ABSTRAKSI: Pengenalan alat musik merupakan salah satu kemampuan manusia berdasarkan informasi musikal yaitu timbre. Kemampuan tersebut ditirukan dengan metode pembelajaran Jaringan Syaraf Tiruan, dalam hal ini Quickprop. Untuk dapat mengenali alat musik perlu adanya ekstraksi ciri, seleksi ciri dan metode pembelajaran dengan JST yaitu Quickprop.
Skenario-skenario pelatihan dan pengujian perlu dirancang untuk mendapatkan performansi akurasi sistem yang optimal. Setelah skenario-skenario berhasil dieksekusi, didapatkan hasil akurasi pelatihan sebesar 80.52% dan hasil akurasi pengujian sebesar 77.78%.Kata Kunci : ekstraksi ciri, JST, quickprop, seleksi ciri, timbre.ABSTRACT: Music Instrument Recognition is one of human’s capabilities based on musical information which is timbre. That particular skill is being adapted with Artificial Neural Network (ANN), which is Quickprop. Feature Extraction, Feature Selection, and Learning method with Quickprop is necessary to achieve optimum performance in musical instrument recognition.
Scenarios of training and testing is necessary to achieve optimum performance of the sistem. The performance of the sistem after training is 80.52% of accuration and the performance after testing is 77.78%.Keyword: ANN, feature extraction, feature selection, quickprop, timbre.