ABSTRAKSI: Genre musik merupakan salah satu meta data musik digital yang biasa ditentukan oleh manusia untuk mengelompokkan musik berdasarkan persamaan karakter yang dimiliki oleh tiap anggotanya. Karakteristik ini biasanya dapat dilihat dari besarnya frekuensi musik, struktur ritmik dan instrumentasinya, dan juga konten harmoni yang ada pada musik itu sendiri. Pengelompokkan genre musik ini akan sangat berguna sekali untuk menyusun koleksi musik besar yang biasanya terdapat di Web. Saat ini penentuan genre masih dilakukan secara manual. Penentuan genre musik secara otomatis dapat menggantikan peran manusia sehingga penentuannyapun tidak lagi bersifat relatif, melainkan dapat dikelompokkan dengan standarisasi yang telah ditentukan.
Pada penelitian ini digunakan input berupa audio file dalam WAV format berdurasi 30 detik dengan dua macam ekstraksi fitur dari dua macam referensi yang berbeda, yaitu berdasarkan konten frekuensinya dan tektstur timbralnya, dan proses pengenalan dengan menggunakan Jaringan Syaraf Tiruan metode LVQ. Dengan tingkat akurasi ekstraksi fitur pertama mencapai 96.67% dan 92.67% untuk ekstraksi fitur kedua.
Kata Kunci : Ekstraksi fitur, klasifikasi audio, klasifikasi genre musik, Learning Vector QuantizationABSTRACT: Musical genres are one of digital music metadata created by human to be categorized by the common characteristics shared by its members. These characteristics typically are related to the frequency content, rhytmic structure, instrumentations, and also the harmony content itself. Genre hierarchies will be so usefull to structure the large collections of music that now available freely on the Web. Currently musical annotation is performed manual. Automatic musical genre classifications can replace the human user in this process so that this kind of classification will not be relative anymore and can be classified by its standarization.
In this research, two kinds of feature extractions, the frequency content feature and the timbral texture feature, with a Linear Vector Quantization of neural network method are proposed. And the input were in the WAV format with 30 second duration. Using the first feature extractions, classification of 96.67% for 5 musical genre is achieved and 92.67% for the second one.
Keyword: Audio classification, feature extractions, musical genre classification, Learning Vector Quantization.