Klasifikasi musik berdasarkan parameter mood menggunakan metode klasifikasi k-Nearest Neighbour dan self organizing map :: Studi kasus pada lagu anak

DEWI, Kadek Cahya, Drs. Agus Harjoko, M.Sc., Ph.D

2010 | Tesis | S2 Ilmu Komputer

Musik adalah seni, hiburan dan aktivitas manusia yang melibatkan suara-suara yang teratur. Musik berkaitan erat dengan psikologi manusia. Sepotong musik sering dikaitkan dengan kata sifat tertentu seperti senang, sedih, romantis, dsb. Keterkaitan antara musik dengan mood tertentu ini telah banyak digunakan dalam berbagai kesempatan oleh manusia. Klasifikasi musik berdasarkan keterkaitannya dengan emosi tertentu menjadi penting. Penelitian ini merancangbangun sistem untuk klasifikasi musik berdasarkan parameter mood menggunakan metode klasifikasi K-Nearest Neigbour dan Self Organizing Map. Parameter mood didapatkan dari Robert Thayer’s energy-stress model yang terdiri dari exuberance / gembira, contentment / rilex, anxious / cemas dan depression. Fitur yang digunakan sebagai ciri adalah rhythm patterns dari musik tersebut. Proses clustering juga dilakukan pada penelitian ini yaitu dengan menggunakan metode Self Organizing Map dan visualisasi hasil clustering menggunakan metode Smoothed Data Histogram. Sistem yang dibangun juga menyediakan fasilitas tambahan berupa music player yang dapat memutar lagu sesuai mood yang dipilih. Hasil implementasi menunjukkan jumlah cluster yang terbentuk dan mood yang dihasilkan oleh suatu lagu. Hasil klasifikasi diuji dengan membandingkan mood yang dihasilkan dari dua metode klasifikasi yang dipakai yaitu K-Nearest Neigbour dan Self Organizing Map serta data mood yang didapat dari pakar psikologi anak.

Music is an art, entertainment and human activities that involve the voices of regular. Music is closely related to human psychology. A piece of music often associated with certain adjectives such as happy, sad, romantic, and so on. The linkage between the music with a certain mood has been widely used in various occasions by people. Music classification based on relevance to a particular emotion is important. This research build music classification system based on mood parameters using K-Nearest Neigbour classification method and Self Organizing Map. Mood parameters based on Robert Thayer's energy-stress model which are exuberance / happy, contentment / rilex, anxious and depression. Features that are used are rhythm patterns of the music. Clustering process is also done in this research is by using Self Organizing Map method and visualization of clustering results using Smoothed Data Histogram method. System built additional facilities that is a music player that can play songs according to mood chosen. Implementation results show the number of clusters and the mood generated by a song. Classification results are tested by comparing the resulting mood of the two classification methods used by the K-Nearest Neigbour and Self Organizing Map and the mood of data obtained from child psychology experts.

Kata Kunci : Musik, Sisitem klasifikasi musik, Parameter mood, k-Neighbour, Self organizing map, K-Nearest Neigbour, Self Organizing Map, Smoothed Data Histogram, music classification, mood classiffication