Segmentasi dan Penganalan Akor Musik Menggunakan EM-Trained Hidden Markov Model

Riezan Syauqi Fanhas

Informasi Umum

Kode

113108032

Klasifikasi

781.54 - Music for specific media-General principles and musical forms

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Music

Dilihat

386 kali

Informasi Lainnya

Abstraksi

Sebuah akor terdiri dari beberapa nada yang dimainkan secara bersamaan. Pergantian akor dari waktu ke waktu, membentuk inti dari keselarasan dalam sebuah musik. Dalam setiap akor terdapat karakteristik yang unik sebagai pembeda satu akor dengan yang lainnya. Untuk dapat mengenali akor-akor dari lagu dibutuhkan insting layaknya seorang musisi yang sering menciptakan dan memainkan lagu. Melihat kondisi tersebut, akan lebih baik jika ada perangkat lunak yang dapat mengenali akor-akor pada lagu secara otomatis.<br><br>Hidden Markov Model (HMM) adalah sebuah metode yang sukses digunakan pada kasus speech recognition. Hal tersebut yang menjadi dasar pemilihan metode HMM untuk digunakan pada kasus pengenalan akor. Kata-kata yang dikenali pada speech recognition akan dianalogikan dengan akor. HMM merupakan model statistik dari sebuah sistem yang diasumsikan sebuah Markov Process dengan parameter yang tidak diketahui (hidden). Perangkat lunak yang dibangun akan menerapkan metode HMM untuk mengenali akor dari musik/lagu. Representasi fitur ciri yang digunakan adalah representasi Chroma atau Picth Class Profile (PCP). Dengan adanya fitur Chroma/PCP tersebut, sebuah akor dapat direpresentasikan ke dalam vektor ciri yang singkat.<br><br>Perangkat lunak yang dibangun akan memberikan output berupa urutan akor dari musik/lagu. Melalui perangkat lunak ini diharapkan dapat membantu pemakai dalam memainkan musik apabila pemain tidak mengetahui atau sulit dalam mengenali akor dari sebuah lagu. Musik, Akor, Vektor Chroma, Hidden Markov Model.