Aplikasi Transkripsi Drum Secara Otomatis Menggunakan Metode Deep Learning.

Cahyaningtyas, Zakiya Azizah (2022) Aplikasi Transkripsi Drum Secara Otomatis Menggunakan Metode Deep Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000080-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (6MB)

Abstract

Transkripsi drum merupakan kegiatan untuk mendapatkan notasi drum dari sebuah audio atau musik. Notasi drum berguna untuk membantu seorang pemain drum sebagai arahan dalam memainkan drum dan juga pelajar musik untuk memahami permainan drum dalam sebuah musik. Sayangnya, melakukan transkripsi dengan baik biasanya hanya bisa dilakukan oleh seseorang yang sudah memiliki banyak pengalaman pada alat musik tertentu. Padahal, notasi musik berguna tidak hanya untuk profesional, tetapi juga amatir. Tugas Akhir ini membangun aplikasi yang menerapkan metode segment and classify untuk transkripsi drum secara otomatis. Metode segment and classify terbagi menjadi dua tahap yaitu segmentasi (segment) berdasarkan waktu pukul (onset) dan klasifikasi (classify) audio pada segmen tersebut. Deteksi onset untuk tahap segment mendapatkan skor macro F1 sebesar 76.14%. Tahap classify atau klasifikasi dilakukan pada onset yang terdeteksi dengan fitur berupa spektogram pada segmen tertentu. Uji coba untuk tahap classify menunjukkan model Long Short-Term Memory (LSTM) mendapatkan skor optimasi multi-objektif

Item Type:	Thesis (Other)
Additional Information:	RSIf 006.32 Cah a-1 2022
Uncontrolled Keywords:	Audio Classification, Automatic Drum Transcription, Deep Learning, FastAPI, Optimasi Multi-Objektif, Spektogram. Audio Classification, Automatic Drum Transcription, Deep Learning, FastAPI, Multi-Objective Optimization, Spectrogram.
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	25 May 2026 08:03
Last Modified:	25 May 2026 08:03
URI:	http://repository.its.ac.id/id/eprint/133414

Actions (login required)

View Item