ABSTRAKSI: DML (Digital Music Library) yang saat ini banyak tersedia secara online memberikan kesempatan bagi setiap orang untuk mengumpulkan lagu-lagu yang mereka inginkan dengan melakukan pencarian berdasarkan keyword. Beberapa kategori keyword yang biasa digunakan adalah berdasarkan genre, artist dan album. Namun sekarang ini banyak pengunjung yang memasukkan keyword berdasarkan kategori mood. Untuk itu diperlukan sistem yang dapat mengklasifikasikan koleksi lagu dalam kategori mood. Pada tugas akhir ini diimplementasikan support vector machine sebagai classifier. Untuk ekstraksi fitur lirik digunakan metode bag-ofwords. Sedangkan untuk mengekstraksi fitur audio digunakan jAudio. Fitur audio yang diekstraksi adalah spectral centroid, spectral flux, spectral rolloff, MFCC, zero crossing dan beat histogram. Kemudian dilakukan penelitian terhadap tingkat akurasi sistem dalam mengklasifikasikan lagu menggunakan metode Late Fusion by linearly combination.
Berdasarkan pengamatan yang telah dilakukan, akurasi yang dihasilkan menunjukkan hasil yang kurang memuaskan, yaitu 24.17% dengan bobot lirik 0.1 dan bobot audio 0.9.
Kata Kunci : Klasifikasi Berdasarkan Mood, Fitur Lirik, Fitur Audio, Support Vector Machine (SVM), Late Fusion by Linearly CombinationABSTRACT: DML(Digital Music Library) which is currently widely available online provides an opportunity for everyone to gather the songs they want by searching based on keywords. Some categories of keywords that are commonly used are based on genre, artist and album. But today many visitors who enter the keywords based on the category mood. It required a system that can classify a collection of songs in a category of mood. In this task support vector machine is implemented as classifier. For the lyric feature extraction methods used bag-of-words. As for extracting audio features used jAudio tools. The extracted audio features are the spectral centroid, spectral flux, spectral rolloff, MFCC, the zero crossing and beat histogram. Then an examination of the degree of accuracy in classifying the track system using Late Fusion method by linearly combination.
Based on the observations that have been done, the resulting accuracy showed unsatisfactory results, 24.17% with lyrics weights 0.1 and 0.9 for audio weight.
Keyword: Classification Based on Mood, Lyric Feature, Feature Audio, Support Vector Machine (SVM), Late Fusion by Linearly Combination