Deteksi Onset Pada Sinyal Musik Gamelan Berdasarkan Skala Mel Dan Bark Menggunakan Elman Neural Networks

Sari, Dian Kartika (2019) Deteksi Onset Pada Sinyal Musik Gamelan Berdasarkan Skala Mel Dan Bark Menggunakan Elman Neural Networks. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
07111650050002-Master_Thesis.pdf

Download (5MB) | Preview

Abstract

Deteksi onset berguna dalam sejumlah analisis dan teknik pengindeksan untuk sinyal musik. Tujuan dari deteksi onset adalah untuk menentukan waktu mulai sebuah nada atau kejadian baru dari sebuah sinyal. dalam hal ini pada rekaman musik gamelan. Variasi sinyal pada musik gamelan yang disebabkan oleh perbedaan gaya bermain. kekuatan pukulan dan proses pembuatan gamelan. membuat deteksi onset pada gamelan lebih sulit dilakukan apabila dibandingkan dengan musik Barat. Pada penelitian ini akan dilakukan proses deteksi onset menggunakan Elman Neural Network. Pembelajaran diawasi dengan pemberhentian dini yang diterapkan pada tahap pelatihan jaringan. Sampel yang mengandung onset diidentifikasi dengan mengolah fungsi unit output. Nilai fungsi aktivasi keluaran yang lebih tinggi menunjukkan probabilitas tinggi bahwa sampel tersebut adalah onset. Hasil kinerja dari proses deteksi onset menggunakan Elman Neural Network ini kemudian dibandingkan dengan menggunakan fitur yang berbeda yaitu fitur Bark scale dan Mel scale. Pengukuran performa kinerja menggunakan F-Measure, pada pengujian menggunakan skala Mel diperoleh rata-rata nilai F-measure pada pengujian data kelompok 1 mencapai 96.8% dan pada pengujian data kelompok 3 dengan nilai F-measure 91.4%. Pada pengujian menggunakan skala Bar, hasil lebih optimal diperoleh pada data kelompok 2 dengan nilai rata-rata F-measure 94.2%. =============================================================================================== Onset detection is useful for analysis and indexing techniques for music signals. The purpose of onset detection is to determine when a tone or new event starts from a signal. in this case the recording of gamelan music. Signal variations in gamelan music caused by differences in playing style. punch strength and the process of making gamelan. making detection of onset in gamelan more difficult when compared to Western music. In this study, the onset detection process will be carried out using the Elman Neural Network. The learning process is supervised by early termination at the network training stage. Samples containing onset are identified by processing the output unit function. The value of the higher output activation function indicates a high probability that the sample is onset. The performance results from the onset detection process using the Elman Neural Network are then compared using different features, namely the Bark scale and Mel scale features. Measurement of performance using F-Measure, in the testing process using the Mel scale, obtained the average value of F-measure in testing group 1 data 96.8% and in the testing process data group 3 with a value of F-measure 91.4%. In the testing process using the Bar scale, more optimal results were obtained in group 2 data with an average value of F-measure 94.2%.

Item Type: Thesis (Masters)
Additional Information: RTE 621.382 2 Sar d-1 2018
Uncontrolled Keywords: Onset Detection,Recurrent Neural Network,Elman, Bark Scale
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5102.9 Signal processing.
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7895.S65 Speech recognition systems
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Dian Kartika Sari
Date Deposited: 07 Jun 2021 08:48
Last Modified: 07 Jun 2021 08:48
URI: https://repository.its.ac.id/id/eprint/60367

Actions (login required)

View Item View Item