Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector Regression
Musik dibuat untuk menyampaikan emosi dan seringkali dimanfaatkan dalam berbagai kegiatan sehari-hari. Music Emotion Recognition atau pengenalan emosi dalam musik menjadi salah satu bidang penelitian yang ikut berkembang seiring dengan perkembangan jenis dan pemanfaatan musik. Penelitian ini menyaji...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universitas Diponegoro
2020-11-01
|
| Series: | Jurnal Masyarakat Informatika |
| Subjects: | |
| Online Access: | https://ejournal.undip.ac.id/index.php/jmasif/article/view/34875 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849427982776532992 |
|---|---|
| author | Emilia Widiyanti Sukmawati Nur Endah |
| author_facet | Emilia Widiyanti Sukmawati Nur Endah |
| author_sort | Emilia Widiyanti |
| collection | DOAJ |
| description | Musik dibuat untuk menyampaikan emosi dan seringkali dimanfaatkan dalam berbagai kegiatan sehari-hari. Music Emotion Recognition atau pengenalan emosi dalam musik menjadi salah satu bidang penelitian yang ikut berkembang seiring dengan perkembangan jenis dan pemanfaatan musik. Penelitian ini menyajikan hasil pengenalan emosi pada musik dengan musical features menggunakan Support Vector Regression dengan jenis pelatihan ɛ-Support Vector Regression dan ʋ-Support Vector Regression serta kombinasi fitur terbaik yang menghasilkan model terbaik. Data yang digunakan sejumlah 165 data musik yang berbentuk musik soundtrack instrumental. Dari penelitan ini dihasilkan dua model terbaik menggunakan pelatihan ʋ-SVR. Model yang dihasilkan yaitu model pengenalan angle dengan masukan fitur terbaik adalah fitur Pitch dan Energy, dan model pengenalan distance dengan masukan fitur terbaik Zero Crossing Rate dan Beat. Model dihasilkan dengan nilai parameter pelatihan model untuk cost=27, gamma=2-7 dan nu=2-2 pada model angle dan cost=27, gamma=2-8 dan nu=2-2 pada model distance. Pengenalan dengan kedua model tersebut menghasilkan akurasi sebesar 37,75%. |
| format | Article |
| id | doaj-art-1406c2e77d2948b79a2691c9cc671213 |
| institution | Kabale University |
| issn | 2086-4930 2777-0648 |
| language | English |
| publishDate | 2020-11-01 |
| publisher | Universitas Diponegoro |
| record_format | Article |
| series | Jurnal Masyarakat Informatika |
| spelling | doaj-art-1406c2e77d2948b79a2691c9cc6712132025-08-20T03:28:51ZengUniversitas DiponegoroJurnal Masyarakat Informatika2086-49302777-06482020-11-0111211410.14710/jmasif.11.2.3487517692Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector RegressionEmilia Widiyanti0Sukmawati Nur Endah1Jurusan Ilmu Komputer / Informatika, Universitas Diponegoro, IndonesiaJurusan Ilmu Komputer / Informatika, Universitas Diponegoro, IndonesiaMusik dibuat untuk menyampaikan emosi dan seringkali dimanfaatkan dalam berbagai kegiatan sehari-hari. Music Emotion Recognition atau pengenalan emosi dalam musik menjadi salah satu bidang penelitian yang ikut berkembang seiring dengan perkembangan jenis dan pemanfaatan musik. Penelitian ini menyajikan hasil pengenalan emosi pada musik dengan musical features menggunakan Support Vector Regression dengan jenis pelatihan ɛ-Support Vector Regression dan ʋ-Support Vector Regression serta kombinasi fitur terbaik yang menghasilkan model terbaik. Data yang digunakan sejumlah 165 data musik yang berbentuk musik soundtrack instrumental. Dari penelitan ini dihasilkan dua model terbaik menggunakan pelatihan ʋ-SVR. Model yang dihasilkan yaitu model pengenalan angle dengan masukan fitur terbaik adalah fitur Pitch dan Energy, dan model pengenalan distance dengan masukan fitur terbaik Zero Crossing Rate dan Beat. Model dihasilkan dengan nilai parameter pelatihan model untuk cost=27, gamma=2-7 dan nu=2-2 pada model angle dan cost=27, gamma=2-8 dan nu=2-2 pada model distance. Pengenalan dengan kedua model tersebut menghasilkan akurasi sebesar 37,75%.https://ejournal.undip.ac.id/index.php/jmasif/article/view/34875soundtrack, music emotion recognition, musical features, support vector regression |
| spellingShingle | Emilia Widiyanti Sukmawati Nur Endah Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector Regression Jurnal Masyarakat Informatika soundtrack, music emotion recognition, musical features, support vector regression |
| title | Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector Regression |
| title_full | Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector Regression |
| title_fullStr | Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector Regression |
| title_full_unstemmed | Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector Regression |
| title_short | Pengenalan Emosi dalam Musik Berdasarkan Musical Features Menggunakan Support Vector Regression |
| title_sort | pengenalan emosi dalam musik berdasarkan musical features menggunakan support vector regression |
| topic | soundtrack, music emotion recognition, musical features, support vector regression |
| url | https://ejournal.undip.ac.id/index.php/jmasif/article/view/34875 |
| work_keys_str_mv | AT emiliawidiyanti pengenalanemosidalammusikberdasarkanmusicalfeaturesmenggunakansupportvectorregression AT sukmawatinurendah pengenalanemosidalammusikberdasarkanmusicalfeaturesmenggunakansupportvectorregression |