjadi senang. Penelitian ini membahas tentang klasifikasi pada sekelompok lirik lagu ke dalam kelas-kelas mood berdasarkan term yang terkandung didalamnya. Metode yang digunakan adalah tf-idf dan algoritma self organizing maps (SOM) yang bersifat unsupervised learning. Matriks bobot tf*idf sebagai representasi jumlah kemunculan term digunakan untuk mengukur relevansi term terhadap kelas mood tertentu. Penelitian ini juga membahas akurasi metode klasifikasi menggunakan metode confussion matrix. Hasil dari penelitian ini menunjukkan bahwa model pengelompokkan lirik yang dihasilkan pada proses training dibagi ke dalam 4 kelas mood, sedangkan akurasi model dan hasil klasifikasi lirik ke dalam 4 kelas mood (senang, sedih, rileks, dan marah) pada proses testing tidak terklasifikasikan dengan tepat dan memiliki tingkat akurasi hasil klasifikasi yang rendah terhadap actual data.

Music has a profound effect on its listener’s mood. Song as a part of music, has components that consists of sound (accoustic) and lyrics (words). The accoustic components includes rhythm, timbre, tone, and tempo, while the lyric component includes words. Mood can be expressed not only by accoustic components, but also by lyric component. Song lyrics which express sadness can make the listeners sad and song lyrics which express happiness can make them happy. This research discuss classifications of a group of lyrics into certain mood classes based on the terms in the lyrics using tf-idf and self organizing maps which iis unsupervised learning algorithm. Metrics value tf-idf as the representation of term frequencies is used to measure the relevance of term to those certain mood classes. This research also discuss the accuracy of classification method using confusion matrix method. The result of this research show that classification model of the lyrics that is generated on training phase is divided into 4 mood classes while model accuracy and the result of classifying the lyrics into 4 mood classes (happy, sad, relax, and angry) on testing phase aren’t classified correctly and having a low classifying result compared to the actual data.

Kata Kunci : lirik, mood, self organizing maps, tf-idf.