DETEKSI CHORD DENGAN CHROMA-LOG-PITCH FEATURE DAN UNTRAINED HIDDEN MARKOV MODEL

Jati Perdana

Informasi Dasar

113060166
005.1
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAKSI: Bermain musik merupakan salah satu hobi dan pekerjaan yang paling populer di dunia. Salah satu hal yang tidak dapat dilepaskan dari musik adalah chord. Salah satu masalah yang menonjol dalam penelitian di bidang pengenalan chord adalah tingginya kebutuhan akan waktu untuk proses training sistem. Dengan metode Nested Perfect Fifth Circle, pengenalan chord berbasis Hidden Markov Model dapat bekerja dengan baik dan tanpa memerlukan training.

Salah satu fitur yang populer digunakan dalam proses penghitungan chromagram pada sistem pengenalan chord berbasis Hidden Markov Model yang menggunakan training adalah chroma-log-pitch feature. Ternyata chroma-log-pitch feature tidak memberikan hasil pengenalan chord yang lebih baik pada lagu berjenis rock dibandingkan dengan penggunaan chroma pitch feature pada sistem yang tidak membutuhkan training ini. Sebaliknya, penggunaan chroma-log-pitch feature memberikan hasil yang lebih baik pada lagu berjenis techno/K-Pop bila dibandingkan dengan chroma pitch feature. Nested Perfect Fifth Circle juga mampu menjadi dasar penentuan probabilitas transisi yang baik dan memberikan keleluasaan waktu dengan peniadaan proses training.Kata Kunci : chord, chromagram, nested perfect fifth circleABSTRACT: Playing music is one of the most popular hobby and profession in the world. One thing that simply can’t be detached from music is chord. One of the most noticed problem in research about chord recognition is the high need of time resource for the training process. With the Nested Perfect Fifth Circle method, chord recognition based on Hidden Markov Model can work properly and need no training at all.

One of the most popular feature used in the chromagram calculation in a chord recognition system based on Hidden Markov Model which need training is chroma-log-pitch feature. It comes to a resolution that chroma-log-pitch feature doesn’t give a better result compared to chroma pitch feature in case of rock song chord recognition. In contrary, chroma-log-pitch feature gives a better result in techno/K-pop song chord recognition compared to chroma pitch feature. Nested Perfect Fifth Circle can be a method transition probability calculation and giving a lot more free time because of there’s no training needed.Keyword: chord, chromagram, nested perfect fifth circle

Subjek

SOFTWARE ENGINEERING
 

Katalog

DETEKSI CHORD DENGAN CHROMA-LOG-PITCH FEATURE DAN UNTRAINED HIDDEN MARKOV MODEL
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

Jati Perdana
Perorangan
MamanAbdurohman., Agung Toto Wibowo
 

Penerbit

Universitas Telkom
Bandung
2013

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini