Musik memiliki berbagai macam genre dan beberapa contohnya adalah Pop, Rock, dan Dance. Manusia dalam membedakan genre biasanya melihat dengan karakteristik dari musik tersebut dan jenis instrument yang dimainkan. Terkadang manusia mudah untuk membedakan genre suatu musik, namun sebuah sistem atau mesin terkadang sulit untuk membedakan genre dari sebuah file musik. Pengolahan Sinyal Digital pada sinyal audio berkembang pesat untuk menghasilkan sebuah sistem yang bekerja otomatis. Sehingga diperlukan suatu pengembangan metode dan algoritma yang dapat mengklasifikasi genre secara tepat. Beberapa penelitian sebelumnya sudah menggunakan Jaringan Syaraf Tiruan, Support Vector Machine, Hidden Markov Model, dan Continous Density Hidden Markov Model sebagai metode klasifikasi.
Pada penelitian sebelumnya, digunakan Jaringan Syaraf Tiruan Backpropagation dengan akurasi 67%. Selanjutnya digunakan algoritma genetika dalam tugas akhir iniuntuk klasifikasi genre yang memiliki kualitas yang baik dalam ketepatan klasifikasinya dengan menggunakan ciri konten frekuensi dan klasifikasi menggunakan jaringan syaraf tiruan backpropagation.
Setelah dilakukan pengujian terhadap sistem yang telah dirancang. Parameter yang menghasilkan akurasi maksimal yaitu jumlah hidden layer 1, jumlah neuron tiap layer 20, nilai learning rate 0.05, fungsi aktivasi tansig untuk hidden layer, fungsi aktivasi purelin untuk output layer, algoritma pembelajaran trainrp dengan akurasi 77.77% dari data latih sebanyak 150 data latih dan 150 data uji. Parameter Algoritma Genetika meningkatkan akurasi menjadi 85,55% dengan parameter jumlah generasi 100, jumah individu 50, peluang crossover 0.6, dan peluang permutasi 0.01.
Kata Kunci : Musik, Genre, Jaringan Syaraf Tiruan back-propagation, Algoritma Genetika.