Detail Cantuman

Penelitian ini mengkaji perkembangan genre musik dan aplikasi teknologi dalam pengenalan genre musik melalui pendekatan MIR (Music Information Retrieval). Dengan semakin kompleksnya sub-genre yang berkembang dari genre utama, penelitian ini mengusulkan penggunaan Mel Spectrogram sebagai representasi audio dalam domain frekuensi. Kami mengadopsi Convolutional Neural Network (CNN), khususnya arsitektur Inception V3, untuk mengklasifikasikan Mel Spectrogram ke dalam genre musik. CNN dipilih karena kemampuannya dalam mengenali pola kompleks dan hierarkis, yang sesuai dengan fitur-fitur musik yang diwakilkan dalam spektrogram. Kami menerapkan teknik transfer learning dan fine-tuning dari model yang telah dilatih pada dataset besar, memungkinkan kami untuk meningkatkan akurasi klasifikasi genre musik. Penelitian ini menggunakan dataset berisi 1000 file audio dalam format .wav, dengan masing-masing genre direpresentasikan oleh 100 file, untuk mengevaluasi kinerja dan efektivitas metode yang diusulkan dalam konteks klasifikasi genre musik. Ini mencakup latar belakang umum, metodologi yang digunakan, serta tujuan dan kontribusi utama dari penelitian ini terhadap pengembangan dalam domain pengenalan genre musik menggunakan teknik deep learning. Kata Kunci: Mel Spectrogram; Inception V3, Short-Time Fourier Transform, Transfer Learning